Transformata Fouriera i analiza spektralna
|
|
- Alicja Jabłońska
- 6 lat temu
- Przeglądów:
Transkrypt
1 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
2 Częstotliwość Prędkość (liniowa): V = S / t S droga t czas Prędkość kołowa: ω = θ / t θ kąt t czas kąt pełny = 2*PI PI= okres T [s] czas, w jakim przebyty zostanie kąt pełny
3 Częstotliwość kąt pełny = 2*PI 2*PI = 360 PI = 180 PI/2 = 90 itd... PI= ω = 2*PI / T = 2*PI *f okres T [s] czas, w jakim przebyty zostanie kąt pełny jednostka: sekunda 1 s częstotliwość f [Hz] ile pełnych kątów na sekundę jednostka: Herz 1 Hz = 1/s
4 Sygnał 1D
5 Sygnał 1D
6 Sygnał 1D Sygnały składają się z wielu składowych o różnych częstotliwościach...
7 Zaszumiony sygnał 1D...dodatkowo występują w nich szumy.
8 Sygnał 1D Celem analizy spektralnej i zastosowania transformaty Fouriera jest analiza sygnału w przestrzeni częstotliwości (rys. po prawej). Widać, że w sygnale występują dwie częstotliwości 25 Hz oraz 40 Hz.
9 Przykład zastosowania: odfiltrowanie zbędnych częstotliwości Mając zaszumiony sygnał, możemy przenieść go do przestrzeni częstotliwości...
10 Przykład zastosowania: odfiltrowanie zbędnych częstotliwości... i zaobserwować, iż pewne częstotliwości zdecydowanie dominują w sygnale, pozostałe mogą (ale nie muszą) odpowiadać za szum.
11 Przykład zastosowania: odfiltrowanie zbędnych częstotliwości Usuwamy (zerujemy) zbyt małe częstotliwości i wracamy do przestrzeni sygnału za pomocą transformaty odwrotnej...
12 Przykład zastosowania: odfiltrowanie zbędnych częstotliwości...otrzymując sygnał jedynie z dominującymi składowymi częstotliwościowymi.
13 Transformata Fouriera t czas (time domain) f częstotliwość (frequency domain)
14 Liczby zespolone
15 Liczby zespolone Działania
16 Liczby zespolone Postać trygonometryczna Wzory Eulera z = z (cosφ + i sinφ) = z e^(iφ)
17 Liczby zespolone
18 Transformata Fouriera
19 Transformata Fouriera Symetrie
20 Transformata Fouriera Właściwości
21 Transformata Fouriera Konwolucja (splot) dwóch funkcji g(t) oraz h(t), których transformatami Fouriera są odpowiednio G(f) oraz H(f). Zamiast dokonywać uciążliwego obliczeniowo splotu w sposób bezpośredni, można obliczenia przenieść do przestrzeni częstotliwości, gdzie splot sprowadza się do mnożenia.
22 Transformata Fouriera Konwolucja (splot) to np. również nakładanie dyskretnej maski na obraz (np. Sobela, Gaussa, itd.) Mask = [-1,-2,-1; 0, 0, 0; 1, 2, 1];
23 Transformata Fouriera Korelacja dwóch funkcji * oznacza liczbę zespoloną sprzężoną
24 Transformata Fouriera dla dyskretnych sygnałów Krytyczna częstotliwość Nyquista to sampling interval - tzn. jak często próbkujemy dany sygnał Próbkując dany sygnał nie jesteśmy w stanie uchwycić tych wysokich częstotliwości, które są szybsze od naszego próbkowania. Powyższa zależność mówi, że próbkowanie będzie skuteczne jeśli da nam co najmniej dwie zmierzone wartości w jednym okresie T danej częstotliwości.
25 Transformata Fouriera dla dyskretnych sygnałów Próbkowanie
26 Transformata Fouriera dla dyskretnych sygnałów W przypadku dyskretnych sygnałów, całka przechodzi w sumę. Nasz dyskretny sygnał składa się z N zmierzonych wartości: Możemy uzyskać informacje o następujących częstotliwościach:
27 Transformata Fouriera dla dyskretnych sygnałów Dyskretna Transformata Fouriera Odwrotna Dyskretna Transformata Fouriera W ogólności wszystkie operacje są dla liczb zespolonych.
