Teoria Sygnałów. III rok Informatyki Stosowanej. Wykład 9

Podobne dokumenty
PRZEKSZTAŁCENIE ZET. definicja. nst. Stąd po dokonaniu podstawienia zgodnie z definicją otrzymamy wyrażenie jak dla ciągu.

ODWROTNE PRZEKSZTAŁCENIE ZET

Szeregi liczbowe i ich własności. Kryteria zbieżności szeregów. Zbieżność bezwzględna i warunkowa. Mnożenie szeregów.

AM1.1 zadania 8 Przypomn. e kilka dosyć ważnych granic, które już pojawiły się na zajeciach. 1. lim. = 0, lim. = 0 dla każdego a R, lim (

Programowanie dynamiczne i modele rekurencyjne w ekonomii Wykład 3

Transformata Z Matlab

III. LICZBY ZESPOLONE

Wykład 19. Matematyka 3, semestr zimowy 2011/ grudnia 2011

Równania liniowe rzędu drugiego stałych współczynnikach

Z-TRANSFORMACJA Spis treści

( ) O k k k. A k. P k. r k. M O r 1. -P n W. P 1 P k. Rys Redukcja dowolnego przestrzennego układu sił

Zbiór wszystkich punktów brzegowych D nazywamy brzegiem D (ozn. D). Mówimy, że zbiór D jest domknięty D D. Domknięciem zbioru D nazywamy D D (ozn. D).

ZADANIA Z FUNKCJI ANALITYCZNYCH LICZBY ZESPOLONE

1. ALGEBRA Liczby zespolone

Znajdowanie pozostałych pierwiastków liczby zespolonej, gdy znany jest jeden pierwiastek

, +, - przestrzeń afiniczna, gdzie w wprowadzono iloczyn

Parametryzacja rozwiązań układu równań

FILTRY ANALOGOWE Spis treści

METODY NUMERYCZNE dr inż. Mirosław Dziewoński

2.27. Oblicz wartość wyrażenia 3 a Wykaż, że jeżeli x i y są liczbami dodatnimi oraz x+ y =16, to ( 1+

P π n π. Równanie ogólne płaszczyzny w E 3. Dane: n=[a,b,c] Wówczas: P 0 P=[x-x 0,y-y 0,z-z 0 ] Równanie (1) nazywamy równaniem ogólnym płaszczyzny

Pierwiastki z liczby zespolonej. Autorzy: Agnieszka Kowalik

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej

Wielokryteriowa optymalizacja liniowa (WPL)

Funkcje zespolone. 2 Elementarne funkcje zespolone zmiennej zespolonej

G:\AA_Wyklad 2000\FIN\DOC\Fourier.doc. Drgania i fale II rok Fizyki BC. zawierają fazy i amplitudy.

EFEKTY DYSPERSYJNE ZNIEKSZTAŁCAJĄCE KRÓTKIE IMPULSY LASEROWE. prof. Halina Abramczyk Laboratory of Laser Molecular Spectroscopy

MACIERZE I WYZNACZNIKI

Damian Doroba. Ciągi. 1. Pierwsza z granic powinna wydawać się oczywista. Jako przykład może służyć: lim n = lim n 1 2 = lim.

Metrologia: miary dokładności. dr inż. Paweł Zalewski Akademia Morska w Szczecinie

Statystyka matematyczna. Wykład II. Estymacja punktowa

Metody badania zbieżności/rozbieżności ciągów liczbowych

FILTRY FILTR. - dziedzina pracy filtru = { t, f, ω } Filtr przekształca w sposób poŝądany sygnał wejściowy w sygnał wyjściowy: Filtr: x( ) => y( ).

