9. Dyskretna transformata Fouriera algorytm FFT
|
|
- Przybysław Piekarski
- 7 lat temu
- Przeglądów:
Transkrypt
1 Transformata Fouriera ma szerokie zastosowanie w analizie i syntezie układów i systemów elektronicznych, gdyż pozwala na połączenie dwóch sposobów przedstawiania sygnałów reprezentacji w dziedzinie czasu i reprezentacji w dziedzinie częstotliwości. Dyskretna transformata Fouriera (ang. discrete fourier transform - DFT) stosowana jest wtedy, gdy wartości liczbowe sygnału x t są określone dla skończonej liczby N wartości zmiennej t (czas) należącej do pewnego przedziału [0,T ]. Najczęściej przyjmuje się, że wartości te są równoodległe o jednakowy przedział czasu t=t / N =1 / f p, gdzie f p jest częstotliwością próbkowania. Sygał x t jest zatem reprezentowany przez skończony ciąg {x n },,1,, N 1, wartości liczbowych próbek sygnału. Zadanie obliczenia dyskretnej transformacji Fouriera sygnału sprowadza się do wyznaczenia wartości liczbowych sum nk X k = x n W N k=0,1,, N 1, dla przekształcenia prostego (czas częstotliwość) oraz sum x n = 1 nk X k W N N,1,, N 1, 9.1.b k =0 dla przekształcenia odwrotnego IDFT (ang. inverse DFT) - częstotliwość czas, gdzie W m N =e j 2 m/ N 9.1.c to współczynnik obrotu. N 1 N a
2 Wyznaczenie DFT w oparciu o zależność 9.1.a (oraz IDFT z wykorzystaniem 9.1.b ) wymaga wykonania N 2 mnożeń oraz N dodawań. Stosując algorytm szybkiej transformacji Fouriera FFT (odwrotnej szybkiej transformacji Fouriera) liczbę obliczeń można zmniejszyć do ok. N /2 log2 N. Zmniejszenie nakładu obliczeń transformaty DFT można uzyskać stosując następujący ciąg przekształceń. 1. Podział sekwencji wejściowej {x n }={x 0, x 1,, x N 1 } na dwie połowy: x {x 0, x 1,, N oraz 2 1 } {x N 2, x N 2 1,, x N 1 }. Transformatę DFT całej sekwencji z uwzględnieniem transformat obydwu części można zapisać odpowiednio N /2 1 N 1 X k = x n W nk nk N x n W N 9.1.d n= N / 2 Podstawiając n=n N /2 w drugiej sumie powyższego wzoru otrzymuje się N /2 1 X k = x n W N nk W N kn/ 2 N / 2 1 x n N 2 W nk N 9.1.e
3 Wykorzystując własność wyrażenia 9.1.c W N kn / 2 =e j k = e j k = cos j sin k = 1 k zależność 9.1.e przyjmuje postać N /2 1 X k = [ x x n 1 k n N2 ] W nk N. 9.1.f Z kolei wyrażenie 1 k =1 dla k parzystego i 1 dla k nieparzystego. Pozwala to zapisać równanie 9.1.f oddzielnie dla k parzystego N /2 1 X k = [ x x n n N2 ] W nk N. 9.1.g k nieparzystego. N /2 1 X k = [ x x n n N2 ] W nk N. 9.1.h
4 Zastępując k=2 k dla parzystych k oraz k=2 k 1 dla nieparzystych k równania 9.1.g oraz 9.1.h dla k=0,1,, N /2 1 przyjmują odpowiednio postać N /2 1 X 2k = [ x x n n N2 ] W 2nk N, 9.1.i N / 2 1 X 2k 1 = [ x n x n n =0 N2 ] W n N W 2nk N. 9.1.j Wykorzystując własność współczynnika obrotu oraz stosując podstawienia 9.1.c W 2m N =W m N / 2, 9.1.k a n =x n x n N 2, b n =x n x n N 2,
5 Wyrażenia 9.1.i oraz 9.1.j przyjmują bardziej czytelną postać dwóch N /2 -punktowych transformat DFT N /2 1 X 2k = N / 2 1 X 2k 1 = n =0 nk a n W N / 2 b n W n nk N W N /2, 9.1.l. 9.1.m
6 2. Podział uzyskanych dwóch sekwencji {a 0, a 1,,a N /2 1 } oraz {b 0 W 0 N, b 1 W 1 N / N,,b N /2 1 W 2 1 N } na cztery sekwencje N /4 punktowe. Wyznaczenie transformat DFT dla poszczególnych sekwencji w sposób analogiczny do czynności w punkcie nr 1.
7 3. Przeprowadzanie dekompozycji DFT do momentu uzyskanych sekwencji dwuelementowych tzw. ''motylków''. N /2 W przypadku 2-punktowego DFT równanie lub 1 nk X k = x n W 2 k=0,1, X 0 =a 0 W 0 2 a 1 W 0 2 =a 0 a 1 X 1 =a 0 W 2 0 a 1 W 2 1 =a 0 a 1 przyjmuje postać 9.1.n 9.1.o W drugim równaniu wykorzystano własność współczynnika obrotu W 1 2 =e j 2 / 2 = c
8 Omówiona metoda dekompozycji DFT nosi nazwę algorytmu FFT z podziałem w dziedzinie częstotliwości DIF (ang. decimation in frequency ).
