Akwizycja i przetwarzanie sygnałów cyfrowych
|
|
- Edyta Kołodziejczyk
- 6 lat temu
- Przeglądów:
Transkrypt
1 Akwizycja i przetwarzanie sygnałów cyfrowych Instytut Teleinformatyki ITI PK Kraków 21 luty 2011
2 Czasowo-częstotliwościowa analiza sygnałów Metody analizy sygnału Do tej pory - analiza sygnału jako funkcji czasu/położenia, albo analiza spektralna - rozkład sygnału na składowe częstotliwościowe (o różnej zmienności) metody te działaja dla sygnałów stacjonarnych (spektrum nie jest zmienne w czasie) transformacja Fouriera - zakłada sygnał periodyczny lub jego kompletna znajomość w całej dziedzinie czasowej punkty spektrum częstotliwościowego - uśrednione po całej dziedzinie czasowej przykład ilustrujacy nieprzydatność transformaty Fouriera - liniowa modulacja częstotliwości: y(t) = sin(2πωt), ω = ω 0 + αt
3 Przykład - liniowa modulacja częstotliwości Sygnał czasowy, spektrum Fouriera Transformata Wignera-Ville a
4 Potrzeba analizy czasowo-częstotliwościej W wielu zastosowaniach potrzebujemy analizy łacznej (czas i częstoliwość), by wydobyć informację zawarta w sygnale niestacjonarnym niestacjonarność - istota wielu sygnałów będacych przedmiotem naszego zainteresowania (n.p. mowa, sygnały medyczne (EEG, EKG), pomiary sejsmiczne, wibracje części masyn, przebiegi sygnałów elektrycznych, obrazy dwuwymiarowe celowe pobudzanie obiektów wymuszeniem niestacjonarnym celem ich identyfikacji (np. echografia impulsowa stosowana w goeofizyce, radiolokacji, diagnostyce medycznej) niestacjonarna modulacja częstotliwościowa i fazowa w telekomunikacji Wniosek - istnieje potrzeba analizy sygnałów, w której jednocześnie określamy jego własności czasowe i częstotliwościowe
5 Zasada analizy czasowo-częstotliwościej Cel łaczny opis sygnału jako funkcji czasu i częstotliwości Może być traktowana jako uogólnienie analizy fourierowskiej Standardowe podejście - rozkład sygnału na składowe x(t) = a k g k (t), a k = x(t)γk (t)dt k gdzie g k (t) - funkcje syntezy, funkcje γ k (t) - dualne do g k (t) funkcje analizy Funkcje bazowe g k (t) maja rozpinać cała przestrzeń określonego typu Moga być one: ortonormalne: g k (t)gl (t)dt = δ kl, (funkcje syntezy i analizy identyczne) liniowo niezależne, ale nie ortogonalne, funkcje analizy γ k (t) różne od g k (t), wyznaczone z warunku biortonormalności: g k (t)γl (t)dt = δ kl ; pozwala to na jednoznaczne określenie γ k (t)
6 Zasada analizy czasowo-częstotliwościej - c.d. dobór funkcji g k (t) i γ k (t) - zależny od typu analizowanego sygnału typowy wybór gdy sygnał stacjonarny - funkcje bazowe to stacjonarne oscylacje (o nieskoczonym nośniku) - n.p. funkcje sin(kω 0 t), cos(kωt) - nieskończenie ostra lokalizacja w częstotliwości, brak jakiejkolwiek lokalizacji w czasie gdy sygnał niestacjonarny - funkcje bazaowe to niestacjonarne oscylacje impulsowe o skończonym nośniku (np. funkcje używane w transformacie Gabora, Haara czy falkowej) własności lokalizacyjne - własność funkcji bazy - zależa od "rozciagłości" funkcji bazowych Ψ(t) w czasie i ich transformat Φ(ω) w częstotliwośći obszar pokryty przez pojedyncza funkcję bazową - kostka zadana przez przedziały P t i P ω - scentrowane wokół środków częstości Ψ(t) 2 i Φ(ω) 2
7 Lokalizacja w czasie i częstotliwości określenie kostki lokalizacji funkcji bazy funkcje bazowe - rodzimy funkcji o dobrej lokalizacji w czasie i częstotliwości (atomy czasowo-częstotliwościowe) kostki dla poszczególnych atomów powiny być rozłaczne i pokrywać cała przestrzeń czas-częstotliwość dobra lokalizacja - małe pole kostki czy możemy dowolnie zmniejszać powierzchnię kostki lokalizacji?