2 n < 2n + 2 n. 2 n = 2. 2 n 2 +3n+2 > 2 0 = 1 = 2. n+2 n 1 n+1 = 2. n+1

LABORATORIUM MODELOWANIA I SYMULACJI. Ćwiczenie 3 MODELOWANIE SYSTEMÓW DYNAMICZNYCH METODY OPISU MODELI UKŁADÓW

Teoria Sygnałów. Inżynieria Obliczeniowa II rok 2018/19. Wykład 10. ( t) Wykorzystanie transformacji Fouriera w analizie korelacyjnej

Elementy rach. macierzowego Materiały pomocnicze do MES Strona 1 z 7. Elementy rachunku macierzowego

Jarosław Wróblewski Analiza Matematyczna 2B, lato 2015/16

Relacje rekurencyjne. będzie następująco zdefiniowanym ciągiem:

WYKŁAD 6 TRANZYSTORY POLOWE

Matematyka A, kolokwium trzecie, 1 czerwca 2010, rozwia. a b. y = = ( 2) 13 5 ( 5) = 1, wie c macierz

Zdarzenia losowe, definicja prawdopodobieństwa, zmienne losowe

O liczbach naturalnych, których suma równa się iloczynowi

Jarosław Wróblewski Analiza Matematyczna 2B, lato 2015/16

Jarosław Wróblewski Analiza Matematyczna 1A, zima 2014/15. n = Rozwiązanie: Stosując wzór na wartość współczynnika dwumianowego otrzymujemy

PRZESTRZEŃ WEKTOROWA (LINIOWA)

ma rozkład złożony Poissona z oczekiwaną liczbą szkód równą λ i rozkładem wartości pojedynczej szkody takim, że Pr( Y

A B - zawieranie słabe

1. Granica funkcji w punkcie

Twierdzenie Cayleya-Hamiltona

Mechanika kwantowa III

Szeregi liczbowe. Szeregi potęgowe i trygonometryczne.

Charakterystyki liczbowe zmiennych losowych: wartość oczekiwana i wariancja

Jarosław Wróblewski Analiza Matematyczna 1, zima 2016/17

Planowanie doświadczeń - DPLD LMO Materiały pomocnicze

Wokół testu Studenta 1. Wprowadzenie Rozkłady prawdopodobieństwa występujące w testowaniu hipotez dotyczących rozkładów normalnych

Jarosław Wróblewski Analiza Matematyczna 1, zima 2016/ n 333))

Definicja interpolacji

Teoria. a k. Wskaźnik sumowania można oznaczać dowolną literą. Mamy np. a j = a i =

Statystyka Matematyczna Anna Janicka

A = {dostęp do konta} = {{właściwe hasło,h 2, h 3 }} = 0, (10 4 )! 2!(10 4 3)! 3!(104 3)!

Prawdopodobieństwo i statystyka

( ) WŁASNOŚCI MACIERZY

1 Definicja dyskretnej transformacji Fouriera (DFT) 2 Odmiany DFT. 3 Motylek dwupunktowej DFT. 5 Złożoność obliczeniowa bezpośrednio obliczanej DFT

WYBRANE DZIAŁY ANALIZY MATEMATYCZNEJ. Wykład IV Twierdzenia całkowe

Przykładowe zadania dla poziomu rozszerzonego

Zadania z algebry liniowej - sem. I Liczby zespolone

MODELE MATEMATYCZNE W UBEZPIECZENIACH. 1. Renty

LICZBY ZESPOLONE. = 0, wie c np. i v 3 = q

Informatyka Stosowana-egzamin z Analizy Matematycznej Każde zadanie należy rozwiązać na oddzielnej, podpisanej kartce!

Internetowe Kółko Matematyczne 2004/2005

Podprzestrzenie macierzowe

O pewnych zastosowaniach rachunku różniczkowego funkcji dwóch zmiennych w ekonomii

1. Wprowadzenie Oznaczenia Model obliczeniowy i granice stosowania... 5

Termodynamika defektów sieci krystalicznej

Materiał powtarzany w II etapie. II 4. Ciągi

I kolokwium z Analizy Matematycznej

D:\materialy\Matematyka na GISIP I rok DOC\07 Pochodne\8A.DOC 2004-wrz-15, 17: Obliczanie granic funkcji w punkcie przy pomocy wzoru Taylora.

