Teoria Sygnałów. III rok Informatyki Stosowanej. Wykład 8
|
|
- Joanna Marek
- 6 lat temu
- Przeglądów:
Transkrypt
1 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; %próbkowanie w dziedzinie czasu [s] f = ; % częstotliwość pierwszeo synału [Hz] f2 = 25; % częstotliwość druieo synału [Hz]
2 Poniższe okna mają listki boczne znacznie mniejsze iż listki okna prostokątneo ale listek łówny mają również szerszy. Jednoczesna minimalizacja amplitudy listków bocznych i zwężania listka łówneo nie jest niestety możliwa.
3 Analiza częstotliwościowa dyskretnych synałów cyfrowych okna widmowe (cd poprzednieo wykładu) Podstawowe funkcje okien nieparametrycznych, ich widma amplitudowe i parametry. Przeciek widma bocznych (-3dB) 9.2% A sl = -3.2dB ml = Parametry A sl i ml decydują o rozdzielczości analizy częstotliwościowej. Okno trójkątne Przeciek widma =.28% bocznych = -26.6dB (-3dB) =.3963 Okno Bartletta Przeciek widma =.28% bocznych = -26.5dB (-3dB) =.3963
4 Okno Hannina Przeciek widma =.3% bocznych = -35.9dB (-3dB) = Okno Hanna Przeciek widma =.5% bocznych = -3.5dB (-3dB) = Okno Hammina Przeciek widma =.3% bocznych = -42.5dB (-3dB) =.3963 Okno Blackmana Przeciek widma =.% bocznych = -58.dB (-3dB) =.578
5 Okna parametryczne: -Czebyszewa (Dolpha-Czebyszewa) jest wynikiem optymalizacji, w której minimalizowano szerokość listka łówneo przy oraniczeniu wysokości maksymalnej listka boczneo, przy stałej dłuości synału. M wc + N γ k= γ =. A= 2lo = 4dB ( m ( M + ) ) = C + 2 T β cos cos M m M M = ( N ) ( γ ) β = cosh arccosh N- γ (( N-) arccos( ) ) (( N-) arccosh( ) ) πk 2πkm N N γ =. A= 6dB cos TN ( ) = cosh > C stała dobierana tak by środkowa próbka okna była =. / 2 Listek łówny widma najwęższy spośród okien o jednakowej dłuości. Eneria w paśmie przepustowym mała a w zaporowym duża. Listek łówny ma małą enerię i jest cienki. Okno Czebyszewa Przeciek widma =.% bocznych = -db (-3dB) = Okno Czebyszewa Przeciek widma =.2% bocznych = -5dB (-3dB) =.3963 Okno Czebyszewa Przeciek widma =.% bocznych = -db (-3dB) =.5664 Okno Czebyszewa Przeciek widma =.% bocznych = -2dB (-3dB) =.7825
6 -Okno Kaisera jest wynikiem optymalizacji, w której minimalizowano przy stałym procentowo udziale enerii listków bocznych w całkowitej enerii widma, przy stałej dłuości synału. w K ( m) ( ) n β = = + k= ( 2) k! ( N ) ( N ) ( β) 2 Okno Kaisera β=6 Przeciek widma =.% bocznych = -22dB (-3dB) =.6646 k m N ( β) Funkcja Bessela rzędu zeroweo Okno Kaisera β=8 Przeciek widma =.% bocznych = -58.3dB (-3dB) = Powiązanie parametrów β i N z parametrami analizy częstotliwościowej A sl i ml β =.7669 N = [ K], K =.4 ( Asl 3.26 ) ( Asl 3.26 ).2438( Asl + 6.3) 24π ( A + 2) sl 55 ml + dla dla 3.26dB < A < 6dB dla A < 3.26dB sl 6dB< A < 2dB sl sl Sekwencja częstotliwościoweo przetwarzania synałów Celem procesu jest obliczenie widma synału ciąłeo na podstawie skończonej ilości próbek synału. (t) LP (t) Filtracja LP (P&P) A/C [n] w [n] DFT X w [k] w[n]. Filtracja dolnoprzepustowa użycie filtru antyaliasinoweo ( LP ) ( LP ( t) ( ) ( ) ) = τ h t τ dτ, X ( ω) = X( ω) H( ω) Ponieważ filtr h(τ) nie jest filtrem idealnym synały (t) i LP (t) w paśmie przepustowym różnią się od siebie. 