8 Transformacje bazy a lokalizacja Jak transformacje funkcji bazowych wpływaja na ich zdolność lokalizacji? przesunięcie w czasie o τ: Ψ (t) = Ψ(t τ), Φ (ω) = Φ(ω), rozmiary kostki bez zmian modulacja za pomoca e iω 0t : Ψ (t) = e iω0t Ψ(t), Φ (ω) = Φ(ω ω 0 ), rozmiary kostki bez zmian skalowanie funkcji Ψ (t) = Ψ(at) zmienia szerokości: P t = P t /a, P ω = ap ω Wnioski: pole kostki zachowane - cecha funkcji bazowej skalowanie - możliwość balansu rozdzielczości w czasie i częstotliwości
9 Zasada nieoznaczoności Jakie sa ograniczenia na wartość pola powierzchni kostki? Odpowiedź - zasada nieoznaczoności Heisenberga Niech f(t) - funkcja o skończonej energii, której transformata Fouriera jest też skończona N f norma funkcji f(t) (równa normie transformaty), zaś A 2 i B 2 - wariancje - miary średniokwadratowej szerokości czasowej i częstotliwościowej N f = A 2 = 1 f f(t) 2 dt = F(ω) 2 dω t 2 f(t) 2 dt B 2 = 1 f f 2 F(f) 2 df wtedy A B 1 4π, równość zachodzi tylko dla funkcji g(t) = (2α) 1/4 exp( απt 2 )
10 Konsekwencje zasady nieoznaczoności i skalowania dobra lokalizacja - małe pole kostki zasada nieoznaczoności: pole kostki P t P ω 1 4π potrzebujemy rodziny funkcji pokrywajacych cała przestrzeń czasowo-częstotliwościowa zazwyczaj - rodzina taka pochodzi z jednej funkcji prototypowej podlegajacej przesunieciom w czasie i częstotliwości skalowanie pozwala na zmianę kształtu kostek pokrycia w różnych rejonach przestrzeni różne strategie podziału przestrzeni określone jako różne szachownice czasowo częstotliwościowe
11 Dekompozycje TF wybór sposobu pokrycia (szachownicy) - dekompozycja TF podstawowe strategie: szachownica o takich samych polach (typowe dla STFT) niskie częstości: lepsza rozdzielczość częstotliwościowa, gorsza czasowa, wysokie częstości - na odwrót (typowe dla transformacji falkowych) sposób dekompozycji powinien być zsynchronizowany z rodzajem sygnału i celem analizy najlepiej, gdy istnieje możliwosć adaptacyjnego dopasowania do lokalnych cech sygnału przykłady funkcji bazowych (falki gaussowskie)
12 Transformacja Gabora Konstrukcja bazy wybór funkcji prototypowej g(t) (np. okno gaussowskie) kolejne funkcje bazowe g m,n (t) - przesuwanie funkcji prototypowej w czasie i częstotliwości g m,n (t) = g(t m t)e 2πi(n f)t Dekompozycja sygnału ciagłego: x(t) = + m,n= c m,n - współczynniki dekompozycji: c m,n = c m,n g m,n (t) x(t)γ m,n(t)dt; γ m,n (t) = g(t m t)e 2πi(n f)t γ(t) - prototyp funkcji analizy, wyliczany z warunku biortonormalności wynikowa reprezentacja Gabora sygnału ciagłego: S x (mt,nf) = c m,n 2
13 Transformacja Gabora Konstrukcja bazy wybór funkcji prototypowej g(t) (np. okno gaussowskie) kolejne funkcje bazowe g m,n (t) - przesuwanie prototypu w czasie i częstotliwości g m,n (t) = g(t m t)e 2πi(n f)t Dekompozycja sygnału ciagłego: x(t) = + m,n= c m,n - współczynniki dekompozycji: c m,n = c m,n g m,n (t) x(t)γ m,n (t)dt; γ m,n(t) = g(t m t)e 2πi(n f)t γ(t) - prototyp funkcji analizy, wyliczany z warunku biortonormalności wynikowa reprezentacja Gabora sygnału ciagłego: S x (mt,nf) = c m,n 2
14 Transformacja Gabora c.d. Dyskretna, okresowa transformata Gabora określona przez formułę dekompozycji: x(k) = współczynniki: M 1 N 1 m=0 n=0 k=0 c m,n g(k m M)W (n N)k L L 1 c m,n = x(k)γ (k m M)W (n N)k L gdzie W L = e 2πi/L, L = ( M)M = ( N)N założenia: x(k), g(k), γ(k) - sygnały okresowe o okresie L, M, N kroki w czasie i częstotliwości; g(k) - dowolne, γ(k) z warunku biortonormalności wybór M, N - różne pary g, γ, sygnał o długości L daje różne reprezentacje majace M widm N-punktowych
15 Transformacja Gabora c.d. Ważny parametr η = MN L gdy η = 1 - mamy minimalna wymagana ilość próbek próbkowanie krytyczne gdy η > 1 - nadpróbkowanie zazwyczaj próbkowanie krytyczne daje silnie oscylujace, nie posiadajace zwartego nośnika okno analizy γ(k) aby uzyskać dobra lokalizację czasowa konieczne nadpróbkowanie inne rozwiazanie - rzeczywiste reprezentacje TF Gabora różica - użycie modulacji rzeczywistej (a nie zespolonej) jako metody przesunięcia w częstotliwości rezultat - okna dualne lepiej zlokalizowane w czasi, mniej oscylacji nadpróbkowanie reprezentacji TF nie jest konieczne patrz - przykład numeryczny gabor.m
