A! Modulaatioiden luokittelu. Luento 4: Digitaaliset modulaatiokonstellaatiot, symbolijonolähetteet. ELEC-C7230 Tietoliikenteen siirtomenetelmät
|
|
- Juha-Pekka Pesonen
- 6 vuotta sitten
- Katselukertoja:
Transkriptio
1 ELEC-C7230 Tietoliikenteen siirtomenetelmät Luento 4: Digitaaliset modulaatiokonstellaatiot, symbolijonolähetteet Olav Tirkkonen, Jari Lietzen Aalto, Tietoliikenne- ja tietoverkkotekniikan laitos A! Modulaatioiden luokittelu Pulssi vs. kantoaaltomodulaatio Liittyy korkeataajuisen signaalin modulointiin Lineaarinen vs. epälineaarinen Liittyy kantataajuussignaaliin Analoginen vs. digitaalinen Liittyy tiedon esitysmuotoon 2 (25)
2 A! Pulssi- vs kantoaaltomodulaatio Kantoaaltomodulaatiossa matalataajuinen kantataajuussignaali moduloi korkeataajuista kantoaaltoa esim. amplitudi-modulaatio Pulssimodulaatiossa informaatio pakataan korkeataajuisen pulssin läsnäoloon/-olemattomuuteen tai pulssin muotoon (amplitudi tai ajoitus) esim. impulssiradio jotkut ISDN & Ethernet johtokoodit 3 (25) A! Lineaarinen vs.epälineaarinen modulaatio Lineaarinen: kantafunktionta kertova symboli riippuu vain lähetettävästä informaatiosta, ei edellisistä symboleista signaali on superpositio (summa) riippumattomien symbolien lähetteistä Epälineaarinen: lähetettävä symboli riippuu lähetettävästä informaatiosta, sekä edellisistä symboleista 4 (25)
3 A! Analoginen vs. digitaalinen modulaatio Esimerkki 2D signaaliavaruudessa Edellytetään, että aaltomuodon normi on yksi, s s2 2 =1 Analoginen: jatkuvat arvot, mielivaltaiset s 1,s 2 sallittu. Digitaalinen: diskreetit arvot, esim. vain arvot s j {±1/ 2} Tässä esimerkissä ympyrällä olevan :n analogisen aaltomuodon sijaan on vain 4 mahdollista digitaalista aaltomuotoa. 5 (25) A! Digitaaliset modulatiokonstellaatiot: Signaaliavaruuden symbolit a a [7.9] 6 (25)
4 A! Mitä modulaatio on? Modulaatiomenetelmän täydellinen määrittelly sisältää 1. Miten matalataajuinen signaali moduloi korkeataajuista signaalia 2. Tiedon kantafunktoista φ n (t) Kuinka signaalit käytävät (kantataajuus)kaistaa Valitut kantafunktiot määrittelevät signaaliavaruuden kannan. 3. Symbolikuvaus: kuinka informaatio kuvataan signaaliavaruuden koordinaateille s n Digitaalinen tiedonsiirto: äärellinen joukko aaltomuotoja äärellinen määrä M kompleksilukuja s m C signaaliavaruudessa M-arvoinen (M-ary) modulaatio Lineaarinen modulaatio: informaatiota kuvataan riippumattomasti kullekin s m Konstellaatio (eli aakkosto) C M = {s m } M m=1 Informaatiobitit kuvataan näille kompleksiluvuille: log 2 M bittiä määrittelee yhden M :stä konstellaatiopisteestä ja aaltomuodosta log 2 M bits symbol index m {1, 2,...,M} s m C M C 7 (25) A! Symbolikonstellaatio Signaaliavaruudessa informaatio kuvataan kompleksiluvuille s n jotka kertovat ortogonaalisia aaltomuotoja s n :n reaali- ja imaginaariosat I- & Q-haarat Kompleksisen kertoimen s n sallittujen arvojen joukkoa kutsutaan modulaatioaakkostoksi tai konstellaatioksi Voidaan piirtää 2D signaaliavaruudessa konstellaatiodiagrammaksi Konstellaatiosta riippuen moduloidaan pelkästään amplitudia pelkästään vaihetta amplitudia ja vaihetta yhdessä 8 (25)