2. Dyskretyzacja w czasie, kwantyzacja i kodowanie przez układ próbkowania z podtrzymywaniem (P&P) i przetwornik A/C. 3. Wymnożenie synału przez funkcję okna w π iω iθ i( Ω Θ) [ n] = [ n] w[ n] < n < X w( e ) = X ( e ) W ( e ) 2π π e iθm dθ 3. Obliczenie dyskretnej transformacji Fouriera (czyli spróbkowanie widma ciąłeo w punktach Ω k =k2πk/n: X w jω ( k) X ( e ) X ( k) = DFT [ n] N = Ω w w k = i kn N ( ) = [ n] e k =,,2, K, N n w 2π
7 Przykład analizy częstotliwościowej w celu detekcji słabeo synału harmoniczneo. Rozważmy dwie sinusoidy o następujących parametrach: A = f =Hz A 2 =. f 2 =2Hz W skali decybelowej różnica pomiędzy synałami wynosi 6dB. Okno prostokątne Okno Bartletta (trójkątne)
8 Okno Hannina Okno Hammina Okno Blackmana Okno Kaisera modelujemy je tak by A sl =8dB zaś ml =.4.
9 Wykorzystanie transformacji Fouriera w analizie korelacyjnej Na początek krótkie przypomnienie podstawowych definicji: Funkcja autokorelacji ( t) = ϕ ( t) = ( τ ) ( τ t) dτ ϕ Podstawowe własności ϕ ( t) = ϕ ( t) Dla funkcji rzeczywistych ϕ ( t) = ϕ ( t) ( τ ) ϕ () = dτ ϕ ( τ ) ϕ () 2 Jeśli dla pewneo t ϕ ( t ) = to synały (t) i (t-t ) są ortoonalne. Definicja widma enerii synału kwadrat widma amplitudoweo: Φ 2 ( ω) = ( ω) X( ω) 2 A = Widmo enerii synału i funkcja autokorelacji synału tworzą parę transformat Fouriera: ϕ Φ Dowód: 2π iωτ iωτ ( ω) = ϕ( τ ) e dτ ϕ( τ ) = Φ( ω) e dω ωτ ( τ ) = i ( t) ( t τ ) dt = X( ω) X ( ω) e dω = X( ω) 2π 2π iωτ [ ( τ t) ] = X( ω) e dyż Tw. Rayleiha 2 e iωτ dω Enerię synału można obliczyć: w dziedzinie czasu, jako całkę z kwadratu modułu synału, w dziedzinie korelacyjnej, jako ϕ (), w dziedzinie częstotliwości, jako całkę z widma enerii podzieloną przez 2π. E = ϕ 2π π ( ) = Φ( ω) dω = Φ( ω) dω
10 Π Związki między synałem i jeo charakterystykami w dziedzinie częstotliwości i dziedzinie korelacyjnej ilustruje prosty diaram. Strzałki podwójne oznaczają na nim związki wzajemnie jednoznaczne, tj. jednoznaczne przejścia od jednej do druiej wielkości, natomiast strzałki pojedyncze oznaczają przejście tylko w jedną stronę. ( τ ) ( τ t) dτ (t) ϕ (t) X(ω) Φ (ω) X ( ω) 2 Funkcja autokorelacji synału stanowi jedynie częściowy opis synału. Znając te funkcję możemy odtworzyć widmo amplitudowe synału, tracimy jednak informację o widmie fazowym. Efektywny czas korelacji. tef ϕ = ϕ ( t) dt ( ) Zasada nieoznaczoności tef ω ef = const Efektywna szerokość widma Podana definicja efektywneo czasu korelacji ma sens dla przypadku synałów, których funkcja autokorelacji maleje monotonicznie. Dla synałów o funkcji autokorelacji dążącej do zera oscylacyjnie można wprowadzić inne miary czasu korelacji. Zasada nieoznaczoności pozostaje w mocy bez wzlędu na sposób definiowania efektywneo czasu korelacji i efektywnej szerokości widma. ω ef = Φ Φ ( ω) ma dω
