KANTATAAJUINEN BINÄÄRINEN SIIRTOJÄRJESTELMÄ AWGN-KANAVASSA
|
|
- Anita Laine
- 7 vuotta sitten
- Katselukertoja:
Transkriptio
1 KJUI BIÄÄRI SIIROJÄRJSLMÄ WG-KVSS Kaajaajui siiro iformaaio siiro johdossa sllaisaa ilma kaoaalo- ai pulssimodulaaioa 536 ioliikkiikka II Osa 3 Kari Kärkkäi Syksy 5
2 JÄRJSLMÄMLLI Bii kso. Symboli {} ja {} kuvau ± -jäiillä. ollakskiarvois WGkohia -puoli hoihys / ja s CFδτ /. Sykroisssa järjslmässä pulssi alku- ja loppuaja olaa uuiksi. ässä symbolipääökso kllosigaali ajoius olaa idaalisksi. Kllosigaali simoiipiiri prusuva vaihlukkoyyppisii LL akaisikykyihi rakaisuihi. 536 ioliikkiikka II Osa 3 Kari Kärkkäi Syksy 5
3 ÄÄÖKSKOIIRI: IGROI & UR -ILMISI 3 Yksikraisi pääöksko: vraa kyyks : väli ja pääös : hyväksi, jos äyarvo posiiivi, muu :. Hklli kohia aihuaa pääökskovirhiä, jo m. avassa i käyä hyväksi kaikka mahdollisa ioa sigaalisa. Luoavuud paraamisksi sigaali kaaaaki igroida. Kohia o igraaori lähdössä dllki ollakskiarvoisa, li igroi & pura -ilmaisimlla pääökso luoavuus para. 536 ioliikkiikka II Osa 3 Kari Kärkkäi Syksy 5
4 IGROI & UR -ILMISIM OUUS 4 Kaaaajuis järjslmä igroi & pura -vasaaoi o is asiassa opimaali digiaali vasaaoi soviu suodai joka roriaa palaaa suraavassa kappalssa. 536 ioliikkiikka II Osa 3 Kari Kärkkäi Syksy 5
5 IGROI & UR ILMISIM SUORIUSKYKY ääösmuuujaa V vrraaa kyyks ja hdää pääös: ääösmuuuja sokasi kohiamuuujaosa o igroii jälkki Gaussi, ja s momi saadaa laskua hlposi. Sam. ihysfukio o Gaussi ollakskiarvoi ja muooa: Syksy ioliikkiikka II Osa 3 Kari Kärkkäi 5 [ ] d pääös pääös d s V,,, { } { } { } { } { } { } { } { },, d dd dd d Var Var d τ τ τ δ τ τ τ δ τ σ p σ µ πσ f π η η
6 IGROI & UR ILMISIM SUORIUSKYKY Virhapauks: Jos lähy, virhlli pääös hdää, ku V< <. Jos lähy, virhlli pääös, ku V > >. Laskaa kaksi hdollisa odäköisyyä: Syksy ioliikkiikka II Osa 3 Kari Kärkkäi 6 / / / / /, Q d Q du u d s rror u η π π η η π η η
7 MIKÄ O QX-FUKIO? 7 Igraalia i saau suljuu muooo, vaa s äyyy rakaisa umrissi. rvo o aulukoiu. Q-fukio o siis mrkiäapa siisimmä siyks saamisksi. Q: argumi ja s o vrraolli SR-arvoo. Q o lisäksi moooissi ja opasi vähvä fukio. Q: maksimiarvo o ½, ku, mikä vasaa SR-arvoa db kaikki pääöks virhllisiä, ja Q, ku SR db virhö siiro. 536 ioliikkiikka II Osa 3 Kari Kärkkäi Syksy 5
8 Q-FUKIO J GUSSI JKUM YHYS 8 Kuva havaiollisaa sadardipoikkamaa variassia odousarvo kskiarvo m omaavall Gaussi jakaumall. Odousarvo molmmill puolill jää puol pia-alasa kokoaispia-ala ollssa yksi. Krymäfukio Jakaumafukio 536 ioliikkiikka II Osa 3 Kari Kärkkäi Syksy 5
9 Q-FUKIO J GUSSI JKUM YHYS 9 ollakskiarvoi Gaussi jakaumafukio i-ollakskiarvoi Gaussi jakaumafukio Q-fukio Krymäfukio Kohiaho variassi vaikuus jakaumaa 536 ioliikkiikka II Osa 3 Kari Kärkkäi Syksy 5
10 Q-FUKIO J RFCX -FUKIO YHYS S Joissaki oppikirjoissa Q: sijaa käyää rfc -fukioa komplmääri rror-fukio. S yhys Q-fukioo: Syksy ioliikkiikka II Osa 3 Kari Kärkkäi, y Q dy rf rfc rf rfc Q π
11 IGROI & UR ILMISIM SUORIUSKYKY oissa poissulkvi apaus ja Baysi kaava pruslla: aramri z voidaa ulkia kahdlla ri avalla bii rgiaa b ja pulssijoo kaisalvyä B p bi-ra badwidh käyä: b / o siis WG-kaava SR vr. SR, joka fukio o. Syksy ioliikkiikka II Osa 3 Kari Kärkkäi z Q Q, B B S z z d p b b, /
12 IGROI & UR -ILMISIM SUORIUSKYKY M-ilaisilla järj. S siää vasaavasi S / : fukioa S symboli rgia. Ohssa o aipodaalis kaaaajuis järjslmä käyrä z b / : fukioa. z siää ylsä dsibliä. ipodaalisuus arkoiaa, ä biäärisssä järjslmässä oi symboli saadaa kromalla oi arvolla. Myös BSK o aipod. järj. Q-fukioll o olmassa hlposi laskava approksimaaio, joka o arkka, ku z > 3 db. Q u u z u /, u >> π, z πz >> z db log b 536 ioliikkiikka II Osa 3 Kari Kärkkäi Syksy 5
13 SIMRKKI ioliikkiikka II Osa 3 Kari Kärkkäi Syksy 5
14 SIMRKKI ioliikkiikka II Osa 3 Kari Kärkkäi Syksy 5
KOHINA KULMAMODULAATIOISSA
OHI ULMMOULIOISS ioliikkiikka I 559 ai äkkäi Osa 4 7 ulaoulaaio ouloii kohia vallissa iskiiaaoi koosuu ivaaoisa ja vhokäyäilaisisa. ivaaoi suaa -sigaali vaihkula uuosopua aajuu uuosa kskiaajuu C ypäillä.
