Digitaalinen signaalinkäsittely Kuvankäsittely

Koko: px
Aloita esitys sivulta:

Download "Digitaalinen signaalinkäsittely Kuvankäsittely"

Transkriptio

1 Digitaalinen signaalinkäsittely Kuvankäsittely Teemu Saarelainen, Lähteet: Ifeachor, Jervis, Digital Signal Processing: A Practical Approach H.Huttunen, Signaalinkäsittelyn menetelmät, Opintomoniste, TTKK

2 Sisältö Digitaalisen kuvankäsittelyn perusteet Periaatteet ja sovelluksia Kaksiulotteiset järjestelmät ja DFT Dekonvoluutio Piste-ehostus

3 Digitaalinen kuvankäsittely? Perusajatus: laajennetaan signaalinkäsittelyn perusmenetelmät kahteen ulottuvuuteen Voidaan käyttää samantyyppisiä suotimia Kuvien havaitseminen poikkeaa esim. äänisignaalien havaitsemisesta, joten menetelmissäkin on eroavaisuuksia Termiä ei pidä sekoittaa tavalliseen kuvankäsittelyyn

4 Digitaalisen kuvankäsittelyn alueita ja sovelluksia Kuvien ehostus Joitakin kuvan ominaisuuksia ja piirteitä voidaan parantaa Ei yleensä ideaalista eli yhtä ainoaa oikeaa ratkaisua Tarkoituksen mukaan (esim. ihminen / konenäköalgoritmi) Kuvan restaurointi Kuvassa olevien häiriöiden poisto Pyritään jonkin mallin mukaan ideaaliseen ratkaisuun Esim. liikkeen aiheuttaman vääristymän korjaus Kuva-analyysi Erilaiset tunnistusalgoritmit Tärkeä teollisessa valmistamisessa ja laaduntarkkailussa sekä valvontasovelluksissa

5 2-ulotteiset järjestelmät Yksiulotteisessa tapauksessa signaalia merkittiin x(n):llä 2-ulotteista signaalia merkitään x(m,n):llä Esim. 2-ulotteinen impulssi: ( n, m) 1, 0 kun n 0 ja muulloin. m 0

6 2-ulotteiset järjestelmät ( n, m) 1, 0 kun n 0 ja muulloin. m 0

7 2-ulotteiset järjestelmät Konvoluutio 2-ulotteisella järjestelmällä: y( m, n) j k h( m, n)* h( x( m, n) j, k) x( m j, n k) 2-ulotteisille järjestelmille voidaan vastaavasti määritellä myös DFT ja Z-muunnokset Fourier- ja Z-tasossa voidaan suotimen konvoluutio tehdä pelkällä kertolaskulla eli Y(m,n)=H(m,n)X(m,n) (kts. moniste s )

8 Esimerkki: kuvan Fourier-muunnos

9 Kuvan Fourier-muunnos taajuudet?? Kuvan Fourier-muunnoksessa (DFT) näkyvät samalla tapaa eri taajuuksien voimakkuudet Yleensä kuvan DFT:tä vielä käsitellään Matalimmat taajuudet ovat keskellä Korkeiden taajuuksien osuudet ovat reunoilla Suodatus voidaan tehdä myös taajuustasossa (kuten seuraavassa esimerkissä)

10 Esimerkki: Suodatus taajuustason kautta Lena:n taajuusesitys Suodin taajuustasossa

11 Esimerkki: Suodatus taajuustason kautta Suodatetun Lena:n taajuusesitys Suodatetun Lena:n käänteismuunnos

12 Esimerkki: Suodatus taajuustason kautta

13

14 Dekonvoluutio ja kuvan ehostus Kuvassa olevien häiriöiden syntyä mallinnetaan usein jollakin järjestelmällä tai suotimella Alkuperäisen kuvan x(m,n) ajatellaan menevän jonkin LTIjärjestelmän läpi: y(m,n) = h(m,n)*x(m,n) Eli häiriötä sisältävä, havaitsemamme kuva on y(m,n) Otetaan DFT molemmista puolista: Y(m,n)=H(m,n)X(m,n) Jos halutaan arvioida alkuperäistä kuvaa, saadaan X ( m, n) Y( m, n) H( m, n) (Ks. moniste s )

15 Pisteoperaatiot (piste-ehostus) Kaksiulotteiset muistittomat järjestelmät ovat ns. pisteoperaatioita (point operation) Vaste riippuu ainoastaan yhdestä herätteen (eli sisäänmenosignaalin) arvosta Tarkoituksena on ehostaa kuvaa eli parantaa sen ominaisuuksia (luettavuutta) Tavallisimpia pisteoperaatioita ovat mm. gammakorjaus ja histogrammin ekvalisointi

16 Gammakorjaus Kuvia toistavilla laitteilla (näyttö, videoprojektori, tulostin jne.) on jonkinlainen vääristävä vaikutus kirkkauteen Tätä voidaan kompensoida gammakorjauksella Esimerkiksi monitorin ruudulla näkyvä kuvan intensiteetti I riippuu videosignaalin jännitteestä u siten, että I = u γ (Eksponenttia merkitään siis kreikkalaisella gammalla gammakorjaus) Eri järjestelmissä gamma vaihtelee ja sovittamalla se oikein, saadaan kirkkauden vääristymät korjattua Kuvankäsittelyssä gammakorjausta voidaan käyttää alkuperäisestä tarkoituksesta poiketen kuvan ehostamiseen Kaikista kuvankäsittelyohjelmistakin löytyy gammakorjaus Korjauskäyrä voi olla myös monimutkaisempikin lauseke

17 Histogrammin ekvalisointi Tärkeä menetelmä, jolla saadaan intensiteettijakauma tasoitettua Intensiteettijakaumaa esittää histogrammi Histogrammissa on laskettu jokaisen harmaasävyn (0-255) esiintymien määrä Tuloksena on harmaasävykuvalle 256-alkioinen kokonaislukutaulukko Yleensä kuvankäsittelyohjelmat eivät näytä tarkkaa histogrammia, vaan jonkinlaisen tasoitetun käyrän

18 Histogrammin ekvalisointi Esimerkki: Lena-kuvan histogrammi

19 Histogrammin ekvalisointi Kuva: histogrammin ekvalisointi, moniste s. 104

20 Histogrammin ekvalisointi Kun histogrammi ekvalisoidaan eli tasoitetaan, lasketaan uusi harmaasävy n kaavalla n k 0 n' ( L 1) L 1 k 0 H( k), H( k) missä n on vanha harmaasävyarvo ja H(k) on kuvan histogrammi (L on harmaasävyjen määrä, yleensä L=256) Menetelmä tasoittaa histogrammin, sillä uusi harmaasävyarvo riippuu nykyisen ja sitä tummempien pisteiden määrästä Uusi arvo on kaikkien vanhaa harmaasävyarvoa tummempien summa jaettuna kuvan koolla ja kerrottuna L:llä