28 Szybka Transformata Fouriera dla dyskretnych sygnałów Szybka Transformata Fouriera (Fast Fourier Transform FFT) pozwala w sposób efektywny liczyć transformaty dla sygnałów dyskretnych.
29 Transformata Fouriera transformata cosinusów i sinusów Transformata Fouriera Transformata sinusów Transformata cosinusów
30 FFT w 2D FFT w dwóch wymiarach Inverse FFT w dwóch wymiarach
31 FFT w 2D Reasumując, dla obrazów przedstawianych jako dwuwymiarowa funkcja f(m,n) mamy
32 FFT w 2D W przypadku dwóch wymiarów, FFT wykonuje się najpierw w jednym z wymiarów (np. dla każdego wiersza) a później dla drugiego wymiaru na otrzymanej transformacie z pierwszej FFT. Analogicznie jest dla większej liczby wymiarów.
33 FFT w 2D Dlatego w Matlabie wykonanie FFT dla obrazu (funkcji dwuwymiarowej) Y = fft2(x) jest równoważne wykonaniu jednowymiarowej FFT dla każdego wiersza a potem jednowymiarowej FFT dla kązdej kolumny w wynikowym obrazie fft(fft(x).').'
34 FFT w 2D
35 FFT w 2D
36 FFT w 2D
37 FFT w 2D
38 FFT w 2D Warto zwrócić uwagę, że rysunek transformaty pokazuje większą energię dla dużych horyzontalnych częstotliwości niż dla dużych wertykalnych częstotliwości. Wynika to z faktu, iż na oryginalnym rysunku szybsze zmiany następują w przekroju poziomym (tzn. jest większa częstotliwość zmian), dlatego, że prostokąt jest węższy w poziomie.
39 FFT w 2D
40 FFT w 2D
41 FFT w 2D
42 FFT w 2D
43 FFT w 2D
44 FFT w 2D
45 FFT w 2D: usuwanie częstotliwości o niskich wspólczynnikach Fouriera
46 FFT w 2D: usuwanie częstotliwości o wysokich wspólczynnikach Fouriera
47 FFT w 2D: usuwanie częstotliwości o niskich wspólczynnikach Fouriera
48 FFT w 2D: usuwanie częstotliwości o wysokich wspólczynnikach Fouriera
49 Wniosek Widać, że nie zawsze współczynniki Fouriera o niskich wartościach odpowiadają za szum w obrazie (sygnale) ale niosą ważną informację.
50 Konwolucja Konwolucja dwóch obrazów w przestrzeni oryginalnej odpowiada mnożeniu w przestrzni częstotliwości!
51 Konwolucja za pomocą dyskretnej maski 3x3 mask = [-1,-2,-1; 0, 0, 0; 1, 2, 1]; x3 = filter2(mask, x); figure imshow(x3,'notruesize'); title('po filtrowaniu');
52 Konwolucja za pomocą mnożenia w przestrzeni częstotliwości mask = [-1,-2,-1; 0, 0, 0; 1, 2, 1]; mask = rot90(mask,2); mask(s(1),s(2)) = 0; % Zero-pad mask to be 8-by-8; %KONWOLUCJA x2 = ifft2(fft2(x).*fft2(mask)); x2 = real(x2); % Remove imaginary part caused by roundoff error
53 Konwolucja za pomocą mnożenia w przestrzeni częstotliwości Ten sposób jest dużo oszczędniejszy w przypadku dużych masek filtrów.
54 Korelacja w przestrzeni częstotliwości Szukany wzorzec
55 Korelacja w przestrzeni częstotliwości Korelacja dwóch obrazów również może być wydajnie przeprowadzona w przestrzeni częstotliwości. Jest ona ponownie równoważna mnożeniu transforat z dodatkową rotacją szukanego wzorca.
56 Korelacja w przestrzeni częstotliwości Zwróć uwagę na jaśniejsze punkty.
57 Korelacja w przestrzeni częstotliwości Po odpowiednim progowaniu...
58 Korelacja w przestrzeni częstotliwości...wzorzec zostaje znaleziony.
Komputerowe Przetwarzanie Obrazów Szybka Transformata Fouriera. 1. Generowanie sygnałów 1D o różnych częstotliwościach oraz dodawanie szumu.
