Alias-ilmiö eli taajuuden laskostuminen

Koko: px
Aloita esitys sivulta:

Download "Alias-ilmiö eli taajuuden laskostuminen"

Transkriptio

1 Prosessiorientoituneet mallit Todellista hybridijärjestelmää ELEC-C1230 Säätötekniikka Luku 12: Näytteenottoteoreema ja jatkuvien säätimien diskreetit approksimaatiot Prosessiorientoituneet mallit katsotaan nyt prosessin näkökulmasta Alias-ilmiö eli taajuuden laskostuminen Signaali f ja sen Fourier-muunnos F ovat Tarkastellaan jaksollista taajuustason signaalia (jakso ) Tämän Fourier-sarja on 1

2 Alias-ilmiö eli taajuuden laskostuminen Kompleksinen Fourier-sarja Nimittäin Alias-ilmiö eli taajuuden laskostuminen Kertoimet Osoitetaan seuravaksi, että sarjan kertoimet ovat itse asiassa näytepisteet. Huomaamalla, että ja vaihtamalla muuttujaa integraaleissa Alias-ilmiö eli taajuuden laskostuminen Siis funktio f(kh), k =...-1, 0, 1,2,3,4,... määrää yksikäsitteisesti funktion F s ( ). Jos aikatason signaalin spektri on nolla taajuusalueen (- 0, 0 ) ulkopuolella ja jos näyteväli valitaan siten, että niin eli signaalin spektri saadaan täysin määrättyä näytteiden (spektrin) avulla. Informaatiota ei ole kadonnut näytteenotossa. Näytteenotto ja jatkuvan signaalin rekonstruointi Shannonin näyttenottoteoreema: Jatkuva signaali, jonka Fourier-muunnos on nolla välin [-w 0, w 0 ] ulkopuolella, on yksikäsitteisesti määritelty tasavälisillä näytteillä (signaalin arvoilla), jos näytteenottotaajuus w s on suurempi kuin 2w 0. Jatkuva signaali voidaan tällöin määrittää näytteistään interpolointiyhtälön avulla: Taajuutta w N = w s /2 kutsutaan Nyquistin taajuudeksi. 2

3 Näytteenotto ja jatkuvan signaalin rekonstruointi Johdetaan vielä Shannonin rekonstruointikaava Alias-ilmiö eli taajuuden laskostuminen Eli käytännössä: kun jatkuvasta signaalista, jolla on Fouriermuunnos F, otetaan tasavälisesti näytteitä (näytteenottotaajuudella w s ), niin saadaan diskreetti signaali, jolla on Fourier-muunnos F s. F s on periodinen funktio; itse asiassa sama kuin F, joka vain toistuu w s :n välein. Vaihtamalla integroinnin ja summalausekkeen järjestystä saadaan jossa integroinnin laskeminen auki antaa suoraan Shannonin kaavan Kun kahdesta jatkuvasta eri signaalista otataan näytteitä (h = 1), niin saadaan täysin identtinen näytejoukko y 1 (t) = sin(0.2pi t) y 2 (t) = sin(1.8pi t) Alias-ilmiö eli taajuuden laskostuminen Alias-ilmiö eli taajuuden laskostuminen Lasketaan edellisen esimerkin Fourier-muunnokset ja tarkastellaan niiden suhdetta näytteenotto- ja Nyquistin taajuuksiin. Puhtaasti harmoniselle värähtelylle on helppo laskea Fouriermuunnos, koska signaalit sisältävät ainoastaan yhtä taajuutta. Alkuperäiset signaalit ovat toistensa aliaksia kyseisellä näytteenottotaajuudella 3

4 Alias-ilmiö eli taajuuden laskostuminen Näiden kuvaajat ovat Näytteenoton jälkeen kummankin diskreetin signaalin Fouriermuunnos on identtinen Alias-ilmiö eli taajuuden laskostuminen Voidaan todeta, että kaikki taajuudet peilautuvat Nyquistin taajuuden kautta peilikuvina yhtä kauas Nyquisin taajuuden toiselle puolelle. Näitä peilikuvataajuuksia ja alkuperäisiä taajuuksia, joita ei voida eroittaa toisistaan diskreetissä tasossa kutsutaan toistensa aliaksiksi ja ne voidaan määrittää kuten alla on esitetty. Taajuus on siis alias taajuuksille Esisuodatus Shannonin näytteenottoteoreeman mukaan Nyquistin taajuutta suuremmat taajuudet laskostuvat matalammille taajuuksille ja ideaalisessa tapauksessa signaalien Fourier-muunnosten pitäisi kadota Nyquistin taajuutta suuremmilla taajuuksilla. Käytännön signaaleilla näin ei luonnollisesti tapahdu, joten mikäli signaalin laskostuminen tahdotaan välttää on korkeat taajuudet suodatettava signaalista pois. Toinen vaihtoehto on tietysti kasvattaa näytteenottotaajuutta, jolloin myös Nyquistin taajuus siirtyy pidemmälle taajuusakselilla (tämä luonnollisesti pätee vain silloin kuin signaalissa ei ole erittäin korkeita taajuuksia). Esisuodatus Mikäli signaalissa, josta otetaan näytteitä, on korkeita taajuuksia, niin ne tavallisesti poistetaan suodattimella. Yleensä käytetään näytteenoton edessä analogista suodatinta. Tyypillinen toisen kertaluvun suodatin on esimerkiksi Hyvin yleisesti käytetty suodatin on myös Besselin suodatin. 4