9 Jak można zauważyć w fazie końcowej algorytm ten wymaga posortowania uzyskanych wartości widma. Można do tego wykorzystać metodę numeracji o odwróconej kolejności bitów (ang. bit-reversal procedure) 0 (000) 2 (000) (001) 2 (100) (010) 2 (010) (011) 2 (110) (101) 2 (101) (111) 2 (111) 2 7
10 Istnieje również metoda dekompozycji DFT z podziałem w dziedzinie czasu DIT (ang. decimation in time ). Powstaje ona w wyniku rozkładu algorytmu spowodowanego podziałami danych wejściowych na ciagi danych parzystych i nieparzystych. X k N /2 =C k W N k D k, k N / W 2 k N = W N k=0,1,, N /2 1
11 FFT z podziałem w dziedzinie czasu DIT. Dla N =8 X k =C k W k 8 D k, k=0, 1,2, 3, X k 4 =C k W k 8 D k, k=0, 1,2, 3.
13. Wybrane algorytmy cyfrowego przetwarzania sygnałów
13. Wybrane algorytmy cyfrowego przetwarzania sygnałów Dyskretna transformata Fouriera algorytm FFT (ang. fast Fourier transform) Wykrywanie tonów DTMF (ang. Dual Tone Multi Frequency) Filtracja cyfrowa
Bardziej szczegółowoTransformata Fouriera. Sylwia Kołoda Magdalena Pacek Krzysztof Kolago
Transformata Fouriera Sylwia Kołoda Magdalena Pacek Krzysztof Kolago Transformacja Fouriera rozkłada funkcję okresową na szereg funkcji okresowych tak, że uzyskana transformata podaje w jaki sposób poszczególne
Bardziej szczegółowoFFT i dyskretny splot. Aplikacje w DSP
i dyskretny splot. Aplikacje w DSP Marcin Jenczmyk m.jenczmyk@knm.katowice.pl Wydział Matematyki, Fizyki i Chemii 10 maja 2014 M. Jenczmyk Sesja wiosenna KNM 2014 i dyskretny splot 1 / 17 Transformata
Bardziej szczegółowoSzybka transformacja Fouriera (FFT Fast Fourier Transform)
Szybka transformacja Fouriera (FFT Fast Fourier Transform) Plan wykładu: 1. Transformacja Fouriera, iloczyn skalarny 2. DFT - dyskretna transformacja Fouriera 3. FFT szybka transformacja Fouriera a) algorytm
Bardziej szczegółowoPrzekształcenie Fouriera i splot
Zastosowania Procesorów Sygnałowych dr inż. Grzegorz Szwoch greg@multimed.org p. 732 - Katedra Systemów Multimedialnych Przekształcenie Fouriera i splot Wstęp Na tym wykładzie: przekształcenie Fouriera
Bardziej szczegółowoTransformata Fouriera
Transformata Fouriera Program wykładu 1. Wprowadzenie teoretyczne 2. Algorytm FFT 3. Zastosowanie analizy Fouriera 4. Przykłady programów Wprowadzenie teoretyczne Zespolona transformata Fouriera Jeżeli
Bardziej szczegółowoAnaliza szeregów czasowych: 2. Splot. Widmo mocy.
Analiza szeregów czasowych: 2. Splot. Widmo mocy. P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ semestr letni 2007/08 Splot Jedna z najważniejszych własności transformaty Fouriera jest to, że transformata
Bardziej szczegółowoAnaliza szeregów czasowych: 2. Splot. Widmo mocy.
Analiza szeregów czasowych: 2. Splot. Widmo mocy. P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ semestr letni 2006/07 Splot Jedna z najważniejszych własności transformaty Fouriera jest to, że transformata
Bardziej szczegółowoProblemy implementacji algorytmów FFT w strukturach FPGA 1)
Problemy implementacji algorytmów FFT w strukturach FPGA 1) Robert Kędzierawski Wojskowa Akademia Techniczna, Wydział Elektroniki Streszczenie Omówiono implementacje algorytmów FFT dla przypadku przetwarzania
Bardziej szczegółowoĆwiczenie 3. Właściwości przekształcenia Fouriera
Politechnika Wrocławska Wydział Elektroniki Mikrosystemów i Fotoniki Przetwarzanie sygnałów laboratorium ETD5067L Ćwiczenie 3. Właściwości przekształcenia Fouriera 1. Podstawowe właściwości przekształcenia
Bardziej szczegółowoAdaptacyjne Przetwarzanie Sygnałów. Filtracja adaptacyjna w dziedzinie częstotliwości
W Filtracja adaptacyjna w dziedzinie częstotliwości Blokowy algorytm LMS (BLMS) N f n+n = f n + α x n+i e(n + i), i= N L Slide e(n + i) =d(n + i) f T n x n+i (i =,,N ) Wprowadźmy nowy indeks: n = kn (
Bardziej szczegółowoZastowowanie transformacji Fouriera w cyfrowym przetwarzaniu sygnałów
31.01.2008 Zastowowanie transformacji Fouriera w cyfrowym przetwarzaniu sygnałów Paweł Tkocz inf. sem. 5 gr 1 1. Dźwięk cyfrowy Fala akustyczna jest jednym ze zjawisk fizycznych mających charakter okresowy.
Bardziej szczegółowoTransformaty. Kodowanie transformujace
Transformaty. Kodowanie transformujace Kodowanie i kompresja informacji - Wykład 10 10 maja 2009 Szeregi Fouriera Każda funkcję okresowa f (t) o okresie T można zapisać jako f (t) = a 0 + a n cos nω 0
Bardziej szczegółowo2. Próbkowanie Sygnały okresowe (16). Trygonometryczny szereg Fouriera (17). Częstotliwość Nyquista (20).
