T L Z S I G N A A L I T E O R I A O S A I V: E N E R G I A - J A T E H O T I H E Y S

Koko: px
Aloita esitys sivulta:

Download "T L 9 0 8 Z S I G N A A L I T E O R I A O S A I V: E N E R G I A - J A T E H O T I H E Y S"

Transkriptio

1 L 9 8 Z S I G N L I E O R I O S I V: E N E R G I - J E H O I H E Y S 4 Spektrin eneria- ja tehotiheys Spektrin eneriatiheys Parsevalin teoreema Spektrin eneriatiheyden ominaisuuksia Eneriasinaalien utokorrelaatio utokorrelaatiounktion ominaisuudet Eneriasinaalien ristikorrelaatio Spektrin tehotiheys Periodisten sinaalien spektrit Satunnaiset sinaalit ja kohina Valkoinen kohina Ekvivalentti kohinakaistaleveys 7 4

2 L98Z SIGNLIEORI, OS IV 57 SPEKRIN ENERGI- J EHOIHEYS Kurssin siunatuksi lopuksi täydennetään vielä sinaalien ja systeemien luokittelua. Palataan vielä alussa esiteltyihin sinaalin enerian ja tehon käsitteisiin. arkastelun kohteeksi otetaan spektritiheys, joka määrittelee, miten eneria tai teho jakautuu eri taajuuksille. Kun sinaali on eneriasinaali, on luontevaa tarkastella sinaalin spektrin eneriatiheyttä. Vastaavasti tehosinaalille tarkastellaan spektrin tehotiheyttä. Lisäksi tutustutaan tärkeään käsitteeseen korrelaatio, jonka voidaan ajatella olevan spektritiheyden aikatason vastine. 4. SPEKRIN ENERGIIHEYS 4.. PRSEVLIN EOREEM arkastellaan reaaliarvoista eneriasinaalia t, joka on määritelty välillä -,. Merkitään sen Fourier-muunnosta G:llä. Sinaalin kokonaiseneria saadaan kaavasta E t dt Parsevalin teoreema, joka erityisesti ysiikan puolella tunnetaan paremmin nimellä Rayleihin eneriateoreema, sanoo, että kokonaiseneria voidaan laskea joko aika- tai taajuustasossa, eli t dt G d G ω dω π eoreema antaa erittäin käyttökelpoisen menetelmän, jolla sinaalin eneria voidaan laskea. Monesti nimittäin on paljon helpompi laskea kokonaiseneria taajuustasossa kuin aikatasossa. Fysikaalinen tulkinta on, että sinaalin Fourier-muunnoksen itseisarvon neliö antaa sinaalin enerian taajuusyksikköä kohti joulea/hz. Interointi yli kaikkien taajuuksien antaa sitten kokonaisenerian. Esimerkki: Olkoon tsint. Sinaalin kokonaiseneria on ämä on E t dt sin t dt JUKK JUHIINEN 6

3 L98Z SIGNLIEORI, OS IV JUKK JUHIINEN 6 58 varsin inhoittava interoitava. Entuudestaan kuitenkin tiedetään, että sin ja kantti muodostavat Fourier-muunnosparin. Kantin interointi on triviaali juttu. Nyt meillä on Fourier-muunnospari Merkitään On syytä huomata, että ret/ on unktio, jonka leveys on ja korkeus. Ykkösen korottaminen neliöön on yhtä tyhjän kanssa, eli. Siten ret /ret/! Siten Kokonaiseneria on siten Lasketaanpa toinen esimerkki teoreeman sähkötekniikan sovellutuksista: Esimerkki: 4 Ω:n vastuksessa virta ajan unktiona on muotoa ite -t ut ampeeria. Mikä osuus vastuksen läpi menevästä kokonaiseneriasta keskittyy taajuusvälille ω 3 rad/s? Vastuksessa kuluva kokonaiseneria aikatason avulla laskettuna on sin ret t ret G Ψ ret Ψ d d ret d E 4 Ψ

4 L98Z SIGNLIEORI, OS IV 59 E Ri 4 4e 4t 4t e dt 6 / 4 4J Virran Fourier-muunnos on muotoa laskeva eksponentiaali, jolle johdettiin kakkososassa Ke K at a + jω Siten e t + jω Merkitään it:n Fourier-muunnosta Iω:lla. Sen itseisarvo saadaan laventamalla nimittäjän kompleksikonjuaatilla, jolloin saadaan eroteltua reaali- ja imainääriosat. Lopuksi korotetaan neliöön. ätähän harjoiteltiin S:ssä vaihtovirtapiirien yhteydessä I ω jω + jω + jω jω ω ω j 4 + ω I ω 4 + ω ω 4 + ω ω ω 4 + ω 4 + ω 4 + ω 4 + ω 6 + 4ω Siten kokonaiseneria taajuustasossa on E I ω 4 dω π 8 π 4J π ` 4 6 dω / 4 + ω π artan Eli saatiin sama tulos kuin aikatasossa. aajuustason kautta lasku oli tällä kertaa kuitenkin huomattavan työläs. Edellä on interaalin laskennassa käytetty hyväksi taulukoitua interaalin laskukaavaa ω dx a + x artan a x a JUKK JUHIINEN 6

5 L98Z SIGNLIEORI, OS IV 6 Lisäksi on syytä huomata, että π lim artan x x artan Kysytyllä taajuusvälillä oleva eneria saadaan samalla lailla interoimalla taajuustasossa, kuten edellä on esitetty, mutta nyt interaalissa ylärajana on 3: 3 E ω dω / artan 4 + ω π 8 π 8 667J π `3 3 η ,67% 4.. SPEKRIN ENERGIIHEYDEN OMINISUUKSI Spektrin eneriatiheysunktio Ψ :llä on seuraavat ominaisuudet: Sinaalin t spektrin eneriatiheys on ei-neatiivinen reaaliarvoinen taajuuden unktio, Ψ kaikilla Reaaliarvoisen sinaalin t spektrin eneriatiheys on parillinen taajuuden unktio Ψ - Ψ 3 Eneriasinaalin t enerian tehotiheyskäyrän alle jäävä pinta-ala on yhtä suuri kuin sinaalin eneria. E Ψ d 4 Kun eneriasinaali siirretään lineaarisen ajan suhteen invariantin systeemin läpi, systeemistä lähtevän sinaalin enerian tehotiheys on yhtäsuuri kuin tulosinaalin enerian tehotiheys kertaa systeemin taajuusvasteen itseisarvon neliö. Ψ H y Ψ x JUKK JUHIINEN 6

6 L98Z SIGNLIEORI, OS IV 6 Esimerkki: Yksikkökanttipulssi syötetään ideaalisen alipäästösuodattimen kaistanleveys B läpi. Suodattimen amplitudivaste on, B B H, muulloin Koska tulossa olevan kantin pinta-ala on, on sen kokonaiseneria myös. utkitaan, mitä tapahtuu, kun kaistanleveyttä varioidaan. loitetaan Fourier-muunnosparista ret t sin ämä esittää normalisoitua versiota muunnosparista, joka johdettiin osassa II. Siten, kun tulosinaali on muotoa x t Ideaalinen yt alipäästösuodatin xtrett xt. ja sen Fourier-muunnos on Xsin t on sinaalin xt spektrin eneriatiheys H. Ψ x X sin. t ämä normalisoitu eneriatiheys on esitetty seuraavassa kuvassa. B B utkitaan seuraavaksi, mikä on spektrin eneriatiheys lähdössä. Sehän on Ψ H y Ψx, B Ψx, muualla B JUKK JUHIINEN 6

7 L98Z SIGNLIEORI, OS IV 6,8 sin,6,4,,5,5,5 3 3,5 Normalisoitu taajuus Suodattimen lähdöstä saatava eneria on siten E y B Ψ y d sin d B B Ψ y d B Ψ x d Koska suodattimen tulosinaali oli normitettu yksikköeneriaksi, tulos voidaan tulkita hyötysuhteeksi, jolla suodatin muuttaa tulo- ja lähtösinaalin enerioita. Ideaalisessa tapauksessa tietenkin ulostulosta saadaan yhtäsuuri eneria kuin mitä sinne työnnettiin. Käytännössä kuitenkin aina osa syötetystä eneriasta kuluu piirissä esimerkiksi lämmöksi. Ylläoleva tulos pätee yleisessä tapauksessa, jossa ideaaliseen kaistanpäästösuodattimeen syötetään määrätyn kestoinen ja amplitudinen kanttipulssi. Silloin suodattimen hyötysuhde ρ on ρ Eneria lähdössä Eneria tulossa sin d JUKK JUHIINEN 6