21 Histogrammin paikallinen ekvalisointi Histogrammia voidaan tasoittaa myös paikallisesti Tämä tehdään yleensä silloin, kun valotus kuvan eri osissa vaihtelee Erona edelliseen, paikallisessa ekvalisoinnissa käytettävä histogrammi lasketaan jokaiselle kuvan pisteelle erikseen Käytetään tietyn kokoista ikkunaa pisteen ympäriltä Teoreettisesti paras tulos saataisiin ympyrän muotoisella ikkunalla Käytännössä kuitenkin helpointa on käyttää neliön muotoista ikkunaa

22 Histogrammin paikallinen ekvalisointi Kuva: histogrammin paikallinen ekvalisointi, moniste s.106

23 Muita kuvankäsittelyoperaatiota Usein kuvankäsittelyssä käytetään epälineaarisia operaatioita (epälineaarinen suodatus) Epälineaarisuus tekee menetelmien analysoinnista matemaattisesti vaikeaa (ellei jopa mahdotonta) Epälineaarisella suodatuksella saadaan kuitenkin hyviä tuloksia aikaan esim. tietyissä erikoistapauksissa Hyvä esimerkki epälineaarisesta suodatuksesta kuvankäsittelyssä on mediaanisuodatin Voidaan käyttää tietynlaisen kohinan poistossa (salt & pepper noise) Mediaanisuodatus saattaa kuitenkin tehdä kuvaan joitakin eitoivottuja piirteitä

24 Muita kuvankäsittelyoperaatiota Esimerkki: Mediaanisuodatus

25 Muita kuvankäsittelyoperaatioita Lisäksi voidaan tehdä reunanetsintää kynnystystä yhtenäisten alueiden tunnistusta piirteen irrotusta tunnistusta jne. jne.

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

Digitaalinen signaalinkäsittely Johdanto, näytteistys

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

Lisätiedot

TL5503 DSK, laboraatiot (1.5 op) Kuvasignaalit. Jyrki Laitinen

TL5503 DSK, laboraatiot (1.5 op) Kuvasignaalit. Jyrki Laitinen TL553 DSK, laboraatiot (.5 op) Kuvasignaalit Jyrki Laitinen TL553 DSK, laboraatiot (.5 op), K25 Suorita oheisten ohjeiden mukaiset tehtävät Matlab- ja VCDemo-ohjelmistoja käyttäen. Kokoa erilliseen mittauspöytäkirjaan

Lisätiedot

1, kun m = 0 ja n = 0, 0, muulloin.

1, kun m = 0 ja n = 0, 0, muulloin. Luku 1 Digitaalinen kuvankäsittely Tässä kappaleessa luodaan lyhyt katsaus digitaaliseen kuvankäsittelyyn ja joihinkin sen sovelluksiin. Yksinkertaisimmillaan kuvankäsittelyä voidaan pitää perusmenetelmien

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

Luku 3. Kuvien ehostus tilatasossa. 3.1 Taustaa

Luku 3. Kuvien ehostus tilatasossa. 3.1 Taustaa Luku 3 Kuvien ehostus tilatasossa Kuvan ehostamisessa päätavoitteena on käsitellä kuvaa siten, että saatu tulos soveltuu paremmin haluttuun käyttötarkoitukseen kuin alkuperäinen kuva. On siis sovelluskohtaista,

Lisätiedot

Radioamatöörikurssi 2013

Radioamatöörikurssi 2013 Radioamatöörikurssi 2013 Polyteknikkojen Radiokerho Radiotekniikka 21.11.2013 Tatu, OH2EAT 1 / 19 Vahvistimet Vahvistin ottaa signaalin sisään ja antaa sen ulos suurempitehoisena Tehovahvistus, db Jännitevahvistus

Lisätiedot

Digitaalisen kuvankäsittelyn perusteet

Digitaalisen kuvankäsittelyn perusteet Digitaalisen kuvankäsittelyn perusteet Jukka Teuhola Turun yliopisto Tietojenkäsittelytiede Syksy 2010 http://staff.cs.utu.fi/kurssit/digitaalisen_kuvankasittelyn_perusteet/syksy_2010/index.htm DKP-1 J.

Lisätiedot

Kuvien ehostus taajuustasossa

Kuvien ehostus taajuustasossa Luku 4 Kuvien ehostus taajuustasossa Ranskalainen matemaatikko Jean Babtiste Joseph Fourier esitti 1807, että mikä tahansa jaksollinen funktio voidaan esittää eritaajuisten sinien ja kosinien painotettuna

Lisätiedot

Kuvanlaadunparantaminen. Mikko Nuutinen 21.3.2013

Kuvanlaadunparantaminen. Mikko Nuutinen 21.3.2013 Kuvanlaadunparantaminen Mikko Nuutinen 21.3.2013 Luennon sisältö Termistöä Kuvanentisöinti Terävyys unsharp masking Kohina non-local means Linssivääristymän korjaus Kuvanlaadunehostaminen Kontrasti Auto-levels

Lisätiedot

S-114.3812 Laskennallinen Neurotiede

S-114.3812 Laskennallinen Neurotiede S-114.3812 Laskennallinen Neurotiede Laskuharjoitus 2 4.12.2006 Heikki Hyyti 60451P Tehtävä 1 Tehtävässä 1 piti tehdä lineaarista suodatusta kuvalle. Lähtötietoina käytettiin kuvassa 1 näkyvää harmaasävyistä

Lisätiedot

Mediaanisuodattimet. Tähän asti käsitellyt suodattimet ovat olleet lineaarisia. Niille on tyypillistä, että. niiden ominaisuudet tunnetaan hyvin

Mediaanisuodattimet. Tähän asti käsitellyt suodattimet ovat olleet lineaarisia. Niille on tyypillistä, että. niiden ominaisuudet tunnetaan hyvin Mediaanisuodattimet Tähän asti käsitellyt suodattimet ovat olleet lineaarisia. Niille on tyypillistä, että niiden ominaisuudet tunnetaan hyvin niiden analysointiin on olemassa vakiintuneita menetelmiä

Lisätiedot

1 Olkoon suodattimen vaatimusmäärittely seuraava:

1 Olkoon suodattimen vaatimusmäärittely seuraava: Olkoon suodattimen vaatimusmäärittely seuraava: Päästökaistan maksimipoikkeama δ p =.5. Estokaistan maksimipoikkeama δ s =.. Päästökaistan rajataajuus pb = 5 Hz. Estokaistan rajataajuudet sb = 95 Hz Näytetaajuus

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

LOPPURAPORTTI 19.11.2007. Lämpötilahälytin. 0278116 Hans Baumgartner xxxxxxx nimi nimi

LOPPURAPORTTI 19.11.2007. Lämpötilahälytin. 0278116 Hans Baumgartner xxxxxxx nimi nimi LOPPURAPORTTI 19.11.2007 Lämpötilahälytin 0278116 Hans Baumgartner xxxxxxx nimi nimi KÄYTETYT MERKINNÄT JA LYHENTEET... 3 JOHDANTO... 4 1. ESISELOSTUS... 5 1.1 Diodi anturina... 5 1.2 Lämpötilan ilmaisu...