Komputerowe Przetwarzanie Obrazów Szybka Transformata Fouriera 1. Generowanie sygnałów 1D o różnych częstotliwościach oraz dodawanie szumu. t = 0:0.001:2; x1 = sin( 3*pi*2*t ); plot(t,x1) title('czestotliwosc
Bardziej szczegółowoAnaliza obrazów - sprawozdanie nr 2
Analiza obrazów - sprawozdanie nr 2 Filtracja obrazów Filtracja obrazu polega na obliczeniu wartości każdego z punktów obrazu na podstawie punktów z jego otoczenia. Każdy sąsiedni piksel ma wagę, która
Bardziej szczegółowo9. Dyskretna transformata Fouriera algorytm FFT
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
Bardziej szczegółowoFiltracja obrazu operacje kontekstowe
Filtracja obrazu operacje kontekstowe Podział metod filtracji obrazu Metody przestrzenne i częstotliwościowe Metody liniowe i nieliniowe Główne zadania filtracji Usunięcie niepożądanego szumu z obrazu
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 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 szczegółowoTransformacje Fouriera * podstawowe własności
Transformacje Fouriera * podstawowe własności * podejście mało formalne Funkcja w domenie czasowej Transformacja Fouriera - wstęp Ta sama funkcja w domenie częstości Transformacja Fouriera polega na rozkładzie
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 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 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 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 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 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 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 szczegółowoFiltracja obrazu operacje kontekstowe
Filtracja obrazu operacje kontekstowe Główne zadania filtracji Usunięcie niepożądanego szumu z obrazu Poprawa ostrości Usunięcie określonych wad obrazu Poprawa obrazu o złej jakości technicznej Rekonstrukcja
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 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 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 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 szczegółowoDiagnostyka obrazowa
Diagnostyka obrazowa Ćwiczenie szóste Transformacje obrazu w dziedzinie częstotliwości 1 Cel ćwiczenia Ćwiczenie ma na celu zapoznanie uczestników kursu Diagnostyka obrazowa z podstawowymi przekształceniami
Bardziej szczegółowoSzereg i transformata Fouriera
Analiza danych środowiskowych III rok OŚ Wykład 3 Andrzej Leśniak KGIS, GGiOŚ AGH Szereg i transformata Fouriera Cel wykładu: Wykrywanie i analiza okresowości w szeregach czasowych Przepływ wody w rzece
Bardziej szczegółowoLICZBY ZESPOLONE. 1. Wiadomości ogólne. 2. Płaszczyzna zespolona. z nazywamy liczbę. z = a + bi (1) i = 1 lub i 2 = 1
LICZBY ZESPOLONE 1. Wiadomości ogólne DEFINICJA 1. Liczba zespolona z nazywamy liczbę taką, że a, b R oraz i jest jednostka urojona, definiowaną następująco: z = a + bi (1 i = 1 lub i = 1 Powyższą postać
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 szczegółowoDiagnostyka obrazowa
Diagnostyka obrazowa Ćwiczenie szóste Transformacje obrazu w dziedzinie częstotliwości 1. Cel ćwiczenia Ćwiczenie ma na celu zapoznanie uczestników kursu Diagnostyka obrazowa z podstawowymi przekształceniami
Bardziej szczegółowoPrzetwarzanie obrazów rastrowych macierzą konwolucji
Przetwarzanie obrazów rastrowych macierzą konwolucji 1 Wstęp Obrazy rastrowe są na ogół reprezentowane w dwuwymiarowych tablicach złożonych z pikseli, reprezentowanych przez liczby określające ich jasność
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 szczegółowoLaboratorium Przetwarzania Sygnałów Biomedycznych
Laboratorium Przetwarzania Sygnałów Biomedycznych Ćwiczenie 3 Analiza sygnału o nieznanej strukturze Opracowali: - prof. nzw. dr hab. inż. Krzysztof Kałużyński - mgr inż. Tomasz Kubik Politechnika Warszawska,