8 L98Z SIGNLIEORI, OS IV ENERGISIGNLIEN UOKORRELIO Spektrin eneriatiheys on tärkeä eneriasinaalia kuvaava taajuustason parametri. Mietiskellään seuraavaksi, onko vastaavaa suuretta löydettävissä aikatasossa. arkastellaan aikatason sinaalia t ja sen Fourier-muunnosta G. Sinaalin spektrin eneriatiheys saatiin kaavasta Siis spektrin eneriatiheys saadaan kertomalla t:n Fourier-muunnos G ja sen kompleksikonjuaatti G * Ψ G G G τ * τ G G keskenään. ika- ja taajuustason esitysten välille voidaan johtaa yhteys * * Huomaa, että aika-alueen *-operaatio viittaa konvoluutioon. Vasemmanpuoleista aika-alueen konvoluutiota sanotaan sinaalin autokorrelaatiounktioksi. R τ τ * τ t t τ dt utokorrelaation käsite on keskeinen sinaalianalyysissä. Se kuvaa sinaalin ja sen τ:n verran viivästytetyn version samankaltaisuutta. Siis unktio t-τ on viivästynyt versio unktiosta t. Parametriä t kutsutaan viive- tai skannausparametriksi. Kun τ:n arvoa muutetaan, on jollain arvolla sinaali parhaiten samanlainen itsensä kanssa. Intuitiivisestikin lienee selvää, että autokorrelaatio on maksimissaan, jos viive. Silloinhan meillä on käsillä kaksi täsmälleen samaa sinaalia! Jos kyseessa on esimerkiksi siniaalto, on R τ:llä maksimi aina nπ:n välein sini samassa vaiheessa itsensä kanssa ja minimi nπ/:n kohdalla vastakkaisessa vaiheessa itsensä kanssa. Mitä järkeä sitten on korreloida sinaalia itsensä kanssa? jatellaanpa vaikka tutkaa, jolla lähetetään sinaali klinonien avaruusalukseen. utka kuuntelee avaruusaluksesta tulevaa sinaalia ja laskee autokorrelaatiota. Sillä hetkellä, jolloin autokorrelaatiounktio saavuttaa maksiminsa, tutkan lähettämä sinaali on heijastunut aluksesta ja palannut takaisin. Jos tutkasinaalin etenemisnopeus väliaineessa tiedetään, voidaan avaruusaluksen etäisyys laskea. JUKK JUHIINEN 6

9 L98Z SIGNLIEORI, OS IV UOKORRELIOFUNKION OMINISUUDE. Reaaliarvoisen sinaalin t autokorrelaatiounktio on reaaliarvoinen ja parillinen unktio R -τr τ. Eneriasinaalin t autokorrelaatiounktion arvo oriossa on yhtäsuuri kuin sinaalin eneria R E 3. Eneriasinaalin t autokorrelaatiounktion maksimiarvo saavutetaan oriossa kaikilla viiveparametrin τ arvoilla. R τ R 4. Eneriasinaalin t autokorrelaatiounktio ja spektrin eneriatiheys muodostavat Fouriermuunnosparin R τ Y γ Esimerkki: Edellisessä esimerkissä tarkasteltiin sin-unktion sint spektrin eneriatiheyttä. Silloin todettiin, että Ψ ret Ψ :n käänteismuunnos on R τ sinτ ämähän on sin-unktion autokorrelaatiounktio. Sillä on sama muoto kuin itse alkuperäisellä sinunktiolla, skaalaustekijää lukuunottamatta ENERGISIGNLIEN RISIKORRELIO Ristikorrelaatio mittaa sinaalin ja jonkin toisen, viiveellä τ viivästetyn sinaalin välistä samankaltaisuutta. Olkoot t ja t kaksi reaaliarvoista eneriasinaalia. Sinaalien ristikorrelaatiounktio määritellään kaavalla τ t t τ R dt JUKK JUHIINEN 6

10 L98Z SIGNLIEORI, OS IV 65 ämähän muistuttaa jälleen kerran konvoluutiointeraalia Nähdään, että jos sinaalit ovat jossain määrin samankaltaisia, ristikorrelaatiounktiolla R τ on äärellinen arvo jollain τ:n arvoalueella. ästäkin nähdään, että R τ on kvantitatiivinen sinaalien samankaltaisuuden, eli koherenssin, mitta. Sinaalien t ja t sanotaan olevan ortoonaalisia koko aikavälillä, jos t t dt Sinaalien välillä voidaan määritellä myös toinen ristikorrelaatiounktio, jossa t ja t on vaihdettu keskenään: τ t t τ R dt R τ:n ja R τ:n välille saadaan perustavaa laatua oleva yhteys R τr -τ ästä seuraa, että toisin kuin konvoluutio, korrelaatio ei ole kommutatiivinen! oinen ristikorrelaation tärkeä ominaisuus nähdään tarkastelemalla Fourier-muunnosparia R τ G G * Viimeksimainittu tulos tunnetaan korrelaatioteoreemana. Se sanoo, että kahden eneriasinaalin ristikorrelaatio vastaa yhden sinaalin Fourier-muunnoksen ja toisen sinaalin Fourier-muunnoksen kompleksikonjuaatin kertomista keskenään. 4. SPEKRIN EHOIHEYS arkastellaan seuraavaksi reaaliarvoista tehosinaalia t, joka pysyy äärellisenä, kun t. Sinaalin keskimääräinen teho saadaan kaavasta P lim t dt JUKK JUHIINEN 6

11 L98Z SIGNLIEORI, OS IV 66 Jotta teho voitaisiin esittää taajuustasossa, pitäisi tietää t:n Fourier-muunnos. ämä voi kuitenkin olla onelmallista, koska tehosinaalien eneria on ääretön, eli niiden Fourier-muunnosta ei välttämättä ole edes olemassa. Onelma voidaan välttää määrittelemällä "kutistettu" versio t:stä. t t t ret t, t, muulloin Niin kauan kuin on äärellinen, sinaalin t eneria on myös äärellinen, joten sillä on myös Fouriermuunnos G. Parsevalin teoreeman nojalla voidaan nyt kirjoittaa P lim t dt lim G d Koska oletuksena oli, että eneria on äärellinen, interaali suppenee, jolloin raja-arvon ja interoinnin järjestys voidaan vaihtaa. lim P G t d Interandia kutsutaan spektrin tehotiheydeksi tai tehosinaalin tehospektriksi. S lim G ermiä G / kutsutaan sinaalin periodorammiksi. Esimerkki: arkastellaan moduloitua sinaalia xttosπ t, missä t on kaistarajoitettu leveys B Hz tehosinaali. ässä xt voidaan ajatella olevan siis jollain lähetyksellä moduloitu esimerkiksi radiosinaali. ehtävänä on laskea xt:n tehotiheys, kun keskitaajuus on suurempi kuin kaistanleveys B. Nyt Sx lim X missä X on x t:n Fourier-muunnos ja x t on typistettu versio xt:stä. Siten JUKK JUHIINEN 6

12 L98Z SIGNLIEORI, OS IV 67 X t tosπ t Koska Eulerin kaavan mukaan osπ t/[expjπ t+exp-π t] niin Fourier-muunnoksen taajuussiirto-ominaisuutta hyödyntäen voidaan kirjoittaa X + [ G + G ] missä G on t:n Fourier-muunnos. Jos > B, niin G - ja G + eivät mene päällekkäin, siten niiden tulo on nolla. Siitä edelleen seuraa, että X :n neliö on 4 [ G + G ] X + Siten tulosinaali S x on [ S + S ] S x + 4 Spektrin tehotiheyden ominaisuudet ovat täysin samat kuin spektrin eneriatiheydelle. Samoin korrelaation käsite. ilan, hermojen ja ajan säästämiseksi ne jätetään tässä käymättä läpi. 4.. PERIODISEN SIGNLIEN SPEKRI Periodiset, äärettömiin jatkuvat sinaalit muodostavat tärkeän tehosinaalien luokan. Niille spektrin tehotiheys ja autokorrelaatiounktio saavat erityisen muodon. arkastellaan periodista sinaalia p t, jonka jaksonpituus on. Se voidaan esittää kompleksisena Fourier-sarjana jπnt p t n exp n Sinaalin teho voidaan laskea onneksi yhden jakson yli, kuten kurssin alussa todettiin P / p / t dt JUKK JUHIINEN 6

13 L98Z SIGNLIEORI, OS IV 68 Spektrin tehotiheys saa ainoastaan diskreettejä arvoja n S p n δ n ämä on seurausta alkuperäisen unktion periodisesta luonteesta. Koska spektrin tehotiheyskäyrän alle jäävä pinta-ala on yhtä kuin sinaalin keskimääräinen teho, me voimme määritellä sinaalin p t keskimääräisen tehon sen taajuustason kuvauksen avulla P n n ämä tunnetaan Parsevalin tehoteoreemana. Sen mukaan periodisen sinaalin keskimääräinen teho on yhtä kuin sinaalin Fourier-sarjan kertoimien neliöiden itseisarvojen summa. Periodisen sinaalin d-teho on nollataajuuden eli ensimmäisen Fourier-kertoimen neliön itseisarvo. P d Kerroin on sinaalin keskiarvo, joka voidaan laskea kaavalla / p / t dt Sinaalin a-teho on loppujen Fourier-kertoimien summa n n P a n P a :n neliöjuuri on sinaalin rms-arvo root mean square. Sitä käytetään paljon sinaalin kohinaisuutta tutkittaessa. Luonnollisesti on voimassa PP a +P d. Jaksollisen tehosinaalin autokorrelaatiounktio R τ on R τ / p / t p t τ dt JUKK JUHIINEN 6