16 Krótkoczasowa transformata Fouriera (STFT) najprostsza z metod analizy czasowo-częstotliwościowej używa tylko jednego okna do syntezy i analizy w dziedzinie czasowej - SFTF równoważna wykonaniu prostego przekształcenia Fouriera na kolejnych porcjach sygnału wycinanych przez przesuwajace się okno wersja ciagła - definicja transformacji STFT T x (t, f) = x(τ)γ (t τ)dτ STFTx F (t, f) = e 2πift X(ν)Γ (ν f)dν gdzie: γ(t) - okno obserwacji, Γ(f) - jego widmo Fouriera synteza sygnału: x(t) = 1 γ(0) STFT x(t, f)e 2πift możliwa również wersja dyskretna patrz - przykład numeryczny stft.m
17 Transformacja Wignera Ville a (WV) pełni wyróżniona rolę w analizie sygnałów niestacjonarnych, gdyż: idealnie odwzorowuje sygnał z liniowa modulacja częstotliwości (LFM) poprzez uśrednianie można z niej uzyskać inne reprezentacje jest reprezentacja o największej koncentracji energii w przestrzeni TF (ma najlepsza łaczn a zdolność rozdzielcza) poważny problem: dla sygnałów o innej modulacji niż liniowa (lub immych złozonych sygnałów szkodliwe pasożynicze interferencje pomiędzy różnymi składowymi własnymi widma koniecznosc lokalnego wygładzania definicja reprezentacji WV: S WV x (t, f) = S WV x(t + τ/2)x (t τ/2) e 2πifτ dτ X (t, f) = X(f + ν/2) X (f ν/2)e 2πiνt dν
18 Transformacja Wignera Ville a -c.d. w powyższych formułach x(t) - sygnał rzeczywisty s(t), lub tzw. sygnał analityczny (część rzeczywista = sygnałowi rzeczywistemu, część urojona - wynik transformaty Hilberta na s(t) powód problemów ze szkodliwa interferencja - mnożenie sygnału przez ten sam sygnał rezultat - nieliniowość reprezentacji WV S WV x1+x2 (t, f) = SWV x1 (t, f) + SWV x2 (t, f) + SWV x1,x2 (t, f) ostatni człon - tzw. widmo skrośne występuje równieź, gdy mamy tylko jeden sygnał
19 Transformacja Wignera Ville a -c.d. metody ograniczania efektów pasożytniczych stosowanie odpowiednio wysokiej częstości próbkowania modyfikacja równań określajacych metodę (dyskretna pseudoreprezentacja) patrz - przykład numeryczny wv.m
Akwizycja i przetwarzanie sygnałów cyfrowych
Akwizycja i przetwarzanie sygnałów cyfrowych Instytut Teleinformatyki ITI PK Kraków 21 luty 2011 Czasowo-częstotliwościowa analiza sygnałów Metody analizy sygnału Do tej pory - analiza sygnału jako funkcji
Bardziej szczegółowoAkwizycja i przetwarzanie sygnałów cyfrowych
Akwizycja i przetwarzanie sygnałów cyfrowych Instytut Teleinformatyki ITI PK Kraków 21 luty 2011 Analiza czas - częstotliwość analiza częstotliwościowa: problem dla sygnału niestacjonarnego zwykła transformata
Bardziej szczegółowoAkwizycja i przetwarzanie sygnałów cyfrowych
Akwizycja i przetwarzanie sygnałów cyfrowych Instytut Teleinformatyki ITI PK Kraków 21 luty 2011 Plan na dziś 1 Przedstawienie przedmiotu i zakresu wykładu polecanej iteratury zasad zaliczenia 2 Wyklad
Bardziej szczegółowoCyfrowe przetwarzanie i kompresja danych
Cyfrowe przetwarzanie i kompresja danych dr inż.. Wojciech Zając Wykład 5. Dyskretna transformata falkowa Schemat systemu transmisji danych wizyjnych Źródło danych Przetwarzanie Przesył Przetwarzanie Prezentacja
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 szczegółowoPrzetwarzanie sygnałów biomedycznych
Przetwarzanie sgnałów biomedcznch Człowiek- najlepsza inwestcja Projekt współfinansowan przez Unię Europejską w ramach Europejskiego Funduszu Społecznego Wkład XIII Dstrbucje czasowo częstotliwościowe
Bardziej szczegółowo2. P (E) = 1. β B. TSIM W3: Sygnały stochastyczne 1/27
SYGNAŁY STOCHASTYCZNE Przestrzeń probabilistyczna i zmienna losowa Definicja Przestrzenią probabilistyczną (doświadczeniem) nazywamy trójkę uporządkowaną (E, B, P ), gdzie: E przestrzeń zdarzeń elementarnych;
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 szczegółowoDefinicja. x(u)h (u t)e i2πuf du. F x (t,f ;h) = Krótko czasowa transformata Fouriera Ciągłą transformata falkowa