5 Esisuodatus, esimerkki Esisuodatus, esimerkki Tarkastellaan esisuodatuksen merkitystä esimerkin avulla Askelfuntioon lisätty sinimuotoista kohinaa. Vasemmalla signaali ja sen suora näytteistys.(alias- ilmiö) Oikealla suodatetut signaalit. (ylh. jatkuvasta, alh. diskretoidusta signaalista) Jatkuvan säätimen diskreetti approksimaatio Tutkitaan jälleen diskretointia, mutta tällä kertaa eri lähtökohdista. Aikaisemmin jatkuva säädettävä prosessi ja pitopiiri (ZOH) tunnettiin ja prosessille muodostettiin diskreetti, tarkka malli, jota käytettiin hyväksi diskreetin, mallipohjaisen säätimen suunnittelussa. Nyt säädettävän prosessin mallia ei tunneta (tai siitä ei välitetä). Prosessille on olemassa jatkuva-aikaiseen teoriaan perustuva säädin (esim. PID), jota tahdotaan approksimoida vastaavalla diskreetillä säätimellä. Säätimelle tuleva signaali muuttuu näytteenottohetkien välillä, joten ZOH-oletusta ei voida tehdä. Usein oletetaan signaalin olevan pehmeä. Jatkuvan säätimen diskreetti approksimaatio Siirtofunktion approksimaatiossa tavoitteena on kehittää diskreetti systeemi, joka vastaa jatkuvan ajan siirtofunktiota. Tämä on jo kertaalleen tehty prosessin diskretoinnin yhteydessä (olettamalla nollannen kertaluvun pito). Säätimillä ei kuitenkaan voida olettaa olevan nollannen kertaluvun pitoa (lähtösignaali y muuttuu mielivaltaisesti ja säädin ottaa signaalin vastaan sellaisenaan) ja kysehän on jatkuvan säätimen diskreetistä approksimaatiosta. Tavallisesti nämä approksimaatiot lähtevät derivaatan ja integraalin diskreeteistä approksimaatioista olettaen signaalin olevan pehmeä. 5

6 Derivaatan approksimaatiot Yleiset derivaatan approksimaatiot lähtevät derivaatan määritelmistä Derivaatan approksimaatiot Näistä määritelmistä saadaan etenpäinderivoinnin ja taaksepäinderivoinnin approksimaatiot. Eteenpäinderivointia kutsutaan myös Eulerin menetelmäksi. Saadaan approksimaatiot Pehmeillä funktioilla, joiden derivaatat ovat jatkuvia nämä määritelmät antavat saman tuloksen Derivaatan approksimaatiot Integraalin approksimaatiot Jatkuvasta integraalista voidaan kehittää vastaavat diskreetit approksimaatiot summien avulla Samat approksimaatiot voidaan helposti johtaa myös rekursiivisesti, jos tahdotaan välttää geometrisen sarjan summan käyttö. Esim. 6

7 Integraalin approksimaatiot Integraalin approksimaatiot Saadaan integraalin approksimaatiot ja ohjelmoitavissa jo! Vertaamalla näitä approksimaatioita derivaatan approksimaatioihin, niin voidaan todeta niiden olevan identtiset Integraalin approksimaatiot Johdetaan vielä yksi tärkeä integraalin approksimaatio. Integraalin trapetsiyhtälöstä saadaan Tustinin approksimaatio eli bilineaarinen approksimaatio. Tustin approksimaatio on kahden edellä esitetyn integraalin approksimaation keskiarvo: Taaksepäinderivoinnnin approksimaatio Eulerin approksimaatio. Tustinin approksimaatio. Integraalin approksimaatiot Differentiaaliyhtälössä jokainen derivointioperaattori p korvataan vastaavalla siirto-operaattorin q lausekkeella. 7

8 Taaksepäinderivoinin approksimaatio Eulerin approksimaatio. Tustinin approksimaatio. Siirtofunktion approksimaatiot Kun siirtofunktiolle tahdotaan kehittää sitä vastaava approksimatiivinen pulssinsiirtofunktio, niin operaattorien p ja q sijasta käytetään muuttujia s ja z. Kehitetään differenssiyhtälölle ja sitä vastaavalle siirtofunktiolle diskreetit approksimaatiot eri menetelmillä. Jatkuva-aikainen differentiaaliyhtälö: Sitä vastaava siirtofunktio: Tulosignaalin oletetaan noudattavan nollannen kertaluvun pitoa, jolloin saadaan differenssiyhtälö ja pulssinsiirtofunktio perinteisillä diskretointikaavoilla Taaksepäinderivoinnin approksimaatiolla Eulerin approksimaatiolla Tustinin approksimaatiolla 8

9 Muille approksimaatioille Vastaavasti voidaan johtaa pulssinsiirtofunktiot Vertaillaan eri approksimaatioita simuloimalla Kokeillaan aluksi askelfunktiota (tulosignaali noudattaa ZOHoletusta) Korkealla näytteenottotaajuudella kaikki approksimaatiot toimivat hyvin, mutta eivät matalammilla näytteenottotaajuuksilla 9

10 Koska tulosignaali noudattaa ZOHoletusta, niin ZOHmenetelmillä johdettu pulssinsiirtofunktio pätee kaikilla näytteenottotaajuuksilla. Taaksepäinderivoinnin approksimaatio pärjää hyvin tarkasteltavilla näytteenottotaajuuksilla Eulerin approksimaatioantaa epästabiilin vasteen matalilla näytteenottotaajuuksilla Tustinin approksimaatio pätee kohtuullisen hyvin tarkas-teltavilla näytteenottotaajuuk-silla 10

11 Approksimoitujen siirtofunktioiden stabiilius Pehmeillä signaaleilla approksimaatiot pätevät paremmin kuin ZOHsignaaleilla. Nyt sinimuotoinen signaali näytteenottovälillä h = 1 ZOH Euler B.D Tustin Aikaisemmat esimerkit osoittavat, että täysin stabiilin systeemin diskreetti approksimaatio saattaa olla suurilla näyteväleillä epästabiili (Esimerkeissä Eulerin approksimaatio). Jokainen jatkuvan järjestelmän napa s P kuvautuu diskreetin tason navaksi z P approksimaation mukaisesti. Pienillä näytteenottoajoilla eli korkeilla näytteenottotaajuuksilla kaikki diskretointimenetelmät käyttäytyvät identtisesti (lähestyvät jatkuvaa järjestelmää) ja niiden navat lähestyvät pistettä Approksimoitujen siirtofunktioiden stabiilius Diskretointimenetelmästä riippumatta diskreetti järjestelmä on stabiili vain ja jos vain kaikki sen pulssinsiirtofunktion navat ovat yksikköympyrän sisäpuolella. Näin ollen on mielenkiintoista tarkastella miten jatkuvan reaali/imaginääri-tason stabiilisuusalue (vasen puolitaso) kuvautuu diskreettiin tasoon. Kuviin on piirretty yksikköympyrä (diskreetti stabiiliusalue) ja varjostettuna alue, johon jatkuva-aikainen stabiiliusalue kuvautuu. Approksimoitujen siirtofunktioiden stabiilius Nähdään, että vain ZOH:lla ja Tustinin approksimaatiolla stabiilius on identtinen jatkuvassa ja diskreetillä systeemillä. Taaksepäin derivointi kuvaa kyllä kaikki jatkuvat stabiilit systeemit stabiileina diskreetteinä systeemeinä, mutta se antaa myös joukolle epästabiileja jatkuvia systeemejä stabiilin diskreetin mallin. Eulerin menetelmä taas antaa joukolle stabiileja jatkuvia systeemejä epästabiilin diskreetin mallin (kuten simuloinneista kävi ilmi). ZOH BD Euler Tustin 11