SPIS TREŚCI ROZDZIAŁ I SYGNAŁY CYFROWE 9 1. Pojęcia wstępne Wiadomości, informacje, dane, sygnały (9). Sygnał jako nośnik informacji (11). Sygnał jako funkcja (12). Sygnał analogowy (13). Sygnał cyfrowy
Bardziej szczegółowouzyskany w wyniku próbkowania okresowego przebiegu czasowego x(t) ze stałym czasem próbkowania t takim, że T = t N 1 t
4. 1 3. " P r ze c ie k " w idm ow y 1 0 2 4.13. "PRZECIEK" WIDMOWY Rozważmy szereg czasowy {x r } dla r = 0, 1,..., N 1 uzyskany w wyniku próbkowania okresowego przebiegu czasowego x(t) ze stałym czasem
Bardziej szczegółowoCYFROWE PRZTWARZANIE SYGNAŁÓW (Zastosowanie transformacji Fouriera)
I. Wprowadzenie do ćwiczenia CYFROWE PRZTWARZANIE SYGNAŁÓW (Zastosowanie transformacji Fouriera) Ogólnie termin przetwarzanie sygnałów odnosi się do nauki analizowania zmiennych w czasie procesów fizycznych.
Bardziej szczegółowoPrzetwarzanie i transmisja danych multimedialnych. Wykład 8 Transformaty i kodowanie cz. 2. Przemysław Sękalski.
Przetwarzanie i transmisja danych multimedialnych Wykład 8 Transformaty i kodowanie cz. 2 Przemysław Sękalski sekalski@dmcs.pl Politechnika Łódzka Katedra Mikroelektroniki i Technik Informatycznych DMCS
Bardziej szczegółowoDyskretne przekształcenie Fouriera cz. 2
Cyfrowe przetwarzanie sygnałów Jacek Rezmer -1- Dyskretne przekształcenie Fouriera cz. 2 Twierdzenie o przesunięciu Istnieje ważna właściwość DFT, znana jako twierdzenie o przesunięciu. Mówi ono, że: przesunięcie
Bardziej szczegółowoPolitechnika Świętokrzyska. Laboratorium. Cyfrowe przetwarzanie sygnałów. Ćwiczenie 6. Transformata cosinusowa. Krótkookresowa transformata Fouriera.
Politechnika Świętokrzyska Laboratorium Cyfrowe przetwarzanie sygnałów Ćwiczenie 6 Transformata cosinusowa. Krótkookresowa transformata Fouriera. Cel ćwiczenia Celem ćwiczenia jest zapoznanie studentów
Bardziej szczegółowoPrzekształcenie Fouriera obrazów FFT
Przekształcenie ouriera obrazów T 6 P. Strumiłło, M. Strzelecki Przekształcenie ouriera ourier wymyślił sposób rozkładu szerokiej klasy funkcji (sygnałów) okresowych na składowe harmoniczne; taką reprezentację
Bardziej szczegółowoTeoria sygnałów Signal Theory. Elektrotechnika I stopień (I stopień / II stopień) ogólnoakademicki (ogólno akademicki / praktyczny)
. KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2012/2013 Teoria sygnałów Signal Theory A. USYTUOWANIE MODUŁU W SYSTEMIE STUDIÓW
Bardziej szczegółowoAnaliza szeregów czasowych: 1. Dyskretna transformata Fouriera i zagadnienia pokrewne
Analiza szeregów czasowych: 1. Dyskretna transformata Fouriera i zagadnienia pokrewne P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ semestr letni 007/08 Transformata Fouriera G(f) = g(t)e πift dt (1)
Bardziej szczegółowoPrzetwarzanie sygnału cyfrowego (LabVIEW)
Politechnika Rzeszowska im. Ignacego Łukasiewicza w Rzeszowie Wydział: Elektryczny, Kierunek: Informatyka Projekt zaliczeniowy Przedmiot: Systemy akwizycji i przesyłania informacji Przetwarzanie sygnału
Bardziej szczegółowoAndrzej Leśnicki Laboratorium CPS Ćwiczenie 6 1/8 ĆWICZENIE 6. Dyskretne przekształcenie Fouriera DFT
Andrzej Leśnicki Laboratorium CPS Ćwiczenie 6 1/8 ĆWICZEIE 6 Dyskretne przekształcenie Fouriera DFT 1. Cel ćwiczenia Dyskretne przekształcenie Fouriera ( w skrócie oznaczane jako DFT z ang. Discrete Fourier
Bardziej szczegółowoSzybka transformacja Fouriera
Szybka transformacja Fouriera (Opis i wydruki programów) Instytut Astronomii UMK, Toruń 1976 2 K. Borkowski PROGRAM OBLICZANIA TRANSFORMAT FOURIERA Wstęp Prezentowany tutaj program przeznaczony jest do
Bardziej szczegółowoDYSKRETNA TRANSFORMACJA FOURIERA
Laboratorium Teorii Sygnałów - DFT 1 DYSKRETNA TRANSFORMACJA FOURIERA Cel ćwiczenia Celem ćwiczenia jest przeprowadzenie analizy widmowej sygnałów okresowych za pomocą szybkiego przekształcenie Fouriera
Bardziej szczegółowoTransformata Fouriera i analiza spektralna
Transformata Fouriera i analiza spektralna Z czego składają się sygnały? Sygnały jednowymiarowe, częstotliwość Liczby zespolone Transformata Fouriera Szybka Transformata Fouriera (FFT) FFT w 2D Przykłady
Bardziej szczegółowoDYSKRETNE PRZEKSZTAŁCENIE FOURIERA C.D.
CPS 6 DYSKRETE PRZEKSZTAŁCEIE FOURIERA C.D. Twierdzenie o przesunięciu Istnieje ważna właściwość DFT, znana jako twierdzenie o przesunięciu. Mówi ono, że: Przesunięcie w czasie okresowego ciągu wejściowego
Bardziej szczegółowoPrzetwarzanie i transmisja danych multimedialnych. Wykład 7 Transformaty i kodowanie. Przemysław Sękalski.