Lisätiedotẍ(t) q(t)x(t) = f(t) 0 1 z(t) +.
Diffrniaaliyhälö II, harjoius 3, 8 228, rakaisu JL, kuusi sivua a On muunnava linaarinn oisn kraluvun diffrniaaliyhälö ẍ qx f yhäpiäväksi nsimmäisn kraluvun linaarisksi kahdn skalaariyhälön sysmiksi Rak
LisätiedotKULMAMODULOITUJEN SIGNAALIEN SPEKTRIN LASKEMINEN
KULMMODULOITUJEN SIGNLIEN SPEKTRIN LSKEMINEN 1 (3) (3) Spekri laskeie siisaoalle Kulaoduloidu sigaali spekri johaie o yöläsä epälieaarisuudesa johue (epälieaarise aalyysi ova yleesä hakalia). Se voidaa
LisätiedotDynaaminen optimointi ja ehdollisten vaateiden menetelmä
Dynaaminen opimoini ja ehdollisen vaaeiden meneelmä Meneelmien keskinäinen yheys S yseemianalyysin Laboraorio Esielmä 10 - Peni Säynäjoki Opimoiniopin seminaari - Syksy 2000 / 1 Meneelmien yhäläisyyksiä
LisätiedotX(t) = X 0 + tx 1 + t 2 X 2 + t 3 X ,
Ma-1.1332 Mariisiksponnifunkio, KP3-II, syksy 2007 Pkka Alsalo Johdano. Tämä monis sisälää kurssilla arviava ido mariisiksponnifunkiosa. Mariisiksponnifunkio. Suraavassa A on raalinn n n-mariisi, jonka
Lisätiedota) Miksi signaalin jaksollisuus on tärkeä ominaisuus? Miten jaksollisuus vaikuttaa signaalin taajuussisältöön?
L53, Sinaalioria J. Laiinn..5 E3SN, E3SN5Z Väliko, rakaisu Vasaa lyhysi suraaviin kysymyksiin. 6p a Miksi sinaalin aksollisuus on ärkä ominaisuus? Min aksollisuus vaikuaa sinaalin aauussisälöön? b Miä
LisätiedotSisältö Sisältö Tietoliikennesignaalit ja niiden tutkiminen aika- ja taajuustasossa Tietoliikenne, informaatio, signaali...
Igraalimuuoks Mropolia/. Koivumäki ässä o ksiä, oka o alupri aikoiaa kiroiu Sadia ioliikoria-kurssi mariaaliksi, mua sovluu oivallissi Igraalimuuoks-kurssi Fourir-aalyysiä käsilväksi mariaaliksi. Mamaaissi
LisätiedotLUKU 6 KOHINAN VAIKUTUS ANALOGISTEN MODULAATIOIDEN SUORITUSKYKYYN
LUKU 6 KOHINN VIKUUS NLOGISEN MOULIOIEN SUORIUSKYKYYN ieoliikeeekiikka I 5359 Kari Kärkkäie Osa 6 Luku 6 Kohia vaikuus aalogisii odulaaioihi Johdao aalyysieeelii Sigaali-kohiasuhee ääriäie Kaaaajuie järjeselä
LisätiedotKYNNYSILMIÖ JA SILTÄ VÄLTTYMINEN KYNNYKSEN SIIRTOA (LAAJENNUSTA) HYVÄKSI KÄYTTÄEN
YYSILMIÖ J SILÄ VÄLYMIE YYSE SIIRO LJEUS HYVÄSI ÄYÄE ieoliikenneekniikka I 559 ari ärkkäinen Osa 5 4 MILLOI? Milloin ja missä kynnysilmiö esiinyy? un vasaanoimen ulon SR siis esi-ilmaisusuodaimen lähdössä
LisätiedotURN: NBN:fi-fe19991228
URN: NBN:fi-fe19991228 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62
LisätiedotLuento 6 Luotettavuus ja vikaantumisprosessit
Tkll korkakoulu ysmaalyys laboraoro Luo 6 Luoavuus a vkaaumsrosss Ah alo ysmaalyys laboraoro Tkll korkakoulu PL 00, 005 TKK Tkll korkakoulu ysmaalyys laboraoro Määrlmä Tarkaslava ykskö luoavuus o s odäkösyys,
LisätiedotKoska yhteys tavalliseen eksponenttifunktion sarjakehitelmään on selvä, asetetaan seuraava määritelmä.