12 Diskreetti PID-säädin Diskreetti PID-säädin on tänä päivänä kaikkein yleisin säädin. Se voidaan johtaa helposti jatkuvasta PID-säätimestä. Teoreettinen oppikirjaversio jatkuvasta PID-algoritmista on Diskreetti PID-säädin Tämän takia derivointi tavallisesti toteutetaan suodatettuna. Ideaalista derivointia ei voida (eikä myöskään pitäisi) toteuttaa PIDsäätimessä. Käytännön systeemeissä on aina kohinaa ja derivointi vahvistaa korkeataajuisia häiriöitä kuten valkoista kohinaa. Muita tyypillisiä käytännön modifikaatioita ovat: - Derivointitermin osalta ajatellaan referenssin olevan vakio, jolloin siis derivoidaan pelkästään lähtösignaalia (negatiivisena). Diskreetti PID-säädin Kehitetään aikaisemman oppikirjaversion diskreetti esitys Diskreetti PID-säädin Diskreetti PID-säädin saadaan jatkuvasta korvaamalla erosuureen integraali summalla, erosuureen derivaatta erosuureen muutoksella ja jakamalla aikaparametrit T I ja T D näytteenottovälillä h. (Euler) Yhtäpitävästi, huomaa edelleen oppikirjaversio Laplace-tasossa (BD) ja siitä saatavat approksimaatiot korvaamalla s kuten esitetty aiemmin. 12

13 Diskreetti PID-säädin z-tason pulssinsiirtofunktiona säädin on (integroinnissa Euler, derivoinnissa BD) Ohjauksen muutokselle saadaan: Diskreetti PID-säädin Edellä esitettyä algoritmia kutsutaan asento- eli absoluuttialgoritmiksi, koska sen avulla lasketaan absoluuttinen ohjauksen arvo. Se edellyttää summalausekkeen laskemista (tai päivittämistä), mikä ei ole algoritmisesti taloudellista. Huomattavasti yleisempi muoto käytännön sovelluksissa on nopeus- eli inkrementtialgoritmi, jonka avulla voidaan laskea ohjaussignaalin muutos edellisestä näytteenottohetkestä (ja jonka avulla voidaan välttää summalauseke). Diskreetti PID-säädin Kaikki jatkuvan PID-säätimen modifikaatiot voidaan myös toteuttaa diskreetillä PID-säätimellä. Tärkeimpiä modifikaatioita integraattorille ovat antiwinup-toiminto saturoituville toimilaitteille, pehmeä moodinvaihto automatiikan ja käsiajon moodinvaihdoissa ja hyppäyksettömät parametripäivitykset itsevirittyvissä ja adaptiivisissa PID-algoritmeissa. Esim. toimilaitteen saturoituessa on vaarana, että integraattori jatkaa integroimistaan kohtuuttoman suuriin arvoihin. Kun tilanne normalisoituu (toimilaite esimerkiksi vaihdetaan uuteen), säätöpiirin toiminnan palautuminen normaaliksi kestää kauan juuri integraattorin takia. Integrator windup ja antiwindup Ilmiö on nimeltään Integrator windup ja sen korjaava toiminta antiwindup. Yksinkertaisin tapa antiwindup-toiminnolle on yksinkertaisesti lopettaa integrointi epänormaalissa tilanteessa. Katkoviivalla on kuvattu windup-ilmiön vaikutus säätöpiirin toiminnalle. Kiinteä viiva puolestaan kuvaa samaa tilannetta, kun antiwindup-piiri on toiminnassa. Antiwindup-toimintoa ei saa unohtaa käytännön säätöpiirien toteutuksessa! 13

14 Integrator windup ja antiwindup Esimerkki antiwindup-piiristä Kun toimilaite toimii normaalisti, kyseessä on tavallinen PID-säädin (huom. derivoidaan vain lähtösignaalia). Jos toimilaite saturoituu, signaali e s saa nollasta poikkeavia arvoja ja korjaa integraattorin tulotermiä oikeaan suuntaan (vrt. edellisen sivun kuva). LOPPU Välikoe ja tentti ke 8.4 klo 10:00-12:00 AS2 (Tu2 vara) Tenttialue: luvut 1-12 ja vastaavat harjoitukset 2. välikoe: luvut 7-12 ja vastaavat harjoitukset Molemmat kokeet saa halutessaan nähtäviksi, ja voi päättää kumman tekee. Aikaisemmasta tiedosta poiketen: seuraavassa rästitentissä voi tehdä/uusia kevään Säätötekniikka-kurssin 1. tai 2. välikokeen. Esim. 2005/2011 tutkintosäännön opiskelijat voivat tällä tavoin edelleen saada suorituksen Analogisesta / Digitaalisesta säädöstä. 14

Säätötekniikkaa. Säätöongelma: Hae (mahdollisesti ulostulon avulla) ohjaus, joka saa systeemin toimimaan halutulla tavalla