5 A! Kompleksiarvoiset konstellaatiot 9 (25) A! Pulse Amplitude Modulation Informaatio kuvattu signaalin amplitudille (ja binääriselle vaiheelle). Pulse Amplitude Modulation (PAM) Signaalilla on vain In-phase -komponentti (I-haara) tehoton, jos kantoaaltosignaali, ja enemmän kuin yksi bitti 2-PAM: 1 bitti, 4-PAM: 2 bittiä, 8-PAM: 3 bittiä, 10 (25)
6 A! Phase-shift Keying Phase-shift Keying (PSK): moduloidaan vain vaihetta. PSK on I-Q modulaatio, käytetään kantoaallon I- ja Q-haaraa PSK-symboleilla on sekä reaali- että imaginaariosat PSK ei muuta amplitudia tehoton, jos enemmän kuin 2 bittiä miellyttävät spektrinkäyttöominaisuudet Binary PSK (BPSK): 1 bitti, Quadriphase PSK (QPSK): 2 bittiä, 8-PSK: 3 bittiä, 16-PSK: 4 bittiä BPSK = 2-PAM 11 (25) A! Kvadratuuriamplitudimodulaatio Moduloidaan sekä I- että Q-haaran amplitudia I-Q modulaatio moduloi reaalisen signaalin amplitudia sekä vaihetta tehokas modulaatio Quadrature Amplitude Modulation (QAM) 4-QAM: 2 bittä, 16-QAM: 4 bittiä, 64-QAM: 6 bittiä 4-QAM = QPSK Monet konstellaatiot mahdollisia, jotkut näitä parempia, mutta vaikeasti toteutettavissa. 12 (25)
7 A! PAM vs. PSK vs. QAM Verrataan modulaatioden suorituskykyä bittivirheen suhteen. Keskimääräinen lähetysteho annettu. Jos enemmän kuin yksi bitti per symboli: PSK ja QAM aina parempia kuin PAM Jos enemmän kuin kaksi bittiä per symboli: QAM aina parempi kuin PSK Syy: minimietäisyys kahden ulottuvuuden käyttäminen aina parempi kuin yhden. 13 (25) A! Konstellaatiot yhteenveto Olemme kuvanneet bittejä signaaliavaruuden konstellaatioille. Kompleksiarvoiset konstellaatiopisteet edustavat kompleksiarvoisia aaltomuotoja ekvivalentissa kantataajuusesityksessä. Digitaalista modulaatiota voidaan tehdä amplitudissa (PAM) vaiheessa (PSK) sekä amplitudissa että vaiheessa (QAM) Meillä saattaa olla vielä jotakin ymmärrettävää pulssinmuokkauksessa & yksittäisten symboleiden T :n mittaisten jaksojen jatkamisessa useamman symbolin lähetteiksi 14 (25)
8 A! Symbolijonolähetteet 15 (25) A! Äärellinen vs. ääretön ajanjakso Äärellinen ajanjakso T =[ T/2,T/2]. Kantafunktioiden joukkoja: Trigonometrinen kanta Eksponentiaalinen Fourier-kanta TDM/CDM kannat Valitaan N kantafunktiota kantataajuussignaalilla N kompleksiarvoista ulottuvuutta jaksossa T. Fourier-analyysin kannalta funktio ajassa T vastaa T -jaksollista funktiota. Mitkä ovat vastaavat rakenteet äärettömässä ajassa (, )? 16 (25)
9 A! Jatko alueelta T äärettömyyteen (, ) Otetaan signaali g T (t) äärellisessä ajassa T Jatketaan se reaaliakselin (, ) signaaliksi, joka häviää T :n ulkopuolella: Jatkettu signaali on s(t) =ft rect (t)s T (t) missä jaksollinen signaali s T kerrotaan kanttiaaltoikkunalla ft rect Tulkinta: T on symbolijakso. 17 (25) A! Kanttipulssi Kanttipulssin muotoinen ikkunafunktio: ft rect (t) = 1 2 T (sign (T 2 t) + sign ( T 2 + t)) = 1 (H (t + T 2) H (t T 2)) = T missä H(t) = { 1 if t 0 0 if t<0 { 0 if t >T/2 if t T/2 1 T on askelfunktio Diracin delta-funktion integraali. Kanttiaalto luo terävät symbolirajat Askelfunktioiden Fourier analyysi Äärettömän nopeat muutokset signaalissa levittävät taajuuden äärettömyyteen. 18 (25)