D. Miszczyńska, M.Miszczyński KBO UŁ, Badania operacyjne (wykład 6 _ZP) [1] ZAGADNIENIE PRZYDZIAŁU (ZP) (Assignment Problem)

Trzeba pokazać, że dla każdego c 0 c Mc 0. ) = oraz det( ) det( ) det( ) jest macierzą idempotentną? Proszę odpowiedzieć w

f '. Funkcja h jest ciągła. Załóżmy, że ciąg (z n ) n 0, z n+1 = h(z n ) jest dobrze określony, tzn. n 0 f ' ( z n

I. Podzielność liczb całkowitych

Sygnały pojęcie i klasyfikacja, metody opisu.

X i. X = 1 n. i=1. wartość tej statystyki nazywana jest wartością średnią empiryczną i oznaczamy ją symbolem x, przy czym x = 1. (X i X) 2.

Estymacja przedziałowa

Arkusz ćwiczeniowy z matematyki Poziom podstawowy ZADANIA ZAMKNIĘTE. W zadaniach od 1. do 21. wybierz i zaznacz poprawną odpowiedź. 1 C. 3 D.

[ ] ( x) Wzory postawowe: (w przedziałach, w których f i F są określone) Metody całkowania. arctg. dx = arcsinx+

ZASTOSOWANIE NIESTACJONARNEJ HIPERPŁASZCZYZNY ŚLIZGOWEJ DO STEROWANIA DYSKRETNYM OBIEKTEM DYNAMICZNYM

Rysunek 1: Fale stojące dla struny zamocowanej na obu końcach; węzły są zaznaczone liniami kropkowanymi, a strzałki przerywanymi

KADD Metoda najmniejszych kwadratów

ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA

Ciągi i szeregi liczbowe. Ciągi nieskończone.

RÓWNANIA RÓŻNICZKOWE WYKŁAD 11

Szeregi liczbowe. 15 stycznia 2012

Estymacja przedziałowa - przedziały ufności

zadań z pierwszej klasówki, 10 listopada 2016 r. zestaw A 2a n 9 = 3(a n 2) 2a n 9 = 3 (a n ) jest i ograniczony. Jest wiec a n 12 2a n 9 = g 12

Jarosław Wróblewski Analiza Matematyczna 1A, zima 2012/13. Ciągi.

5. Zasada indukcji matematycznej. Dowody indukcyjne.

Zauważone błędy bardzo proszę zgłaszać mailem lub na ćwiczeniach. Z góry dziękuję :-)

FILTRY ZE SKOŃCZONĄ ODPOWIEDZIĄ IMPULSOWĄ

Transkrypt:

Teoria Sygałów III rok Iformatyki Stosowaej Wykład 9

Dla sygału skońoego, dyskretego fukję widmowej gęstośi moy wyaa się a podstawie fukji autokorelaji: ϕ Φ m [ m] [ ] [ m] M [ k] w[ m] m ( M ) ϕ π m,,, K, M i mk K [ m] e K + ( M ) k,,, K, K Proedurę moża realiować w formie sybkiej tj wykorystaiem proedury FFT. Okauje się bowiem, iż dla długiego iągu dayh kost oblieia fukji korelaji ϕ [m] w sposób bepośredi jest więksy iż oblieie tej fukji w diediie ęstotliwośiowej. Proedura dla sygału [],,,,- wygląda astępująo:. Uupełiamy iąg [] erami do długośi K+(M-). Obliamy K-puktową DTF 3. Liymy kwadrat widma amplitudowego X[k] 4. Obliamy K-puktową, odwrotą DTF - M pierwsyh wartośi twory fukję korelaji 5. Z pomoą wybraego oka w[] tworymy sygał: [ ] 6. Obliamy DTF dla sygału s[] s ϕ ϕ [ ] w[ ] [ K ] w[ K ] M M K M K M + K Widmową gęstość moy aproksymuje się asem a pomoą periodogramu -kwadratu widma amplitudowego X[k] sygału. Jest to estymator obiążoy aby otrymać poprawę estymaji ależy dokoać jego uśredieia w ruhomym okie. Wyik będie wówas bieży do metody wykorystująej fukję korelaji.