11 Dla synałów o oraniczonej mocy funkcje korelacyjne definiujemy jako wielkości raniczne (dla odróżnienia oznaczamy je literą psi). Właściwości funkcji autokorelacji synałów o oraniczonej mocy są podobne jak w przypadku synałów o oraniczonej enerii. ψ ( t) = lim T ( τ ) 2T T T ( τ t) dτ Dla synału okresoweo definicja jest następująca: ψ t + T ( t) = ( τ ) ( τ t) dτ T t Wartość funkcji autokorelacji ψ (t) synału o oraniczonej mocy w punkcie t= jest rzeczywista i równa jeo mocy. Funkcja autokorelacji ψ (t) przybiera maksymalną co do modułu wartość dla t=. Brak korelacji czasowej synałów oznacza ich ortoonalność. Funkcja autokorelacji synału o oraniczonej mocy posiada transformatę Fouriera w sensie ranicznym. Funkcja autokorelacji ψ (t) jest niezmiennicza wzlędem przesunięcia, tj. ψ (t)=ψ (t+t ) dla dowolneo t. Funkcja autokorelacji synału okresoweo jest również okresowa o tym samym okresie. Funkcja autokorelacji synału harmoniczneo jest funkcją kosinusoidalną o tym samym okresie co okres synału harmoniczneo i nie zależy od jeo fazy początkowej. Przykład ten świadczy dobitnie o tym, że funkcja autokorelacji nie zawiera informacji o fazie synału.
12 Π
Teoria 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 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 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 szczegółowoCyfrowe przetwarzanie sygnałów Jacek Rezmer -1-
Cyfrowe przetwarzanie sygnałów Jacek Rezmer -1- Filtry cyfrowe cz. Zastosowanie funkcji okien do projektowania filtrów SOI Nierównomierności charakterystyki amplitudowej filtru cyfrowego typu SOI można
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 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 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 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 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 szczegółowoAndrzej Leśnicki Laboratorium CPS Ćwiczenie 10 1/12 ĆWICZENIE 10. Filtry FIR
Andrzej Leśnicki Laboratorium CPS Ćwiczenie 10 1/12 ĆWICZENIE 10 Filtry FIR 1. Cel ćwiczenia Przyczynowy system DLS służący do filtrowania synałów i mający skończoną odpowiedź impulsową nazywa się w skrócie
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 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 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 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 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 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 szczegółowox(n) x(n-1) x(n-2) D x(n-n+1) h N-1
Laboratorium Układy dyskretne LTI projektowanie filtrów typu FIR Z1. apisać funkcję y = filtruj(x, h), która wyznacza sygnał y będący wynikiem filtracji sygnału x przez filtr FIR o odpowiedzi impulsowej
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 szczegółowoĆWICZENIE III ANALIZA WIDMOWA SYGNAŁÓW DYSKRETNYCH. ver.3