Przetwarzanie i transmisja danych multimedialnych Wykład 7 Transformaty i kodowanie Przemysław Sękalski sekalski@dmcs.pl Politechnika Łódzka Katedra Mikroelektroniki i Technik Informatycznych DMCS Wykład
Bardziej szczegółowoKatedra Elektrotechniki Teoretycznej i Informatyki
Katedra Elektrotechniki Teoretycznej i Inormatyki Przedmiot: Zintegrowane Pakiety Obliczeniowe W Zastosowaniach InŜynierskich umer ćwiczenia: 7 Temat: Wprowadzenie do Signal Processing Toolbox 1. PRÓBKOWAIE
Bardziej szczegółowoWstęp do metod numerycznych Dyskretna transformacja Fouriera. P. F. Góra
Wstęp do metod numerycznych Dyskretna transformacja Fouriera P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ 01 Problem Majac dany szereg czasowy {x i } N i=1 = {x 1, x,..., x N } (zazwyczaj nieciekawy),
Bardziej szczegółowoInstrukcja do laboratorium z cyfrowego przetwarzania sygnałów. Wybrane właściwości Dyskretnej Transformacji Fouriera
Instrukcja do laboratorium z cyfrowego przetwarzania sygnałów Wybrane właściwości Dyskretnej Transformacji Fouriera Przemysław Korohoda, KE, AGH Zawartość instrukcji: 1 Materiał z zakresu DSP 1.1 Macierzowy
Bardziej szczegółowoPOLITECHNIKA POZNAŃSKA
POLITECHNIKA POZNAŃSKA INSTYTUT ELEKTROTECHNIKI I ELEKTRONIKI PRZEMYSŁOWEJ Zakład Elektrotechniki Teoretycznej i Stosowanej Laboratorium Podstaw Telekomunikacji Ćwiczenie nr 1 Temat: Pomiar widma częstotliwościowego
Bardziej szczegółowoWykład 2. Transformata Fouriera
Wykład 2. Transformata Fouriera Transformata Fouriera jest podstawowym narzędziem analizy harmonicznej i teorii analizy i przetwarzania sygnału. Z punktu widzenia teorii matematycznej transformata Fouriera
Bardziej szczegółowoPodstawy Przetwarzania Sygnałów
Adam Szulc 188250 grupa: pon TN 17:05 Podstawy Przetwarzania Sygnałów Sprawozdanie 6: Filtracja sygnałów. Filtry FIT o skończonej odpowiedzi impulsowej. 1. Cel ćwiczenia. 1) Przeprowadzenie filtracji trzech
Bardziej szczegółowoCyfrowe Przetwarzanie Obrazów i Sygnałów
Cyfrowe Przetwarzanie Obrazów i Sygnałów Laboratorium EX3 Globalne transformacje obrazów Joanna Ratajczak, Wrocław, 2018 1 Cel i zakres ćwiczenia Celem ćwiczenia jest zapoznanie się z własnościami globalnych
Bardziej szczegółowoUniwersytet Warszawski. Projektowanie filtrów typu FIR o liniowej charakterystyce fazowej
Uniwersytet Warszawski Wydział Matematyki, Informatyki i Mechaniki Wit Jakuczun Wojciech Žiška Projektowanie filtrów typu FIR o liniowej charakterystyce fazowej Praca licencjacka na kierunku MATEMATYKA!
Bardziej szczegółowoZastosowanie Procesorów Sygnałowych
Politechnika Gdańska Wydział Elektroniki, Telekomunikacji i Informatyki Zastosowanie Procesorów Sygnałowych Ćwiczenie: Stroik do gitary elektrycznej z wykorzystaniem ADSP-21161N. Krzysztof Wiśniewski Robert
Bardziej szczegółowoAlgorytmy i struktury danych. Wykład 4
Wykład 4 Różne algorytmy - obliczenia 1. Obliczanie wartości wielomianu 2. Szybkie potęgowanie 3. Algorytm Euklidesa, liczby pierwsze, faktoryzacja liczby naturalnej 2017-11-24 Algorytmy i struktury danych
Bardziej szczegółowoPolitechnika Wrocławska Wydział Elektroniki Mikrosystemów i Fotoniki Przetwarzanie sygnałów laboratorium ETD5067L
Politechnika Wrocławska Wydział Elektroniki Mikrosystemów i Fotoniki Przetwarzanie sygnałów laboratorium ETD5067L Ćwiczenie 3. Właściwości przekształcenia Fouriera 1. Podstawowe właściwości przekształcenia
Bardziej szczegółowoPróbny egzamin z matematyki dla uczniów klas II LO i III Technikum. w roku szkolnym 2012/2013
Próbny egzamin z matematyki dla uczniów klas II LO i III Technikum w roku szkolnym 2012/2013 I. Zakres materiału do próbnego egzaminu maturalnego z matematyki: 1) liczby rzeczywiste 2) wyrażenia algebraiczne
Bardziej szczegółowodr inż. Artur Zieliński Katedra Elektrochemii, Korozji i Inżynierii Materiałowej Wydział Chemiczny PG pokój 311
dr inż. Artur Zieliński Katedra Elektrochemii, Korozji i Inżynierii Materiałowej Wydział Chemiczny PG pokój 311 Politechnika Gdaoska, 2011 r. Publikacja współfinansowana ze środków Unii Europejskiej w
Bardziej szczegółowoLuty 2001 Algorytmy (7) 2000/2001 s-rg@siwy.il.pw.edu.pl
System dziesiętny 7 * 10 4 + 3 * 10 3 + 0 * 10 2 + 5 *10 1 + 1 * 10 0 = 73051 Liczba 10 w tym zapisie nazywa się podstawą systemu liczenia. Jeśli liczba 73051 byłaby zapisana w systemie ósemkowym, co powinniśmy
Bardziej szczegółowoPrzetwarzanie sygnałów
Spis treści Przetwarzanie sygnałów Ćwiczenie 2 Dyskretna transformacja Fouriera 1 Liczby zespolone 1 2 Dyskretna Transformacja Fouriera (ang. Discrete Fourier Transform DFT) 2 3 Pytania i zadania na kartkówkę
Bardziej szczegółowo8. Analiza widmowa metodą szybkiej transformaty Fouriera (FFT)
8. Analiza widmowa metodą szybkiej transformaty Fouriera (FFT) Ćwiczenie polega na wykonaniu analizy widmowej zadanych sygnałów metodą FFT, a następnie określeniu amplitud i częstotliwości głównych składowych