Säätötekniikkaa. Säätöongelma: Hae (mahdollisesti ulostulon avulla) ohjaus, joka saa systeemin toimimaan halutulla tavalla Säätötekniikkaa Säätöongelma: Hae (mahdollisesti ulostulon avulla) ohjaus, joka saa systeemin toimimaan halutulla tavalla servo-ongelma: ulostulon seurattava referenssisignaalia mahdollisimman tarkasti,

Lisätiedot

SGN Signaalinkäsittelyn perusteet Välikoe Heikki Huttunen

SGN Signaalinkäsittelyn perusteet Välikoe Heikki Huttunen SGN- Signaalinkäsittelyn perusteet Välikoe.5.4 Heikki Huttunen Tentissä ja välikokeessa saa käyttää vain tiedekunnan laskinta. Tenttikysymyksiä ei tarvitse palauttaa. Sivuilla -3 on. Sivuilla 4-5 on. Sivulla

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 6: Simulink - Säätöteoria. Syksy 2006. Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1

Harjoitus 6: Simulink - Säätöteoria. Syksy 2006. Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1 Harjoitus 6: Simulink - Säätöteoria Mat-2.2107 Sovelletun matematiikan tietokonetyöt Syksy 2006 Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen aiheita Tutustuminen säätötekniikkaan Takaisinkytkennän

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

SGN Signaalinkäsittelyn perusteet Välikoe Heikki Huttunen

SGN Signaalinkäsittelyn perusteet Välikoe Heikki Huttunen SGN-11 Signaalinkäsittelyn perusteet Välikoe 3.5.16 Heikki Huttunen Laskimen käyttö sallittu. Muiden materiaalien käyttö ei sallittu. Tenttikysymyksiä ei tarvitse palauttaa. Sivuilla 1-3 on. Sivuilla 4-5

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

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

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

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

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

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

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

Elektroniikka, kierros 3

Elektroniikka, kierros 3 Elektroniikka, kierros 3 1. a) Johda kuvan 1 esittämän takaisinkytketyn systeemin suljetun silmukan vahvistuksen f lauseke. b) Osoita, että kun silmukkavahvistus β 1, niin suljetun silmukan vahvistus f

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

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

Sarja. Lukujonosta (a k ) k N voi muodostaa sen osasummien jonon (s n ): s 1 = a 1, s 2 = a 1 + a 2, s 3 = a 1 + a 2 + a 3,...,

Sarja. Lukujonosta (a k ) k N voi muodostaa sen osasummien jonon (s n ): s 1 = a 1, s 2 = a 1 + a 2, s 3 = a 1 + a 2 + a 3,..., Sarja Lukujonosta (a k ) k N voi muodostaa sen osasummien jonon (s n ): Määritelmä 1 s 1 = a 1, s 2 = a 1 + a 2, s 3 = a 1 + a 2 + a 3,..., n s n = a k. Jos osasummien jonolla (s n ) on raja-arvo s R,

Lisätiedot

Mitä on signaalien digitaalinen käsittely

Mitä on signaalien digitaalinen käsittely Mitä on signaalien digitaalinen käsittely Signaalien digitaalinen analyysi: mitä sisältää, esim. mittaustulosten taajuusanalyysi synteesi: signaalien luominen, esim. PC:n äänikortti käsittely: oleellisen

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

Tenttiin valmentavia harjoituksia

Tenttiin valmentavia harjoituksia Tenttiin valmentavia harjoituksia Alla olevissa harjoituksissa suluissa oleva sivunumero viittaa Juha Partasen kurssimonisteen siihen sivuun, jolta löytyy apua tehtävän ratkaisuun. Funktiot Harjoitus.

Lisätiedot

Mustan kappaleen säteily

Mustan kappaleen säteily Mustan kappaleen säteily Musta kappale on ideaalisen säteilijän malli, joka absorboi (imee itseensä) kaiken siihen osuvan säteilyn. Se ei lainkaan heijasta eikä sirota siihen osuvaa säteilyä, vaan emittoi

Lisätiedot

ELEC-C6001 Sähköenergiatekniikka, laskuharjoitukset oppikirjan lukuun 10 liittyen.

ELEC-C6001 Sähköenergiatekniikka, laskuharjoitukset oppikirjan lukuun 10 liittyen. ELEC-C6001 Sähköenergiatekniikka, laskuharjoitukset oppikirjan lukuun 10 liittyen. X.X.2015 Tehtävä 1 Bipolaaritransistoria käytetään alla olevan kuvan mukaisessa kytkennässä, jossa V CC = 40 V ja kuormavastus

Lisätiedot

1 PID-taajuusvastesuunnittelun esimerkki

1 PID-taajuusvastesuunnittelun esimerkki Enso Ikonen, Oulun yliopisto, systeemitekniikan laboratorio 2/23 Säätöjärjestelmien suunnittelu 23 PID-taajuusvastesuunnittelun esimerkki Tehtävänä on suunnitella säätö prosessille ( ) = = ( +)( 2 + )

Lisätiedot

Varauspumppu-PLL. Taulukko 1: ulostulot sisääntulojen funktiona

Varauspumppu-PLL. Taulukko 1: ulostulot sisääntulojen funktiona Varauspumppu-PLL Vaihevertailija vertaa kelloreunoja aikatasossa. Jos sisääntulo A:n taajuus on korkeampi tai vaihe edellä verrattuna sisääntulo B:hen, ulostulo A on ylhäällä ja ulostulo B alhaalla ja

Lisätiedot

Dierentiaaliyhtälöistä

Dierentiaaliyhtälöistä Dierentiaaliyhtälöistä Markus Kettunen 4. maaliskuuta 2009 1 SISÄLTÖ 1 Sisältö 1 Dierentiaaliyhtälöistä 2 1.1 Johdanto................................. 2 1.2 Ratkaisun yksikäsitteisyydestä.....................