Trasformaja Z Trasformaja Z staowi iewykle waże arędie do aaliy dayh yfrowyh ( w tym a prykład dayh geofiyyh). W trakie tyh pomiarów mamy do yieia rejestrają określoej wielkośi fiyej (p. w geofiye -atężeia pola magetyego Ziemi, prędkośi drgań grutu, atężeia aturalego promieiowaia gamma w odwierie) w określoyh puktah w prestrei lub w wybrayh mometah asu. Tym samym ostaje określoy biór dyskretyh wartośi fukji dla wybrayh wartośi argumetu t, to ay [t ],,,.... Trasformaja Z powala w aalityy sposób predstawiać własośi sygałów yfrowyh a także kostruować harakterystyki filtrów powalająyh a redukję sumów i wmoieie sygału użyteego. Dla defiiowaia trasformaji Zpryjmijmy, że day jest biór lib reywistyh lub espoloyh { }day jako {, -, -,,,.... }. Każdemu iągowi tego typu moża pryporądkować fukję mieej espoloej F()określoą worem i waą dwustroą trasformatą Z,a operaję pryporądkowaia iągowi { }fukji X() trasformają (prekstałeiem) Z. Defiiuje się rówież trasformatę jedostroą: X ( ) Dla sygałów pryyowyh trasformaty jedo-i dwustroa są sobie rówoważe. iω Predstawiają mieą espoloą w postai bieguowej re otrymujemy : r e iω Jeśli moduł liby to trasformata Z sprowada się do dyskretej trasformaji Fouriera. Prykład: Dla iągu {...3.4} trasformata Z ma postać (pierwsa próbka występuje w hwili t): 3.+. +.3 +.4 sygał pryyowy Dla pierwsej próbki w hwili t-3 otrymamy: 3. +. +.3 +.4 sygał iepryyowy Warto auważyć, że pierwsa trasformata ie jest określoa dla aś druga dla. Sposób odtworeia sygału a podstawie jego trasformaty Z jest trywialy ale tylko dla sygałów skońoyh. Dwustroa trasformata Z jest bieża tylko w pewym obsare bieżośi określoym popre day iąg. Aby ahodiła bieżość musi być spełioy waruek:

< r e iω < r e iω r < Poieważ trasformoway iąg jest możoy pre yik r - sereg jest bewględie sumowalyawet wtedy gdy ie ma o trasformaty Fouriera (p. trasformata Z iągu u() istieje mimo iż iąg ie ma trasformaty Fouriera). Jedyym warukiem jest by r > yli trasformata dla takiego iągu istieje dla < <. Im Obsar bieżośi r e Obsar braku bieżośi Ogólie obsar bieżośi jest pierśieiem o promieiah rówyh limsup limsup Możemy bowiem apisać dla iągu dwustroego: X ( ) + Pierwsy sereg jest bieży wewątr koła o promieiu drugi a ewątr koła o promieiu. Jeśli > to sereg dwustroy jest bieży wewątr pierśieia P(, ). Im e