Lisätiedot

12.5. Vertailua. Silmäillään laskostumisen estoa tietokonegrafiikan kannalta. Kuva 12.8. luonnehtii vaihtoehtoja.

12.5. Vertailua. Silmäillään laskostumisen estoa tietokonegrafiikan kannalta. Kuva 12.8. luonnehtii vaihtoehtoja. 1.5. Vertailua Silmäillään laskostumisen estoa tietokonegrafiikan kannalta. Kuva 1.8. luonnehtii vaihtoehtoja. (1)Esisuodatus äärettömästi näytteitä pikseliä kohti Lasketaan projisoidun kohteen palojen

Lisätiedot

Ongelma 1: Onko datassa tai informaatiossa päällekkäisyyttä?

Ongelma 1: Onko datassa tai informaatiossa päällekkäisyyttä? Ongelma 1: Onko datassa tai informaatiossa päällekkäisyyttä? 2012-2013 Lasse Lensu 2 Ongelma 2: Voidaanko dataa tai informaatiota tallettaa tiiviimpään tilaan koodaamalla se uudelleen? 2012-2013 Lasse

Lisätiedot

1467S Digitaalinen kuvankäsittely 1.1 Mitä digitaalinen kuvankäsittely on

1467S Digitaalinen kuvankäsittely 1.1 Mitä digitaalinen kuvankäsittely on 1467S Digitaalinen kuvankäsittely 1 Johdanto 1.1 Mitä digitaalinen kuvankäsittely on Kuva voidaan ajatella kaksiulotteiseksi funktioksi f(x, y), jossa x ja y ovat koordinaatit ja f:n arvo pisteessä (x,

Lisätiedot

Signaalinkäsittelyn menetelmät

Signaalinkäsittelyn menetelmät Signaalinkäsittelyn laitos. Opetusmoniste 25: Institute of Signal Processing. Lecture Notes 25: Heikki Huttunen Signaalinkäsittelyn menetelmät Tampere 25 Opetusmoniste 25: Signaalinkäsittelyn menetelmät

Lisätiedot

TL5503 DSK, laboraatiot (1.5 op) Suodatus 1 (ver 1.0) Jyrki Laitinen

TL5503 DSK, laboraatiot (1.5 op) Suodatus 1 (ver 1.0) Jyrki Laitinen TL5503 DSK, laboraatiot (1.5 op) Suodatus 1 (ver 1.0) Jyrki Laitinen TL5503 DSK, laboraatiot (1.5 op), K2005 1 Suorita oheisten ohjeiden mukaiset tehtävät Matlab-ohjelmistoa käyttäen. Kokoa erilliseen

Lisätiedot

Radioamatöörikurssi 2014

Radioamatöörikurssi 2014 Radioamatöörikurssi 2014 Polyteknikkojen Radiokerho Radiotekniikka 4.11.2014 Tatu, OH2EAT 1 / 25 Vahvistimet Vahvistin ottaa signaalin sisään ja antaa sen ulos suurempitehoisena Tehovahvistus, db Jännitevahvistus

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

Harjoitustyö, joka on jätetty tarkastettavaksi Vaasassa 10.12.2008

Harjoitustyö, joka on jätetty tarkastettavaksi Vaasassa 10.12.2008 VAASAN YLIOPISTO TEKNILLINEN TIEDEKUNTA SÄHKÖTEKNIIKKA Janne Lehtonen, m84554 GENERAATTORI 3-ULOTTEISENA Dynaaminen kenttäteoria SATE2010 Harjoitustyö, joka on jätetty tarkastettavaksi Vaasassa 10.12.2008

Lisätiedot

SGN-3010: Digitaalinen kuvankäsittely I. Sari Peltonen Tampereen teknillinen yliopisto Signaalinkäsittelyn laitos 2007

SGN-3010: Digitaalinen kuvankäsittely I. Sari Peltonen Tampereen teknillinen yliopisto Signaalinkäsittelyn laitos 2007 SGN-3010: Digitaalinen kuvankäsittely I Sari Peltonen Tampereen teknillinen yliopisto Signaalinkäsittelyn laitos 2007 ii Esipuhe Digitaalinen kuvankäsittely on nopeasti kehittynytsignaalinkäsittelyn osa-alue,

Lisätiedot

SGN-4200 Digitaalinen audio

SGN-4200 Digitaalinen audio SGN-4200 Digitaalinen audio Luennot, kevät 2013, periodi 4 Anssi Klapuri Tampereen teknillinen yliopisto Kurssin tavoite Johdanto 2! Tarjota tiedot audiosignaalinkäsittelyn perusteista perusoperaatiot,

Lisätiedot

Käytännön radiotekniikkaa: Epälineaarinen komponentti ja signaalien siirtely taajuusalueessa (+ laboratoriotyön 2 esittely)

Käytännön radiotekniikkaa: Epälineaarinen komponentti ja signaalien siirtely taajuusalueessa (+ laboratoriotyön 2 esittely) Käytännön radiotekniikkaa: Epälineaarinen komponentti ja signaalien siirtely taajuusalueessa (+ laboratoriotyön 2 esittely) ELEC-C5070 Elektroniikkapaja, 21.9.2015 Huom: Kurssissa on myöhemmin erikseen

Lisätiedot

Heikki Huttunen Signaalinkäsittelyn perusteet

Heikki Huttunen Signaalinkäsittelyn perusteet Tampereen teknillinen yliopisto. Signaalinkäsittelyn laitos. Opetusmoniste 24: Tampere University of Technology. Department of Signal Processing. Lecture Notes 24: Heikki Huttunen Signaalinkäsittelyn perusteet

Lisätiedot

Copyright 2015 ECDL Foundation ECDL Kuvankäsittely Sivu 2 / 7

Copyright 2015 ECDL Foundation ECDL Kuvankäsittely Sivu 2 / 7 ECDL Kuvankäsittely Tavoite Tässä esitellään tutkintovaatimukset moduulille ECDL Kuvankäsittely, joka määrittelee tarvittavat tiedot ja taidot näyttökokeen suorittamiseen. Tämä dokumentti kuvaa tiedot