Definicja Krótko czasowa transformata Fouriera(STFT) może być rozumiana jako seria transformat Fouriera wykonanych na sygnale okienkowanym, przy czym położenie okienka w czasie jest w ramach takiej serii
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 szczegółowoWykład 6: Reprezentacja informacji w układzie optycznym; układy liniowe w optyce; podstawy teorii dyfrakcji
Fotonika Wykład 6: Reprezentacja informacji w układzie optycznym; układy liniowe w optyce; podstawy teorii dyfrakcji Plan: pojęcie sygnału w optyce układy liniowe filtry liniowe, transformata Fouriera,
Bardziej szczegółowoRozdział 1 PODSTAWOWE POJĘCIA I DEFINICJE
1. 1. W p r owadze n ie 1 Rozdział 1 PODSTAWOWE POJĘCIA I DEFINICJE 1.1. WPROWADZENIE SYGNAŁ nośnik informacji ANALIZA SYGNAŁU badanie, którego celem jest identyfikacja własności, cech, miar sygnału; odtwarzanie
Bardziej szczegółowoTeoria Sygnałów. Inżynieria Obliczeniowa II rok 2018/19. Wykład 10. ( t) Wykorzystanie transformacji Fouriera w analizie korelacyjnej
Teoria Synałów Inżynieria Obliczeniowa II rok 208/9 Wykład 0 Wykorzystanie transformacji Fouriera w analizie korelacyjnej Na początek krótkie przypomnienie podstawowych definicji: Funkcja autokorelacji
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 szczegółowoZmiany fazy/okresu oscylacji Chandlera i rocznej we współrzędnych bieguna ziemskiego.
Strona 1 z 27 Zmiany fazy/okresu oscylacji Chandlera i rocznej we współrzędnych bieguna ziemskiego. Alicja Rzeszótko Wiesław Kosek Waldemar Popiński Seminarium Sekcji Dynamiki Ziemi Komitetu Geodezji PAN
Bardziej szczegółowoAkwizycja i przetwarzanie sygnałów cyfrowych
Akwizycja i przetwarzanie sygnałów cyfrowych Instytut Teleinformatyki ITI PK Kraków 21 luty 2011 Reprezentacje sygnału Jak reprezentujemy sygnał: wybieramy sygnały wzorcowe (bazę) rozwijamy sygnał w wybranej
Bardziej szczegółowo4 Zasoby językowe Korpusy obcojęzyczne Korpusy języka polskiego Słowniki Sposoby gromadzenia danych...
Spis treści 1 Wstęp 11 1.1 Do kogo adresowana jest ta książka... 12 1.2 Historia badań nad mową i językiem... 12 1.3 Obecne główne trendy badań... 16 1.4 Opis zawartości rozdziałów... 18 2 Wyzwania i możliwe
Bardziej szczegółowoKompresja Danych. Streszczenie Studia Dzienne Wykład 13, f(t) = c n e inω0t, T f(t)e inω 0t dt.
1 Kodowanie podpasmowe Kompresja Danych Streszczenie Studia Dzienne Wykład 13, 18.05.2006 1.1 Transformaty, próbkowanie i filtry Korzystamy z faktów: Każdą funkcję okresową można reprezentować w postaci
Bardziej szczegółowoLepkosprężystość. Metody pomiarów właściwości lepkosprężystych materii
Metody pomiarów właściwości lepkosprężystych materii Pomiarów dokonuje się w dwóch dziedzinach: czasowej lub częstotliwościowej i nie zależy to od rodzaju przyłożonych naprężeń (normalnych lub stycznych).
Bardziej szczegółowoPrawdopodobieństwo i statystyka
Wykład XIII: Prognoza. 26 stycznia 2015 Wykład XIII: Prognoza. Prognoza (predykcja) Przypuśćmy, że mamy dany ciąg liczb x 1, x 2,..., x n, stanowiących wyniki pomiaru pewnej zmiennej w czasie wielkości
Bardziej szczegółowoPodstawy Automatyki. Wykład 5 - stabilność liniowych układów dynamicznych. dr inż. Jakub Możaryn. Warszawa, Instytut Automatyki i Robotyki
Wykład 5 - stabilność liniowych układów dynamicznych Instytut Automatyki i Robotyki Warszawa, 2018 Wstęp Stabilność O układzie możemy mówić, że jest stabilny jeżeli jego odpowiedź na wymuszenie (zakłócenie)
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 szczegółowoPodstawy Automatyki. Wykład 5 - stabilność liniowych układów dynamicznych. dr inż. Jakub Możaryn. Warszawa, Instytut Automatyki i Robotyki
Wykład 5 - stabilność liniowych układów dynamicznych Instytut Automatyki i Robotyki Warszawa, 2015 Wstęp Stabilność - definicja 1 O układzie możemy mówić, że jest stabilny gdy wytrącony ze stanu równowagi
Bardziej szczegółowoLABORATORIUM AKUSTYKI MUZYCZNEJ. Ćw. nr 12. Analiza falkowa dźwięków instrumentów muzycznych. 1. PODSTAWY TEORETYCZNE ANALIZY FALKOWEJ.