1 Zakład Elektrotechniki Teoretycznej ver.3 ĆWICZEIE III AALIZA WIDMOWA SYGAŁÓW DYSKRETYCH (00) Celem ćwiczenia jest przeprowadzenie analizy widmowej dyskretnych sygnałów okresowych przy zastosowaniu szybkiego
Bardziej szczegółowof = 2 śr MODULACJE
5. MODULACJE 5.1. Wstęp Modulacja polega na odzwierciedleniu przebiegu sygnału oryginalnego przez zmianę jednego z parametrów fali nośnej. Przyczyny stosowania modulacji: 1. Umożliwienie wydajnego wypromieniowania
Bardziej szczegółowoMETODY ANALIZY SYGNAŁÓW WIBROAKUSTYCZNYCH
INSTYTUT KONSTRUKCJI MASZYN LABORATORIUM METODY ANALIZY SYGNAŁÓW WIBROAKUSTYCZNYCH Methods of analyzing vibro-acoustics signal Zakres ćwiczenia: 1. Rodzaje sygnałów. 2. Metody analizy sygnałów w dziedzinie
Bardziej szczegółowoCYFROWE PRZETWARZANIE SYGNAŁÓW
POLITECHNIKA RZESZOWSKA im. I. Łukasiewicza WYDZIAŁ ELEKTROTECHNIKI I INFORMATYKI Katedra Metrologii i Systemów Diagnostycznych CYFROWE PRZETWARZANIE SYGNAŁÓW Analiza widmowa sygnałów (2) dr inż. Robert
Bardziej szczegółowo13. ANALIZA CZĘSTOTLIWOŚCIOWA UKŁADÓW SLS
OBWODY SYGNAŁY Wykład 3 : Analiza częstotliwościowa układów SLS 3. ANALZA ZĘSTOTLWOŚOWA ŁADÓW SLS 3.. POJĘE MMTANJ TANSMTANJ ozpatrzmy układ elektryczny, na który działa wymuszenie harmoniczne o symbolicznej
Bardziej szczegółowoKartkówka 1 Opracowanie: Próbkowanie częstotliwość próbkowania nie mniejsza niż podwojona szerokość przed spróbkowaniem.
Znowu prosta zasada - zbierzmy wszystkie zagadnienia z tych 3ech kartkówek i opracujmy - może się akurat przyda na dopytkę i uda się zaliczyć labki :) (dodatkowo można opracowania z tych rzeczy z doc ów
Bardziej szczegółowoPrzetwarzanie sygnałów z czasem ciągłym
Przetwarzanie sygnałów z czasem ciągłym Model systemowy układu p( t ) r ( t) wejście Układ wyjście p( t ) pobudzenie r ( t) reakcja Układ wykonuje pewną operację { i } na sygnale wejściowym p t (pobudzeniu),
Bardziej szczegółowo(1.1) gdzie: - f = f 2 f 1 - bezwzględna szerokość pasma, f śr = (f 2 + f 1 )/2 częstotliwość środkowa.
MODULACJE ANALOGOWE 1. Wstęp Do przesyłania sygnału drogą radiową stosuje się modulację. Modulacja polega na odzwierciedleniu przebiegu sygnału oryginalnego przez zmianę jednego z parametrów fali nośnej.
Bardziej szczegółowoPrzetwarzanie sygnałów dyskretnych
Przetwarzanie sygnałów dyskretnych System dyskretny p[ n ] r[ n] Przykłady: [ ] = [ ] + [ ] r n a p n a p n [ ] r n = 2 [ + ] + p[ n ] p n 2 r[ n] = a p[ n] + b n [ ] = [ ] r n a p n n [ ] = [ + ] r n
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 szczegółowoELEKTRONIKA. dla Mechaników
ELEKTRONIKA dla Mechaników dr inż. Waldemar Jendernalik Politechnika Gdańska Wydział ETI Katedra Systemów Mikroelektronicznych p. 309, waldi@ue.eti.pg.gda.pl www.ue.eti.pg.gda.pl/~waldi Po co to Wam? Elektronika
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 szczegółowoSplot i korelacja są podstawowymi pojęciami przetwarzania sygnałów.