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 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 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 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 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 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 szczegółowoEKSTRAKCJA CECH TWARZY ZA POMOCĄ TRANSFORMATY FALKOWEJ
Janusz Bobulski Instytut Informatyki Teoretycznej i Stosowanej Politechnika Częstochowska ul. Dąbrowskiego 73 42-200 Częstochowa januszb@icis.pcz.pl EKSTRAKCJA CECH TWARZY ZA POMOCĄ TRANSFORMATY FALKOWEJ
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 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 szczegółowoPrzekształcenia całkowe. Wykład 1
Przekształcenia całkowe Wykład 1 Przekształcenia całkowe Tematyka wykładów: 1. Liczby zespolone -wprowadzenie, - funkcja zespolona zmiennej rzeczywistej, - funkcja zespolona zmiennej zespolonej. 2. Przekształcenie
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 szczegółowoSegmentacja przez detekcje brzegów
Segmentacja przez detekcje brzegów Lokalne zmiany jasności obrazu niosą istotną informację o granicach obszarów (obiektów) występujących w obrazie. Metody detekcji dużych, lokalnych zmian jasności w obrazie
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 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 szczegółowoLaboratorium optycznego przetwarzania informacji i holografii. Ćwiczenie 4. Badanie optycznej transformaty Fouriera
Laboratorium optycznego przetwarzania informacji i holografii Ćwiczenie 4. Badanie optycznej transformaty Fouriera Katedra Optoelektroniki i Systemów Elektronicznych, WETI, Politechnika Gdańska Gdańsk
Bardziej szczegółowoLaboratorium Przetwarzania Sygnałów Biomedycznych
Laboratorium Przetwarzania Sygnałów Biomedycznych Ćwiczenie 1 Wydobywanie sygnałów z szumu z wykorzystaniem uśredniania Opracowali: - prof. nzw. dr hab. inż. Krzysztof Kałużyński - mgr inż. Tomasz Kubik
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 szczegółowoPOLITECHNIKA OPOLSKA
POLITECHNIKA OPOLSKA KATEDRA MECHANIKI I PODSTAW KONSTRUKCJI MASZYN MECHATRONIKA Instrukcja do ćwiczeń laboratoryjnych Analiza sygnałów czasowych Opracował: dr inż. Roland Pawliczek Opole 2016 1 2 1. Cel
Bardziej szczegółowoPrzetwarzanie obrazu
Przetwarzanie obrazu Przekształcenia kontekstowe Liniowe Nieliniowe - filtry Przekształcenia kontekstowe dokonują transformacji poziomów jasności pikseli analizując za każdym razem nie tylko jasność danego
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 szczegółowoStabilność. Krzysztof Patan
Stabilność Krzysztof Patan Pojęcie stabilności systemu Rozważmy obiekt znajdujący się w punkcie równowagi Po przyłożeniu do obiektu siły F zostanie on wypchnięty ze stanu równowagi Jeżeli po upłynięciu
Bardziej szczegółowoPODSTAWY AUTOMATYKI. MATLAB - komputerowe środowisko obliczeń naukowoinżynierskich - podstawowe operacje na liczbach i macierzach.
WYDZIAŁ ELEKTROTECHNIKI I AUTOMATYKI Katedra Inżynierii Systemów Sterowania PODSTAWY AUTOMATYKI MATLAB - komputerowe środowisko obliczeń naukowoinżynierskich - podstawowe operacje na liczbach i macierzach.
Bardziej szczegółowoPrzetwarzanie sygnałów biomedycznych
Przetwarzanie sygnałów biomedycznych dr hab. inż. Krzysztof Kałużyński, prof. PW Człowiek- najlepsza inwestycja Projekt współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego
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 szczegółowoAndrzej Leśnicki Laboratorium CPS Ćwiczenie 7 1/7 ĆWICZENIE 7. Splot liniowy i kołowy sygnałów
Andrzej Leśnicki Laboratorium CPS Ćwiczenie 7 1/7 ĆWICZEIE 7 Splot liniowy i kołowy sygnałów 1. Cel ćwiczenia Operacja splotu jest jedną z najczęściej wykonywanych operacji na sygnale. Każde przejście
Bardziej szczegółowoSpośród licznych filtrów nieliniowych najlepszymi właściwościami odznacza się filtr medianowy prosty i skuteczny.