Bardziej szczegółowoPL B1. Sposób i układ pomiaru całkowitego współczynnika odkształcenia THD sygnałów elektrycznych w systemach zasilających
RZECZPOSPOLITA POLSKA (12) OPIS PATENTOWY (19) PL (11) 210969 (13) B1 (21) Numer zgłoszenia: 383047 (51) Int.Cl. G01R 23/16 (2006.01) G01R 23/20 (2006.01) Urząd Patentowy Rzeczypospolitej Polskiej (22)
Bardziej szczegółowoAnaliza szeregów czasowych: 1. Dyskretna transformata Fouriera i zagadnienia pokrewne
Analiza szeregów czasowych: 1. Dyskretna transformata Fouriera i zagadnienia pokrewne P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ semestr letni 006/07 Plan wykładu Dyskretna transformata Fouriera,
Bardziej szczegółowon=0 (n + r)a n x n+r 1 (n + r)(n + r 1)a n x n+r 2. Wykorzystując te obliczenia otrzymujemy, że lewa strona równania (1) jest równa
Równanie Bessela Będziemy rozważać następujące równanie Bessela x y xy x ν )y 0 ) gdzie ν 0 jest pewnym parametrem Rozwiązania równania ) nazywamy funkcjami Bessela rzędu ν Sprawdzamy, że x 0 jest regularnym
Bardziej szczegółowoPrzekształcenia widmowe Transformata Fouriera. Adam Wojciechowski
Przekształcenia widmowe Transformata Fouriera Adam Wojciechowski Przekształcenia widmowe Odmiana przekształceń kontekstowych, w których kontekstem jest w zasadzie cały obraz. Za pomocą transformaty Fouriera
Bardziej szczegółowojako analizatory częstotliwości
jako analiatory cęstotliwości Widmo fourierowskie: y = cos p f t Widmo sygnału spróbkowanego Problem rodielcości Transformaty cyfrowe: analia wycinka sygnału xt wt próbek, T sekund Widmo wycinka: f*wf
Bardziej szczegółowoĆwiczenie: Własności dyskretnej transformaty Fouriera (DFT)
Opracował: dr hab. inż. G. Stępniak Ćwiczenie: Własności dyskretnej transformaty Fouriera (DFT) Dyskretna transformata Fouriera (DFT ang. discrete Fourier Transform) to jedno z podstawowych narzędzi w
Bardziej szczegółowoZapis liczb binarnych ze znakiem
Zapis liczb binarnych ze znakiem W tej prezentacji: Zapis Znak-Moduł (ZM) Zapis uzupełnień do 1 (U1) Zapis uzupełnień do 2 (U2) Zapis Znak-Moduł (ZM) Koncepcyjnie zapis znak - moduł (w skrócie ZM - ang.
Bardziej szczegółowo2. Szybka transformata Fouriera
Szybka transforata Fouriera Wyznaczenie ciągu (Y 0, Y 1,, Y 1 ) przy użyciu DFT wyaga wykonania: nożenia zespolonego ( 1) razy, dodawania zespolonego ( 1) razy, przy założeniu, że wartości ω j są już dane
Bardziej szczegółowoPrzedmowa Wykaz oznaczeń Wykaz skrótów 1. Sygnały i ich parametry 1 1.1. Pojęcia podstawowe 1 1.2. Klasyfikacja sygnałów 2 1.3.
Przedmowa Wykaz oznaczeń Wykaz skrótów 1. Sygnały i ich parametry 1 1.1. Pojęcia podstawowe 1 1.2. Klasyfikacja sygnałów 2 1.3. Sygnały deterministyczne 4 1.3.1. Parametry 4 1.3.2. Przykłady 7 1.3.3. Sygnały
Bardziej szczegółowoPolitechnika Wrocławska Wydział Elektroniki Mikrosystemów i Fotoniki Przetwarzanie sygnałów laboratorium ETD5067L
Politechnika Wrocławska Wydział Elektroniki Mikrosystemów i Fotoniki Przetwarzanie sygnałów laboratorium ETD5067L Ćwiczenie 4. Filtry o skończonej odpowiedzi impulsowej (SOI) 1. Filtracja cyfrowa podstawowe
Bardziej szczegółowoIMPLEMENTATION OF THE SPECTRUM ANALYZER ON MICROCONTROLLER WITH ARM7 CORE IMPLEMENTACJA ANALIZATORA WIDMA NA MIKROKONTROLERZE Z RDZENIEM ARM7
Łukasz Deńca V rok Koło Techniki Cyfrowej dr inż. Wojciech Mysiński opiekun naukowy IMPLEMENTATION OF THE SPECTRUM ANALYZER ON MICROCONTROLLER WITH ARM7 CORE IMPLEMENTACJA ANALIZATORA WIDMA NA MIKROKONTROLERZE
Bardziej szczegółowo1. Pochodna funkcji. 1.1 Pierwsza pochodna - definicja i własności Definicja pochodnej
. Pierwsza pochodna - definicja i własności.. Definicja pochodnej Definicja Niech f : a, b) R oraz niech 0 a, b). Mówimy, że funkcja f ma pochodna w punkcie 0, którą oznaczamy f 0 ), jeśli istnieje granica
Bardziej szczegółowoTechnika audio część 2
Technika audio część 2 Wykład 12 Projektowanie cyfrowych układów elektronicznych Mgr inż. Łukasz Kirchner lukasz.kirchner@cs.put.poznan.pl http://www.cs.put.poznan.pl/lkirchner Wprowadzenie do filtracji
Bardziej szczegółowoPolitechnika Wrocławska Wydział Elektroniki Mikrosystemów i Fotoniki Przetwarzanie sygnałów laboratorium ETD5067L
Politechnika Wrocławska Wydział Elektroniki Mikrosystemów i Fotoniki Przetwarzanie sygnałów laboratorium ETD5067L Ćwiczenie 2. Dyskretna Transformacja Fouriera 1. Liczby zespolone Liczby zespolone są uogólnieniem
Bardziej szczegółowoTransformata Laplace a to przekształcenie całkowe funkcji f(t) opisane następującym wzorem:
PPS 2 kartkówka 1 RÓWNANIE RÓŻNICOWE Jest to dyskretny odpowiednik równania różniczkowego. Równania różnicowe to pewne związki rekurencyjne określające w sposób niebezpośredni wartość danego wyrazu ciągu.