Ma-.433/433/45 Mariisiksponnifunkio, K3/P3/V3, syksy 22 Pkka Alsalo/(Hikki Apiola) Pkan ysävällissi käyööni anamaan lähkooiin oln hny omia lisäyksiäni, HA Viiiä [TE] Timo Eirola: Linaarialgbra, lunomonis
Lisätiedot( ) ( ) 2. Esitä oheisen RC-ylipäästösuotimesta, RC-alipäästösuotimesta ja erotuspiiristä koostuvan lineaarisen järjestelmän:
ELEC-A700 Signaali ja järjeselmä Laskuharjoiukse LASKUHARJOIUS 3 Sivu /8. arkasellaan oheisa järjeselmää bg x Yksikköviive + zbg z bg z d a) Määriä järjeselmän siirofunkio H Y = X b) Määriä järjeselmän
LisätiedotViitteet. Viitteet. Viitteet
Vii Vii Vii 1 2 1. Mariisiksponnifunkio Hikki Apiola Sisälää Pkka Alsalon ja Timo Eirolan mariaalia myös. Viiiä TE Timo Eirola: Linaarialgbra, lunomonis EN EirolaNvanlinna: Diyhälösysmi, lunomonis LAODEGolubiskyDllniz:
LisätiedotLuento 3. Fourier-sarja
Fourier-muuos Rayleigh eoreema Spekriiheys Lueo 3 4..7 Fourier-sarja Fourier-sarja avulla pysyii esiämää jaksollie sigaali, joka jaksoaika o. Fourier-sarja Fourier-kompoei Eäpä aperiodise sigaali, joilla
LisätiedotLUKU 7 KOHINAN VAIKUTUS ANALOGISTEN MODULAATIOIDEN SUORITUSKYKYYN A Tietoliikennetekniikka I Osa 24 Kari Kärkkäinen Kevät 2015
1 LUKU 7 KOHINAN VAIKUUS ANALOGISEN MODULAAIOIDEN SUORIUSKYKYYN 51357A ieoliikeeekiikka I Osa 4 Kari Kärkkäie Kevä 15 LUKU 7 KOHINA ANALOGISISSA MODULAAIOISSA Johdao aalyysieeelii Sigaali-kohiasuhee ääriäie
LisätiedotLuento 3. Fourier-sarja
Fourier muuos Rayleigh eoreema Spekriiheys Lueo 3 4..6 Fourier-sarja Fourier-sarja avulla pysyii esiämää jaksollie sigaali, joka jaksoaika o. Fourier-sarja Fourier-kompoei Eäpä aperiodise sigaali, joilla
LisätiedotJuuri 13 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty Kertaus. K1. A: III, B: I, C: II ja IV.
Juuri Tehävie rakaisu Kusausosakeyhiö Oava päiviey 9.8.8 Keraus K. A: III, B: I, C: II ja IV Kuvaaja: I II III IV Juuri Tehävie rakaisu Kusausosakeyhiö Oava päiviey 9.8.8 K. a) lim ( ) Nimiäjä ( ) o aia
LisätiedotLuento 9. Epälineaarisuus
Lueno 9 Epälineaarisuus 8..6 Epälineaarisuus Tarkasellaan passiivisa epälineaarisa komponenia u() y() f( ) Taylor-sarjakehielmä 3 y f( x) + f '( x) ( x x) + f ''( x) ( x x) + f ''( x) ( x x) +...! 3! 4!
LisätiedotW dt dt t J.
DEE-11 Piirianalyysi Harjoius 1 / viikko 3.1 RC-auon akku (8.4 V, 17 mah) on ladau äyeen. Kuinka suuri osa akun energiasa kuluu ensimmäisen 5 min aikana, kun oleeaan mooorin kuluavan vakiovirran 5 A? Oleeaan
Lisätiedot3 SIGNAALIN SUODATUS 3.1 SYSTEEMIN VASTE AIKATASOSSA
S I G N A A L I T E O R I A, O S A I I I TL98Z SIGNAALITEORIA, OSA III 44 3 Signaalin suodaus...44 3. Sysmin vas aikaasossa... 44 3. Kausaalisuus a sabiilisuus... 46 3.3 Vas aauusasossa... 46 3.4 Ampliudivas
Lisätiedot>LTI-järjestelmä. >vaihespektri. >ryhmäviive
TL53, Signaalioria (J. Laiinn) 9..4 TTESN, TTESN5X, TTESN5Z Väliko, rakaisu Täydnnä ohisn kuvaan > - ai < -mrkiy kohda. Miä arkoiaan idonsiirokanavan kvalisoinnilla? Esiä lausk kvalisaaorin siirofunkioll,
LisätiedotS Signaalit ja järjestelmät Tentti
S-7. Signaali ja järjeselmä eni..6 Vasaa ehävään, ehävisä 7 oeaan huomioon neljä parhaien suorieua ehävää.. Vasaa lyhyesi seuraaviin osaehäviin, käyä arviaessa kuvaa. a) Mikä kaksi ehoa kanaunkioiden φ
LisätiedotIlpo Halonen Luonnehdintoja logiikasta 4. Luonnehdintoja logiikasta 4. Tautologioita 1. Tautologioita 3. Tautologioita 2. Johdatus logiikkaan
Ilpo Halonn 2005 Luonnhdinoja logiikasa 4 Johdaus logiikkaan Ilpo Halonn Syksy 2005 ilpo.halonn@hlsinki.fi Filosofian laios Humanisinn idkuna whn you hav liminad h impossibl, whavr rmains, howvr improbabl,
Lisätiedotz = Amplitudi = itseisarvo ja vaihe = argumentti (arg). arg Piirretään vielä amplitudi- ja vaihespektri:
Määriä suraavi komplksiluku/siaali ampliudi- a vaiharvo. Piirrä b-kohdassa ampliudi a vaih aauud fukioa ampliudi- a vaihspkri. 6p 8 a z 7, z 8 a z. { } b z cos. Ampliudi isisarvo a vaih arumi ar. a z 7
LisätiedotMuuttuvan kokonaissensitiivisyyden mallinnus valvontaohjelman riskinarvioinnissa esimerkkinä munintaparvet
Muuuvan kokonaissnsiiivisyyn mallinnus valvonaohjlman riskinarvioinnissa simrkkinä muninaarv Tausa: Aimma salmonllarojki FooBUG rojki ja uusi malli muninaarvill 8. EFSA WG: salmonlla muninaarvissa. Samaa
LisätiedotTasaantumisilmiöt eli transientit
uku 12 Tasaanumisilmiö eli ransieni 12.1 Kelan kykeminen asajännieeseen Kappaleessa 11.2 kykeiin reaalinen kela asajännieeseen ja ukiiin energian varasoiumisa kelan magneeikenään. Tilanne on esiey uudelleen
LisätiedotTee konseptiin pisteytysruudukko! Muista kirjata nimesi ja ryhmäsi. Lue ohjeet huolellisesti
MAA8 Ko 5..04 T konsptiin pisttsruudukko! Muista kirjata nimsi ja rhmäsi. Lu ohjt huolllissti A-Osio: Ei saa kättää laskinta. MAOL saa olla alusta asti kätössä. Maksimissaan h aikaa suorittaa A- Osio.