Splot i korelacja są podstawowymi pojęciami przetwarzania synałów. Splot jest bazową operacją dla filtracji cyfrowej, pozwołającej na zwiększenie stosunku mocy synału do mocy zakłóceń. Korelacja pozwala
Bardziej szczegółowoDyskretne sygnały deterministyczne i analiza widmowa
Wydział Elektryczny Zakład Automatyki LABORATORIUM CYFROWEGO PRZETWARZAIA SYGAŁÓW Ćwiczenie Dyskretne sygnały deterministyczne i analiza widmowa. Cel ćwiczenia Opanowanie umiejętności komputerowego modelowania
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 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 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 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 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 szczegółowoCzęść 1. Transmitancje i stabilność
Część 1 Transmitancje i stabilność Zastosowanie opisu transmitancyjnego w projektowaniu przekształtników impulsowych Istotne jest przewidzenie wpływu zmian w warunkach pracy (m. in. v g, i) i wielkości
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 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 szczegółowoRealizacja filtrów cyfrowych z buforowaniem próbek
str. 1 Realizacja filtrów cyfrowych z buforowaniem próbek 1. Filtry Cyfrowe Zadaniem filtracji jest przepuszczanie (tłumienie) składowych sygnału leŝących w określonym paśmie częstotliwości. Ogólnie filtr
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 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 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 szczegółowob n y k n T s Filtr cyfrowy opisuje się również za pomocą splotu dyskretnego przedstawionego poniżej:
1. FILTRY CYFROWE 1.1 DEFIICJA FILTRU W sytuacji, kiedy chcemy przekształcić dany sygnał, w inny sygnał niezawierający pewnych składowych np.: szumów mówi się wtedy o filtracji sygnału. Ogólnie Filtracją
Bardziej szczegółowoLaboratorium nr 4: Porównanie filtrów FIR i IIR. skończonej odpowiedzi impulsowej (FIR) zawsze stabilne, mogą mieć liniową charakterystykę fazową
Teoria Sygnałów sprawozdanie z zajęć laboratoryjnych Zajęcia z dnia 07.01.2009 Prowadzący: dr inż. Stanisław Nuckowski Sprawozdanie wykonał: Tomasz Witka Laboratorium nr 4: Porównanie filtrów FIR i IIR
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 szczegółowoAlgorytmy detekcji częstotliwości podstawowej
Algorytmy detekcji częstotliwości podstawowej Plan Definicja częstotliwości podstawowej Wybór ramki sygnału do analizy Błędy oktawowe i dokładnej estymacji Metody detekcji częstotliwości podstawowej czasowe
Bardziej szczegółowoEgzamin / zaliczenie na ocenę*
WYDZIAŁ PODSTAWOWYCH PROBLEMÓW TECHNIKI Zał. nr 4 do ZW 33/01 KARTA PRZEDMIOTU Nazwa w języku polskim CYFROWE PRZETWARZANIE SYGNAŁÓW Nazwa w języku angielskim DIGITAL SIGNAL PROCESSING Kierunek studiów
Bardziej szczegółowoData wykonania: Data oddania: Zwrot do poprawy: Data oddania: Data zliczenia: OCENA
WFiIS LABORATORIM Z ELEKTRONIKI Imię i nazwisko: 1. 2. TEMAT: ROK GRPA ZESPÓŁ NR ĆWICZENIA Data wykonania: Data oddania: Zwrot do poprawy: Data oddania: Data zliczenia: OCENA CEL ĆWICZENIA: Celem ćwiczenia
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 szczegółowoPrzetwarzanie sygnałów
Przetwarzanie sygnałów Ćwiczenie 3 Filtry o skończonej odpowiedzi impulsowej (SOI) Spis treści 1 Filtracja cyfrowa podstawowe wiadomości 1 1.1 Właściwości filtru w dziedzinie czasu............... 1 1.2
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 szczegółowo1 Filtr górnoprzepustowy (różniczkujący) jest to czwórnik bierny CR. Jego schemat przedstawia poniższy rysunek:
WFiIS LABORATORIUM Z ELEKTRONIKI Imię i nazwisko:.. TEMAT: ROK GRUPA ZESPÓŁ NR ĆWICZENIA Data wykonania: Data oddania: Zwrot do poprawy: Data oddania: Data zliczenia: OCENA CEL ĆWICZENIA: Celem ćwiczenia
Bardziej szczegółowoEFEKTYWNE UŻYTKOWANIE ENERGII ELEKTRYCZNEJ
Studia Podyplomowe EFEKTYWNE UŻYTKOWANIE ENERGII ELEKTRYCZNEJ w ramach projektu Śląsko-Małopolskie Centrum Kompetencji Zarządzania Energią Pomiar parametrów sygnałów sieci elektroenergetycznej dr inż.