Bardziej szczegółowoRównania różniczkowe liniowe wyższych rzędów o stałych współcz
Równania różniczkowe liniowe wyższych rzędów o stałych współczynnikach Katedra Matematyki i Ekonomii Matematycznej SGH 12 maja 2016 Równanie liniowe n-tego rzędu Definicja Równaniem różniczkowym liniowym
Bardziej szczegółowoSzybkie przekształcenie Fouriera
Szybkie przekształcenie Fouriera Wprawdzie DFT jest najbardziej bezpośrednią procedurą matematyczną do określania częstotliwościowej zawartości ciągu z dziedziny czasu, jest ona bardzo nieefektywna. Ponieważ
Bardziej szczegółowoBIBLIOTEKA PROGRAMU R - BIOPS. Narzędzia Informatyczne w Badaniach Naukowych Katarzyna Bernat
BIBLIOTEKA PROGRAMU R - BIOPS Narzędzia Informatyczne w Badaniach Naukowych Katarzyna Bernat Biblioteka biops zawiera funkcje do analizy i przetwarzania obrazów. Operacje geometryczne (obrót, przesunięcie,
Bardziej szczegółowoAnaliza obrazu. wykład 5. Marek Jan Kasprowicz Uniwersytet Rolniczy 2008
Analiza obrazu komputerowego wykład 5 Marek Jan Kasprowicz Uniwersytet Rolniczy 2008 Slajdy przygotowane na podstawie książki Komputerowa analiza obrazu R.Tadeusiewicz, P. Korohoda, oraz materiałów ze
Bardziej szczegółowoMATEMATYKA WYKAZ UMIEJĘTNOŚCI WYMAGANYCH NA POSZCZEGÓLNE OCENY DLA KLASY DRUGIEJ
MATEMATYKA WYKAZ UMIEJĘTNOŚCI WYMAGANYCH NA POSZCZEGÓLNE OCENY 1. SUMY ALGEBRAICZNE DLA KLASY DRUGIEJ 1. Rozpoznawanie jednomianów i sum algebraicznych Obliczanie wartości liczbowych wyrażeń algebraicznych
Bardziej szczegółowoRozwiązania zadań z kolokwium w dniu r. Zarządzanie Inżynierskie, WDAM, grupy I i II
Rozwiązania zadań z kolokwium w dniu 10.1.010r. Zarządzanie Inżynierskie, WDAM, grupy I i II Zadanie 1. Wyznacz dziedzinę naturalną funkcji f (x) = x 4x + 3 x + x + log arc sin 1 x. Rozwiązanie. Wymagane
Bardziej szczegółowoV. WYMAGANIA EGZAMINACYJNE
V. WYMAGANIA EGZAMINACYJNE Standardy wymagań egzaminacyjnych Zdający posiada umiejętności w zakresie: POZIOM PODSTAWOWY POZIOM ROZSZERZONY 1. wykorzystania i tworzenia informacji: interpretuje tekst matematyczny
Bardziej szczegółowoProgram zajęć pozalekcyjnych z matematyki poziom rozszerzony- realizowanych w ramach projektu Przez naukę i praktykę na Politechnikę
Program zajęć pozalekcyjnych z matematyki poziom rozszerzony- realizowanych w ramach projektu Przez naukę i praktykę na Politechnikę 1. Omówienie programu. Zaznajomienie uczniów ze źródłami finansowania
Bardziej szczegółowo7. Szybka transformata Fouriera fft
7. Szybka transformata Fouriera fft Dane pomiarowe sygnałów napięciowych i prądowych często obarczone są dużym błędem, wynikającym z istnienia tak zwanego szumu. Jedną z metod wspomagających analizę sygnałów
Bardziej szczegółowo6. FUNKCJE. f: X Y, y = f(x).