14 L98Z SIGNLIEORI, OS IV 69 Jaksollisen sinaalin autokorrelaatiounktio on jaksollinen samalla taajuudella kuin sinaali itse. Esimerkki: arkastellaan siniaaltoa p tosπ t+ ehtävänä on määrittää sinaalin spektrin tehotiheys, keskimääräinen teho ja autokorrelaatiounktio. Siniaalto voidaan esittää kompleksisena Fourier-sarjana muodossa p t expjπ t+ - exp-jπ t, missä exp jθ exp jθ Siten spektrin tehotiheys voidaan kirjoittaa muodossa S p δ + δ Siten siniaallon spektri koostuu kahdesta yksikköimpulssista taajuuksilla ±. ämä on tietenkin aika looinen tulos jos asiaa maalaisjärjellä miettii Keskimääräinen teho on P ämäkin tulos on kaiken matemaattisen jaronin keskellä itsestäänselvyys, jos sitä vähän pähkäilee. utokorrelaatiounkt io voidaan esittää muodossa R p τ / [ osπ t + os4π t π τ + θ ] / / / osπ τ osπ t + θ osπ t π τ + θ dt JUKK JUHIINEN 6 dt

15 L98Z SIGNLIEORI, OS IV 7 Siis siniaallon autokorrelaatiounktio on viiveparametrin τ:n kosinimuotoinen unktio, joka saa maksiminsa viiveen arvolla nolla. Silloin R p P. 4.3 SUNNISE SIGNLI J KOHIN Satunnaiset sinaalit muodostavat yhden tärkeän ryhmän tehosinaaleja. Sinaali on satunnainen, jos sinaalin käyttäytymistä ei voida tarkasti ennakoida, esimerkiksi laskemalla sen arvo jollain ajanhetkellä jostain kaavasta. ällaisen sinaalin voidaan ajatella kuuluvan joukkoon ensemble sinaaleja, joista jokin valitaan satunnaisesti. ällainen prosessi on luonteeltaan probabilistinen. Siten mikään kaksi sinaalia joukossa eivät ole keskenään samanlaisia. Kutakin joukon sinaalia kutsutaan näyteunktioksi. Kaikkien näyteunktioiden joukko muodostaa satunnaisprosessin. Oheisessa kuvassa on esimerkkinä neljä näytettä eräästä satunnaisprosessista.. Näyteaaltomuodon hetkellisarvot ovat satunnaismuuttujia. Satunnaisia ei-toivottuja sinaaleja., jotka sotkevat tiedonsiirtoa, sanotaan kohinaksi. Niitä ei voida täysin kontrolloida. Esimerkiksi tietoliikennejärjestelmissä on lukuisia kohinalähteitä. Ne voivat olla joko systeemin ulkoisia ilmakehän tai alaksin kohina, ihmisen aikaansaama kohina tai systeemin sisäisiä. Systeemin sisäinen kohina johtuu sähköpiirien virran ja jännitteen spontaaneista luktuaatioista. ämäntyyppinen kohina on aina mukana missä tahansa sähkölaitteessa. Siitä ei koskaan pääse täysin eroon ja se asettaa rajan luotettavalle tiedonsiirrolle. Koska sisäinen kohina yleensä havaitaan vastaanotinpäässä, sitä kutsutaan vastaanotinkohinaksi reeiver noise tai kanavakohinaksi hannel noise VLKOINEN KOHIN Valkoinen kohina on "ideaalista" kohinaa. Sitä käytetään paljon tietoliikennejärjestelmien analyysissä. Valkoisen kohinan spektrin tehotiheys on taajuudesta riippumaton. San "valkoinen" tulee ysiikan puolelta. Valkoisessa valossahan on kaikki ihmissilmän erottamat taajuudet. Kuvataan valkokohinaprosessia symbolilla t. Sen tehotiheys on JUKK JUHIINEN 6

16 L98Z SIGNLIEORI, OS IV 7 S w N missä puolikas tulee siitä, että puolet tehotiheydestä on S positiivisilla ja puolet neatiivisilla taajuuksilla. N on sinaalin N intensiteetti /Hz. Se mitataan yleensä vastaanottimen sisäänmenosta. Valkoisen kohinan keskiarvo on nolla. Se siis oskilloi nollan molemmin puolin yhtä todennäköisesti. Koska autokorrelaatiounktio on spektrin tehotiheyden Fourierkäänteismuunnos, voidaan valkoisen kohinan autokorrelaatiounktio kirjoittaa muotoon R τ N δ τ τ R w N δ τ Valkoinen kohina siis korreloi vain ja ainoastaan itsensä kanssa viiveparametrin arvolla. ästä seuraa, että mitkä tahansa kaksi valkoisen kohinan näyteunktiota ovat aina täysin korreloimattomia keskenään vaikka ne olisi otettu ajallisesti kuinka lähellä toisiaan tahansa. arkasti ottaen valkoisen kohinan keskimääräinen teho on ääretön eikä sitä ole olemassa todellisissa ysikaalisissa systeemeissä. Esimerkki: arkastellaan valkokohinaprosessia t, jonka keskiarvo on nolla ja tehotiheys N /. jetaan kohinasinaali ideaalisen alipäästön, jonka kaistanleveys on B ja päästökaistan vahvistus, läpi. Suodattimesta ulostulevan kohinan Nt tehotiheys S N on N S B < < B N,, > B Nt:n autokorrelaatiounktio on tehotiheyden Fourier-käänteismuunnos: B N jπτ R N τ e d N BsinBτ B JUKK JUHIINEN 6

17 L98Z SIGNLIEORI, OS IV 7 ämä autokorrelaatiounktio on esitetty oheisessa kuvassa. Näemme, että sillä on maksimiarvo N B oriossa ja että nollakohdat saadaan viiveen arvoilla τ±n/b, missä n,, 3, S N N B B R τ N B N 3 B B B B B 3 B 4.3. EKVIVLENI KOHINKISLEVEYS Edellisessä esimerkissä havaittiin, että kun valkokohinalähde, jonka keskiarvo on nolla ja tehotiheys N /, syötetään ideaaliseen alipäästösuodattimeen, ulostulosta saatavan kohinasinaalin keskimääräinen teho on N B. Yleisesti voidaan todeta, että valkoisen kohinan keskimääräinen teho on äärellinen ja että teho on verrannollinen kaistanleveyteen. ulos voidaan yleistää kattamaan kaikki mahdolliset alipäästösuodattimet, kun määritellään ekvivalentti kohinakaistaleveys. lipäästävän systeemin ekvivalentti kohinakaistaleveys B N on sellaisen ideaalisen alipäästösuodattimen kaistaleveys, joka päästää saman kokonaistehon tulosinaaliksi kytketystä valkoisesta kohinasta kuva. B N H H d Samalla tavalla määritellään kaistanpäästösuodattimen kohinakaistaleveys, kun nollataajuuden sijalla käytetään keskitaajuutta : JUKK JUHIINEN 6

18 L98Z SIGNLIEORI, OS IV 73 B N H H d H H Yhtäsuuret pinta alat B N BN Kohinakaistaleveys luonnehtii systeemin, esimerkiksi jonkin radiovastaanottimen, herkkyyttä laajakaistaiselle kohinalle. Koska B N -luku kätkee systeemin amplitudivasteen erikoismuodon, sen avulla voidaan vertailla yksityiskohtaisesti erilaisten systeemien kohinansietoa. ähän onkin hyvä päättää tämä kurssi. Smile! END OF PR FOUR JUKK JUHIINEN 6

Signaalit ja järjestelmät aika- ja taajuusalueissa

Signaalit ja järjestelmät aika- ja taajuusalueissa Signaalit ja järjestelmät aika- ja taajuusalueissa Signaalit aika ja taajuusalueissa Muunnokset aika ja taajuusalueiden välillä Fourier sarja (jaksollinen signaali) Fourier muunnos (jaksoton signaali)

Lisätiedot

SIGNAALITEORIAN KERTAUSTA 1

SIGNAALITEORIAN KERTAUSTA 1 SIGNAALITEORIAN KERTAUSTA 1 1 (26) Fourier-muunnos ja jatkuva spektri Spektri taajuuden funktiona on kompleksiarvoinen funktio, jonka esittäminen graafisesti edellyttää 3D-kuvaajan piirtämisen. Yleensä

Lisätiedot

Digitaalinen Signaalinkäsittely T0125 Luento 4-7.04.2006

Digitaalinen Signaalinkäsittely T0125 Luento 4-7.04.2006 Digitaalinen Signaalinkäsittely T5 Luento 4-7.4.6 Jarkko.Vuori@evtek.fi Z-taso Z-taso on paljon käytetty graafinen esitystapa jonka avulla voidaan tarkastella signaalien taajuussisältöjä sekä järjestelmien

Lisätiedot

Kompleksiluvut signaalin taajuusjakauman arvioinnissa

Kompleksiluvut signaalin taajuusjakauman arvioinnissa Kompleksiluvut signaalin taajuusjakauman arvioinnissa Vierailuluento IMA-kurssilla Heikki Huttunen Lehtori, TkT Signaalinkäsittely, TTY heikki.huttunen@tut.fi Department of Signal Processing Fourier-muunnos

Lisätiedot

ELEC-C7230 Tietoliikenteen siirtomenetelmät

ELEC-C7230 Tietoliikenteen siirtomenetelmät ELEC-C7230 Tietoliikenteen siirtomenetelmät Laskuharjoitus 8 - ratkaisut 1. Tehtävässä on taustalla ajatus kantoaaltomodulaatiosta, jossa on I- ja Q-haarat, ja joka voidaan kuvata kompleksiarvoisena kantataajuussignaalina.