Bardziej szczegółowoKOMPUTEROWE SYSTEMY POMIAROWE
KOMPUTEROWE SYSTEMY POMIAROWE Dr inż. Eligiusz PAWŁOWSKI Politechnika Lubelska Wydział Elektrotechniki i Informatyki Prezentacja do wykładu dla EMST - ITwE Semestr zimowy Wykład nr 12 Prawo autorskie Niniejsze
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 szczegółowoANALIZA KORELACYJNA I FILTRACJA SYGNAŁÓW
POLIECHNIKA BIAŁOSOCKA KAEDRA ZARZĄDZANIA PRODUKCJĄ Instrukcja do zajęć laboratoryjnych z przedmiotu: Podstawy diagnostyki technicznej Kod przedmiotu: KS05454 Ćwiczenie Nr ANALIZA KORELACYJNA I FILRACJA
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 szczegółowoPrzykładowe pytania 1/11
Parametry sygnałów Przykładowe pytania /. Dla okresowego przebiegu sinusoidalnego sterowanego fazowo (jak na rys) o kącie przewodzenia θ wyprowadzić zależność wartości skutecznej od kąta przewodzenia θ.
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 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 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 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 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 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 szczegółowoAnaliza właściwości filtrów dolnoprzepustowych
Ćwiczenie Analiza właściwości filtrów dolnoprzepustowych Program ćwiczenia. Zapoznanie się z przykładową strukturą filtra dolnoprzepustowego (DP) rzędu i jego parametrami.. Analiza widma sygnału prostokątnego.
Bardziej szczegółowoLABORATORIUM METROLOGII. Podstawy akwizycji i cyfrowego przetwarzania sygnałów. dr inż. Andrzej Skalski. mgr inż. Mirosław Socha
AKADEMIA GÓRNICZO - HUTNICZA IM. STANISŁAWA STASZICA w KRAKOWIE WYDZIAŁ ELEKTROTECHNIKI, AUTOMATYKI, INFORMATYKI i ELEKTRONIKI KATEDRA METROLOGII LABORATORIUM METROLOGII Podstawy akwizycji i cyfrowego
Bardziej szczegółowoLaboratorium Przetwarzania Sygnałów. Ćwiczenie 3. Filtracja i korelacja sygnałów dyskretnych
PTS laboratorium Laboratorium Przetwarzania Sygnałów Ćwiczenie 3 Filtracja i korelacja sygnałów dyskretnych Opracowali: - prof. dr hab. inż. Krzysztof Kałużyński - dr inż. Beata Leśniak-Plewińska - dr
Bardziej szczegółowoWykład 2: Szeregi Fouriera
Rachunek prawdopodobieństwa MAP64 Wydział Elektroniki, rok akad. 8/9, sem. letni Wykładowca: dr hab. A. Jurlewicz Wykład : Szeregi Fouriera Definicja. Niech f(t) będzie funkcją określoną na R, okresową
Bardziej szczegółowoMODULACJE IMPULSOWE. TSIM W10: Modulacje impulsowe 1/22
MODULACJE IMPULSOWE TSIM W10: Modulacje impulsowe 1/22 Fala nośna: Modulacja PAM Pulse Amplitude Modulation Sygnał PAM i jego widmo: y PAM (t) = n= x(nt s ) Y PAM (ω) = τ T s Sa(ωτ/2)e j(ωτ/2) ( ) t τ/2
Bardziej szczegółowoW celu obliczenia charakterystyki częstotliwościowej zastosujemy wzór 1. charakterystyka amplitudowa 0,
Bierne obwody RC. Filtr dolnoprzepustowy. Filtr dolnoprzepustowy jest układem przenoszącym sygnały o małej częstotliwości bez zmian, a powodującym tłumienie i opóźnienie fazy sygnałów o większych częstotliwościach.