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

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

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

8. Kuvaustekniikat. Tämän kuvauksen esittäminen ei ole kuitenkaan suoraviivaista. Niinpä se käydään läpi kaksivaiheisena

8. Kuvaustekniikat. Tämän kuvauksen esittäminen ei ole kuitenkaan suoraviivaista. Niinpä se käydään läpi kaksivaiheisena 8. Kuvaustekniikat Tietokonegrafiikassa hyödynnetty termi tekstuuri on oikeastaan hieman kehno, sillä se on jossakin määrin sekoittava eikä tarkoita pinnan pienimittakaavaisen geometrian käsittelyä sanan

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

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

Lukujonot Z-muunnos Z-muunnoksen ominaisuuksia Z-käänteismuunnos Differenssiyhtälöt. Z-muunnos. 1. joulukuuta Z-muunnos

Lukujonot Z-muunnos Z-muunnoksen ominaisuuksia Z-käänteismuunnos Differenssiyhtälöt. Z-muunnos. 1. joulukuuta Z-muunnos Lukujonot Z-muunnoksen ominaisuuksia Z-käänteismuunnos Differenssiyhtälöt 1. joulukuuta 2015 Lukujonot Z-muunnoksen ominaisuuksia Z-käänteismuunnos Differenssiyhtälöt Lukujono Lukujono on diskreetti funktio

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

Analoginen (jatkuva-aikainen) säätöjärjestelmä

Analoginen (jatkuva-aikainen) säätöjärjestelmä Esittely ELEC-C1230 Säätötekniikka Åström K. J., Wittenmark B.: Computer Controlled Systems - Theory and Design (3rd ed.), Prentice-Hall, 1997. Franklin, Powell, Workman: Digital Control of Dynamic Systems.

Lisätiedot

Matematiikan tukikurssi

Matematiikan tukikurssi Matematiikan tukikurssi Kurssikerta 8 1 Funktion kuperuussuunnat Derivoituva funktio f (x) on pisteessä x aidosti konveksi, jos sen toinen derivaatta on positiivinen f (x) > 0. Vastaavasti f (x) on aidosti

Lisätiedot

5. OSITTAISINTEGROINTI

5. OSITTAISINTEGROINTI 5 OSITTAISINTEGROINTI Kahden funktion f ja g tulo derivoidaan kuten muistetaan seuraavasti: D (fg) f g + f Kun tämä yhtälö integroidaan puolittain, niin saadaan fg f ()g()d + f ()()d Yhtälö saattaa erota

Lisätiedot

Signaalien digitaalinen käsittely

Signaalien digitaalinen käsittely Signaalien digitaalinen käsittely Antti Kosonen Syksy 25 LUT Energia Sähkötekniikka Alkulause Luentomoniste pohjautuu kirjaan Digital Signal Processing: Principles, Algorithms, and Applications, Proakis

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

Jatkuvat satunnaismuuttujat

Jatkuvat satunnaismuuttujat Jatkuvat satunnaismuuttujat Satunnaismuuttuja on jatkuva jos se voi ainakin periaatteessa saada kaikkia mahdollisia reaalilukuarvoja ainakin tietyltä väliltä. Täytyy ymmärtää, että tällä ei ole mitään

Lisätiedot

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

Matlab-tietokoneharjoitus

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

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

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

Oletetaan, että funktio f on määritelty jollakin välillä ]x 0 δ, x 0 + δ[. Sen derivaatta pisteessä x 0 on

Oletetaan, että funktio f on määritelty jollakin välillä ]x 0 δ, x 0 + δ[. Sen derivaatta pisteessä x 0 on Derivaatta Erilaisia lähestymistapoja: geometrinen (käyrän tangentti sekanttien raja-asentona) fysikaalinen (ajasta riippuvan funktion hetkellinen muutosnopeus) 1 / 19 Derivaatan määritelmä Määritelmä

Lisätiedot

Numeeriset menetelmät Pekka Vienonen

Numeeriset menetelmät Pekka Vienonen Numeeriset menetelmät Pekka Vienonen 1. Funktion nollakohta Newtonin menetelmällä 2. Määrätty integraali puolisuunnikassäännöllä 3. Määrätty integraali Simpsonin menetelmällä Newtonin menetelmä Newtonin

Lisätiedot

Vastekorjaus (ekvalisointi) Lähteet: Zölzer. Digital audio signal processing. Wiley & Sons. Zölzer (ed.) DAFX Digital Audio Effects. Wiley & Sons.

Vastekorjaus (ekvalisointi) Lähteet: Zölzer. Digital audio signal processing. Wiley & Sons. Zölzer (ed.) DAFX Digital Audio Effects. Wiley & Sons. Vastekorjaus (ekvalisointi) Lähteet: Zölzer. Digital audio signal processing. Wiley & Sons. Zölzer (ed.) DAFX Digital Audio Effects. Wiley & Sons. Sisältö:! Johdanto! IIR vai FIR äänten suodattamiseen?!

Lisätiedot

Matematiikan peruskurssi 2

Matematiikan peruskurssi 2 Matematiikan peruskurssi Tentti, 9..06 Tentin kesto: h. Sallitut apuvälineet: kaavakokoelma ja laskin, joka ei kykene graaseen/symboliseen laskentaan Vastaa seuraavista viidestä tehtävästä neljään. Saat

Lisätiedot

Luentoesimerkki: Riemannin integraali

Luentoesimerkki: Riemannin integraali Luentoesimerkki: Riemannin integraali Heikki Apiola, "New perpectives "-esitykseen lievästi muokattu Kurssi: Informaatioverkostot, keväällä Tässä (4..) käytetään "worksheet-modea", uudempaa "document mode"

Lisätiedot

Tehtävä 4.7 Tarkastellaan hiukkasta, joka on pakotettu liikkumaan toruksen pinnalla.

Tehtävä 4.7 Tarkastellaan hiukkasta, joka on pakotettu liikkumaan toruksen pinnalla. Tehtävä.7 Tarkastellaan hiukkasta, joka on pakotettu liikkumaan toruksen pinnalla. x = (a + b cos(θ)) cos(ψ) y = (a + b cos(θ)) sin(ψ) = b sin(θ), a > b, θ π, ψ π Figure. Toruksen hajoituskuva Oletetaan,

Lisätiedot

3.3 Funktion raja-arvo

3.3 Funktion raja-arvo 3.3 Funktion raja-arvo Olkoot A ja B kompleksitason joukkoja ja f : A B kuvaus. Kuvauksella f on pisteessä z 0 A raja-arvo c, jos jokaista ε > 0 vastaa δ > 0 siten, että 0 < z z 0 < δ ja z A f(z) c < ε.