Filtracja nieliniowa może być bardzo skuteczną metodą polepszania jakości obrazów Filtry nieliniowe Filtr medianowy Spośród licznych filtrów nieliniowych najlepszymi właściwościami odznacza się filtr medianowy
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 szczegółowoCyfrowe Przetwarzanie Obrazów i Sygnałów
Cyfrowe Przetwarzanie Obrazów i Sygnałów Laboratorium EX Lokalne transformacje obrazów Joanna Ratajczak, Wrocław, 28 Cel i zakres ćwiczenia Celem ćwiczenia jest zapoznanie się z własnościami lokalnych
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 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 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 szczegółowoFiltracja obrazów. w dziedzinie częstotliwości. w dziedzinie przestrzennej
Filtracja obrazów w dziedzinie częstotliwości w dziedzinie przestrzennej filtry liniowe filtry nieliniowe Filtracja w dziedzinie częstotliwości Obraz oryginalny FFT2 IFFT2 Obraz po filtracji f(x,y) H(u,v)
Bardziej szczegółowoWymiana i składowanie danych multimodalnych
SKRYPT DO LABORATORIUM Wymiana i składowanie danych multimodalnych ĆWICZENIE 3: Dyskretna transformata kosinusowa zasada działania i podstawowe właściwości autor: dr inż. Adam Bujnowski 1. Wymagania wstępne
Bardziej szczegółowoUkłady równań liniowych i metody ich rozwiązywania
Układy równań liniowych i metody ich rozwiązywania Łukasz Wojciechowski marca 00 Dany jest układ m równań o n niewiadomych postaci: a x + a x + + a n x n = b a x + a x + + a n x n = b. a m x + a m x +
Bardziej szczegółowoImplementacja filtru Canny ego
ANALIZA I PRZETWARZANIE OBRAZÓW Implementacja filtru Canny ego Autor: Katarzyna Piotrowicz Kraków,2015-06-11 Spis treści 1. Wstęp... 1 2. Implementacja... 2 3. Przykłady... 3 Porównanie wykrytych krawędzi
Bardziej szczegółowo1 Układy równań liniowych
II Metoda Gaussa-Jordana Na wykładzie zajmujemy się układami równań liniowych, pojawi się też po raz pierwszy macierz Formalną (i porządną) teorią macierzy zajmiemy się na kolejnych wykładach Na razie
Bardziej szczegółowoĆwiczenia 05. Sylwester Arabas (ćwiczenia do wykładu prof. Szymona Malinowskiego) 9. listopada 2010 r.
FFT w u: fft() Ćwiczenia 05 Sylwester Arabas (ćwiczenia do wykładu prof. Szymona Malinowskiego) Instytut Geofizyki, Wydział Fizyki Uniwersytetu Warszawskiego 9. listopada 2010 r. Zadanie 5.1 : wstęp (Landau/Lifszyc
Bardziej szczegółowoKatedra Elektrotechniki Teoretycznej i Informatyki
Katedra Elektrotechniki Teoretycznej i Informatyki Przedmiot: Zintegrowane Pakiety Obliczeniowe W Zastosowaniach InŜynierskich Numer ćwiczenia: 7,8 Temat: Signal Processing Toolbox - filtry cyfrowe, transmitancja
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 szczegółowo3. Macierze i Układy Równań Liniowych
3. Macierze i Układy Równań Liniowych Rozważamy równanie macierzowe z końcówki ostatniego wykładu ( ) 3 1 X = 4 1 ( ) 2 5 Podstawiając X = ( ) x y i wymnażając, otrzymujemy układ 2 równań liniowych 3x
Bardziej szczegółowoSpis treści. Metody nieparametryczne. Transformacja Fouriera
Spis treści 1 Metody nieparametryczne 1.1 Transformacja Fouriera 1.2 Bliżej życia 1.3 Splot 2 Transformacja Z 3 Filtry 4 Metody parametryczne 5 Analiza danych wielokanałowych 5.1 Koherencje 5.2 Związki
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 szczegółowoPRZETWARZANIE SYGNAŁÓW LABORATORIUM
2018 AK 1 / 5 PRZETWARZANIE SYGNAŁÓW LABORATORIUM Ćw. 0 Wykonujący: Grupa dziekańska: MATLAB jako narzędzie w przetwarzaniu sygnałów Grupa laboratoryjna: (IMIĘ NAZWISKO, nr albumu) Punkty / Ocena Numer