Prykład. ieh day będie iąg ieskońoy: u[t ]u[] {,,,....} Trasformata Z tego iągu daa jest jako u[ ], > Fukję, która posiada pohodą w każdym pukie pewego obsaru D aywamy holomorfią w tym obsare. Fukja występująa po prawej stroie powyżsego woru jest holomorfia dla wsystkih K. Prykład 3. α Wyayć trasformatę iągu: e,,,, e e α α [ ] e ( e ) α α [ ] { } K pod warukiem, że α e < > e α Prykład 4. a Obliyć trasformatę Z iągu: a < b b < a a ( a ) < a a b b b < b b b ( ) ( a b) X + a < < b a b a b ( )( ) ( ) Odwrota trasformaja Z. Odwrota trasformaja Z (sególie użytea w rowiąywaiu rówań różiowyh) daa jest worem: πi ξ X ( ξ ) dξ gdie krywa jest bregiem (orietowaym dodatio) obsaru awierająego koło O. W prypadkah pre as aaliowayh trasformaja Z będie miała ajęśiej postać fukji wymierej: M ( ) ( ) i X ( ) D i pi gdie wartośi p i ora i są kolejo aywae bieguami i residuami (w tyhże bieguah). esidua, dla pojedyyh bieguów, mogą być oblioe e woru: ( p ) i i p i Po rołożeiu trasformaji Z a ułamki proste korystamy trasformaji Z seregu geometryego (prykład a astępej stroie) Ią metodą oblieia trasformaji odwrotej jest wydieleie liika fukji wymierej argumetu Z pre miaowik. Współyiki pry kolejyh potęgah będą sukaymi wartośiami iągu.

X Prykład 5 Trasformaja Z sygału dyskretego ma postać: Bieguy jedokrote są w puktah p i p /. okładamy X() a ułamki proste: ( ) + ( ) (.5 ).5 ( ) X ( ) (.5) / ( ).5 X ( ) (.5 ) u[ ] M [ ] [ ] [ ].5.5.5.75 > ( )(.5 ) (.5 ). 5 [ ] u[ ].5 Własośi trasformaji Z. Więksość prytooyh własośi trasformaji Z jest oywista. Dla wybrayh ostaie predstawioy dowód. Własość. Trasformaja Zjest operają liiową to ay dla dowolyh lib αi βora dowolyh iągów { }i y{y } któryh trasformaty są rówe odpowiedio X() i Y() ahodi: Z ( α + β y) α + βy ( ) Własość. ieh iąg {,,.... }.ostaie presuięty o jedą próbkę w prawo (w diediie asu odpowiada to opóźieiu sygału), to ay astąpioy iągiem {,,,.... }.Oamy symboliie tę operaję jako σ to ay * σ{,,,...} Wtedy Z trasformata tego iągu jest rówa: m * * m Z( σ ) m m -krotełożeie operaji opóźiaia powoduje presuięie iągu { }o miejs w prawo: * σ {,,...,,,,... Trasformata Z jest w tym wypadku rówa: { } Z σ f F( )

Własość 3. ieh będie operają tworeia różi pierwsego rędu tj. {, -, -, 3 -,...} Poieważ operaja ta może być apisaa jako I-σ (Ijest operają tożsamośiową) otrymujemy własośi i Z { } Z ( I σ ) { } ( ) aalogiie dla różi rędu otrymujemy: Z { } Z{ ( I σ ) } ( ) Własość 4. ieh będie libą reywistą lub espoloą i g{ }., }, -<< Wtedy: G( ) ( ) X Własość 5 (o różikowaiu trasformaty) ieh g{ }, -<<Wtedy: G( ) ( ) ( + ) d d Własość 6 (o ałkowaiu trasformaty) Zgodie powyżsym worem (amieiają jedyie miejsami G() i X()) otrymujemy: G( ) gdie droga ałkowaia leży w obsare aalityośi fukji podałkowej, a stała jest traktowaa jako g G ; wię i otrymujemy: Własość 7 (o sploie iągów) Jeśli Dowód (w trakie ćwień) Własość 8 (o iloyie iągów) Jeśli X (ξ ) dξ ξ ( ) G( ) F( ξ) dξ ξ [ ] [ ] y[ ] [ k] y[ k] w [ ] [ ] [ ] πi to W()X()Y() w y to W ( ) X Y ( ξ ) Krywa jest krywą amkiętą i leży w ęśi wspólej obsarów bieżośi X i Y. ξ ξ dξ Własość 9 (ależość Parsevala) * [ ] y [ ] X ( ξ ) Y ( ξ ) πi a kole jedostkowym, gdy ξ e ξ dξ iω otrymamy π * [ ] y [ ] X ( iω) Y ( iω) dω