Lisätiedot

Säätötekniikan ja signaalinkäsittelyn työkurssi

Säätötekniikan ja signaalinkäsittelyn työkurssi Säätötekniikan ja signaalinkäsittelyn työkurssi Työ D104: Kuvien suodatus 0.9 op. Julius Luukko Lappeenrannan teknillinen yliopisto Sähkötekniikan osasto/säätötekniikan laboratorio Sisältö 1 Johdanto 1

Lisätiedot

Pekka Pussinen OH8HBG - pekka.pussinen @! oulu.fi

Pekka Pussinen OH8HBG - pekka.pussinen @! oulu.fi VAIHEKOHINA RADIOJÄRJESTELMISSÄ Pekka Pussinen OH8HBG - pekka.pussinen @! oulu.fi Radiotiedonsiirtojärjestelmissä ilmenevät tekniset ongelmat ovat mitä moninaisimpia. Varsinkin vastaanottimen käyttäytymisessä

Lisätiedot

Historiaa musiikillisten äänten fysikaalisesta mallintamisesta

Historiaa musiikillisten äänten fysikaalisesta mallintamisesta Äänilähteiden fysikaalinen mallintaminen uusin äänisynteesimetodi simuloi soittimen äänentuottomekanismia käyttö musiikillisissa äänissä: -jäljitellään olemassaolevia akustisia instrumentteja -mahdollistaa

Lisätiedot

Katsaus suodatukseen

Katsaus suodatukseen Katsaus suodatukseen Suodatuksen perustaa, ideaaliset suotimet, käytännön toteutuksia Suodatus Suodatusta käytetään yleensä signaalin muokkaukseen siten, että 2 poistetaan häiritsevä signaali hyötysignaalin

Lisätiedot

MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 4: Ketjusäännöt ja lineaarinen approksimointi

MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 4: Ketjusäännöt ja lineaarinen approksimointi MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 4: Ketjusäännöt ja lineaarinen approksimointi Antti Rasila Aalto-yliopisto Syksy 2015 Antti Rasila (Aalto-yliopisto) MS-A0202 Syksy 2015 1

Lisätiedot

A/D-muuntimia. Flash ADC

A/D-muuntimia. Flash ADC A/D-muuntimia A/D-muuntimen valintakriteerit: - bittien lukumäärä instrumentointi 6 16 audio/video/kommunikointi/ym. 16 18 erikoissovellukset 20 22 - Tarvittava nopeus hidas > 100 μs (

Lisätiedot

SGN-16006 Bachelor's Laboratory Course in Signal Processing ELT-41100 Tietoliikenne-elektroniikan työkurssi. Äänitaajuusjakosuodintyö (2013-2014)

SGN-16006 Bachelor's Laboratory Course in Signal Processing ELT-41100 Tietoliikenne-elektroniikan työkurssi. Äänitaajuusjakosuodintyö (2013-2014) TAMPEREEN TEKNILLINEN YLIOPISTO Signaalinkäsittelyn laitos SGN-16006 Bachelor's Laboratory Course in Signal Processing ELT-41100 Tietoliikenne-elektroniikan työkurssi Äänitaajuusjakosuodintyö (2013-2014)

Lisätiedot

PRELIMINÄÄRIKOE PITKÄ MATEMATIIKKA 9.2.2011

PRELIMINÄÄRIKOE PITKÄ MATEMATIIKKA 9.2.2011 PRELIMINÄÄRIKOE PITKÄ MATEMATIIKKA 9..0 Kokeessa saa vastata enintään kymmeneen tehtävään.. Sievennä a) 9 x x 6x + 9, b) 5 9 009 a a, c) log 7 + lne 7. Muovailuvahasta tehty säännöllinen tetraedri muovataan

Lisätiedot

Avainsanat: peli, matematiikka, polynomi, yhteen- ja vähennyslasku, kertolasku

Avainsanat: peli, matematiikka, polynomi, yhteen- ja vähennyslasku, kertolasku Pasi Leppäniemi OuLUMA, sivu 1 POLYNOMIPELI Avainsanat: peli, matematiikka, polynomi, yhteen- ja vähennyslasku, kertolasku Luokkataso: 8-9 lk Välineet: pelilauta, polynomikortit, monomikortit, tuloskortit,

Lisätiedot

8000203: Johdatus signaalinkäsittelyyn 1

8000203: Johdatus signaalinkäsittelyyn 1 TAMPEREEN TEKNILLINEN YLIOPISTO Tietotekniikan osasto Signaalinkäsittelyn laitos TAMPERE UNIVERSITY OF TECHNOLOGY Department of Information Technology Institute of Signal Processing Opetusmoniste -23 Heikki

Lisätiedot

S-114.3812 Laskennallinen Neurotiede

S-114.3812 Laskennallinen Neurotiede S-114.381 Laskennallinen Neurotiede Projektityö 30.1.007 Heikki Hyyti 60451P Tehtävä 1: Virityskäyrästön laskeminen Luokitellaan neuroni ensin sen mukaan, miten se vastaa sinimuotoisiin syötteisiin. Syöte

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

Tiistai klo 10-12 Jari Eerola 20.1.2015

Tiistai klo 10-12 Jari Eerola 20.1.2015 Tiistai klo 10-12 Jari Eerola 20.1.2015 } 20.1. Kuvaajatyypit ja ohjelmat Analyysiohjelmista Praat ja Sonic Visualiser Audacity } 27.1. Nuotinnusohjelmista Nuotinnusohjelmista Musescore } Tietokoneavusteinen

Lisätiedot

Digitaalinen kuvankäsittely T-61.5100 (5 op) L. Syksy 2005

Digitaalinen kuvankäsittely T-61.5100 (5 op) L. Syksy 2005 Digitaalinen kuvankäsittely T-61.5100 (5 op) L Syksy 2005 Luennot: Laskuharjoitukset: Jorma Laaksonen Jukka Iivarinen OPETUSMONISTE 2005 Luento #1 14.9.2005 2 1. Yleistä kurssista.......................