Lisätiedot

Signaalin energia- ja tehotiheys

Signaalin energia- ja tehotiheys Spektrin energiatiheys Signaalin energia- ja tehotiheys Reaaliarvoisen energiasignaalin g(t) kokonaisenergia E saadaan kaavalla E = g ( t) dt Olkoon signaalin g(t) Fourier-muunnos G(ω). Parsevalin teoreeman

Lisätiedot

f (28) L(28) = f (27) + f (27)(28 27) = = (28 27) 2 = 1 2 f (x) = x 2

f (28) L(28) = f (27) + f (27)(28 27) = = (28 27) 2 = 1 2 f (x) = x 2 BMA581 - Differentiaalilaskenta ja sovellukset Harjoitus 4, Syksy 15 1. (a) Olisiko virhe likimain.5, ja arvio antaa siis liian suuren arvon. (b) Esim (1,1.5) tai (,.5). Funktion toinen derivaatta saa

Lisätiedot

SIGNAALITEORIAN KERTAUSTA OSA 1

SIGNAALITEORIAN KERTAUSTA OSA 1 1 SIGNAALITEORIAN KERTAUSTA OSA 1 Millainen on signaalin spektri ja miten se lasketaan? SIGNAALIEN JA SPEKTRIN PERUSKÄSITTEITÄ 2 Spektri taajuuden funktiona on kompleksiarvoinen funktio, jonka graafinen

Lisätiedot

Luento 8. Suodattimien käyttötarkoitus

Luento 8. Suodattimien käyttötarkoitus Luento 8 Lineaarinen suodatus Ideaaliset alipäästö, ylipäästö ja kaistanpäästösuodattimet Käytännölliset suodattimet 8..006 Suodattimien käyttötarkoitus Signaalikaistan ulkopuolisen kohinan ja häiriöiden

Lisätiedot

Signaalimallit: sisältö

Signaalimallit: sisältö Signaalimallit: sisältö Motivaationa häiriöiden kuvaaminen ja rekonstruointi Signaalien kuvaaminen aikatasossa, determinisitinen vs. stokastinen Signaalien kuvaaminen taajuustasossa Fourier-muunnos Deterministisen

Lisätiedot

Luento 2. Jaksolliset signaalit

Luento 2. Jaksolliset signaalit Luento Jaksollisten signaalien Fourier-sarjat Viivaspektri S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio Jaksollinen (periodinen) Jaksolliset signaalit Jaksonaika - / / Perusjakso Amplitudi

Lisätiedot

z muunnos ja sen soveltaminen LTI järjestelmien analysointiin

z muunnos ja sen soveltaminen LTI järjestelmien analysointiin z muunnos ja sen soveltaminen LTI järjestelmien analysointiin muunnoksella (eng. transform) on vastaava asema diskreettiaikaisten signaalien ja LTI järjestelmien analyysissä kuin Laplace muunnoksella jatkuvaaikaisten

Lisätiedot

Mittalaitetekniikka. NYMTES13 Vaihtosähköpiirit Jussi Hurri syksy 2014

Mittalaitetekniikka. NYMTES13 Vaihtosähköpiirit Jussi Hurri syksy 2014 Mittalaitetekniikka NYMTES13 Vaihtosähköpiirit Jussi Hurri syksy 2014 1 1. VAIHTOSÄHKÖ, PERUSKÄSITTEITÄ AC = Alternating current Jatkossa puhutaan vaihtojännitteestä. Yhtä hyvin voitaisiin tarkastella

Lisätiedot

Matematiikan tukikurssi

Matematiikan tukikurssi Matematiikan tukikurssi Kurssikerta 4 Jatkuvuus Jatkuvan funktion määritelmä Tarkastellaan funktiota f x) jossakin tietyssä pisteessä x 0. Tämä funktio on tässä pisteessä joko jatkuva tai epäjatkuva. Jatkuvuuden

Lisätiedot

R = Ω. Jännite R:n yli suhteessa sisäänmenojännitteeseen on tällöin jännitteenjako = 1

R = Ω. Jännite R:n yli suhteessa sisäänmenojännitteeseen on tällöin jännitteenjako = 1 Fysiikan mittausmenetelmät I syksy 206 Laskuharjoitus 4. Merkitään kaapelin resistanssin ja kuormaksi kytketyn piirin sisäänmenoimpedanssia summana R 000.2 Ω. Jännite R:n yli suhteessa sisäänmenojännitteeseen

Lisätiedot

MS-C1420 Fourier-analyysi osa II

MS-C1420 Fourier-analyysi osa II MS-C142 Fourier-analyysi osa II G. Gripenberg Aalto-yliopisto 14. helmikuuta 214 G. Gripenberg (Aalto-yliopisto) MS-C142 Fourier-analyysiosa II 14. helmikuuta 214 1 / 36 1 Fourier-sarjat ja Fourier-integraalit

Lisätiedot

Jaksollisen signaalin spektri

Jaksollisen signaalin spektri Jaksollisen signaalin spektri LuK-tutkielma Topi Suviaro 2257699 Matemaattisten tieteiden laitos Oulun yliopisto Syksy 215 Sisältö Johdanto 2 1 Jaksollisuudesta 2 2 Spektristä 3 2.1 Symmetrian vaikutuksesta

Lisätiedot

2.1. Tehtävänä on osoittaa induktiolla, että kaikille n N pätee n = 1 n(n + 1). (1)

2.1. Tehtävänä on osoittaa induktiolla, että kaikille n N pätee n = 1 n(n + 1). (1) Approbatur 3, demo, ratkaisut Sovitaan, että 0 ei ole luonnollinen luku. Tällöin oletusta n 0 ei tarvitse toistaa alla olevissa ratkaisuissa. Se, pidetäänkö nollaa luonnollisena lukuna vai ei, vaihtelee

Lisätiedot

SMG-1100: PIIRIANALYYSI I. Verkkojen taajuusriippuvuus: suo(dat)timet

SMG-1100: PIIRIANALYYSI I. Verkkojen taajuusriippuvuus: suo(dat)timet SMG-00: PIIRIANALYYSI I Verkkojen taajuusriippuvuus: suo(dat)timet alipäästösuodin ylipäästösuodin kaistanpäästösuodin kaistanestosuodin jännitevahvistus rajataajuus kaistanleveys resonanssi Suotimet:

Lisätiedot

Digitaalinen signaalinkäsittely Desibeliasteikko, suotimen suunnittelu

Digitaalinen signaalinkäsittely Desibeliasteikko, suotimen suunnittelu Digitaalinen signaalinkäsittely Desibeliasteikko, suotimen suunnittelu Teemu Saarelainen, teemu.saarelainen@kyamk.fi Lähteet: Ifeachor, Jervis, Digital Signal Processing: A Practical Approach H.Huttunen,

Lisätiedot

6.2.3 Spektrikertymäfunktio

6.2.3 Spektrikertymäfunktio ja prosessin (I + θl + + θl q )ε t spektritiheysfunktio on Lemman 6. ja Esimerkin 6.4 nojalla σ π 1 + θ 1e iω + + θ q e iqω. Koska viivepolynomien avulla määritellyt prosessit yhtyvät, niin myös niiden

Lisätiedot

4. Fourier-analyysin sovelletuksia. Funktion (signaalin) f(t) näytteistäminen tapahtuu kertomalla funktio näytteenottosignaalilla

4. Fourier-analyysin sovelletuksia. Funktion (signaalin) f(t) näytteistäminen tapahtuu kertomalla funktio näytteenottosignaalilla 4.1 Näytteenottolause 4. Fourier-analyysin sovelletuksia Näyttenottosignaali (t) = k= δ(t kt). T on näytteenottoväli, ja ω T = 1 T on näyttenottotaajuus. Funktion (signaalin) f(t) näytteistäminen tapahtuu

Lisätiedot

Petri Kärhä 04/02/04. Luento 2: Kohina mittauksissa

Petri Kärhä 04/02/04. Luento 2: Kohina mittauksissa Kohinan ominaisuuksia Kohinamekanismit Terminen kohina Raekohina 1/f kohina (Kvantisointikohina) Kohinan käsittely Kohinakaistanleveys Kohinalähteiden yhteisvaikutus Signaali-kohina suhde Kohinaluku Kohinalämpötila

Lisätiedot

Spektri- ja signaalianalysaattorit

Spektri- ja signaalianalysaattorit Spektri- ja signaalianalysaattorit Pyyhkäisevät spektrianalysaattorit Suora pyyhkäisevä Superheterodyne Reaaliaika-analysaattorit Suora analoginen analysaattori FFT-spektrianalysaattori DFT FFT Analysaattoreiden

Lisätiedot

järjestelmät Luento 8

järjestelmät Luento 8 DEE-111 Lineaariset järjestelmät Luento 8 1 Lineaariset järjestelmät Risto Mikkonen 7.8.214 Luento 7 - Recap Z-muunnos ja sen ominaisuudet Lineaaristen dierenssiyhtälöiden käsittely Alku- ja loppuarvot