LABORATORIUM AKUSTYKI MUZYCZNEJ. Ćw. nr 1. Analiza falkowa dźwięków instrumentów muzycznych. 1. PODSTAWY TEORETYCZNE ANALIZY FALKOWEJ. Transformacja falkowa (ang. wavelet falka) przeznaczona jest do analizy
Bardziej szczegółowoTeoria systemów i sygnałów Kierunek AiR, sem. 5 2wE + 1l
Teoria systemów i sygnałów Kierunek AiR, sem. 5 2wE + 1l Prof. dr hab. Wojciech Moczulski Politechnika Ślaska, Wydział Mechaniczny Technologiczny Katedra Podstaw Konstrukcji Maszyn 19 października 2008
Bardziej szczegółowoDyskretne układy liniowe. Funkcja splotu. Równania różnicowe. Transform
Dyskretne układy liniowe. Funkcja splotu. Równania różnicowe. Transformata Z. March 20, 2013 Dyskretne układy liniowe. Funkcja splotu. Równania różnicowe. Transformata Z. Sygnał i system Sygnał jest opisem
Bardziej szczegółowoZmiany fazy/okresu oscylacji Chandlera i rocznej we współrzędnych bieguna ziemskiego.
Strona 1 z 38 Zmiany fazy/okresu oscylacji Chandlera i rocznej we współrzędnych bieguna ziemskiego. Alicja Rzeszótko alicja@cbk.waw.pl 2 czerwca 2006 1 Omówienie danych 3 Strona główna Strona 2 z 38 2
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 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 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 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 szczegółowoPodstawy Automatyki. Wykład 5 - stabilność liniowych układów dynamicznych. dr inż. Jakub Możaryn. Warszawa, Instytut Automatyki i Robotyki
Wykład 5 - stabilność liniowych układów dynamicznych Instytut Automatyki i Robotyki Warszawa, 2015 Wstęp Stabilność O układzie możemy mówić, że jest stabilny gdy układ ten wytrącony ze stanu równowagi
Bardziej szczegółowoDystrybucje, wiadomości wstępne (I)
Temat 8 Dystrybucje, wiadomości wstępne (I) Wielkości fizyczne opisujemy najczęściej przyporządkowując im funkcje (np. zależne od czasu). Inną drogą opisu tych wielkości jest przyporządkowanie im funkcjonałów
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 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 szczegółowoPrzetwarzanie Sygnałów. Zastosowanie Transformaty Falkowej w nadzorowaniu
Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej Przetwarzanie Sygnałów Studia Podyplomowe, Automatyka i Robotyka Zastosowanie Transformaty Falkowej
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 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 szczegółowo1 s(t) 2 t s(t) 2 dt 1. s(t) 2
Rozdział 3 Pomiędzy czasem a częstością 3.1 Zasada nieoznaczoności Zasada nieoznaczoności (Heisenberga) w mechanice kwantowej nie opisuje granic dokładności pomiarów, lecz fakt, że cząstka nie może jednocześnie
Bardziej szczegółowoINSTRUKCJA DO ĆWICZENIA NR 7
KATEDRA MECHANIKI STOSOWANEJ Wydział Mechaniczny POLITECHNIKA LUBELSKA INSTRUKCJA DO ĆWICZENIA NR 7 PRZEDMIOT TEMAT OPRACOWAŁ LABORATORIUM MODELOWANIA Przykładowe analizy danych: przebiegi czasowe, portrety
Bardziej szczegółowoWykład 6: Reprezentacja informacji w układzie optycznym; układy liniowe w optyce; podstawy teorii dyfrakcji
Fotonika Wykład 6: Reprezentacja informacji w układzie optycznym; układy liniowe w optyce; podstawy teorii dyfrakcji Plan: pojęcie sygnału w optyce układy liniowe filtry liniowe, transformata Fouriera,
Bardziej szczegółowoTeoria Sygnałów. III rok Informatyki Stosowanej. Wykład 8
Teoria Synałów rok nformatyki Stosowanej Wykład 8 Analiza częstotliwościowa dyskretnych synałów cyfrowych okna widmowe (cd poprzednieo wykładu) N = 52; T =.24; %czas trwania synału w sekundach dt = T/N;
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 szczegółowoZmienne losowe i ich rozkłady. Momenty zmiennych losowych. Wrocław, 10 października 2014
Zmienne losowe i ich rozkłady. Momenty zmiennych losowych. Wrocław, 10 października 2014 Zmienne losowe i ich rozkłady Doświadczenie losowe: Rzut monetą Rzut kostką Wybór losowy n kart z talii 52 Gry losowe
Bardziej szczegółowoOpis efektów kształcenia dla modułu zajęć