Lisätiedot

Matlab-tietokoneharjoitus

Matlab-tietokoneharjoitus Matlab-tietokoneharjoitus Tämän harjoituksen tavoitteena on: Opettaa yksinkertaisia piirikaavio- ja yksikkömuunnoslaskuja. Opettaa Matlabin perustyökaluja mittausten analysoimiseen. Havainnollistaa näytteenottotaajuuden,

Lisätiedot

QosmioEngine Mullistava videokokemus

QosmioEngine Mullistava videokokemus QosmioEngine Mullistava videokokemus Qosmio yhdistää QosmioEnginen ja QosmioPlayerin korkealuokkaiset video ominaisuudet, Harman Kardonin kaiuttimet, SRS TruSurround XT:n surround äänen sekä digitaaliset

Lisätiedot

FYSP105 / K3 RC-SUODATTIMET

FYSP105 / K3 RC-SUODATTIMET FYSP105 / K3 R-SODATTIMET Työn tavoitteita tutustua R-suodattimien toimintaan oppia mitoittamaan tutkittava kytkentä laiterajoitusten mukaisesti kerrata oskilloskoopin käyttöä vaihtosähkömittauksissa Työssä

Lisätiedot

PSYKOAKUSTINEN ADAPTIIVINEN EKVALISAATTORI KUULOKEKUUNTELUUN MELUSSA

PSYKOAKUSTINEN ADAPTIIVINEN EKVALISAATTORI KUULOKEKUUNTELUUN MELUSSA PSYKOAKUSTINEN ADAPTIIVINEN EKVALISAATTORI KUULOKEKUUNTELUUN MELUSSA Jussi Rämö 1, Vesa Välimäki 1 ja Miikka Tikander 2 1 Aalto-yliopisto, Signaalinkäsittelyn ja akustiikan laitos PL 13000, 00076 AALTO

Lisätiedot

Digitaalinen kuvankäsittely T-61.247 (3 ov) L

Digitaalinen kuvankäsittely T-61.247 (3 ov) L 9.3 Lineaarinen alipäästösuodatus (3.6.)........ 7 Digitaalinen kuvankäsittely T-6.247 (3 ov) L Luento #3 24.9.24 9.4 Kuvan terävöittäminen ylipäästösuodatuksella (3.7). 75. Fourier-muunnoksen perusteet................

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

6. Analogisen signaalin liittäminen mikroprosessoriin 2 6.1 Näytteenotto analogisesta signaalista 2 6.2. DA-muuntimet 4

6. Analogisen signaalin liittäminen mikroprosessoriin 2 6.1 Näytteenotto analogisesta signaalista 2 6.2. DA-muuntimet 4 Datamuuntimet 1 Pekka antala 19.11.2012 Datamuuntimet 6. Analogisen signaalin liittäminen mikroprosessoriin 2 6.1 Näytteenotto analogisesta signaalista 2 6.2. DA-muuntimet 4 7. AD-muuntimet 5 7.1 Analoginen

Lisätiedot

Aki Taanila YHDEN SELITTÄJÄN REGRESSIO

Aki Taanila YHDEN SELITTÄJÄN REGRESSIO Aki Taanila YHDEN SELITTÄJÄN REGRESSIO 26.4.2011 SISÄLLYS JOHDANTO... 1 LINEAARINEN MALLI... 1 Selityskerroin... 3 Excelin funktioita... 4 EKSPONENTIAALINEN MALLI... 4 MALLIN KÄYTTÄMINEN ENNUSTAMISEEN...

Lisätiedot

Metropolia ammattikorkeakoulu 05.02.2015 TI00AA43-3004: Ohjelmointi Kotitehtävät 3

Metropolia ammattikorkeakoulu 05.02.2015 TI00AA43-3004: Ohjelmointi Kotitehtävät 3 : http://users.metropolia.fi/~pasitr/2014-2015/ti00aa43-3004/kt/03/ratkaisut/ Tehtävä 1. (1 piste) Tee ohjelma K03T01.cpp, jossa ohjelmalle syötetään kokonaisluku. Jos kokonaisluku on positiivinen, niin

Lisätiedot

1. Johdanto. Johdanto 1. Johdanto 2. Johdanto 3. Johdanto 4

1. Johdanto. Johdanto 1. Johdanto 2. Johdanto 3. Johdanto 4 1. Johdanto Kuvanprosessointi tai käsittely juontaa juurensa kahdesta pääasiallisesta alueesta, jotka ovat kuvainformaation parantaminen ihmisen tulkintaa varten ja kuvadatan käsittely talletusta, siirtoa

Lisätiedot

ELEC-C5340 - Sovellettu digitaalinen signaalinkäsittely. Äänisignaalien näytteenotto ja kvantisointi Dither Oskillaattorit Digitaalinen suodatus

ELEC-C5340 - Sovellettu digitaalinen signaalinkäsittely. Äänisignaalien näytteenotto ja kvantisointi Dither Oskillaattorit Digitaalinen suodatus L1: Audio Prof. Vesa Välimäki ELEC-C5340 - Sovellettu digitaalinen signaalinkäsittely Luennon sisältö Äänisignaalien näytteenotto ja kvantisointi Dither Oskillaattorit Digitaalinen suodatus Lyhyt FIR-suodin

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

HARJOITUS 1 Monen taulukkosivun käsittely

HARJOITUS 1 Monen taulukkosivun käsittely Excel Harjoituksia 5 1 (8) HARJOITUS 1 Monen taulukkosivun käsittely 1. Aloita uusi työkirja 2. Nimeä taulukkosivut seuraavalla sivulla olevan mallin mukaan, tarvittaessa lisää taulukkosivuja valitsemalla

Lisätiedot

origo x JUKKA JAUHIAINEN 2006

origo x JUKKA JAUHIAINEN 2006 D I G I TA A L I N E N K U VA N K Ä S I T T E LY origo f x, y x y JUKKA JAUHIAINEN 006 1 Johdanto 3 1.1 Digitaalisen kuvan määritelmä 3 1. Kuvankäsittelyn vaiheet 3 1.3 Kuvankäsittelyjärjestelmän osat

Lisätiedot

IMPULSSIVASTEEN ANALYSOINTI AALLOKEMENETELMIN TIIVISTELMÄ 1 AALLOKEANALYYSI. Juha Urhonen, Aki Mäkivirta

IMPULSSIVASTEEN ANALYSOINTI AALLOKEMENETELMIN TIIVISTELMÄ 1 AALLOKEANALYYSI. Juha Urhonen, Aki Mäkivirta IMPULSSIVASTEEN ANALYSOINTI AALLOKEMENETELMIN Juha Urhonen, Aki Mäkivirta Genelec Oy Olvitie 5, 74100 IISALMI juha.urhonen@genelec.com TIIVISTELMÄ Kuvaamme impulssivasteen analyysiä käyttäen vakiojaksoista

Lisätiedot

7.1 Taustamelun estimoinnista

7.1 Taustamelun estimoinnista 7 Puheen ehostus Puheen ehostamisea taroitetaan seaisia menetemiä, joia puheen aatua pyritään parantamaan. Kuuostaa ysinertaiseta, mutta mitä sitten taroitetaan aadua? Siä voidaan taroittaa ainain seeyttä

Lisätiedot

Aki Taanila LINEAARINEN OPTIMOINTI

Aki Taanila LINEAARINEN OPTIMOINTI Aki Taanila LINEAARINEN OPTIMOINTI 26.4.2011 JOHDANTO Tässä monisteessa esitetään lineaarisen optimoinnin alkeet. Moniste sisältää tarvittavat Excel ohjeet. Viimeisin versio tästä monisteesta ja siihen