LisätiedotTV13 Integraalimunnokset Tentti Metropolia/AK Vastauksia
3 Igrlimuoks i 7.4.5 Mropoli/K suksi. Jokiss kohds oss iää pisä. Kiroi kuki suks prää lyhy pruslu. Jksollis sigli ksopiuus o 8 ms. Kuik suuri o sigli prusuus hrsiä? sus: 5 Hz li ksopiuud kääisluku. b Shrällo
LisätiedotS Ä H K Ö - J A T I E T O T E K N I I K A N O S A S T O
S Ä H K Ö J A T I E T O T E K N I I K A N O S A S T O 2.0.2007 Piirieria II (Graafise laskime salliuja). Laske kuvan piirille siirfunki U u (s)/u in (s) ja piirrä nllanapakara. Laske myös Laplacekääneismuunns
Lisätiedot763101P FYSIIKAN MATEMATIIKKAA Kertaustehtäviä 1. välikokeeseen, sl 2008
76P FYSIIKAN MATEMATIIKKAA Krtausthtäviä. välikoks, sl 8 Näitä laskuja i laskta laskupäivissä ikä äistä saa laskuharjoituspistitä. Laskut o tarkoitttu laskttaviksi alkutuutoroitiryhmissä, itsks, kavriporukalla
LisätiedotPARTIKKELIN KINEMATIIKKA
PRTIKKELIN KINEMTIIKK Pikklill li msspisllä koi kppl, jok mi o päolllis pi ksl hää kl. Kimiik häää o sliää, mi oid määiää pikkli sm, opus j kiihyyys s liikkuss käyääsä piki. z τ P y R z φ x y Rkäyä x Tkslu
LisätiedotTehtävä 1. ö ö. TEL-1360 Sähkömoottorikäytöt Laskuharjoitus 3/2011. P n = 5 kw ; P = 6 kw ; öo = 0 (lämpötila alussa kylmä)
TEL-360 Sähkmooorikäy Laskuharjoius 3/0 Thävä. = 5 kw ; = 6 kw ; o = 0 (lämpila alussa kylmä) = ooori lämpila ousu li mooori lämpila ja ympäris lämpila rous o = Lämpila ousu alkuarvo li υ : arvo arkaslujakso
LisätiedotELEC C4140 Kenttäteoria (syksy 2016)
ELEC C4140 Kenttäteoria (syksy 2016) Henrik Wallén / versio 21. marraskuuta 2016 Tasoaaltojen heijastus ja läpäisy (Ulaby 8.1 8.5) Kohtisuora heijastus ja läpäisy Tehon heijastus ja läpäisy Snellin laki
Lisätiedot805306A Johdatus monimuuttujamenetelmiin, 5 op
monimuuttujamenetelmiin, 5 op syksy 2018 Matemaattisten tieteiden laitos Lineaarinen erotteluanalyysi (LDA, Linear discriminant analysis) Erotteluanalyysin avulla pyritään muodostamaan selittävistä muuttujista
LisätiedotSisällys. Alkusanat. Alkusanat. Tehtävien ratkaisuja
Sisällys Alkusana Thävin rakaisuja Joukko-oppia Logiikkaa 6 Todisusmnlmiä Lukuoriaa Lisähäviä Pikasi 9 Krauskok painos Alkusana Tämä ainiso liiyy pikän mamaiikan oppikirjaan Lukion Calculus 6:n, ja s on
LisätiedotSignaalit aika- ja taajuustasossa
Sili lomuoo Sili ik- uussoss Alomuoo kuv sili käyäyymisä fukio li iksoss. Ylsä lomuoo rksll simrkiksi oskilloskoopi äyöllä. Siimuooi sili Asiφ Asiπf φ i Acosφ Acosπf φ muodos prus kikki sili uussisällö
LisätiedotLuento 11. Stationaariset prosessit
Lueno Soasisen prosessin ehosperi Signaalin suodaus Kaisarajoieu anava 5..6 Saionaarise prosessi Auoorrelaaio φ * * (, ) ( ), { } { } jos prosessi on saionaarinen auoorrelaaio ei riipu ajasa vaan ainoasaan
Lisätiedot( ) ( ) x t. 2. Esitä kuvassa annetun signaalin x(t) yhtälö aikaalueessa. Laske signaalin Fourier-muunnos ja hahmottele amplitudispektri.
ELEC-A7 Signaali ja järjeselmä Laskuharjoiukse LASKUHARJOIUS Sivu 1/11 1. Johda anneun pulssin Fourier-muunnos ja hahmoele ampliudispekri. Käyä esim. derivoinieoreemaa, ja älä unohda 1. derivaaan epäjakuvuuskohia!
LisätiedotSallitut apuvälineet: MAOL-taulukot, kirjoitusvälineet, laskin sekä itse laadittu, A4-kokoinen lunttilappu. f(x, y) = k x y, kun 0 < y < x < 1,
Todennäköisyyslaskenta, 2. kurssikoe 7.2.22 Sallitut apuvälineet: MAOL-taulukot, kirjoitusvälineet, laskin sekä itse laadittu, A4-kokoinen lunttilappu.. Satunnaismuuttujien X ja Y yhteistiheysfunktio on
LisätiedotEnsin vastaukset tehtäviin, "joihin vastaamisen pitäisi onnistua tähänastisten matematiikan opintojen pohjalta".
V Igraalimuuoks Mropolia. Koivumäki Kaikki uilla käsilly hävä vasauksi. Esi vasauks hävii, "oihi vasaamis piäisi oisua ähäasis mamaiika opio pohala". x luksi.. a xdx C, missä C o vakio. (äsä päi okais
LisätiedotSATE1050 Piirianalyysi II syksy / 8 Laskuharjoitus 2 / Transientti-ilmiö (ratkaisut muodostaen diff. yhtälöt, EI saa käyttä Laplace-muunnosta!