6. FUNKCJE Niech dane będą dwa niepuste zbiory X i Y. Funkcją f odwzorowującą zbiór X w zbiór Y nazywamy przyporządkowanie każdemu elementowi X dokładnie jednego elementu y Y. Zapisujemy to następująco
Bardziej szczegółowoPrzetwarzanie sygnałów
Spis treści Przetwarzanie sygnałów Ćwiczenie 3 Właściwości przekształcenia Fouriera 1 Podstawowe właściwości przekształcenia Fouriera 1 1.1 Kompresja i ekspansja sygnału................... 2 1.2 Właściwości
Bardziej szczegółowoEGZAMIN MATURALNY Z MATEMATYKI
ARKUSZ ZAWIERA INFORMACJE PRAWNIE CHRONIONE DO MOMENTU ROZPOCZĘCIA EGZAMINU! Miejsce na naklejkę MMA-R_P-08 EGZAMIN MATURALNY Z MATEMATYKI POZIOM ROZSZERZONY MAJ ROK 008 Czas pracy 80 minut Instrukcja
Bardziej szczegółowoCIĄGI wiadomości podstawowe
1 CIĄGI wiadomości podstawowe Jak głosi definicja ciąg liczbowy to funkcja, której dziedziną są liczby naturalne dodatnie (w zadaniach oznacza się to najczęściej n 1) a wartościami tej funkcji są wszystkie
Bardziej szczegółowoTransformacja Fouriera i biblioteka CUFFT 3.0
Transformacja Fouriera i biblioteka CUFFT 3.0 Procesory Graficzne w Zastosowaniach Obliczeniowych Karol Opara Warszawa, 14 kwietnia 2010 Transformacja Fouriera Definicje i Intuicje Transformacja z dziedziny
Bardziej szczegółowoZygmunt Wróbel i Robert Koprowski. Praktyka przetwarzania obrazów w programie Matlab
Zygmunt Wróbel i Robert Koprowski Praktyka przetwarzania obrazów w programie Matlab EXIT 2004 Wstęp 7 CZĘŚĆ I 9 OBRAZ ORAZ JEGO DYSKRETNA STRUKTURA 9 1. Obraz w programie Matlab 11 1.1. Reprezentacja obrazu
Bardziej szczegółowo5. Rozwiązywanie układów równań liniowych
5. Rozwiązywanie układów równań liniowych Wprowadzenie (5.1) Układ n równań z n niewiadomymi: a 11 +a 12 x 2 +...+a 1n x n =a 10, a 21 +a 22 x 2 +...+a 2n x n =a 20,..., a n1 +a n2 x 2 +...+a nn x n =a
Bardziej szczegółowoGENERACJA PRZEBIEGU SINUSOIDALNEGO.
GENERACJA PRZEBIEGU SINUSOIDALNEGO. Podstawą generacji sygnału sinusoidalnego jest równanie różnicowe wyprowadzone w sposób następujący. Transmitancja układu generującego jest równa: Na wyjściu spodziewany
Bardziej szczegółowoPróbny egzamin maturalny z matematyki Poziom rozszerzony
Kujawsko-Pomorskie Centrum Edukacji Nauczycieli w Bydgoszczy PLACÓWKA AKREDYTOWANA Zadanie 1 (4 pkt) Rozwiąż równanie: w przedziale 1 pkt Przekształcenie równania do postaci: 2 pkt Przekształcenie równania
Bardziej szczegółowoRozwiązania zadań z kolokwium w dniu r. Zarządzanie Licencjackie, WDAM, grupy I i II
Rozwiązania zadań z kolokwium w dniu 15.1.010r. Zarządzanie Licencjackie, WDAM, grupy I i II Zadanie 1. Wyznacz dziedzinę naturalną funkcji f x) = arc cos x x + x 5 ) ) log x + 5. Rozwiązanie. Wymagane
Bardziej szczegółowoRozwiązywanie układów równań liniowych metody dokładne Materiały pomocnicze do ćwiczeń z metod numerycznych
Rozwiązywanie układów równań liniowych metody dokładne Materiały pomocnicze do ćwiczeń z metod numerycznych Piotr Modliński Wydział Geodezji i Kartografii PW 13 stycznia 2012 P. Modliński, GiK PW Rozw.
Bardziej szczegółowoPolitechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania. Podstawy Automatyki
Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania Podsta Automatyki Transmitancja operatorowa i widmowa systemu, znajdowanie odpowiedzi w dziedzinie s i w
Bardziej szczegółowoSamodzielnie wykonaj następujące operacje: 13 / 2 = 30 / 5 = 73 / 15 = 15 / 23 = 13 % 2 = 30 % 5 = 73 % 15 = 15 % 23 =
Systemy liczbowe Dla każdej liczby naturalnej x Î N oraz liczby naturalnej p >= 2 istnieją jednoznacznie wyznaczone: liczba n Î N oraz ciąg cyfr c 0, c 1,..., c n-1 (gdzie ck Î {0, 1,..., p - 1}) taki,
Bardziej szczegółowoInterpolacja funkcji
Interpolacja funkcji Interpolacja funkcji Interpolacja funkcji Wielomianowa Splajny Lagrange a Trygonometryczna Interpolacja Newtona (wzór I ) Czebyszewa Newtona (wzór II ) ( Wielomiany Czebyszewa ) Załóżmy,
Bardziej szczegółowoNIEOPTYMALNA TECHNIKA DEKORELACJI W CYFROWYM PRZETWARZANIU OBRAZU
II Konferencja Naukowa KNWS'05 "Informatyka- sztuka czy rzemios o" 15-18 czerwca 2005, Z otniki Luba skie NIEOPTYMALNA TECHNIKA DEKORELACJI W CYFROWYM PRZETWARZANIU OBRAZU Wojciech Zając Instytut Informatyki
Bardziej szczegółowoMetody numeryczne Wykład 6