Lisätiedot

CCD-kamerat ja kuvankäsittely

CCD-kamerat ja kuvankäsittely CCD-kamerat ja kuvankäsittely Kari Nilsson Finnish Centre for Astronomy with ESO (FINCA) Turun Yliopisto 6.10.2011 Kari Nilsson (FINCA) CCD-havainnot 6.10.2011 1 / 23 Sisältö 1 CCD-kamera CCD-kameran toimintaperiaate

Lisätiedot

Virheen kasautumislaki

Virheen kasautumislaki Virheen kasautumislaki Yleensä tutkittava suure f saadaan välillisesti mitattavista parametreistä. Tällöin kokonaisvirhe f määräytyy mitattujen parametrien virheiden perusteella virheen kasautumislain

Lisätiedot

KOHINA LÄMPÖKOHINA VIRTAKOHINA. N = Noise ( Kohina )

KOHINA LÄMPÖKOHINA VIRTAKOHINA. N = Noise ( Kohina ) KOHINA H. Honkanen N = Noise ( Kohina ) LÄMÖKOHINA Johtimessa tai vastuksessa olevien vapaiden elektronien määrä ei ole vakio, vaan se vaihtelee satunnaisesti. Nämä vaihtelut aikaansaavat jännitteen johtimeen

Lisätiedot

LEHDISTÖTIEDOTE. Nikon tuo markkinoille uuden sukupolven. kuvankäsittelyohjelmiston. Capture NX2: entistä tehokkaampi ja helppokäyttöisempi

LEHDISTÖTIEDOTE. Nikon tuo markkinoille uuden sukupolven. kuvankäsittelyohjelmiston. Capture NX2: entistä tehokkaampi ja helppokäyttöisempi Nikon tuo markkinoille uuden sukupolven kuvankäsittelyohjelmiston Capture NX2: entistä tehokkaampi ja helppokäyttöisempi Amsterdam, Alankomaat, 3. kesäkuuta 2008 Nikon Europe julkistaa uuden Capture NX2

Lisätiedot

33 SOLENOIDIN JA TOROIDIN MAGNEETTIKENTTÄ

33 SOLENOIDIN JA TOROIDIN MAGNEETTIKENTTÄ TYÖOHJE 14.7.2010 JMK, TSU 33 SOLENOIDIN JA TOROIDIN MAGNEETTIKENTTÄ Laitteisto: Kuva 1. Kytkentä solenoidin ja toroidin magneettikenttien mittausta varten. Käytä samaa digitaalista jännitemittaria molempien

Lisätiedot

Merkitse kertolasku 3 3 3 3 potenssin avulla ja laske sen arvo.

Merkitse kertolasku 3 3 3 3 potenssin avulla ja laske sen arvo. 13 Luvun potenssi Kertolasku, jonka kaikki tekijät ovat samoja, voidaan merkitä lyhyemmin potenssin avulla. Potenssimerkinnässä eksponentti ilmaisee, kuinka monta kertaa kantaluku esiintyy tulossa. Potenssin

Lisätiedot

VAASAN YLIOPISTO TEKNILLINEN TIEDEKUNTA SÄHKÖTEKNIIKKA. Lauri Karppi j82095. SATE.2010 Dynaaminen kenttäteoria DIPOLIRYHMÄANTENNI.

VAASAN YLIOPISTO TEKNILLINEN TIEDEKUNTA SÄHKÖTEKNIIKKA. Lauri Karppi j82095. SATE.2010 Dynaaminen kenttäteoria DIPOLIRYHMÄANTENNI. VAASAN YLIOPISTO TEKNILLINEN TIEDEKUNTA SÄHKÖTEKNIIKKA Oskari Uitto i78966 Lauri Karppi j82095 SATE.2010 Dynaaminen kenttäteoria DIPOLIRYHMÄANTENNI Sivumäärä: 14 Jätetty tarkastettavaksi: 25.02.2008 Työn

Lisätiedot

Alias-ilmiö eli taajuuden laskostuminen

Alias-ilmiö eli taajuuden laskostuminen Prosessiorientoituneet mallit Todellista hybridijärjestelmää ELEC-C1230 Säätötekniikka Luku 12: Näytteenottoteoreema ja jatkuvien säätimien diskreetit approksimaatiot Prosessiorientoituneet mallit katsotaan

Lisätiedot

Jos havaitaan päivän ylin lämpötila, mittaustuloksissa voi esiintyä seuraavantyyppisiä virheitä:

Jos havaitaan päivän ylin lämpötila, mittaustuloksissa voi esiintyä seuraavantyyppisiä virheitä: Mittausten virheet Jos havaitaan päivän ylin lämpötila, mittaustuloksissa voi esiintyä seuraavantyyppisiä virheitä: 1. Luemme lämpömittarin vain asteen tarkkuudella. Ehkä kyseessä on digitaalimittari,

Lisätiedot

Ostolasku: 100 % verkkolaskuja CloudScanratkaisun avulla.

Ostolasku: 100 % verkkolaskuja CloudScanratkaisun avulla. Ostolasku: 100 % verkkolaskuja CloudScanratkaisun avulla. Jari Lampinen, Senior Account Manager Basware Experience User Forum Collaborate. Innovate. Succeed. Australia Denmark Finland France Germany Netherlands

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

Successive approximation AD-muunnin

Successive approximation AD-muunnin AD-muunnin Koostuu neljästä osasta: näytteenotto- ja pitopiiristä, (sample and hold S/H) komparaattorista, digitaali-analogiamuuntimesta (DAC) ja siirtorekisteristä. (successive approximation register

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

6.8 Erityisfunktioiden sovelluksia

6.8 Erityisfunktioiden sovelluksia 6.8 Erityisfunktioiden sovelluksia Tässä luvussa esitellään muutama esimerkki, joissa käytetään hyväksi eksponentti-, logaritmi- sekä trigonometrisia funktioita. Ensimmäinen esimerkki juontaa juurensa

Lisätiedot

Analogiatekniikka. Analogiatekniikka

Analogiatekniikka. Analogiatekniikka 1 Opintojakson osaamistavoitteet Opintojakson hyväksytysti suoritettuaan opiskelija: osaa soveltaa ja tulkita siirtofunktiota, askelvastetta, Bodediagrammia ja napa-nolla-kuvaajaa lineaarisen, dynaamisen

Lisätiedot

KREATEL IPTV-STB 1510 ASENNUSOHJE

KREATEL IPTV-STB 1510 ASENNUSOHJE 1 (9) KREATEL IPTV-STB 1510 Mikä IPTV-boksi on? Pystyäksesi katsomaan normaalilla TV-vastaanottimellasi digitaalisia -lähetyksiä, tarvitset IPTV-boksin, joka muuntaa laajakaistaverkossa välitettävän digitaalisesti