SAT5 Piirinlyysi II syksy 6 / 8 skuhrjoius / Trnsini-ilmiö (rkisu muodosn diff. yhälö, I s käyä plc-muunnos!) Thävä. All olvss kuvss siyssä piirissä kykin siiryy hkllä = snnos snoon viivä (= induknssin
LisätiedotKurssitarjotin , 1.jakso Kurre Luostarivuoren lyseon lukio, Turku :41 1. jakso
Kurssitarjotin 09-00,.jakso Kurre.0.. jakso 08.08. - 0.09.09 ENA0. ENA0. HI0. LI0.P OP0./AT OP0./AT OP0./AT OP0./AT ÄI0. ÄI0. ENA0. ENA0. KU0. MAB0. RUA0. YH0. MAA0. EAB. ENA09.syksy GE0.syksy KE0.syksy
LisätiedotW Hz. kohinageneraattori. H(f) W Hz. W Hz. ELEC-A7200 Signaalit ja järjestelmät Laskuharjoitukset. LASKUHARJOITUS 5 Sivu 1/7
ELEC-A700 LASKUHARJOIUS 5 Svu /7. Satunnassgnaaln x ( t ) keskarvo on V ja keskhajonta 4 V. Mttaukslla on todettu, että x ( t ) ja x ( t + τ ) ovat rppumattoma, kun τ 5µ s. Lsäks tedetään, että x ( t )
Lisätiedot1. (Jatkoa Harjoitus 5A tehtävään 4). Monisteen esimerkin mukaan momenttimenetelmän. n ne(y i Y (n) ) = 2E(Y 1 Y (n) ).
HY / Matematiika ja tilastotietee laitos Tilastollie päättely II, kevät 018 Harjoitus 5B Ratkaisuehdotuksia Tehtäväsarja I 1. (Jatkoa Harjoitus 5A tehtävää ). Moistee esimerki 3.3.3. mukaa momettimeetelmä
LisätiedotMatriisieksponenttifunktio
Ma-1.1332 Mariisiksponnifunkio KP3-II, syksy 2008 Pkka Alsalo/(Hikki Apiola) Pkan ysävällissi käyööni anamaan L A TEX-idosoon oln hny joiakin piniä yylimuuoksia, lisäyksiä ja huudahduksia HA Viiiä [TE]
LisätiedotVÄRÄHTELYMEKANIIKKA SESSIO 17: Yhden vapausasteen pakkovärähtely, impulssikuormitus ja Duhamelin integraali
7/ VÄRÄHTELYMEKANIIKKA SESSIO 7: Yhn vapausasn paovärähly, impulssiuormius ja Duhamlin ingraali IMPULSSIKUORMITUS Maanisn sysmiin ohisuva jasoon hrä on usin ajasa riippuva lyhyaiainn uormius. Ysinraisin
LisätiedotKohinan ominaisuuksia
Kohia mittauksissa Kohia omiaisuuksia Kohiamkaismit Trmi kohia Rakohia 1/f kohia (Kvatisoitikohia) Kohia käsittly Kohialähtid yhtisvaikutus Kohiakaistalvys Sigaali-kohia suhd Kohialuku Kohialämpötila 1
Lisätiedot805306A Johdatus monimuuttujamenetelmiin, 5 op
monimuuttujamenetelmiin, 5 op syksy 2018 Matemaattisten tieteiden laitos Lineaarinen erotteluanalyysi (LDA, Linear discriminant analysis) Erotteluanalyysin avulla pyritään muodostamaan selittävistä muuttujista
LisätiedotLUKU 7 TÄRKEIMPIEN ASIOIDEN KERTAUS A Tietoliikennetekniikka I Osa 30 Kari Kärkkäinen Kevät 2015
1 LUKU 7 TÄRKEIMPIEN ASIOIDEN KERTAUS 51357A Tietoliikennetekniikka I Osa 30 Kari Kärkkäinen Kevät 015 Kantatajuisen järjestelmän lähdön (SNR) D = P T /(N 0 W) käytetään referenssinä verrattaessa eri kantoaaltomodulaatioita
LisätiedotVAIHELUKKOTEKNIIKKA JA TAKAISINKYTKETYT DEMODULAATTORIT KULMAMODULAATION ILMAISUSSA
VIHELUOTENII J TISINYTETYT DEMODULTTORIT ULMMODULTION ILMISUSS Vaihohoinn ilmaisumnlmä kulmamoulaaioill? 5357 Tioliiknnkniikka I Osa 9 ari ärkkäinn ä 05 VIHELUO PLL FM & PM -ILMISINPIIRINÄ Ellä on arkaslu
LisätiedotKULMAMODULOITUJEN SIGNAALIEN SPEKTRIN LASKEMINEN
1 KULMMODULOITUEN SIGNLIEN SPEKTRIN LSKEMINEN Mie laskea eroaa lieaarise odulaaioide apauksesa? Milä spekri äyää epälieaarise prosessi jälkee? 51357 Tieoliikeeekiikka I Osa 15 Kari Kärkkäie Kevä 015 SPEKTRIN
LisätiedotJohda jakauman momenttiemäfunktio ja sen avulla jakauman odotusarvo ja varianssi.
/ Raaisu Aihee: Avaisaa: Momeiemäfuio Sauaismuuujie muuose ja iide jaauma Kovergessiäsiee ja raja-arvolausee Biomijaauma, Espoeijaauma, Geomerie jaauma, Jaaumaovergessi, Jauva asaie jaauma, Kolmiojaauma,
LisätiedotPiirrä kuvioita suureen laatikkoon. Valitse ruutuun oikea merkki > tai < tai =.