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

Integrointi ja sovellukset

Integrointi ja sovellukset Integrointi ja sovellukset Tehtävät:. Muodosta ja laske yläsumma funktiolle fx) x 5 välillä [, 4], kun väli on jaettu neljään yhtä suureen osaan.. Määritä integraalin x + ) dx likiarvo laskemalla alasumma,

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

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

Projektisuunnitelma ja johdanto AS-0.3200 Automaatio- ja systeemitekniikan projektityöt Paula Sirén

Projektisuunnitelma ja johdanto AS-0.3200 Automaatio- ja systeemitekniikan projektityöt Paula Sirén Projektisuunnitelma ja johdanto AS-0.3200 Automaatio- ja systeemitekniikan projektityöt Paula Sirén Sonifikaatio Menetelmä Sovelluksia Mahdollisuuksia Ongelmia Sonifikaatiosovellus: NIR-spektroskopia kariesmittauksissa

Lisätiedot

3 Suorat ja tasot. 3.1 Suora. Tässä luvussa käsitellään avaruuksien R 2 ja R 3 suoria ja tasoja vektoreiden näkökulmasta.

3 Suorat ja tasot. 3.1 Suora. Tässä luvussa käsitellään avaruuksien R 2 ja R 3 suoria ja tasoja vektoreiden näkökulmasta. 3 Suorat ja tasot Tässä luvussa käsitellään avaruuksien R 2 ja R 3 suoria ja tasoja vektoreiden näkökulmasta. 3.1 Suora Havaitsimme skalaarikertolaskun tulkinnan yhteydessä, että jos on mikä tahansa nollasta

Lisätiedot

Matematiikan tukikurssi

Matematiikan tukikurssi Matematiikan tukikurssi Kurssikerta Eksponenttifuntio Palautetaan mieliin, että Neperin luvulle e pätee: e ) n n n ) n n n n n ) n. Tästä määritelmästä seuraa, että eksponenttifunktio e x voidaan määrittää

Lisätiedot

LABORATORIOTYÖ 2 A/D-MUUNNOS

LABORATORIOTYÖ 2 A/D-MUUNNOS LABORATORIOTYÖ 2 A/D-MUUNNOS Päivitetty: 23/01/2009 TP 2-1 2. A/D-muunnos Työn tarkoitus Tässä työssä demotaan A/D-muunnoksen ominaisuuksia ja ongelmia. Tarkoitus on osoittaa käytännössä, miten bittimäärä

Lisätiedot

MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 6: Ääriarvojen luokittelu. Lagrangen kertojat.

MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 6: Ääriarvojen luokittelu. Lagrangen kertojat. MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 6: Ääriarvojen luokittelu. Lagrangen kertojat. Antti Rasila Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Kevät 2016 Antti Rasila

Lisätiedot

11. kierros. 1. Lähipäivä

11. kierros. 1. Lähipäivä 11. kierros 1. Lähipäivä Viikon aihe AD/DA-muuntimet Signaalin digitalisointi Kvantisointivirhe Kvantisointikohina Kytkinkapasitanssipiirit Mitoitus Kontaktiopetusta: 6 tuntia Kotitehtäviä: 4 tuntia Tavoitteet:

Lisätiedot

Sinin jatkuvuus. Lemma. Seuraus. Seuraus. Kaikilla x, y R, sin x sin y x y. Sini on jatkuva funktio.

Sinin jatkuvuus. Lemma. Seuraus. Seuraus. Kaikilla x, y R, sin x sin y x y. Sini on jatkuva funktio. Sinin jatkuvuus Lemma Kaikilla x, y R, sin x sin y x y. Seuraus Sini on jatkuva funktio. Seuraus Kosini, tangentti ja kotangentti ovat jatkuvia funktioita. Pekka Salmi FUNK 19. syyskuuta 2016 22 / 53 Yhdistetyn

Lisätiedot

SARJAT JA DIFFERENTIAALIYHTÄLÖT

SARJAT JA DIFFERENTIAALIYHTÄLÖT SARJAT JA DIFFERENTIAALIYHTÄLÖT 2003 43 0.5 0.4 0.3 0.2 0.1 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0.1 0.2 0.3 0.4 0.5 0.1 0.2 0.3 0.4 0.5 0.6 0.7 1 0.8 0.6 0.4 0.2 0.2 0.4 0.6 0.8 1 Kuva 12. Esimerkin 4.26(c kuvauksen

Lisätiedot

LABORATORIOTYÖ 2 A/D-MUUNNOS

LABORATORIOTYÖ 2 A/D-MUUNNOS LABORATORIOTYÖ 2 A/D-MUUNNOS 2-1 2. A/D-muunnos Työn tarkoitus Tässä työssä demotaan A/D-muunnoksen ominaisuuksia ja ongelmia. Tarkoitus on osoittaa käytännössä, miten bittimäärä ja näytteenottotaajuus

Lisätiedot

GeoGebra-harjoituksia malu-opettajille

GeoGebra-harjoituksia malu-opettajille GeoGebra-harjoituksia malu-opettajille 1. Ohjelman kielen vaihtaminen Mikäli ohjelma ei syystä tai toisesta avaudu toivomallasi kielellä, voit vaihtaa ohjelman käyttöliittymän kielen seuraavasti: 2. Fonttikoon

Lisätiedot

Matematiikan ja tilastotieteen laitos Algebra I - Kesä 2009 Ratkaisuehdoituksia harjoituksiin 8 -Tehtävät 3-6 4 sivua Heikki Koivupalo ja Rami Luisto

Matematiikan ja tilastotieteen laitos Algebra I - Kesä 2009 Ratkaisuehdoituksia harjoituksiin 8 -Tehtävät 3-6 4 sivua Heikki Koivupalo ja Rami Luisto Matematiikan ja tilastotieteen laitos Algebra I - Kesä 2009 Ratkaisuehdoituksia harjoituksiin 8 -Tehtävät 3-6 4 sivua Heikki Koivupalo ja Rami Luisto 3. Oletetaan, että kunnan K karakteristika on 3. Tutki,

Lisätiedot

3 Toisen kertaluvun lineaariset differentiaaliyhtälöt

3 Toisen kertaluvun lineaariset differentiaaliyhtälöt 3 Toisen kertaluvun lineaariset differentiaaliyhtälöt 3.1 Homogeeniset lineaariset differentiaaliyhtälöt Toisen kertaluvun differentiaaliyhtälö on lineaarinen, jos se voidaan kirjoittaa muotoon Jos r(x)

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

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

Potenssisarja, suppenemissäde. Potenssisarja ja derivointi. Potenssisarja ja analyyttiset funktiot. Potenssisarja ja integrointi.