Lisätiedot

Esipuhe. Tampereella, 9. toukokuuta 2003, Heikki Huttunen heikki.huttunen@tut.fi

Esipuhe. Tampereella, 9. toukokuuta 2003, Heikki Huttunen heikki.huttunen@tut.fi Esipuhe Käsillä oleva moniste on tarkoitettu opetusmateriaaliksi Tampereen teknillisen yliopiston signaalinkäsittelyn laitoksen kurssille "8253: Johdatus signaalinkäsittelyyn 2". Materiaali on kehittynyt

Lisätiedot

Meilahden Rantapuisto

Meilahden Rantapuisto Paciuksenkaari 2 A 1 2h+kk+työh On 114,50 103,00 1 Kyllä (Kone Oy) Paciuksenkaari 2 A 2 2h+kk On 52,00 51,86 1 Kyllä (Kone Oy) Paciuksenkaari 2 A 3 ryhmäkoti On 2 Kyllä (Kone Oy) Paciuksenkaari 2 A 4 2h+k

Lisätiedot

S-108.3020. Elektroniikan häiriökysymykset. Laboratoriotyö 1

S-108.3020. Elektroniikan häiriökysymykset. Laboratoriotyö 1 1/8 S-108.3020 Elektroniikan häiriökysymykset Laboratoriotyö 1 Häiriöiden kytkeytyminen yhteisen impedanssin kautta lämpötilasäätimessä 13.9.2007 TJ 2/8 3/8 Johdanto Sähköisiä häiriöitä on kaikkialla ja

Lisätiedot

Maa-57.260. Kameran kalibrointi. TKK/Fotogrammetria/PP

Maa-57.260. Kameran kalibrointi. TKK/Fotogrammetria/PP Kameran kalibrointi Kameran kalibroinnilla tarkoitetaan sen kameravakion, pääpisteen paikan sekä optiikan aiheuttamien virheiden määrittämistä. Virheillä tarkoitetaan poikkeamaa ideaalisesta keskusprojektiokuvasta.

Lisätiedot

S-114.2720 Havaitseminen ja toiminta

S-114.2720 Havaitseminen ja toiminta S-114.2720 Havaitseminen ja toiminta Heikki Hyyti 60451P Harjoitustyö 3 puheen havaitseminen Mikä on akustinen vihje (acoustic cue)? Selitä seuraavat käsitteet ohjelman ja kirjan tietoja käyttäen: Spektrogrammi

Lisätiedot

Posterin teko MS Publisherilla

Posterin teko MS Publisherilla Posterin teko MS Publisherilla Ensimmäisenä avaa MS Publisher 2010. Löydät sen Windows valikosta - All programs - Microsoft Office. Publisheriin avautuu allaolevan kuvan mukainen näkymä. Mikäli et näe

Lisätiedot

Kuulohavainnon perusteet

Kuulohavainnon perusteet Kuulohavainnon ärsyke on ääni - mitä ääni on? Kuulohavainnon perusteet - Ääni on ilmanpaineen nopeaa vaihtelua: Tai veden tms. Markku Kilpeläinen Käyttäytymistieteiden laitos, Helsingin yliopisto Värähtelevä

Lisätiedot

Huom! (5 4 ) Luetaan viisi potenssiin neljä tai viisi neljänteen. 7.1 Potenssin määritelmä

Huom! (5 4 ) Luetaan viisi potenssiin neljä tai viisi neljänteen. 7.1 Potenssin määritelmä 61 7.1 Potenssin määritelmä Potenssi on lyhennetty merkintä tulolle, jossa kantaluku kerrotaan itsellään niin monta kertaa kuin eksponentti ilmaisee. - luvun toinen potenssi on nimeltään luvun neliö o

Lisätiedot

Vastksen ja diodin virta-jännite-ominaiskäyrät sekä valodiodi

Vastksen ja diodin virta-jännite-ominaiskäyrät sekä valodiodi Sivu 1/10 Fysiikan laboratoriotyöt 1 Työ numero 3 Vastksen ja diodin virta-jännite-ominaiskäyrät sekä valodiodi Työn suorittaja: Antero Lehto 1724356 Työ tehty: 24.2.2005 Uudet mittaus tulokset: 11.4.2011

Lisätiedot

Digitaalitekniikan matematiikka Luku 1 Sivu 1 (19) Johdatus digitaalitekniikkaan

Digitaalitekniikan matematiikka Luku 1 Sivu 1 (19) Johdatus digitaalitekniikkaan Digitaalitekniikan matematiikka Luku 1 Sivu 1 (19) Digitaalitekniikan matematiikka Luku 1 Sivu 2 (19) Johdanto Tässä luvussa esitellään tiedon lajeja ja tiedolle tehtävää käsittelyä käsitellään tiedon

Lisätiedot

3 Ääni ja kuulo. Ihmiskorva aistii paineen vaihteluita, joten yleensä äänestä puhuttaessa määritellään ääniaalto paineen vaihteluiden kautta.

3 Ääni ja kuulo. Ihmiskorva aistii paineen vaihteluita, joten yleensä äänestä puhuttaessa määritellään ääniaalto paineen vaihteluiden kautta. 3 Ääni ja kuulo 1 Mekaanisista aalloista ääni on ihmisen kannalta tärkein. Ääni on pitkittäistä aaltoliikettä, eli ilman (tai muun väliaineen) hiukkaset värähtelevät suuntaan joka on sama kuin aallon etenemissuunta.

Lisätiedot

matalan tason kuvankäsittelyyn. Ylemmän tason prosessointi on jätetty toiseen seminaariaiheeseen.

matalan tason kuvankäsittelyyn. Ylemmän tason prosessointi on jätetty toiseen seminaariaiheeseen. Kuvankäsittelytekniikat Kari Pihkala TKK Kari.Pihkala@hut.fi Tiivistelmä Tämä artikkeli käsittelee tietokonenäön tasoa tällä hetkellä. Artikkelissa keskitytään matalan tason tietokonenäköön, kuvankäsittelyyn.

Lisätiedot

Mono- ja stereoääni Stereoääni

Mono- ja stereoääni Stereoääni 1 Mitä ääni on? Olet ehkä kuulut puhuttavan ääniaalloista, jotka etenevät ilmassa näkymättöminä. Ääniaallot käyttäytyvät meren aaltojen tapaan. On suurempia aaltoja, jotka ovat voimakkaampia kuin pienet

Lisätiedot

S-108.3020 Elektroniikan häiriökysymykset. Laboratoriotyö, kevät 2010

S-108.3020 Elektroniikan häiriökysymykset. Laboratoriotyö, kevät 2010 1/7 S-108.3020 Elektroniikan häiriökysymykset Laboratoriotyö, kevät 2010 Häiriöiden kytkeytyminen yhteisen impedanssin kautta lämpötilasäätimessä Viimeksi päivitetty 25.2.2010 / MO 2/7 Johdanto Sähköisiä

Lisätiedot

Dynamiikan hallinta Lähde: Zölzer. Digital audio signal processing. Wiley & Sons, 2008. Zölzer (ed.) DAFX Digital Audio Effects. Wiley & Sons, 2002.