Lisätiedot

Säätötekniikan matematiikan verkkokurssi, Matlab tehtäviä ja vastauksia 29.7.2002

Säätötekniikan matematiikan verkkokurssi, Matlab tehtäviä ja vastauksia 29.7.2002 Matlab tehtäviä 1. Muodosta seuraavasta differentiaaliyhtälöstä siirtofuntio. Tämä differentiaaliyhtälö saattaisi kuvata esimerkiksi yksinkertaista vaimennettua jousi-massa systeemiä, johon on liitetty

Lisätiedot

SGN-1200 Signaalinkäsittelyn menetelmät, Tentti

SGN-1200 Signaalinkäsittelyn menetelmät, Tentti SG-1200 Signaalinkäsittelyn menetelmät, Tentti 21.3.2006 Kirjoita nimesi ja opiskelijanumerosi jokaiseen paperiin. Vastauspaperit tullaan irrottamaan toisistaan. Jos tila ei riitä, jatka kääntöpuolelle

Lisätiedot

spektri taajuus f c f c W f c f c + W

spektri taajuus f c f c W f c f c + W Kaistanpäästösignaalit Monet digitaaliset tiedonsiirtosignaalit ovat keskittyneet jonkin tietyn kantoaaltotaajuuden f c ympäristöön siten, että signaali omaa merkittäviä taajuuskomponetteja vain kaistalla

Lisätiedot

Osa VI. Fourier analyysi. A.Rasila, J.v.Pfaler () Mat Matematiikan peruskurssi KP3-i 12. lokakuuta / 246

Osa VI. Fourier analyysi. A.Rasila, J.v.Pfaler () Mat Matematiikan peruskurssi KP3-i 12. lokakuuta / 246 Osa VI Fourier analyysi A.Rasila, J.v.Pfaler () Mat-1.1331 Matematiikan peruskurssi KP3-i 12. lokakuuta 2007 127 / 246 1 Johdanto 2 Fourier-sarja 3 Diskreetti Fourier muunnos A.Rasila, J.v.Pfaler () Mat-1.1331

Lisätiedot

Tietoliikennesignaalit & spektri

Tietoliikennesignaalit & spektri Tietoliikennesignaalit & spektri 1 Tietoliikenne = informaation siirtoa sähköisiä signaaleja käyttäen. Signaali = vaihteleva jännite (tms.), jonka vaihteluun on sisällytetty informaatiota. Signaalin ominaisuuksia

Lisätiedot

Matematiikan tukikurssi

Matematiikan tukikurssi Matematiikan tukikurssi Kurssikerta 6 Sarjojen suppeneminen Kiinnostuksen kohteena on edelleen sarja a k = a + a 2 + a 3 + a 4 +... k= Tämä summa on mahdollisesti äärellisenä olemassa, jolloin sanotaan

Lisätiedot

SGN-1200 Signaalinkäsittelyn menetelmät Välikoe

SGN-1200 Signaalinkäsittelyn menetelmät Välikoe SGN-00 Signaalinkäsittelyn menetelmät Välikoe 9.3.009 Sivuilla - on. Älä vastaa siihen, jos et ollut ensimmäisessä välikokeessa. Tentin kysymykset ovat sivuilla 3-4. Vastaa vain jompaan kumpaan kokeeseen,

Lisätiedot

S SÄHKÖTEKNIIKKA JA ELEKTRONIIKKA

S SÄHKÖTEKNIIKKA JA ELEKTRONIIKKA S-55.1100 SÄHKÖTKNIIKKA A KTONIIKKA Tentti 0.1.006: tehtävät 1,3,4,6,8 1. välikoe: tehtävät 1,,3,4,5. välikoe: tehtävät 6,7,8,9,10 Saat vastata vain neljään tehtävään/koe; ne sinun pitää itse valita! Kimmo

Lisätiedot

Luento 4. Fourier-muunnos

Luento 4. Fourier-muunnos Lueno 4 Erikoissignaalien Fourier-muunnokse Näyeenoo 4..6 Fourier-muunnos Fourier-muunnos Kääneismuunnos Diricle n edo Fourier muunuvalle energiasignaalille I: Signaali on iseisesi inegroiuva v ( d< II:

Lisätiedot

Johdatus vaihtosähköön, sinimuotoiset suureet. DEE Piirianalyysi Risto Mikkonen

Johdatus vaihtosähköön, sinimuotoiset suureet. DEE Piirianalyysi Risto Mikkonen DEE-11000 Piirianalyysi Johdatus vaihtosähköön, sinimuotoiset suureet 1 Vaihtovirta vs tasavirta Sähkömagneettinen induktio tuottaa kaikissa pyörivissä generaattoreissa vaihtojännitettä. Vaihtosähköä on

Lisätiedot

Nämä ovat siis minimivaatimukset, enemmänkin saa ja suositellaan

Nämä ovat siis minimivaatimukset, enemmänkin saa ja suositellaan Mitä pitäisi vähintään osata Tässäkäydään läpi asiat jotka olisi hyvä osata Nämä ovat siis minimivaatimukset, enemmänkin saa ja suositellaan osattavan 333 Kurssin sisältö Todennäköisyyden, satunnaismuuttujien

Lisätiedot

LABORATORIOTYÖ 3 VAIHELUKITTU VAHVISTIN

LABORATORIOTYÖ 3 VAIHELUKITTU VAHVISTIN LABORATORIOTYÖ 3 VAIHELUKITTU VAHVISTIN Päivitetty: 23/01/2009 TP 3-1 3. VAIHELUKITTU VAHVISTIN Työn tavoitteet Työn tavoitteena on oppia vaihelukitun vahvistimen toimintaperiaate ja käyttömahdollisuudet

Lisätiedot

F {f(t)} ˆf(ω) = 1. F { f (n)} = (iω) n F {f}. (11) BM20A5700 - INTEGRAALIMUUNNOKSET Harjoitus 10, viikko 46/2015. Fourier-integraali:

F {f(t)} ˆf(ω) = 1. F { f (n)} = (iω) n F {f}. (11) BM20A5700 - INTEGRAALIMUUNNOKSET Harjoitus 10, viikko 46/2015. Fourier-integraali: BMA57 - INTEGRAALIMUUNNOKSET Harjoitus, viikko 46/5 Fourier-integraali: f(x) A() π B() π [A() cos x + B() sin x]d, () Fourier-muunnos ja käänteismuunnos: f(t) cos tdt, () f(t) sin tdt. (3) F {f(t)} ˆf()

Lisätiedot

Derivaatan sovellukset (ääriarvotehtävät ym.)

Derivaatan sovellukset (ääriarvotehtävät ym.) Derivaatan sovellukset (ääriarvotehtävät ym.) Tehtävät: 1. Tutki derivaatan avulla funktion f kulkua. a) f(x) = x 4x b) f(x) = x + 6x + 11 c) f(x) = x4 4 x3 + 4 d) f(x) = x 3 6x + 1x + 3. Määritä rationaalifunktion

Lisätiedot

OPERAATIOVAHVISTIN. Oulun seudun ammattikorkeakoulu Tekniikan yksikkö. Elektroniikan laboratoriotyö. Työryhmä Selostuksen kirjoitti 11.11.

OPERAATIOVAHVISTIN. Oulun seudun ammattikorkeakoulu Tekniikan yksikkö. Elektroniikan laboratoriotyö. Työryhmä Selostuksen kirjoitti 11.11. Oulun seudun ammattikorkeakoulu Tekniikan yksikkö Elektroniikan laboratoriotyö OPERAATIOVAHVISTIN Työryhmä Selostuksen kirjoitti 11.11.008 Kivelä Ari Tauriainen Tommi Tauriainen Tommi 1 TEHTÄVÄ Tutustuimme

Lisätiedot

SIGNAALITEORIAN KERTAUSTA OSA 2

SIGNAALITEORIAN KERTAUSTA OSA 2 1 SIGNAALITEORIAN KERTAUSTA OSA 2 Miten spektri lasketaan moduloiduille ja näytteistetyille tietoliikennesignaaleille? KONVOLUUTIO JA KERTOLASKU 2 Kantataajuussignaali (baseband) = sanomasignaali ilman

Lisätiedot

Numeeriset menetelmät

Numeeriset menetelmät Numeeriset menetelmät Luento 13 Ti 18.10.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 13 Ti 18.10.2011 p. 1/43 p. 1/43 Nopeat Fourier-muunnokset Fourier-sarja: Jaksollisen funktion esitys

Lisätiedot

4.0.2 Kuinka hyvä ennuste on?

4.0.2 Kuinka hyvä ennuste on? Luonteva ennuste on käyttää yhtälöä (4.0.1), jolloin estimaattori on muotoa X t = c + φ 1 X t 1 + + φ p X t p ja estimointivirheen varianssi on σ 2. X t }{{} todellinen arvo Xt }{{} esimaattori = ε t Esimerkki

Lisätiedot

Signaalien datamuunnokset. Digitaalitekniikan edut

Signaalien datamuunnokset. Digitaalitekniikan edut Signaalien datamuunnokset Datamuunnosten teoriaa Muunnosten taustaa Muunnosten teoriaa Muunnosten rajoituksia ja ongelmia Petri Kärhä 09/02/2009 Signaalien datamuunnokset 1 Digitaalitekniikan edut Tarkoituksena

Lisätiedot

Signaalien datamuunnokset

Signaalien datamuunnokset Signaalien datamuunnokset Datamuunnosten teoriaa Muunnosten taustaa Muunnosten teoriaa Muunnosten rajoituksia ja ongelmia Petri Kärhä 06/02/2004 Luento 4a: Signaalien datamuunnokset 1 Digitaalitekniikan

Lisätiedot

1 Vastaa seuraaviin. b) Taajuusvasteen

1 Vastaa seuraaviin. b) Taajuusvasteen Vastaa seuraaviin a) Miten määritetään digitaalisen suodattimen taajuusvaste sekä amplitudi- ja vaihespektri? Tässä riittää sanallinen kuvaus. b) Miten viivästys vaikuttaa signaalin amplitudi- ja vaihespektriin?