Piirrä kuvioita suureen laatikkoon. Valitse ruutuun oikea merkki tai < tai =. 1 Valitse ruutuun oikea merkki tai < tai =. ------------------------------------------------------------------------------
LisätiedotMS-A0305 Differentiaali- ja integraalilaskenta 3 Luento 9: Greenin lause
MS-A0305 Differentiaali- ja integraalilaskenta 3 Luento 9: Greenin lause Antti Rasila Aalto-yliopisto Syksy 2015 Antti Rasila (Aalto-yliopisto) MS-A0305 Syksy 2015 1 / 19 Esimerkki Olkoon F : R 3 R 3 vakiofunktio
LisätiedotMS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi
MS-A0501 Todeäköisyyslaskea ja tilastotietee peruskurssi 4A Satuaisotata ja parametrie estimoiti Lasse Leskelä Matematiika ja systeemiaalyysi laitos Perustieteide korkeakoulu Aalto-yliopisto Syksy 2016,
Lisätiedot1. Kaikki kaatuu, sortuu August Forsman (Koskimies)
olo q» date reliioso olo 7 K (2003) KE2a7 1. Kaikki kaatuu, sortuu uust Forsma (Koskimies) olo 14 olo 21 3 3 3 3 3 3 3 3 Ÿ ~~~~~~~~~~~ π K (2003) KE2a7 uhlakataatti (kuoro) - 2 - Kuula: - 3 - uhlakataatti
Lisätiedot8. Muita stokastisia malleja 8.1 Epölineaariset mallit ARCH ja GARCH
8. Muita stokastisia malleja 8.1 Epölineaariset mallit ARCH ja GARCH Osa aikasarjoista kehittyy hyvin erityyppisesti erilaisissa tilanteissa. Esimerkiksi pörssikurssien epävakaus keskittyy usein lyhyisiin
LisätiedotVälipohjan kestävyys. CrossLam Kuhmo CLT. Esimerkki Kuormitus. 2.0 Poikkileikkaus
simeri Välipohjan estävyys.0 Kuormitus Asuinraennusen välipohjan ominaisuormat on esitetty alla olevassa uvassa. Seuraamusluoa on CC K FI,0 (ei esitetä laselmassa. Tässä laselmassa tarastetaan vain ysi
Lisätiedota) Määritä signaalin x[n] varianssi (keskimääräinen teho) σ x c) Määritä signaalikvantisointikohinasuhde SQNR, kun tiedetään, että
TL, DSK-lgoritmit S rjoitus. Trkstll kosiisigli [] cosπt s. Määritä sigli [] vrissi kskimääräi to. b Määritä sigli [] jot c Määritä siglikvtisoitikoisud SQNR, ku tidtää, ttä.79. b SQNR log Kvss b o kvtisoij
LisätiedotÄlä tee mitään merkintöjä kaavakokoelmaan!
AS-74. Alogie ääö vkokoelm v. Plu ei jälkee! Trk kokoelm ivumäärä! Älä ee miää merkiöjä kvkokoelm! Dymie mllie perukompoei. Sähköie kompoei Vu (reii) u() Ri() el (iduki) u() L di() d odeori i() C du()
LisätiedotTENTISSÄ KÄYTETTÄVÄ KAAVAKOKOELMA KURSSILLE Luotettavuusteoria
TENTISSÄ KÄYTETTÄVÄ KAAVAKOKOELMA KURSSILLE Luoeavuueoria Dekripiivinen luoeavuu R() =P(T>) R(x ) =P(T>+ x T>) r() = f() R() R() =e R(x ) =e r() d +x r() d F () R() f() r() F () R() f() F () df () d R()
Lisätiedot763306A JOHDATUS SUHTEELLISUUSTEORIAAN 2 Ratkaisut 2 Kevät 2017
763306A JOHDATUS SUHTEELLISUUSTEORIAAN 2 Ratkaisut 2 Kevät 207. Nelinopeus ympyräliikkeessä On siis annettu kappaleen paikkaa kuvaava nelivektori X x µ : Nelinopeus U u µ on määritelty kaavalla x µ (ct,
LisätiedotS SÄHKÖTEKNIIKKA Kimmo Silvonen
S55.3 SÄHKÖTKNKKA.. Kimmo Silvonn Tntti: thtävät,3,5,7,9. väliko: thtävät,,3,4,5. väliko: thtävät 6,7,8,9, Oltko muistanut vastata palautkyslyyn Voit täyttää lomakkn nyt.. Lask virta. = = 3 =Ω, J =3A,
LisätiedotTelecommunication engineering I A Exercise 3
Teleouao egeerg I 5359A xere 3 Proble elaodulaaor lohkokaavo o eey oppkrja kuvaa 3.63. Pulodulaaor ääuloa o aoagaal ja reeregaal erou d. Tää gaal kerroaa pulgeeraaor gaallla rajouke, el erouke erk elväe,
LisätiedotELEC C4140 Kenttäteoria (syksy 2015)
ELEC C4140 Kenttäteoria (syksy 2015) Henrik Wallén Luentoviiko 8 / versio 3. marraskuuta 2015 Tasoaallot, osa 1 (Ulaby 7.1, 7.2, 7.4) Kenttäosoittimet Aikaharmoniset Maxwellin yhtälöt Tasoaaltoratkaisu
LisätiedotNelisolmuinen levyelementti
Lv hm 6..3 Nliolminn lvlmntti arkatllaan kvan nliolmita lvlmnttiä. q 6 q 8 η 3 q 5 ( 3, 3 q 7 (, q (, v P q ξ (, q q 3 Pitn P koordinaatit voidaan laa mokoordinaattin ξ ja η avlla, jotka ovat normratt