Bardziej szczegółowoALGEBRA LINIOWA Z ELEMENTAMI GEOMETRII ANALITYCZNEJ. 1. Ciała
ALGEBRA LINIOWA Z ELEMENTAMI GEOMETRII ANALITYCZNEJ WSHE, O/K-CE 1. Ciała Definicja 1. Układ { ; 0, 1; +, } złożony ze zbioru, dwóch wyróżnionych elementów 0, 1 oraz dwóch działań +:, : nazywamy ciałem
Bardziej szczegółowo1.1 Wprowadzenie. 1.2 Podstawy matematyczne analizy widmowej Przestrzeń Euklidesowa N-wymiarowa
1.1 Wprowadzenie Dowolnemu procesowi technologicznemu towarzyszą zawsze zjawiska pasożytnicze w postaci drgań poszczególnych części danego urządzenia i związanej z tym emisji hałasu. Efekty te, w zależności
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 szczegółowoANALIZA SYGNAŁÓ W JEDNÓWYMIARÓWYCH
ANALIZA SYGNAŁÓ W JEDNÓWYMIARÓWYCH Generowanie podstawowych przebiegów okresowych sawtooth() przebieg trójkątny (wierzhołki +/-1, okres 2 ) square() przebieg kwadratowy (okres 2 ) gauspuls()przebieg sinusoidalny
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 szczegółowoMacierze. Rozdział Działania na macierzach
Rozdział 5 Macierze Funkcję, która każdej parze liczb naturalnych (i, j) (i 1,..., n; j 1,..., m) przyporządkowuje dokładnie jedną liczbę a ij F, gdzie F R lub F C, nazywamy macierzą (rzeczywistą, gdy
Bardziej szczegółowoRozdział 5. Macierze. a 11 a a 1m a 21 a a 2m... a n1 a n2... a nm
Rozdział 5 Macierze Funkcję, która każdej parze liczb naturalnych (i,j) (i = 1,,n;j = 1,,m) przyporządkowuje dokładnie jedną liczbę a ij F, gdzie F = R lub F = C, nazywamy macierzą (rzeczywistą, gdy F
Bardziej szczegółowoANALIZA WIDMOWA SYGNAŁÓW (1) Podstawowe charakterystyki widmowe, aliasing
POLITECHNIKA RZESZOWSKA KATEDRA METROLOGII I SYSTEMÓW DIAGNOSTYCZNYCH LABORATORIUM PRZETWARZANIA SYGNAŁÓW ANALIZA WIDMOWA SYGNAŁÓW (1) Podstawowe charakterystyki widmowe, aliasing I. Cel ćwiczenia Celem
Bardziej szczegółowoLista nr 1 - Liczby zespolone
Lista nr - Liczby zespolone Zadanie. Obliczyć: a) ( 3 i) 3 ( 6 i ) 8 c) (+ 3i) 8 (i ) 6 + 3 i + e) f*) g) ( 3 i ) 77 ( ( 3 i + ) 3i 3i h) ( + 3i) 5 ( i) 0 i) i ( 3 i ) 4 ) +... + ( 3 i ) 0 Zadanie. Przedstawić
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 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 szczegółowoWydział Elektryczny Katedra Telekomunikacji i Aparatury Elektronicznej
Politechnika Białostocka Wydział Elektryczny Katedra Telekomunikacji i paratury Elektronicznej Instrukcja do zajęć laboratoryjnych z przedmiotu: Przetwarzanie Sygnałów Kod: TS400027 Temat ćwiczenia: naliza
Bardziej szczegółowoDrgania i fale II rok Fizyk BC
00--07 5:34 00\FIN00\Drgzlo00.doc Drgania złożone Zasada superpozycji: wychylenie jest sumą wychyleń wywołanych przez poszczególne czynniki osobno. Zasada wynika z liniowości związku między wychyleniem
Bardziej szczegółowoPrzeksztacenie Laplace a. Krzysztof Patan
Przeksztacenie Laplace a Krzysztof Patan Wprowadzenie Transformata Fouriera popularna metoda opisu systemów w dziedzinie częstotliwości Transformata Fouriera umożliwia wykonanie wielu użytecznych czynności:
Bardziej szczegółowoAdam Korzeniewski p Katedra Systemów Multimedialnych
Adam Korzeniewski adamkorz@sound.eti.pg.gda.pl p. 732 - Katedra Systemów Multimedialnych Operacja na dwóch funkcjach dająca w wyniku modyfikację oryginalnych funkcji (wynikiem jest iloczyn splotowy). Jest
Bardziej szczegółowoCyfrowe przetwarzanie sygnałów w urządzeniach EAZ firmy Computers & Control
Cyfrowe przetwarzanie sygnałów w urządzeniach EAZ firmy Computers & Control 1. Wstęp 2.Próbkowanie i odtwarzanie sygnałów 3. Charakterystyka sygnałów analogowych 4. Aliasing 5. Filtry antyaliasingowe 6.