Lisätiedot

Kompleksianalyysi, viikko 6

Kompleksianalyysi, viikko 6 Kompleksianalyysi, viikko 6 Jukka Kemppainen Mathematics Division Funktion erikoispisteet Määr. 1 Jos f on analyyttinen pisteen z 0 aidossa ympäristössä 0 < z z 0 < r jollakin r > 0, niin sanotaan, että

Lisätiedot

SMG-2100: SÄHKÖTEKNIIKKA

SMG-2100: SÄHKÖTEKNIIKKA Vaihtosähkö SMG-2100: SÄHKÖTEKNIIKKA Sinimuotoiset suureet Tehollisarvo Sinimuotoinen vaihtosähkö & passiiviset piirikomponentit Käydään läpi, mistä sinimuotoiset jännite ja virta ovat peräisin. Näytetään,

Lisätiedot

Mat / Mat Matematiikan peruskurssi C3-I / KP3-I Harjoitus 5 / vko 42, loppuviikko, syksy 2008

Mat / Mat Matematiikan peruskurssi C3-I / KP3-I Harjoitus 5 / vko 42, loppuviikko, syksy 2008 Mat-.3 / Mat-.33 Matematiikan peruskurssi C3-I / KP3-I Harjoitus 5 / vko 4, loppuviikko, syksy 8 Ennen malliratkaisuja, muistin virkistämiseksi kaikkien rakastama osittaisintegroinnin kaava: b a u(tv (t

Lisätiedot

Kompleksianalyysi, viikko 5

Kompleksianalyysi, viikko 5 Kompleksianalyysi, viikko 5 Jukka Kemppainen Mathematics Division Kompleksiset jonot Aloitetaan jonon suppenemisesta. Määr. 1 Kompleksiluvuista z 1,z 2,...,z n,... koostuva jono suppenee kohti raja-arvoa

Lisätiedot

Matematiikan tukikurssi, kurssikerta 3

Matematiikan tukikurssi, kurssikerta 3 Matematiikan tukikurssi, kurssikerta 3 1 Epäyhtälöitä Aivan aluksi lienee syytä esittää luvun itseisarvon määritelmä: { x kun x 0 x = x kun x < 0 Siispä esimerkiksi 10 = 10 ja 10 = 10. Seuraavaksi listaus

Lisätiedot

ABHELSINKI UNIVERSITY OF TECHNOLOGY

ABHELSINKI UNIVERSITY OF TECHNOLOGY Satunnaismuuttujat ja todennäköisyysjakaumat Mitä tänään? Jos satunnaisilmiötä halutaan mallintaa matemaattisesti, on ilmiön tulosvaihtoehdot kuvattava numeerisessa muodossa. Tämä tapahtuu liittämällä

Lisätiedot

Ortogonaaliprojektio äärellisulotteiselle aliavaruudelle

Ortogonaaliprojektio äärellisulotteiselle aliavaruudelle Ortogonaaliprojektio äärellisulotteiselle aliavaruudelle Olkoon X sisätuloavaruus ja Y X äärellisulotteinen aliavaruus. Tällöin on olemassa lineaarisesti riippumattomat vektorit y 1, y 2,..., yn, jotka

Lisätiedot

Matematiikan tukikurssi, kurssikerta 5

Matematiikan tukikurssi, kurssikerta 5 Matematiikan tukikurssi, kurssikerta 5 1 Jonoista Matematiikassa jono (x n ) on yksinkertaisesti järjestetty, päättymätön sarja numeroita Esimerkiksi (1,, 3, 4, 5 ) on jono Jonon i:ttä jäsentä merkitään

Lisätiedot

0 kun x < 0, 1/3 kun 0 x < 1/4, 7/11 kun 1/4 x < 6/7, 1 kun x 1, 1 kun x 6/7,

0 kun x < 0, 1/3 kun 0 x < 1/4, 7/11 kun 1/4 x < 6/7, 1 kun x 1, 1 kun x 6/7, HY / Matematiikan ja tilastotieteen laitos Todennäköisyyslaskenta II, syksy 07 Harjoitus Ratkaisuehdotuksia Tehtäväsarja I. Mitkä seuraavista funktioista F, F, F ja F 4 ovat kertymäfunktioita? Mitkä niistä

Lisätiedot

Tehtävä 1. a) sähkövirta = varausta per sekunti, I = dq dt = 1, A = 1, C s protonin varaus on 1, C

Tehtävä 1. a) sähkövirta = varausta per sekunti, I = dq dt = 1, A = 1, C s protonin varaus on 1, C Tehtävä a) sähkövirta = varausta per sekunti, I = dq dt =, 5 0 3 =, 5 0 3 C s protonin varaus on, 6 0 9 C Jaetaan koko virta yksittäisille varauksille:, 5 0 3 C s kpl = 9 05, 6 0 9 s b) di = Jd = J2πrdr,

Lisätiedot

S Signaalit ja järjestelmät

S Signaalit ja järjestelmät dsfsdfs S-72.1110 Työ 2 Ryhmä 123: Tiina Teekkari EST 12345A Teemu Teekkari TLT 56789B Selostus laadittu 1.1.2007 Laboratoriotyön suoritusaika 31.12.2007 klo 08:15 11:00 Esiselostuksen laadintaohje Täytä

Lisätiedot

Vahvistimet. A-luokka. AB-luokka

Vahvistimet. A-luokka. AB-luokka Vahvistimet A-luokka A-luokan vahvistimen molemmat päätevahvistin tarnsistorit johtavat, vaikke vahvistinta käytettäisi. Vahvistinta käytettäessä jatkuva lepovirta muuttuu ja näin vältytään kytkentäsäröltä

Lisätiedot

Kapeakaistainen signaali

Kapeakaistainen signaali Tiedonsiirrossa sellaiset signaalit ovat tyypillisiä, joilla informaatio jakautuu kapealle taajuusalueelle jonkun keskitaajuuden ympäristöön. Tällaisia signaaleja kutustaan kapeakaistaisiksi signaaleiksi

Lisätiedot

Tampereen yliopisto Tietokonegrafiikka 2013 Tietojenkäsittelytiede Harjoitus

Tampereen yliopisto Tietokonegrafiikka 2013 Tietojenkäsittelytiede Harjoitus Tampereen yliopisto Tietokonegrafiikka 201 Tietojenkäsittelytiede Harjoitus 6 1..201 1. Tarkastellaan Gouraudin sävytysmallia. Olkoon annettuna kolmio ABC, missä A = (0,0,0), B = (2,0,0) ja C = (1,2,0)

Lisätiedot

HY, MTO / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIa, syksy 2018 Harjoitus 3 Ratkaisuehdotuksia.

HY, MTO / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIa, syksy 2018 Harjoitus 3 Ratkaisuehdotuksia. HY, MTO / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIa, syksy 8 Harjoitus Ratkaisuehdotuksia Tehtäväsarja I. Mitkä seuraavista funktioista F, F, F ja F 4 ovat kertymäfunktioita? Mitkä

Lisätiedot

Tehtäväsarja I Tehtävät 1-5 perustuvat monisteen kappaleisiin ja tehtävä 6 kappaleeseen 2.8.

Tehtäväsarja I Tehtävät 1-5 perustuvat monisteen kappaleisiin ja tehtävä 6 kappaleeseen 2.8. HY, MTO / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIa, syksy 8 Harjoitus Ratkaisuehdotuksia Tehtäväsarja I Tehtävät -5 perustuvat monisteen kappaleisiin..7 ja tehtävä 6 kappaleeseen.8..