Lisätiedotj = I A = 108 A m 2. (1) u kg m m 3, (2) v =
764A KIINTEÄN AINEEN FYSIIKKA Ratkaisut 6 Kevät 28. Tehtävä: Aiemmi olemme laskeeet kupari johtavuuselektroie tiheydeksi 8.5 28 m. Kuparijohdossa, joka poikkipita-ala o mm 2, kulkee A: virta. Arvioi Drude
Lisätiedot2.7.4 Numeerinen esimerkki
2.7.4 Numeerinen esimerkki Karttusen kirjan esimerkki 2.3: Laske Jupiterin paikka taivaalla..2. Luennoilla käytetty rataelementtejä a, ǫ, i, Ω, ω, t Ω nousevan solmun pituus = planeetan nousevan solmun
LisätiedotP (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
LisätiedotBINÄÄRINEN SYNKRONINEN TIEDONSIIRTO KAISTARAJOITTAMATTOMILLA MIELIVALTAISILLA PULSSIMUODOILLA SOVITETTU SUODATIN JA SEN SUORITUSKYKY AWGN-KANAVASSA
BINÄÄRINN SYNKRONINN IDONSIIRO KAISARAJOIAMAOMILLA MILIVALAISILLA PULSSIMUODOILLA SOVIU SUODAIN JA SN SUORIUSKYKY AWGN-KANAVASSA Millaiia aalomuooja perupuleja yypilliei käyeään? 536A ieoliikenneekniikka
LisätiedotMatematiikan perusteet taloustieteilijöille II Harjoituksia kevät ja B = Olkoon A = a) A + B b) AB c) BA d) A 2 e) A T f) A T B g) 3A
Matematiikan perusteet taloustieteilijöille II Harjoituksia kevät 28 1. Olkoon A = Määrää ( 2 1 ) 3 4 1 a) A + B b) AB BA d) A 2 e) A T f) A T B g) 3A ja B = 2 1 6 3 1 2. Laske seuraavat determinantit
Lisätiedotja B = 2 1 a) A + B, b) AB, c) BA, d) A 2, e) A T, f) A T B, g) 3A (e) A =
Matematiikan perusteet taloustieteilijöille II Harjoituksia kevät 211 1. Olkoon A = Määrää ( 2 1 ) 3 4 1 ja B = 2 1 6 3 1 a) A + B, b) AB, c) BA, d) A 2, e) A T, f) A T B, g) 3A. 2. Laske seuraavat determinantit
LisätiedotKojemeteorologia. Sami Haapanala syksy Fysiikan laitos, Ilmakehätieteiden osasto
Kojemeeorologia Sami Haapaala syksy 03 Fysiika laios, Ilmakehäieeide osaso Mialaieide dyaamise omiaisuude Dyaamise uusluvu määriävä mie mialaie käyäyyy syöeide muuuessa Apua käyeää differeiaaliyhälöiä,
LisätiedotFluidi virtaa vaakasuoran pinnan yli. Pinnan lähelle muodostuvan rajakerroksen nopeusjakaumaa voidaan approksimoida funktiolla
Tehtävä 1 Fluidi virtaa vaakasuoran pinnan yli. Pinnan lähelle muodostuvan rajakerroksen nopeusjakaumaa voidaan approksimoida funktiolla ( πy ) u(y) = U sin, kun 0 < y < δ. 2δ Tässä U on nopeus kaukana
LisätiedotELEC C4140 Kenttäteoria (syksy 2016)
ELEC C4140 Kenttäteoria (syksy 2016) Henrik Wallén / versio 8. marraskuuta 2016 Tasoaallot, osa 1 (Ulaby 7.1, 7.2, 7.4) Kenttäosoittimet Aikaharmoniset Maxwellin yhtälöt Tasoaaltoratkaisu Tasoaaltoyhtälöt
Lisätiedot1 a) Eristeiden, puolijohteiden ja metallien tyypilliset energiakaistarakenteet.
a) ristid, puolijohtid ja talli tyypillist rgiakaistaraktt. i) NRGIAKAISTAT: (lktroi sallitut rgiatilat) Kaksiatoi systi: pottiaalirgia atoi väliatka fuktioa pot rpulsiivi kopotti -lktroit hylkivät toisiaa
Lisätiedotja B = 2 1 a) A + B, b) AB, c) BA, d) A 2, e) A T, f) A T B, g) 3A (e)
Matematiikan perusteet taloustieteilijöille II Harjoituksia kevät 214 1. Tutki seuraavia jonoja a) (a n )=(3n 1) ( ) 2 b) (a n )= 3 n ( ) 1 c) (a n )= (n + 1)(n +2) 2. Tutki seuraavia sarjoja a) (3k 1)
LisätiedotVAIHEKOHERENTIT BINÄÄRISET KANTOAALTOMODULAATIOT JA NIIDEN VIRHETODENNÄKÖISYYDET
1 VAIHEKOHERENTIT BINÄÄRISET KANTOAALTOMODULAATIOT JA NIIDEN VIRHETODENNÄKÖISYYDET Millaiset aaltomuodot s 1 (t) ja s (t) valitaan erilaisten kantoaatomodulaatioiden toteuttamiseksi? SYMBOLIAALTOMUODOT
LisätiedotVÄRÄHTELYMEKANIIKKA SESSIO 18: Yhden vapausasteen pakkovärähtely, transienttikuormituksia
8/ VÄRÄHTELYMEKANIIKKA SESSIO 8: Yhen vapausaseen paovärähely, ransieniuormiusia JOHDANTO c m x () Kuva. Syseemi. Transieniuormiusella aroieaan uormiusheräeä, joa aiheuaa syseemiin lyhyaiaisen liieilan.