Bardziej szczegółowoĆwiczenie - 1 OBSŁUGA GENERATORA I OSCYLOSKOPU. WYZNACZANIE CHARAKTERYSTYKI AMPLITUDOWEJ I FAZOWEJ NA PRZYKŁADZIE FILTRU RC.
Ćwiczenie - 1 OBSŁUGA GENERATORA I OSCYLOSKOPU. WYZNACZANIE CHARAKTERYSTYKI AMPLITUDOWEJ I FAZOWEJ NA PRZYKŁADZIE FILTRU RC. Spis treści 1 Cel ćwiczenia 2 2 Podstawy teoretyczne 2 2.1 Charakterystyki częstotliwościowe..........................
Bardziej szczegółowoZad Sprawdzić, czy dana funkcja jest funkcją własną danego operatora. Jeśli tak, znaleźć wartość własną funkcji.
Zad. 1.1. Sprawdzić, czy dana funkcja jest funkcją własną danego operatora. Jeśli tak, znaleźć wartość własną funkcji. Zad. 1.1.a. Funkcja: ϕ = sin2x Zad. 1.1.b. Funkcja: ϕ = e x 2 2 Operator: f = d2 dx
Bardziej szczegółowoPrzetwarzanie i transmisja danych multimedialnych. Wykład 9 Kodowanie podpasmowe. Przemysław Sękalski.
Przetwarzanie i transmisja danych multimedialnych Wykład 9 Kodowanie podpasmowe Przemysław Sękalski sekalski@dmcs.pl Politechnika Łódzka Katedra Mikroelektroniki i Technik Informatycznych DMCS Wykład opracowano
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 szczegółowoWłasności dynamiczne przetworników pierwszego rzędu
1 ĆWICZENIE 7. CEL ĆWICZENIA. Własności dynamiczne przetworników pierwszego rzędu Celem ćwiczenia jest poznanie własności dynamicznych przetworników pierwszego rzędu w dziedzinie czasu i częstotliwości
Bardziej szczegółowoAkustyka muzyczna ANALIZA DŹWIĘKÓW MUZYCZNYCH
Akustyka muzyczna ANALIZA DŹWIĘKÓW MUZYCZNYCH Dźwięk muzyczny Dźwięk muzyczny sygnał wytwarzany przez instrument muzyczny. Najważniejsze parametry: wysokość związana z częstotliwością podstawową, barwa
Bardziej szczegółowoĆwiczenie: "Obwody prądu sinusoidalnego jednofazowego"
Ćwiczenie: "Obwody prądu sinusoidalnego jednofazowego" Opracowane w ramach projektu: "Informatyka mój sposób na poznanie i opisanie świata realizowanego przez Warszawską Wyższą Szkołę Informatyki. Zakres
Bardziej szczegółowoStatystyka i eksploracja danych
Wykład II: i charakterystyki ich rozkładów 24 lutego 2014 Wartość oczekiwana Dystrybuanty Słowniczek teorii prawdopodobieństwa, cz. II Wartość oczekiwana Dystrybuanty Słowniczek teorii prawdopodobieństwa,
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 szczegółowoTwierdzenie o splocie
Twierdzenie o splocie g(t) = (s h) (t) G(f ) = S(f ) H(f ) (1) To twierdzenie działa też w drugą stronę: G(f ) = (S H) (f ) g(t) = s(t) h(t) (2) Zastosowania: zamiana splotu na mnożenie daje wgląd w okienkowanie
Bardziej szczegółowoPrzetwarzanie sygnałów
Przetwarzanie sygnałów Ćwiczenie 5 Filtry o nieskończonej odpowiedzi impulsowej (NOI) Spis treści 1 Wprowadzenie 1 1.1 Filtry jednobiegunowe....................... 1 1.2 Filtry wąskopasmowe........................