Nazwa modułu: Teoria i przetwarzanie sygnałów Rok akademicki: 2013/2014 Kod: EEL-1-524-s Punkty ECTS: 6 Wydział: Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej Kierunek: Elektrotechnika
Bardziej szczegółowoZaawansowane metody numeryczne
Wykład 6 Własności wielomianów ortogonalnych Wszystkie znane rodziny wielomianów ortogonalnych dzielą pewne wspólne cechy: 1) definicja za pomocą wzoru różniczkowego, jawnej sumy lub funkcji tworzącej;
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 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 szczegółowoProcedura modelowania matematycznego
Procedura modelowania matematycznego System fizyczny Model fizyczny Założenia Uproszczenia Model matematyczny Analiza matematyczna Symulacja komputerowa Rozwiązanie w postaci modelu odpowiedzi Poszerzenie
Bardziej szczegółowo1. Modulacja analogowa, 2. Modulacja cyfrowa
MODULACJA W16 SMK 2005-05-30 Jest operacja mnożenia. Jest procesem nakładania informacji w postaci sygnału informacyjnego m.(t) na inny przebieg o wyższej częstotliwości, nazywany falą nośną. Przyczyna
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 szczegółowoTemat ćwiczenia. Analiza częstotliwościowa
POLIECHNIKA ŚLĄSKA W YDZIAŁ RANSPORU emat ćwiczenia Analiza częstotliwościowa Analiza częstotliwościowa sygnałów. Wprowadzenie Analizę częstotliwościową stosuje się powszechnie w wielu dziedzinach techniki.
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 szczegółowoANALIZA SEMANTYCZNA OBRAZU I DŹWIĘKU
ANALIZA SEMANTYCZNA OBRAZU I DŹWIĘKU obraz dr inż. Jacek Naruniec Analiza Składowych Niezależnych (ICA) Independent Component Analysis Dąży do wyznaczenia zmiennych niezależnych z obserwacji Problem opiera
Bardziej szczegółowoOptyka Fourierowska. Wykład 11 Apodyzacja, superrozdzielczość i odtwarzanie utraconych informacji
Optyka Fourierowska Wykład 11 Apodyzacja, superrozdzielczość i odtwarzanie utraconych informacji Dyfrakcja a obrazowanie W obrazowaniu optycznym dyfrakcja jest głównym zjawiskiem ograniczającym moc rozdzielczą
Bardziej szczegółowoLaboratorium Przetwarzania Sygnałów
PTS - laboratorium Laboratorium Przetwarzania Sygnałów Ćwiczenie 4 Transformacja falkowa Opracował: - prof. dr hab. inż. Krzysztof Kałużyński Zakład Inżynierii Biomedycznej Instytut Metrologii i Inżynierii
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 szczegółowoKARTA MODUŁU / KARTA PRZEDMIOTU
Załącznik nr 7 do Zarządzenia Rektora nr 10/12 z dnia 21 lutego 2012r. KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Cyfrowe przetwarzanie sygnałów pomiarowych_e2s
Bardziej szczegółowoSystemy. Krzysztof Patan
Systemy Krzysztof Patan Systemy z pamięcią System jest bez pamięci (statyczny), jeżeli dla dowolnej chwili t 0 wartość sygnału wyjściowego y(t 0 ) zależy wyłącznie od wartości sygnału wejściowego w tej
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 szczegółowoAtom dwupoziomowy w niezerowej temperaturze
Seminarium CFT p. 1/24 Atom dwupoziomowy w niezerowej temperaturze Tomasz Sowiński 1 paździenika 2008 Seminarium CFT p. 2/24 Atom dwupoziomowy Hamiltonian Ĥ = Ĥ0 + ĤI Ĥ 0 = mσ z + 0 dk k a (k)a(k), Ĥ I
Bardziej szczegółowoZastosowanie falek w przetwarzaniu obrazów
Informatyka, S2 sem. Letni, 2013/2014, wykład#1 Zastosowanie falek w przetwarzaniu obrazów dr inż. Paweł Forczmański Katedra Systemów Multimedialnych, Wydział Informatyki ZUT 1 / 61 Alfréd Haar Alfréd
Bardziej szczegółowoPlan wykładu. Własności statyczne i dynamiczne elementów automatyki:
Plan wykładu Własności statyczne i dynamiczne elementów automatyki: - charakterystyka statyczna elementu automatyki, - sygnały standardowe w automatyce: skok jednostkowy, impuls Diraca, sygnał o przebiegu
Bardziej szczegółowoAutomatyka i robotyka ETP2005L. Laboratorium semestr zimowy
Automatyka i robotyka ETP2005L Laboratorium semestr zimowy 2017-2018 Liniowe człony automatyki x(t) wymuszenie CZŁON (element) OBIEKT AUTOMATYKI y(t) odpowiedź Modelowanie matematyczne obiektów automatyki