LisätiedotM Pv + q = 0, M = EIκ = EIv, (EIv ) + Pv = q. v(x) = Asin kx + B cos kx + Cx + D + v p. P kr = π2 EI L n
ÄÙ Ù ½ ËØ Ð Ù Ú Ó Ó ÐÑ ½º½ ÈÙÖ Ø ØØÙ Ø ÚÙØ ØØÙ ÙÚ Ì Ô ÒÓ ÓØ Q v + q =, M = Q, ½º½µ ÑÑÓ ÐÐ ÙÚ ÐÐ M v + q =, M = EIκ = EIv, (EIv ) + v = q. ½º¾µ ½º µ ½º µ EI = Ú Ó ÆÙÖ Ù ÚÓ Ñ v (4) + k v = q EI, k = EI,
LisätiedotTodennäköisyysjakaumat 1/5 Sisältö ESITIEDOT: todennäköisyyslaskenta, määrätty integraali
Todennäöissjaaumat /5 Sisältö ESITIEDOT: lasenta, määrätt Haemisto KATSO MYÖS: tilastomatematiia P (X = )=p. Nämä ovat 0 ja niiden summa on p =. Pistetodennäöisdet voidaan graafisesti esittää pstsuorien
LisätiedotTalousmatematiikan perusteet, L2 Kertaus Aiheet
Talousmatematiikan perusteet, L2 Kertaus 1 Laskutoimitukset tehdään seuraavassa järjestyksessä 1. Sulkujen sisällä olevat lausekkeet (alkaen sisältä ulospäin) 2. potenssit ja juurilausekkeet 3. kerto-
LisätiedotKreikka'(10'op)' Avoin&yliopisto,&kesä&2014& TT,&MA&Ulla&Tervahauta&&&TM&Nina&Nikki& & KÄYTÄNNÖN'ASIOITA'
Kreikka'(10'op)' Avoinyliopisto,kesä2014 TT,MAUllaTervahautaTMNinaNikki KÄYTÄNNÖN'ASIOITA' Yleistä' Luennot: 15.5.A27.5.sekä2.6.A18.6.2014,maAto16.15A18.45/Tervahauta 30.7.A28.8.2014maAtoklo16.15A18.45/Nikki
Lisätiedot1. Todista/Prove (b) Lause 2.4. käyttäen Lausetta 2.3./by using Theorem b 1 ; 1 b + 1 ; 1 b 1 1
KETJUMURTOLUVUT Harjoiuksia 209. Todisa/Prove Lause 2.2. käyäen Lausea 2.3./by using Theorem 2.3. Lause 2.4. käyäen Lausea 2.3./by using Theorem 2.3. 2. Määrää Canorin kehielmä luvuille 0,, 2, 3, 4, 5,
LisätiedotIV. TASAINEN SUPPENEMINEN. f(x) = lim. jokaista ε > 0 ja x A kohti n ε,x N s.e. n n
IV. TASAINEN SUPPENEMINEN IV.. Funktiojonon tasainen suppeneminen Olkoon A R joukko ja f n : A R funktio, n =, 2, 3,..., jolloin jokaisella x A muodostuu lukujono f x, f 2 x,.... Jos tämä jono suppenee
LisätiedotLuento 11. Stationaariset prosessit
Lueno Soasisen prosessin ehosperi Saunnaissignaalin suodaus 5..7 Saionaarise prosessi Auoorrelaaio φ * * (, ) ( ) ( ) ( ) ( ), { } { } jos prosessi on saionaarinen auoorrelaaio ei riipu ajasa vaan ainoasaan
Lisätiedot3.7 Todennäköisyysjakaumia
MAB5: Todennäköisyyden lähtökohdat 4 Luvussa 3 Tunnusluvut perehdyimme jo jakauman käsitteeseen yleensä ja normaalijakaumaan vähän tarkemmin. Lähdetään nyt tutustumaan binomijakaumaan ja otetaan sen jälkeen
LisätiedotMS-C1350 Osittaisdifferentiaaliyhtälöt Harjoitukset 5, syksy Mallivastaukset
MS-C350 Osittaisdifferentiaaliyhtälöt Haroitukset 5, syksy 207. Oletetaan, että a > 0 a funktio u on yhtälön u a u = 0 ratkaisu. a Osoita, että funktio vx, t = u x, t toteuttaa yhtälön a v = 0. b Osoita,
LisätiedotLuento 7 Järjestelmien ylläpito
Luno 7 Järjslmin ylläpio Ahi Salo Tknillinn korkakoulu PL, 5 TKK Järjslmin ylläpidosa Priaallisia vaihohoja Uusiminn rplacmn Ennalahkäisvä huolo mainnanc Korjaaminn rpair ❶ Uusiminn Vioiun komponni korvaaan
LisätiedotJohda jakauman momenttiemäfunktio ja sen avulla jakauman odotusarvo ja varianssi.
Mat-2.090 Sovellettu todeäköisyyslasku A Mat-2.090 Sovellettu todeäköisyyslasku A / Pistetehtävät 2, 4, 6, 8, 0 Aiheet: Avaisaat: Momettiemäfuktio Satuaismuuttujie muuokset ja iide jakaumat Kovergessikäsitteet
LisätiedotMarkov-ketjuja suurilla tila-avaruuksilla
3B Markov-ketjuja suurilla tila-avaruuksilla Tuntitehtävät 3B1 Sekoaako korttipakka sekoittamalla? Olkoon S kaikkien 52 kortin korttipakan mahdollisten järjestysten joukko. (a) Perustele, miksi joukossa
LisätiedotLuento Otosavaruus, tapahtuma. Otosavaruus (sample space) on kaikkien mahdollisten alkeistapahtumien (sample) ω joukko.
Luento 0 odennäöisyyslasentaa Otosavaruus, tapahtuma ja todennäöisyys Ehdollinen todennäöisyys, tilastollinen riippumattomuus, Bayesin teoreema, oonaistodennäöisyys Odotusarvo, varianssi, momentti Stoastiset
LisätiedotBlack Scholes-hinnoittelumallin robustisuus ja tyylitellyt tosiseikat
Black Scholes-hinnoittelumallin robustisuus ja tyylitellyt tosiseikat Tommi Sottinen, Helsingin yliopisto Yhteistyössä C. Bender, TU Braunschweig E. Valkeila, Teknillinen korkeakoulu 10. lokakuuta 2006
LisätiedotUsko, toivo ja rakkaus
Makku Lulli-Seppälä sko toivo a akkaus 1. Ko. 1 baitoille viululle alttoviululle a uuille op. kummityttöi Päivi vihkiäisii 9.8.1986 iulu a alttoviulu osuude voi soittaa sama soittaa. Tavittaessa alttoviulu
Lisätiedot7.1. Suurimman uskottavuuden estimointimenetelmä: Johdanto
Ma-1.361 Tilasollie pääely 7. Suurimma uskoavuude meeelmä ja asympooie eoria Tilasollie pääely 7. Suurimma uskoavuude meeelmä ja asympooie eoria 7.1. Suurimma uskoavuude esimoiimeeelmä: Johdao Aikasarja,
Lisätiedot= true C = true) θ i2. = true C = false) Näiden arvot löydetään kuten edellä Kun verkko on opetettu, niin havainto [x 1
35 Naiivi Bayes Luokkamuuttua C o Bayes-verko uuri a attribuutit X i ovat se lehtiä Naiivi oletus o, että attribuutit ovat ehdollisesti riippumattomia toisistaa aettua luokka Ku käytössä o Boole muuttuat,
LisätiedotKompleksianalyysi, viikko 4
Kompleksianalyysi, viikko 4 Jukka Kemppainen Mathematics Division Reaalimuuttujan kompleksiarvoisen funktion integraali Aloitetaan reaalimuuttujan kompleksiarvoisen funktion integraalin määrittelyllä,
Lisätiedot