Bardziej szczegółowo4. UKŁADY II RZĘDU. STABILNOŚĆ. Podstawowe wzory. Układ II rzędu ze sprzężeniem zwrotnym Standardowy schemat. Transmitancja układu zamkniętego
4. UKŁADY II RZĘDU. STABILNOŚĆ Podstawowe wzory Układ II rzędu ze sprzężeniem zwrotnym Standardowy schemat (4.1) Transmitancja układu zamkniętego częstotliwość naturalna współczynnik tłumienia Odpowiedź
Bardziej szczegółowoLaboratorium Półprzewodniki Dielektryki Magnetyki Ćwiczenie nr 8
Laboratorium Półprzewodniki Dielektryki Magnetyki Ćwiczenie nr 8 Analiza właściwości zmiennoprądowych materiałów i elementów elektronicznych I. Zagadnienia do przygotowania:. Wykonanie i przedstawienie
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 szczegółowoLiczby zespolone. Magdalena Nowak. 23 marca Uniwersytet Śląski
Uniwersytet Śląski 23 marca 2012 Ciało liczb zespolonych Rozważmy zbiór C = R R, czyli C = {(x, y) : x, y R}. W zbiorze C definiujemy następujące działania: dodawanie: mnożenie: (a, b) + (c, d) = (a +
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 szczegółowoKodowanie transformacyjne. Plan 1. Zasada 2. Rodzaje transformacji 3. Standard JPEG
Kodowanie transformacyjne Plan 1. Zasada 2. Rodzaje transformacji 3. Standard JPEG Zasada Zasada podstawowa: na danych wykonujemy transformacje która: Likwiduje korelacje Skupia energię w kilku komponentach
Bardziej szczegółowoWłaściwości sygnałów i splot. Krzysztof Patan
Właściwości sygnałów i splot Krzysztof Patan Właściwości sygnałów Dla sygnału ciągłego x(t) można zdefiniować wielkości liczbowe charakteryzujące ten sygnał wartość średnia energia sygnału x sr = lim τ
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 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 szczegółowo; B = Wykonaj poniższe obliczenia: Mnożenia, transpozycje etc wykonuję programem i przepisuję wyniki. Mam nadzieję, że umiesz mnożyć macierze...
Tekst na niebiesko jest komentarzem lub treścią zadania. Zadanie. Dane są macierze: A D 0 ; E 0 0 0 ; B 0 5 ; C Wykonaj poniższe obliczenia: 0 4 5 Mnożenia, transpozycje etc wykonuję programem i przepisuję
Bardziej szczegółowoWYDZIAŁ ELEKTROTECHNIKI, AUTOMATYKI I INFORMATYKI INSTYTUT AUTOMATYKI I INFORMATYKI KIERUNEK AUTOMATYKA I ROBOTYKA STUDIA STACJONARNE I STOPNIA
WYDZIAŁ ELEKTROTECHNIKI, AUTOMATYKI I INFORMATYKI INSTYTUT AUTOMATYKI I INFORMATYKI KIERUNEK AUTOMATYKA I ROBOTYKA STUDIA STACJONARNE I STOPNIA PRZEDMIOT : : LABORATORIUM PODSTAW AUTOMATYKI 10. Dyskretyzacja
Bardziej szczegółowoZjawisko aliasingu. Filtr antyaliasingowy. Przecieki widma - okna czasowe.
Katedra Mechaniki i Podstaw Konstrukcji Maszyn POLITECHNIKA OPOLSKA Komputerowe wspomaganie eksperymentu Zjawisko aliasingu.. Przecieki widma - okna czasowe. dr inż. Roland PAWLICZEK Zjawisko aliasingu
Bardziej szczegółowoPRZETWARZANIE SYGNAŁÓW
PRZETWARZANIE SYGNAŁÓW SEMESTR V Wykład VIII Podstawy przetwarzania obrazów Filtracja Przetwarzanie obrazu w dziedzinie próbek Przetwarzanie obrazu w dziedzinie częstotliwości (transformacje częstotliwościowe)
Bardziej szczegółowo