Lisätiedot

HY, MTL / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIb, syksy 2017 Harjoitus 1 Ratkaisuehdotuksia

HY, MTL / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIb, syksy 2017 Harjoitus 1 Ratkaisuehdotuksia HY, MTL / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIb, syksy 07 Harjoitus Ratkaisuehdotuksia Tehtäväsarja I Osa tämän viikon tehtävistä ovat varsin haastavia, joten ei todellakaan

Lisätiedot

Johdatus reaalifunktioihin P, 5op

Johdatus reaalifunktioihin P, 5op Johdatus reaalifunktioihin 802161P, 5op Osa 2 Pekka Salmi 1. lokakuuta 2015 Pekka Salmi FUNK 1. lokakuuta 2015 1 / 55 Jatkuvuus ja raja-arvo Tavoitteet: ymmärtää raja-arvon ja jatkuvuuden määritelmät intuitiivisesti

Lisätiedot

Digitaalinen signaalinkäsittely Kuvankäsittely

Digitaalinen signaalinkäsittely Kuvankäsittely Digitaalinen signaalinkäsittely Kuvankäsittely Teemu Saarelainen, teemu.saarelainen@kyamk.fi Lähteet: Ifeachor, Jervis, Digital Signal Processing: A Practical Approach H.Huttunen, Signaalinkäsittelyn menetelmät,

Lisätiedot

a(t) = v (t) = 3 2 t a(t) = 3 2 t < t 1 2 < 69 t 1 2 < 46 t < 46 2 = 2116 a(t) = v (t) = 50

a(t) = v (t) = 3 2 t a(t) = 3 2 t < t 1 2 < 69 t 1 2 < 46 t < 46 2 = 2116 a(t) = v (t) = 50 BM0A5810 - Differentiaalilaskenta ja sovellukset Harjoitus 1, Syksy 015 1. (a) Kiihtyvyys on nopeuden derivaatta, eli a(t) v (t) 3 t 1 + 1 Nyt on siis selvitettävä, milloin kiihtyvyys kasvaa itseisarvoltaan

Lisätiedot

Yhtälöryhmä matriisimuodossa. MS-A0007 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5.

Yhtälöryhmä matriisimuodossa. MS-A0007 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5. 2. MS-A000 Matriisilaskenta 2. Nuutti Hyvönen, c Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2..205 Tarkastellaan esimerkkinä lineaarista yhtälöparia { 2x x 2 = x x 2 =

Lisätiedot

Säätötekniikan ja signaalinkäsittelyn työkurssi

Säätötekniikan ja signaalinkäsittelyn työkurssi Säätötekniikan ja signaalinkäsittelyn työkurssi Työ D102: Sinimuotoisen signaalin suodattaminen 0.4 op. Julius Luukko Lappeenrannan teknillinen yliopisto Sähkötekniikan osasto/säätötekniikan laboratorio

Lisätiedot

Ilkka Mellin Todennäköisyyslaskenta. Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat. Kertymäfunktio. TKK (c) Ilkka Mellin (2007) 1

Ilkka Mellin Todennäköisyyslaskenta. Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat. Kertymäfunktio. TKK (c) Ilkka Mellin (2007) 1 Ilkka Mellin Todennäköisyyslaskenta Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat Kertymäfunktio TKK (c) Ilkka Mellin (2007) 1 Kertymäfunktio >> Kertymäfunktio: Määritelmä Diskreettien jakaumien

Lisätiedot

Tekijä MAA2 Polynomifunktiot ja -yhtälöt = Vastaus a)

Tekijä MAA2 Polynomifunktiot ja -yhtälöt = Vastaus a) K1 a) Tekijä MAA Polynomifunktiot ja -yhtälöt 6.8.016 ( + + ) + ( ) = + + + = + + + = + 4 b) 4 4 ( 5 + ) ( 5 + 1) = 5 + + 5 + 1 4 = + + + 4 = + 5 5 1 1 Vastaus a) 4 + b) 4 + 1 K a) f ( ) = + 1 f () = +

Lisätiedot

e ax, kun x > 0 f(x) = 0, kun x < 0, 0, kun x > 0 e ax, kun x < 0 e (a iω)x dx = a+iω = 1 a 2 +ω 2. e ax, x > 0 e ax, x < 0,

e ax, kun x > 0 f(x) = 0, kun x < 0, 0, kun x > 0 e ax, kun x < 0 e (a iω)x dx = a+iω = 1 a 2 +ω 2. e ax, x > 0 e ax, x < 0, Harjoitus 5 1. Olkoot a > 0. Laske vaimenevan pulssin e ax, kun x > 0 fx) = 0, kun x < 0, ja voimistuvan pulssin gx) = konvoluution g f Fourier-muunnos. 0, kun x > 0 e ax, kun x < 0 apa 1: Konvoluution

Lisätiedot

Mat-2.148 Dynaaminen optimointi, mallivastaukset, kierros 5

Mat-2.148 Dynaaminen optimointi, mallivastaukset, kierros 5 Mat-2.148 Dynaaminen optimointi, mallivastaukset, kierros 5 1. Kotitehtävä. 2. Lasketaan aluksi korkoa korolle. Jos korkoprosentti on r, ja korko maksetaan n kertaa vuodessa t vuoden ajan, niin kokonaisvuosikorko

Lisätiedot

3 Raja-arvo ja jatkuvuus

3 Raja-arvo ja jatkuvuus 3 Raja-arvo ja jatkuvuus 3. Raja-arvon käsite Raja-arvo kuvaa funktion kättätmistä jonkin lähtöarvon läheisdessä. Raja-arvoa tarvitaan toisinaan siksi, että funktion arvoa ei voida laskea kseisellä lähtöarvolla

Lisätiedot

Vastaus: 10. Kertausharjoituksia. 1. Lukujonot lim = lim n + = = n n. Vastaus: suppenee raja-arvona Vastaus:

Vastaus: 10. Kertausharjoituksia. 1. Lukujonot lim = lim n + = = n n. Vastaus: suppenee raja-arvona Vastaus: . Koska F( ) on jokin funktion f ( ) integraalifunktio, niin a+ a f() t dt F( a+ t) F( a) ( a+ ) b( a b) Vastaus: Kertausharjoituksia. Lukujonot 87. + n + lim lim n n n n Vastaus: suppenee raja-arvona

Lisätiedot

Radioamatöörikurssi 2015

Radioamatöörikurssi 2015 Radioamatöörikurssi 2015 Polyteknikkojen Radiokerho Radiotekniikka 5.11.2015 Tatu Peltola, OH2EAT 1 / 25 Vahvistimet Vahvistin ottaa signaalin sisään ja antaa sen ulos suurempitehoisena Tehovahvistus,

Lisätiedot

Miten perustella, että joukossa A = {a, b, c} on yhtä monta alkiota kuin joukossa B = {d, e, f }?

Miten perustella, että joukossa A = {a, b, c} on yhtä monta alkiota kuin joukossa B = {d, e, f }? Miten perustella, että joukossa A = {a, b, c} on yhtä monta alkiota kuin joukossa B = {d, e, f }? Miten perustella, että joukossa A = {a, b, c} on yhtä monta alkiota kuin joukossa B = {d, e, f }? Vastaus

Lisätiedot

Luento 4 Fourier muunnos

Luento 4 Fourier muunnos Luento 4 Luento 4 Fourier muunnos 4. F muunnos F muunnos Oppenheim 4. 4. Energiaspektri (spektritiheys) Rayleigh'n energia teoreema, energiaspektri Kaistanleveys Boden diagrammi 4.3 F muunnoksen ominaisuudet,

Lisätiedot

Kohina. Havaittujen fotonien statistinen virhe on kääntäen verrannollinen havaittujen fotonien lukumäärän N neliö juureen ( T 1/ N)

Kohina. Havaittujen fotonien statistinen virhe on kääntäen verrannollinen havaittujen fotonien lukumäärän N neliö juureen ( T 1/ N) Kohina Havaittujen fotonien statistinen virhe on kääntäen verrannollinen havaittujen fotonien lukumäärän N neliö juureen ( T 1/ N) N on suoraan verrannollinen integraatioaikaan t ja havaittuun taajuusväliin

Lisätiedot

Johdatus todennäköisyyslaskentaan Kertymäfunktio. TKK (c) Ilkka Mellin (2005) 1

Johdatus todennäköisyyslaskentaan Kertymäfunktio. TKK (c) Ilkka Mellin (2005) 1 Johdatus todennäköisyyslaskentaan Kertymäfunktio TKK (c) Ilkka Mellin (2005) 1 Kertymäfunktio Kertymäfunktio: Määritelmä Diskreettien jakaumien kertymäfunktiot Jatkuvien jakaumien kertymäfunktiot TKK (c)

Lisätiedot

Vastaus 1. Lasketaan joukkojen alkiot, ja todetaan, että niitä on 3 molemmissa.

Vastaus 1. Lasketaan joukkojen alkiot, ja todetaan, että niitä on 3 molemmissa. Miten perustella, että joukossa A = {a, b, c} on yhtä monta alkiota kuin joukossa B = {d, e, f }? Vastaus 1. Lasketaan joukkojen alkiot, ja todetaan, että niitä on 3 molemmissa. Vastaus 2. Vertaillaan

Lisätiedot

Mitä on pätö-, näennäis-, lois-, keskimääräinen ja suora teho sekä tehokerroin? Alla hieman perustietoa koskien 3-vaihe tehomittauksia.

Mitä on pätö-, näennäis-, lois-, keskimääräinen ja suora teho sekä tehokerroin? Alla hieman perustietoa koskien 3-vaihe tehomittauksia. Mitä on sähköinen teho? Tehojen mittaus Mitä on pätö-, näennäis-, lois-, keskimääräinen ja suora teho sekä tehokerroin? Alla hieman perustietoa koskien 3-vaihe tehomittauksia. Tiettynä ajankohtana, jolloin

Lisätiedot

Kun järjestelmää kuvataan operaattorilla T, sisäänmenoa muuttujalla u ja ulostuloa muuttujalla y, voidaan kirjoittaa. y T u.