Metody numeryczne Wykład 6 Dr inż. Michał Łanczont Instytut Elektrotechniki i Elektrotechnologii E419, tel. 4293, m.lanczont@pollub.pl, http://m.lanczont.pollub.pl Zakres wykładu Interpolacja o Interpolacja
Bardziej szczegółowoPropagacja w przestrzeni swobodnej (dyfrakcja)
Fotonika Wykład 7 - Sposoby wyznaczania obrazu dyfrakcyjnego - Przykłady obrazów dyfrakcyjnych w polu dalekim obliczonych przy użyciu dyskretnej transformaty Fouriera - Elementy dyfrakcyjne Propagacja
Bardziej szczegółowoPrawdopodobieństwo i statystyka
Wykład XIV: Metody Monte Carlo 19 stycznia 2016 Przybliżone obliczanie całki oznaczonej Rozważmy całkowalną funkcję f : [0, 1] R. Chcemy znaleźć przybliżoną wartość liczbową całki 1 f (x) dx. 0 Jeden ze
Bardziej szczegółowo1 Hydroliza soli. Hydroliza soli 1
Hydroliza soli 1 1 Hydroliza soli Niektóre sole, rozpuszczone w wodzie, reagują z cząsteczkami rozpuszczalnika. Reakcja ta nosi miano hydrolizy. Reakcję hydrolizy soli o wzorze BA, można schematycznie
Bardziej szczegółowoprzy warunkach początkowych: 0 = 0, 0 = 0
MODELE MATEMATYCZNE UKŁADÓW DYNAMICZNYCH Podstawową formą opisu procesów zachodzących w członach lub układach automatyki jest równanie ruchu - równanie dynamiki. Opisuje ono zależność wielkości fizycznych,
Bardziej szczegółowoDane obrazowe. R. Robert Gajewski omklnx.il.pw.edu.pl/~rgajewski
Dane obrazowe R. Robert Gajewski omklnx.il.pw.edu.pl/~rgajewski www.il.pw.edu.pl/~rg s-rg@siwy.il.pw.edu.pl Przetwarzanie danych obrazowych! Przetwarzanie danych obrazowych przyjmuje trzy formy:! Grafikę
Bardziej szczegółowoINTERPOLACJA I APROKSYMACJA FUNKCJI
Transport, studia niestacjonarne I stopnia, semestr I Instytut L-5, Wydział Inżynierii Lądowej, Politechnika Krakowska Ewa Pabisek Adam Wosatko Wprowadzenie Na czym polega interpolacja? Interpolacja polega
Bardziej szczegółowoPrzekształcenie Z. Krzysztof Patan
Przekształcenie Z Krzysztof Patan Wprowadzenie Przekształcenie Laplace a można stosować do sygnałów i systemów czasu ciągłego W przypadku sygnałów czy systemów czasu dyskretnego do wyznaczenia transmitancji
Bardziej szczegółowoTransformacje i funkcje statystyczne
Generacja okien: win = window(@fwin,n); Generacja okien gui: wintool; Rodzaje niektórych okien: @bartlett - Bartletta. @blackman - Blackmana. @chebwin - Czebyszewa. @gausswin - gausowskie. @hamming - Hamminga.
Bardziej szczegółowoIII. STRUKTURA I FORMA EGZAMINU
III. STRUKTURA I FORMA EGZAMINU Egzamin maturalny z matematyki jest egzaminem pisemnym sprawdzającym wiadomości i umiejętności określone w Standardach wymagań egzaminacyjnych i polega na rozwiązaniu zadań
Bardziej szczegółowoZASTOSOWANIE RACHUNKU OPERATORÓW MIKUS- IŃSKIEGO W PEWNYCH ZAGADNIENIACH DYNAMIKI KONSTRUKCJI
Budownictwo 18 Mariusz Poński ZASTOSOWANIE RACHUNKU OPERATORÓW MIKUS- IŃSKIEGO W PEWNYCH ZAGADNIENIACH DYNAMIKI KONSTRUKCJI 1. Metody transformacji całkowych Najczęściej spotykaną metodą rozwiązywania
Bardziej szczegółowoUkłady równań i równania wyższych rzędów
Rozdział Układy równań i równania wyższych rzędów Układy równań różniczkowych zwyczajnych Wprowadzenie W poprzednich paragrafach zajmowaliśmy się równaniami różniczkowymi y = f(x, y), których rozwiązaniem
Bardziej szczegółowoWykład 2 - model produkcji input-output (Model 1)
Wykład 2 - model produkcji input-output (Model 1) 1 Wprowadzenie Celem wykładu jest omówienie (znanego z wcześniejszych zaję) modelu produkcji typu input-output w postaci pozwalającej na zaprogramowanie
Bardziej szczegółowoZadania do samodzielnego rozwiązania
Zadania do samodzielnego rozwiązania I. Podzielność liczb całkowitych 1. Pewna liczba sześciocyfrowa a kończy się cyfrą 5. Jeśli tę cyfrę przestawimy na miejsce pierwsze ze strony lewej, to otrzymamy nową
Bardziej szczegółowoRóżne reżimy dyfrakcji
Fotonika Wykład 7 - Sposoby wyznaczania obrazu dyfrakcyjnego - Przykłady obrazów dyfrakcyjnych w polu dalekim obliczonych przy użyciu dyskretnej transformaty Fouriera - Elementy dyfrakcyjne Różne reżimy
Bardziej szczegółowoFPGA IMPLEMENTATION OF FAST FOURIER TRANSFORM ALGORITHM IMPLEMENTACJA ALGORYTMU SZYBKIEJ TRANSFORMATY FOURIERA W UKŁADZIE PROGRAMOWALNYM FPGA
Inż. Arkadiusz Pantoł IV rok Koło Naukowe Techniki Cyfrowej dr inż. Wojciech Mysiński opiekun naukowy FPGA IMPLEMENTATION OF FAST FOURIER TRANSFORM ALGORITHM IMPLEMENTACJA ALGORYTMU SZYBKIEJ TRANSFORMATY
Bardziej szczegółowo