Potenssisarja, suppenemissäde. Potenssisarja ja derivointi. Potenssisarja ja analyyttiset funktiot. Potenssisarja ja integrointi. Matematiikan peruskurssi KP3 I OSA 4: Taylorin sarja, residymenetelmä A.Rasila J.v.Pfaler 26. syyskuuta 2007 Kompleksista sarjoista Jono, suppeneminen, summasarja Potenssisarja, suppenemissäde ja analyyttiset

Lisätiedot

Matematiikan tukikurssi

Matematiikan tukikurssi Matematiikan tukikurssi Kurssikerta 1 Määrittelyjoukoista Tarkastellaan funktiota, jonka määrittelevä yhtälö on f(x) = x. Jos funktion lähtöjoukoksi määrittelee vaikkapa suljetun välin [0, 1], on funktio

Lisätiedot

SEISOVA AALTOLIIKE 1. TEORIAA

SEISOVA AALTOLIIKE 1. TEORIAA 1 SEISOVA AALTOLIIKE MOTIVOINTI Työssä tutkitaan poikittaista ja pitkittäistä aaltoliikettä pitkässä langassa ja jousessa. Tarkastellaan seisovaa aaltoliikettä. Määritetään aaltoliikkeen etenemisnopeus

Lisätiedot

Matematiikan tukikurssi

Matematiikan tukikurssi Matematiikan tukikurssi Kurssikerta 8 1 Suunnattu derivaatta Aluksi tarkastelemme vektoreita, koska ymmärrys vektoreista helpottaa alla olevien asioiden omaksumista. Kun liikutaan tasossa eli avaruudessa

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

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

Injektio (1/3) Funktio f on injektio, joss. f (x 1 ) = f (x 2 ) x 1 = x 2 x 1, x 2 D(f )

Injektio (1/3) Funktio f on injektio, joss. f (x 1 ) = f (x 2 ) x 1 = x 2 x 1, x 2 D(f ) Injektio (1/3) Määritelmä Funktio f on injektio, joss f (x 1 ) = f (x 2 ) x 1 = x 2 x 1, x 2 D(f ) Seurauksia: Jatkuva injektio on siis aina joko aidosti kasvava tai aidosti vähenevä Injektiolla on enintään

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

BM20A0900, Matematiikka KoTiB3

BM20A0900, Matematiikka KoTiB3 BM20A0900, Matematiikka KoTiB3 Luennot: Matti Alatalo Oppikirja: Kreyszig, E.: Advanced Engineering Mathematics, 8th Edition, John Wiley & Sons, 1999, luvut 1 4. 1 Sisältö Ensimmäisen kertaluvun differentiaaliyhtälöt

Lisätiedot

S-108.180 Elektroniset mittaukset ja elektroniikan häiriökysymykset. Vanhoja tenttitehtäviä

S-108.180 Elektroniset mittaukset ja elektroniikan häiriökysymykset. Vanhoja tenttitehtäviä S-18.18 Elektroniset mittaukset ja elektroniikan häiriökysymykset 1. Vastaa lyhyesti: a) Mitä on kohina (yleisesti)? b) Miten määritellään kohinaluku? c) Miten / missä syntyy raekohinaa? Vanhoja tenttitehtäviä

Lisätiedot

Mitään muita operaatioita symbolille ei ole määritelty! < a kaikilla kokonaisluvuilla a, + a = kaikilla kokonaisluvuilla a.

Mitään muita operaatioita symbolille ei ole määritelty! < a kaikilla kokonaisluvuilla a, + a = kaikilla kokonaisluvuilla a. Polynomit Tarkastelemme polynomirenkaiden teoriaa ja polynomiyhtälöiden ratkaisemista. Algebrassa on tapana pitää erillään polynomin ja polynomifunktion käsitteet. Polynomit Tarkastelemme polynomirenkaiden

Lisätiedot

Ratkaisu. Tarkastellaan aluksi Fe 3+ - ja Fe 2+ -ionien välistä tasapainoa: Nernstin yhtälö tälle reaktiolle on:

Ratkaisu. Tarkastellaan aluksi Fe 3+ - ja Fe 2+ -ionien välistä tasapainoa: Nernstin yhtälö tälle reaktiolle on: Esimerkki Pourbaix-piirroksen laatimisesta Laadi Pourbaix-piirros, jossa on esitetty metallisen ja ionisen raudan sekä raudan oksidien stabiilisuusalueet vesiliuoksessa 5 C:een lämpötilassa. Ratkaisu Tarkastellaan

Lisätiedot

Matemaatiikan tukikurssi

Matemaatiikan tukikurssi Matemaatiikan tukikurssi Kurssikerta 1 1 Funktiot Funktion määritelmä Funktio on sääntö, joka liittää kahden eri joukon alkioita toisiinsa. Ollakseen funktio tämän säännön on liitettävä jokaiseen lähtöjoukon

Lisätiedot

Ensimmäisen ja toisen kertaluvun differentiaaliyhtälöistä

Ensimmäisen ja toisen kertaluvun differentiaaliyhtälöistä 1 MAT-1345 LAAJA MATEMATIIKKA 5 Tampereen teknillinen yliopisto Risto Silvennoinen Kevät 9 Ensimmäisen ja toisen kertaluvun differentiaaliyhtälöistä Yksi tavallisimmista luonnontieteissä ja tekniikassa

Lisätiedot

1 Peruskäsitteet. Dierentiaaliyhtälöt

1 Peruskäsitteet. Dierentiaaliyhtälöt Teknillinen korkeakoulu Matematiikka Dierentiaaliyhtälöt Alestalo Tässä monisteessa käydään läpi tavallisiin dierentiaaliyhtälöihin liittyviä peruskäsitteitä ja ratkaisuperiaatteita. Esimerkkejä luennoilla

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

Tuntematon järjestelmä. Adaptiivinen suodatin

Tuntematon järjestelmä. Adaptiivinen suodatin 1 1 Vastaa lyhyesti seuraaviin a) Miksi signaaleja ylinäytteistetään AD- ja DA-muunnosten yhteydessä? b) Esittele lohkokaaviona adaptiiviseen suodatukseen perustuva tuntemattoman järjestelmän mallinnus.