Bardziej szczegółowoAkwizycja i przetwarzanie sygnałów cyfrowych
Akwizycja i przetwarzanie sygnałów cyfrowych Instytut Teleinformatyki ITI PK Kraków 21 luty 2011 Projektowania filtrów IIR Metoda niezmienności odpowiedzi impulsowej Podstawowa zasada określajaca: projektujemy
Bardziej szczegółowoModelowanie zależności. Matematyczne podstawy teorii ryzyka i ich zastosowanie R. Łochowski
Modelowanie zależności pomiędzy zmiennymi losowymi Matematyczne podstawy teorii ryzyka i ich zastosowanie R. Łochowski P Zmienne losowe niezależne - przypomnienie Dwie rzeczywiste zmienne losowe X i Y
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 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 szczegółowoTERAZ O SYGNAŁACH. Przebieg i widmo Zniekształcenia sygnałów okresowych Miary sygnałów Zasady cyfryzacji sygnałów analogowych
TERAZ O SYGNAŁACH Przebieg i widmo Zniekształcenia sygnałów okresowych Miary sygnałów Zasady cyfryzacji sygnałów analogowych Sygnał sinusoidalny Sygnał sinusoidalny (także cosinusoidalny) należy do podstawowych
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 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 szczegółowoTRANSFORMATA FOURIERA
TRANSFORMATA FOURIERA. Wzór całkowy Fouriera Wzór ten wykorzystujemy do analizy funkcji nieokresowych; funkcje te mogą opisywać np.przebiegi eleektryczne. Najpierw sformułujmy tzw. warunki Dirichleta.
Bardziej szczegółowoPRZETWARZANIE SYGNAŁÓW
PRZEWARZANIE SYGNAŁÓW SEMESR V Człowiek- nalepsza inwestyca Proekt współfinansowany przez Unię Europeską w ramach Europeskiego Funduszu Społecznego Wykład II Wprowadzenie Podstawy teoretyczne przetwarzania
Bardziej szczegółowoSolitony i zjawiska nieliniowe we włóknach optycznych
Solitony i zjawiska nieliniowe we włóknach optycznych Prezentacja zawiera kopie folii omawianych na wykładzie. Niniejsze opracowanie chronione jest prawem autorskim. Wykorzystanie niekomercyjne dozwolone
Bardziej szczegółowoTeoria sterowania - studia niestacjonarne AiR 2 stopień
Teoria sterowania - studia niestacjonarne AiR stopień Kazimierz Duzinkiewicz, dr hab. Inż. Katedra Inżynerii Systemów Sterowania Wykład 4-06/07 Transmitancja widmowa i charakterystyki częstotliwościowe
Bardziej szczegółowoTEORIA OBWODÓW I SYGNAŁÓW LABORATORIUM
TEORIA OBWODÓW I SYGNAŁÓW LABORATORIUM AKADEMIA MORSKA Katedra Telekomunikacji Morskiej ĆWICZENIE 3 BADANIE CHARAKTERYSTYK CZASOWYCH LINIOWYCH UKŁADÓW RLC. Cel ćwiczenia Celem ćwiczenia są pomiary i analiza
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 szczegółowoWpływ nieliniowości elementów układu pomiarowego na błąd pomiaru impedancji
Wpływ nieliniowości elementów układu pomiarowego na błąd pomiaru impedancji Wiesław Miczulski* W artykule przedstawiono wyniki badań ilustrujące wpływ nieliniowości elementów układu porównania napięć na
Bardziej szczegółowoKONCEPCJA I UKŁADOWA REALIZACJA SYSTEMU DETEKCJI ZDARZEŃ KRYTYCZNYCH Z UDZIAŁEM MOTOCYKLI
Dr hab. inż. Jan PIETRASIEŃSKI, prof. WAT Dr inż. Witold MILUSKI Dr inż. Dariusz RODZIK Mgr inż. Witold BUŻANTOWICZ Mgr inż. Jakub MIERNIK Wojskowa Akademia Techniczna Mgr inż. Krzysztof PARAMUSZCZAK KERATRONIK
Bardziej szczegółowoPodstawy Automatyki. wykład 1 (26.02.2010) mgr inż. Łukasz Dworzak. Politechnika Wrocławska. Instytut Technologii Maszyn i Automatyzacji (I-24)
Podstawy Automatyki wykład 1 (26.02.2010) mgr inż. Łukasz Dworzak Politechnika Wrocławska Instytut Technologii Maszyn i Automatyzacji (I-24) Laboratorium Podstaw Automatyzacji (L6) 105/2 B1 Sprawy organizacyjne
Bardziej szczegółowoPOSTULATY MECHANIKI KWANTOWEJ cd i formalizm matematyczny
POSTULATY MECHANIKI KWANTOWEJ cd i formalizm matematyczny Funkcja Falowa Postulat 1 Dla każdego układu istnieje funkcja falowa (funkcja współrzędnych i czasu), która jest ciągła, całkowalna w kwadracie,
Bardziej szczegółowoKatedra Fizyki Ciała Stałego Uniwersytetu Łódzkiego. Ćwiczenie 2 Badanie funkcji korelacji w przebiegach elektrycznych.