Dynamiikan hallinta Lähde: Zölzer. Digital audio signal processing. Wiley & Sons, 2008. Zölzer (ed.) DAFX Digital Audio Effects. Wiley & Sons, 2002. Dynamiikan hallinta Lähde: Zölzer. Digital audio signal processing. Wiley & Sons, 2008. Zölzer (ed. DAFX Digital Audio Effects. Wiley & Sons, 2002. Sisältö:! Johdanto!! Ajallinen käyttäytyminen! oteutus!

Lisätiedot

INTEGROINNIN SOVELLUKSIA TIEDONSIIRTOTEKNIIKASSA. Taustaa. Jukka Talvitie, Toni Levanen & Mikko Valkama TTY / Tietoliikennetekniikka

INTEGROINNIN SOVELLUKSIA TIEDONSIIRTOTEKNIIKASSA. Taustaa. Jukka Talvitie, Toni Levanen & Mikko Valkama TTY / Tietoliikennetekniikka IMA-3 Excursio: Integroinnin sovelluksia tiedonsiirtotekniikassa / 1 INTEGROINNIN SOVELLUKSIA TIEDONSIIRTOTEKNIIKASSA Taustaa IMA-3 Excursio: Integroinnin sovelluksia tiedonsiirtotekniikassa / 2 Jukka

Lisätiedot

8000253: Johdatus signaalinkäsittelyyn 2

8000253: Johdatus signaalinkäsittelyyn 2 TAMPEREEN TEKNILLINEN YLIOPISTO Tietotekniikan osasto Signaalinkäsittelyn laitos TAMPERE UNIVERSITY OF TECHNOLOGY Department of Information Technology Institute of Signal Processing Opetusmoniste 2-23

Lisätiedot

KOLMIULOTTEISEN TILAN AKUSTIIKAN MALLINTAMINEN KAKSIULOTTEISIA AALTOJOHTOVERKKOJA KÄYTTÄEN

KOLMIULOTTEISEN TILAN AKUSTIIKAN MALLINTAMINEN KAKSIULOTTEISIA AALTOJOHTOVERKKOJA KÄYTTÄEN KOLMIULOTTEISEN TILAN AKUSTIIKAN MALLINTAMINEN KAKSIULOTTEISIA AALTOJOHTOVERKKOJA KÄYTTÄEN Antti Kelloniemi 1, Vesa Välimäki 2 1 Tietoliikenneohjelmistojen ja multimedian laboratorio, PL 5, 15 TKK, antti.kelloniemi@tkk.fi

Lisätiedot

Spektrin sonifikaatio

Spektrin sonifikaatio Spektrin sonifikaatio AS-0.3200 Automaatio- ja systeemitekniikan projektityöt Väliraportti Paula Sirén Sisällysluettelo 1. Johdanto... 2 2. Tehtävän kuvaus ja työn rakenne... 2 3. Teoria... 3 3.1 Ääni

Lisätiedot

DIGITAALISEN SIGNAALINKÄSITTELIJÄN TOTEUTUS ARDUINOLLA

DIGITAALISEN SIGNAALINKÄSITTELIJÄN TOTEUTUS ARDUINOLLA Opinnäytetyö (AMK) Tietotekniikka Sulautetut ohjelmistot 2014 Jami Koivisto DIGITAALISEN SIGNAALINKÄSITTELIJÄN TOTEUTUS ARDUINOLLA OPINNÄYTETYÖ (AMK) TIIVISTELMÄ TURUN AMMATTIKORKEAKOULU Tietotekniikan

Lisätiedot

Kenguru 2014 Benjamin (6. ja 7. luokka) sivu 1 / 7 ja Pakilan ala-aste

Kenguru 2014 Benjamin (6. ja 7. luokka) sivu 1 / 7 ja Pakilan ala-aste (6. ja 7. luokka) sivu 1 / 7 ja Pakilan ala-aste NIMI LUOKKA Pisteet: Kenguruloikan pituus: Irrota tämä vastauslomake tehtävämonisteesta. Merkitse tehtävän numeron alle valitsemasi vastausvaihtoehto. Väärästä

Lisätiedot

1 Diskreettiaikainen näytteistys. 1.1 Laskostuminen. Laskostuminen

1 Diskreettiaikainen näytteistys. 1.1 Laskostuminen. Laskostuminen AD/DA muunnos Lähteet: Pohlman. (1995). Principles of digital audio (3rd ed). Zölzer. (008). Digital audio signal processing (nd ed). Reiss. (008), Understanding sigma-delta modulation: The solved and

Lisätiedot

Ei välttämättä, se voi olla esimerkiksi Reuleaux n kolmio:

Ei välttämättä, se voi olla esimerkiksi Reuleaux n kolmio: Inversio-ongelmista Craig, Brown: Inverse problems in astronomy, Adam Hilger 1986. Havaitaan oppositiossa olevaa asteroidia. Pyörimisestä huolimatta sen kirkkaus ei muutu. Projisoitu pinta-ala pysyy ilmeisesti

Lisätiedot

Tahdonalaisen lihasaktiviteetin havaitseminen EMG-signaalista neuroverkon avulla. Pekka-Henrik Niemenlehto

Tahdonalaisen lihasaktiviteetin havaitseminen EMG-signaalista neuroverkon avulla. Pekka-Henrik Niemenlehto Tahdonalaisen lihasaktiviteetin havaitseminen EMG-signaalista neuroverkon avulla Pekka-Henrik Niemenlehto Tampereen yliopisto Tietojenkäsittelytieteiden laitos Pro gradu -tutkielma Joulukuu 2004 Tampereen

Lisätiedot

Luento 8: Kolmiointi AIHEITA. Kolmiointi. Maa-57.301 Fotogrammetrian yleiskurssi. Luento-ohjelma 1 2 3 4 5 6 7 8 9 10

Luento 8: Kolmiointi AIHEITA. Kolmiointi. Maa-57.301 Fotogrammetrian yleiskurssi. Luento-ohjelma 1 2 3 4 5 6 7 8 9 10 Maa-57.301 Fotogrammetrian yleiskurssi Luento-ohjelma 1 2 3 4 5 6 7 8 9 10 (P. Rönnholm / H. Haggrén, 12.10.2004) Luento 8: Kolmiointi AIHEITA Kolmiointi Nyrkkisääntöjä Kuvablokki Blokin pisteet Komparaattorit

Lisätiedot