Lisätiedot

Sekalaiset tehtävät, 11. syyskuuta 2005, sivu 1 / 13. Tehtäviä

Sekalaiset tehtävät, 11. syyskuuta 2005, sivu 1 / 13. Tehtäviä Sekalaiset tehtävät, 11. syyskuuta 005, sivu 1 / 13 Tehtäviä Tehtävä 1. Johda toiseen asteen yhtälön ax + bx + c = 0, a 0 ratkaisukaava. Tehtävä. Määrittele joukon A R pienin yläraja sup A ja suurin alaraja

Lisätiedot

Matematiikan tukikurssi

Matematiikan tukikurssi Matematiikan tukikurssi Kurssikerta 5 Tasointegraalin laskeminen iemmin tutkimme ylä- ja alasummien antamia arvioita tasointegraalille f (x, ydxdy. Tässä siis funktio f (x, y integroidaan muuttujien x

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

Kaikkia alla olevia kohtia ei käsitellä luennoilla kokonaan, koska osa on ennestään lukiosta tuttua.

Kaikkia alla olevia kohtia ei käsitellä luennoilla kokonaan, koska osa on ennestään lukiosta tuttua. 6 Alkeisfunktiot Kaikkia alla olevia kohtia ei käsitellä luennoilla kokonaan, koska osa on ennestään lukiosta tuttua. 6. Funktion määrittely Funktio f : A B on sääntö, joka liittää jokaiseen joukon A alkioon

Lisätiedot

Derivaatan sovelluksia

Derivaatan sovelluksia Derivaatan sovelluksia Derivaatta muutosnopeuden mittarina Tehdään monisteen esimerkistä 5 hiukan mutkikkaampi versio Olete- taan, että meillä on mpräpohjaisen kartion muotoinen astia, johon virtaa vettä

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

Tässä luvussa keskitytään faasimuutosten termodynaamiseen kuvaukseen

Tässä luvussa keskitytään faasimuutosten termodynaamiseen kuvaukseen KEMA221 2009 PUHTAAN AINEEN FAASIMUUTOKSET ATKINS LUKU 4 1 PUHTAAN AINEEN FAASIMUUTOKSET Esimerkkejä faasimuutoksista? Tässä luvussa keskitytään faasimuutosten termodynaamiseen kuvaukseen Faasi = aineen

Lisätiedot

1. Määritä pienin näytelauseen ehdon mukainen näytetaajuus taajuus seuraaville signaaleille:

1. Määritä pienin näytelauseen ehdon mukainen näytetaajuus taajuus seuraaville signaaleille: 1. Määritä pienin näytelauseen ehdon mukainen näytetaajuus taajuus seuraaville signaaleille: a) x 1 (t) = cos(πt) + sin(6πt) + 1cos(1πt) ja b) x (t) = cos(1πt)cos(πt). a) x 1 (t) = cos(πt) + sin(6πt) +

Lisätiedot

Operaatiovahvistimen vahvistus voidaan säätää halutun suuruiseksi käyttämällä takaisinkytkentävastusta.

Operaatiovahvistimen vahvistus voidaan säätää halutun suuruiseksi käyttämällä takaisinkytkentävastusta. TYÖ 11. Operaatiovahvistin Operaatiovahvistin on mikropiiri ( koostuu useista transistoreista, vastuksista ja kondensaattoreista juotettuna pienelle piipalaselle ), jota voidaan käyttää useisiin eri kytkentöihin.

Lisätiedot

FYSA242 Statistinen fysiikka, Harjoitustentti

FYSA242 Statistinen fysiikka, Harjoitustentti FYSA242 Statistinen fysiikka, Harjoitustentti Tehtävä 1 Selitä lyhyesti: a Mikä on Einsteinin ja Debyen kidevärähtelymallien olennainen ero? b Mikä ero vuorovaikutuksessa ympäristön kanssa on kanonisella

Lisätiedot

Ilkka Mellin Todennäköisyyslaskenta. Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat. Momenttiemäfunktio ja karakteristinen funktio

Ilkka Mellin Todennäköisyyslaskenta. Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat. Momenttiemäfunktio ja karakteristinen funktio Ilkka Mellin Todennäköisyyslaskenta Osa : Satunnaismuuttujat ja todennäköisyysjakaumat Momenttiemäfunktio ja karakteristinen funktio TKK (c) Ilkka Mellin (7) 1 Momenttiemäfunktio ja karakteristinen funktio

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

PRELIMINÄÄRIKOE. Pitkä Matematiikka 3.2.2015

PRELIMINÄÄRIKOE. Pitkä Matematiikka 3.2.2015 PRELIMINÄÄRIKOE Pitkä Matematiikka..5 Vastaa enintään kymmeneen tehtävään. Tähdellä merkittyjen (*) tehtävien maksimipistemäärä on 9, muiden tehtävien maksimipistemäärä on 6.. a) Ratkaise epäyhtälö >.

Lisätiedot

Tilayhtälötekniikasta

Tilayhtälötekniikasta Tilayhtälötekniikasta Tilayhtälöesityksessä it ä useamman kertaluvun differentiaaliyhtälö esitetään ensimmäisen kertaluvun differentiaaliyhtälöryhmänä. Jokainen ensimmäisen kertaluvun differentiaaliyhtälö

Lisätiedot