Kun järjestelmää kuvataan operaattorilla T, sisäänmenoa muuttujalla u ja ulostuloa muuttujalla y, voidaan kirjoittaa. y T u. DEE-00 Lineaariset järjestelmät Harjoitus, ratkaisuehdotukset Järjestelmien lineaarisuus ja aikainvarianttisuus Kun järjestelmää kuvataan operaattorilla T, sisäänmenoa muuttujalla u ja ulostuloa muuttujalla

Lisätiedot

Yhtälöryhmä matriisimuodossa. MS-A0004/A0006 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5.

Yhtälöryhmä matriisimuodossa. MS-A0004/A0006 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5. 2. MS-A4/A6 Matriisilaskenta 2. Nuutti Hyvönen, c Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 5.9.25 Tarkastellaan esimerkkinä lineaarista yhtälöparia { 2x x 2 = x + x 2

Lisätiedot

Kompleksianalyysi, viikko 7

Kompleksianalyysi, viikko 7 Kompleksianalyysi, viikko 7 Jukka Kemppainen Mathematics Division Fourier-muunnoksesta Laplace-muunnokseen Tarkastellaan seuraavassa kausaalisia signaaleja eli signaaleja x(t), joille x(t) 0 kaikilla t

Lisätiedot

LASKENNALLISEN TIETEEN OHJELMATYÖ: Diffuusion Monte Carlo -simulointi yksiulotteisessa systeemissä

LASKENNALLISEN TIETEEN OHJELMATYÖ: Diffuusion Monte Carlo -simulointi yksiulotteisessa systeemissä LASKENNALLISEN TIETEEN OHJELMATYÖ: Diffuusion Monte Carlo -simulointi yksiulotteisessa systeemissä. Diffuusio yksiulotteisessa epäjärjestäytyneessä hilassa E J ii, J ii, + 0 E b, i E i i i i+ x Kuva.:

Lisätiedot

P (X B) = f X (x)dx. xf X (x)dx. g(x)f X (x)dx.

P (X B) = f X (x)dx. xf X (x)dx. g(x)f X (x)dx. Yhteenveto: Satunnaisvektorit ovat kuvauksia tn-avaruudelta seillaiselle avaruudelle, johon sisältyy satunnaisvektorin kaikki mahdolliset reaalisaatiot. Satunnaisvektorin realisaatio eli otos on jokin

Lisätiedot

DEE-11110 Sähkötekniikan perusteet

DEE-11110 Sähkötekniikan perusteet DEE-11110 Sähkötekniikan perusteet Antti Stenvall Kompleksilukujen hyödyntäminen vaihtosähköpiirien analyysissä Luennon keskeinen termistö ja tavoitteet Osoitin eli kompleksiluku: Trigonometrinen muoto

Lisätiedot

Funktion raja-arvo ja jatkuvuus Reaali- ja kompleksifunktiot

Funktion raja-arvo ja jatkuvuus Reaali- ja kompleksifunktiot 3. Funktion raja-arvo ja jatkuvuus 3.1. Reaali- ja kompleksifunktiot 43. Olkoon f monotoninen ja rajoitettu välillä ]a,b[. Todista, että raja-arvot lim + f (x) ja lim x b f (x) ovat olemassa. Todista myös,

Lisätiedot

Luento 8. Suodattimien käyttötarkoitus

Luento 8. Suodattimien käyttötarkoitus Luento 8 Lineaarinen suodatus Ideaaliset alipäästö, ylipäästö ja kaistanpäästösuodattimet Käytännölliset suodattimet 8..007 Suodattimien käyttötarkoitus Signaalikaistan ulkopuolisen kohinan ja häiriöiden

Lisätiedot

S Elektroniset mittaukset ja elektroniikan häiriökysymykset. 2 ov

S Elektroniset mittaukset ja elektroniikan häiriökysymykset. 2 ov TKK / Mittaustekniikan laboratorio HUT / Metrology Research Institute S-108.180 Elektroniset mittaukset ja elektroniikan häiriökysymykset 2 ov 7.2.2001 KL kohina.ppt 1 Elektroninen mittaussysteemi MITATTAVA

Lisätiedot

LABORATORIOTYÖ 2 SPEKTRIANALYSAATTORI

LABORATORIOTYÖ 2 SPEKTRIANALYSAATTORI LABORATORIOTYÖ 2 SPEKTRIANALYSAATTORI Päivitetty: 25/02/2004 MV 2-1 2. SPEKTRIANALYSAATTORI Työn tarkoitus: Työn tarkoituksena on tutustua spektrianalysaattorin käyttöön, sekä oppia tuntemaan erilaisten

Lisätiedot

1 Kohina. 2 Kohinalähteet. 2.1 Raekohina. 2.2 Terminen kohina

1 Kohina. 2 Kohinalähteet. 2.1 Raekohina. 2.2 Terminen kohina 1 Kohina Kohina on yleinen ongelma integroiduissa piireissä. Kohinaa aiheuttavat pienet virta- ja jänniteheilahtelut, jotka ovat komponenteista johtuvia. Myös ulkopuoliset lähteet voivat aiheuttaa kohinaa.

Lisätiedot

521384A RADIOTEKNIIKAN PERUSTEET Harjoitus 3

521384A RADIOTEKNIIKAN PERUSTEET Harjoitus 3 51384A RADIOTEKNIIKAN PERUSTEET Harjoitus 3 1. Tutkitaan mikroliuskajohtoa, jonka substraattina on kvartsi (ε r 3,8) ja jonka paksuus (h) on,15 mm. a) Mikä on liuskan leveyden w oltava, jotta ominaisimpedanssi

Lisätiedot

Osa IX. Z muunnos. Johdanto Diskreetit funktiot

Osa IX. Z muunnos. Johdanto Diskreetit funktiot Osa IX Z muunnos A.Rasila, J.v.Pfaler () Mat-.33 Matematiikan peruskurssi KP3-i 9. lokakuuta 2007 298 / 322 A.Rasila, J.v.Pfaler () Mat-.33 Matematiikan peruskurssi KP3-i 9. lokakuuta 2007 299 / 322 Johdanto

Lisätiedot

Vektorien pistetulo on aina reaaliluku. Esimerkiksi vektorien v = (3, 2, 0) ja w = (1, 2, 3) pistetulo on

Vektorien pistetulo on aina reaaliluku. Esimerkiksi vektorien v = (3, 2, 0) ja w = (1, 2, 3) pistetulo on 13 Pistetulo Avaruuksissa R 2 ja R 3 on totuttu puhumaan vektorien pituuksista ja vektoreiden välisistä kulmista. Kuten tavallista, näiden käsitteiden yleistäminen korkeampiulotteisiin avaruuksiin ei onnistu

Lisätiedot

Matematiikan tukikurssi

Matematiikan tukikurssi Matematiikan tukikurssi Kurssikerta 2 Lisää osamurtoja Tutkitaan jälleen rationaalifunktion P(x)/Q(x) integrointia. Aiemmin käsittelimme tapauksen, jossa nimittäjä voidaan esittää muodossa Q(x) = a(x x

Lisätiedot

SGN-1200 Signaalinkäsittelyn menetelmät, Tentti

SGN-1200 Signaalinkäsittelyn menetelmät, Tentti SG-1200 Signaalinkäsittelyn menetelmät, Tentti 30.1.2006 Kirjoita nimesi ja opiskelijanumerosi jokaiseen paperiin. Vastauspaperit tullaan irrottamaan toisistaan. Jos tila ei riitä, jatka kääntöpuolelle

Lisätiedot

Missä mennään. systeemi. identifiointi. mallikandidaatti. validointi. malli. (fysikaalinen) mallintaminen. mallin mallin käyttötarkoitus, reunaehdot

Missä mennään. systeemi. identifiointi. mallikandidaatti. validointi. malli. (fysikaalinen) mallintaminen. mallin mallin käyttötarkoitus, reunaehdot Missä mennään systeemi mallin mallin käyttötarkoitus, reunaehdot käyttö- (fysikaalinen) mallintaminen luonnonlait yms. yms. identifiointi kokeita kokeita + päättely päättely vertailu mallikandidaatti validointi

Lisätiedot

Harjoitus 1. Tehtävä 1. Malliratkaisut. f(t) = e (t α) cos(ω 0 t + β) L[f(t)] = f(t)e st dt = e st t+α cos(ω 0 t + β)dt.

Harjoitus 1. Tehtävä 1. Malliratkaisut. f(t) = e (t α) cos(ω 0 t + β) L[f(t)] = f(t)e st dt = e st t+α cos(ω 0 t + β)dt. Harjoitus Malliratkaisut Tehtävä L[f(t)] ˆ f(t) e (t α) cos(ω t + β) f(t)e st dt ˆ e st t+α cos(ω t + β)dt cos(ω t + β) 2 (ej(ωt+β) + e j(ωt+β) ) L[f(t)] 2 eα 2 ˆ ˆ e st t+α (e j(ω t+β) + e j(ω t+β) )

Lisätiedot