Katedra Fizyki Ciała Stałego Uniwersytetu Łódzkiego Ćwiczenie Badanie unkcji korelacji w przebiegach elektrycznych. Cel ćwiczenia: Celem ćwiczenia jest zbadanie unkcji korelacji w okresowych sygnałach
Bardziej szczegółowoInżynieria Systemów Dynamicznych (3)
Inżynieria Systemów Dynamicznych (3) Charakterystyki podstawowych członów dynamicznych Piotr Jacek Suchomski Katedra Systemów Automatyki WETI, Politechnika Gdańska 2 grudnia 2010 O czym będziemy mówili?
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 szczegółowoII. Równania autonomiczne. 1. Podstawowe pojęcia.
II. Równania autonomiczne. 1. Podstawowe pojęcia. Definicja 1.1. Niech Q R n, n 1, będzie danym zbiorem i niech f : Q R n będzie daną funkcją określoną na Q. Równanie różniczkowe postaci (1.1) x = f(x),
Bardziej szczegółowoFuzja sygnałów i filtry bayesowskie
Fuzja sygnałów i filtry bayesowskie Roboty Manipulacyjne i Mobilne dr inż. Janusz Jakubiak Katedra Cybernetyki i Robotyki Wydział Elektroniki, Politechnika Wrocławska Wrocław, 10.03.2015 Dlaczego potrzebna
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 szczegółowoZadania z Analizy Funkcjonalnej I Które z poniższych przestrzeni metrycznych są przestrzeniami unormowanymi?
Zadania z Analizy Funkcjonalnej I - 1 1. Które z poniższych przestrzeni metrycznych są przestrzeniami unormowanymi?. a) X = R, x = arctg x ; b) X = R n, d(x, y) = x 1 y 1 + x 2 y 2 + max i 3 x i y i ;
Bardziej szczegółowoPrędkość fazowa i grupowa fali elektromagnetycznej w falowodzie
napisał Michał Wierzbicki Prędkość fazowa i grupowa fali elektromagnetycznej w falowodzie Prędkość grupowa paczki falowej Paczka falowa jest superpozycją fal o różnej częstości biegnących wzdłuż osi z.
Bardziej szczegółowoFiltracja. Krzysztof Patan
Filtracja Krzysztof Patan Wprowadzenie Działanie systemu polega na przetwarzaniu sygnału wejściowego x(t) na sygnał wyjściowy y(t) Równoważnie, system przetwarza widmo sygnału wejściowego X(jω) na widmo
Bardziej szczegółowoELEKTRONIKA W EKSPERYMENCIE FIZYCZNYM
ELEKTRONIKA W EKSPERYMENCIE FIZYCZNYM D. B. Tefelski Zakład VI Badań Wysokociśnieniowych Wydział Fizyki Politechnika Warszawska, Koszykowa 75, 00-662 Warszawa, PL 28 lutego 2011 Stany nieustalone, stabilność
Bardziej szczegółowoWłasności światła laserowego
Własności światła laserowego Cechy światła laserowego: rozbieżność (równoległość) wiązki, pasmo spektralne, gęstość mocy oraz spójność (koherencja). Równoległość wiązki Dyfrakcyjną rozbieżność kątową awkącie
Bardziej szczegółowoMetody Lagrange a i Hamiltona w Mechanice
Metody Lagrange a i Hamiltona w Mechanice Mariusz Przybycień Wydział Fizyki i Informatyki Stosowanej Akademia Górniczo-Hutnicza Wykład 9 M. Przybycień (WFiIS AGH) Metody Lagrange a i Hamiltona... Wykład
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 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 szczegółowoAkwizycja i przetwarzanie sygnałów cyfrowych
Akwizycja i przetwarzanie sygnałów cyfrowych Instytut Teleinformatyki ITI PK Kraków 21 luty 2011 Rewolucja cyfrowa i jej skutki Rewolucja cyfrowa - dane cyfrowe: podstawowy rodzaj informacji multimedialnych,
Bardziej szczegółowoDrgania poprzeczne belki numeryczna analiza modalna za pomocą Metody Elementów Skończonych dr inż. Piotr Lichota mgr inż.
Drgania poprzeczne belki numeryczna analiza modalna za pomocą Metody Elementów Skończonych dr inż. Piotr Lichota mgr inż. Joanna Szulczyk Politechnika Warszawska Instytut Techniki Lotniczej i Mechaniki
Bardziej szczegółowo1. Podstawowe pojęcia
1. Podstawowe pojęcia Sterowanie optymalne obiektu polega na znajdowaniu najkorzystniejszej decyzji dotyczącej zamierzonego wpływu na obiekt przy zadanych ograniczeniach. Niech dany jest obiekt opisany
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 szczegółowo