Bardziej szczegółowoMateriały pomocnicze do wykładu
do wykładu 1 1. Tomasz P. Zieliński - Cyfrowe przetwarzanie sygnałów. Od teorii do zastosowań, WKŁ, 2009, 2. Richard G. Lyons, Wprowadzenie do cyfrowego przetwarzania sygnałów, WKŁ, 2010 (wyd. 2 rozszerzone),
Bardziej szczegółowoLaboratorium Przetwarzania Sygnałów. Ćwiczenie 2. Analiza widmowa
PTS laboratorium Laboratorium Przetwarzania Sygnałów Ćwiczenie 2 Analiza widmowa Opracowali: - prof. dr hab. inż. Krzysztof Kałużyński - dr inż. Beata Leśniak-Plewińska - dr inż. Jakub Żmigrodzki Zakład
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 szczegółowo) (2) 1. A i. t+β i. sin(ω i
Ćwiczenie 8 AALIZA HARMOICZA PRZEBIEGÓW DRGAŃ 1. Cel ćwiczenia Analiza przebiegów drgań maszyny i wyznaczenie składowych harmonicznych tych przebiegów,. Wprowadzenie.1. Sygnały pomiarowe W celu przeprowadzenia
Bardziej szczegółowoSystemy akwizycji i przesyłania informacji
Politechnika Rzeszowska im. Ignacego Łukasiewicza w Rzeszowie Wydział Elektryczny Kierunek: Informatyka Systemy akwizycji i przesyłania informacji Projekt zaliczeniowy Temat pracy: Okna wygładzania ZUMFL
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 szczegółowoLaboratorium Przetwarzania Sygnałów. Ćwiczenie 2. Filtracja i korelacja sygnałów dyskretnych
PTS laboratorium Laboratorium Przetwarzania Sygnałów Ćwiczenie 2 Filtracja i korelacja sygnałów dyskretnych Opracowali: - prof. nzw. dr hab. inż. Krzysztof Kałużyński - dr inż. Beata Leśniak-Plewińska
Bardziej szczegółowoĆwiczenie 4. Filtry o skończonej odpowiedzi impulsowej (SOI)
Politechnika Wrocławska Wydział Elektroniki Mikrosystemów i Fotoniki Przetwarzanie sygnałów laboratorium ETD5067L Ćwiczenie 4. Filtry o skończonej odpowiedzi impulsowej (SOI) 1. Filtracja cyfrowa podstawowe
Bardziej szczegółowoPROTOKÓŁ POMIAROWY - SPRAWOZDANIE
PROTOKÓŁ POMIAROWY - SPRAWOZDANIE LABORATORIM PODSTAW ELEKTROTECHNIKI I ELEKTRONIKI Grupa Podgrupa Numer ćwiczenia 5 Nazwisko i imię Data wykonania. ćwiczenia. Prowadzący ćwiczenie Podpis Ocena sprawozdania
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 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 szczegółowoDyskretne przekształcenie Fouriera
Dyskretne przekształcenie Fouriera Dyskretne przekształcenie Fouriera (ang. Discrete Fourier Transform - DFT) jest jedną z dwóch najbardziej popularnych i wydajnych procedur spotykanych w dziedzinie cyfrowego
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 szczegółowoAiR_TSiS_1/2 Teoria sygnałów i systemów Signals and systems theory. Automatyka i Robotyka I stopień ogólnoakademicki
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 Obowiązuje od roku akademickiego 2013/2014
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 szczegółowoA3 : Wzmacniacze operacyjne w układach liniowych
A3 : Wzmacniacze operacyjne w układach liniowych Jacek Grela, Radosław Strzałka 2 kwietnia 29 1 Wstęp 1.1 Wzory Poniżej zamieszczamy podstawowe wzory i definicje, których używaliśmy w obliczeniach: 1.
Bardziej szczegółowo