10 A! Symbolijonokanta Jaetaan IR jonoksi symbolijaksoja: IR = m= [mt T/2,mT + T/2) Otetaan jokaiselle symbolijaksolle ikkunafunktio ft rect (t mt ) täydellinen ortonormaalinen kanta {φ k (t)} k=1 Esimerkiksi trigonometrinen, tai CDM/FDM kanta Saadaan ortonormaali kanta {ϕ m,k (t)} m Z,k Z+ IR:n äärellisenergisille signaaleille. Kantafunktiot ovat ϕ m,k (t) =ft rect (t mt )φ k (t) jokainen indeksipari (m, k) antaa yhden kantafunktion, esim. k:s eskponentiaalien Fourier-aalto ikkunoituna aikaväliin [mt T/2,mT + T/2) Rajoittamalla k =1,...N antaa äärellisulotteisen signaaliavaruuden jokaisella symbolijaksolla T. 19 (25) A! Symbolijonokanta II Funktiot ϕ m,k (t) ovat triviaalisti ortonormaalisia: Tarkastellaan kahta funktiota ϕ m,k (t) and ϕ m,k (t) jos m m, sisätulo häviää jaksot, joissa funktiot nollasta poikkeavia, eivät mene päällekäin jos m = m, sisätulo häviää, jos k k on käytetty äärellisen jakson T kahta ortonormaalia funktiota. jos m = m ja k = k, sisätulo on yksi. Mielivaltainen äärellisenerginen IR:n funktio g(t) voidaan kehittää tässä kannassa koska g:llä on äärellinen energia, sen rajoittuma mihin tahansa symbolijaksoon [mt T/2,mT + T/2) on äärellisenerginen, ja voidaan esittää tuon jakson kannassa. 20 (25)
11 A! Esimerkki: kaksi jaksoa { 5(t 1) Kehitä funktio f(t) = 2 (t 1) 4 if 1 t 3 0 otherwise T =2mittaisten jaksojen kantafunktioissa Kaksi jaksoa: [ 1, 1) ja [1, 3), Fourier-kanta kummallakin jaksolla. 21 (25) A! Lineaarinen kantataajuuslähete Otetaan N kantafunktiota kussakin symbolijaksossa Tehdään symbolijonoista signaali N g(t) = s m,k ϕ m,k (t) = ft rect (t mt ) m Z m Z N s m,k φ k (t) k=1 k=1 Digitaalinen informaatio kuvataan M-arvoisiin symboleihiin s m,k C. Lähetettävät bitit ryhmitellään ensin N log 2 M bitiksi. Ryhmät lähetetään sarjassa, yksi ryhmä symbolijaksossa. Symbolijaksossa lähetetään N log 2 M bittiä rinnan N:llä aaltomuodolla kukin aaltomuoto moduloidaan lineaarisesti C-arvoisella symbolila, valitaan log 2 M:llä bitillä konstellaatiopiste. 22 (25)
12 A! Lähete stokastisena prosessina b Symbolijaksossa m lähetetään signaaliavaruusvektori s(m) C N diskreettiaikainen stokastinen prosessi {s(m)} Kantataajuusmodulaatio jatkuva-aikainen stokastinen prosessi g(t) Prosessi on stationaarinen ja ergodinen: Odotusarvo: E G,α {g(t + α)} = T 0 E G{g(t + α)}dα = vakio Autokorrelaatio: R g (τ) =E G,α {g(t+α)g (t+α+τ)} = lim T E Huom: g on näytefunktio prosessista. { 1 T T /2 T /2 Tehospektritiheys: autokorrelaation Fourier-muunnos S g (f) = R g (τ)e 2πjfτ dτ odotusarvo yli satunnaisuuden otettiin jo autokorrelaatiofunktiossa b [9.1, 9.2, 9.3] g(t )g (t + τ)dt } 23 (25) A! Lineaarisen modulaation autokorrelaatio c Satunnaisprosessi g(t) = N m Z k=1 s m,kϕ m,k (t) Lineaarisella modulaatiolla symbolit ovat riippumattomat, E { } s k,m s k,m = Es δ k,k δ m,m. Oletetaan, että symbolin odotusarvo häviää: E {s k,m } =0; Konstellaation massakeskipiste (MK) on siis origossa Suorituskyky riippuu konstellaatiopisteiden erotuksista, ei MK:sta Valitsemalla MK nollaksi minimoidaan energia, muuttamatta suorituskykyä Autokorrelaatiofunktio on (katso luennon lisämateriaali) R g (τ) = E S T N ϕ 0,k (t) ϕ 0,k(t + τ)dt. k=1 Summa yhden symboli-intervallin aaltomuotojen autokorrelaatiofunktioista Prosessin satunnaisuus oli signaliavaruuden symboleissa s m,k Odotusarvo autokorrelaatiossa otettiin näiden yli. c vrt. [Example 9.6; Example 9.7] 24 (25)
13 A! Lineaarisen modulaation tehospektritiheys Tehospektritiheys (PSD) saadaan suoraan: S g (f) = E s T G 0,k (f) 2 missä G 0,k (f) on funktion ϕ 0,k = f T (t)φ k (t) Fourier-muunnos Jos käytetään vain yhtä kantafunktiota symbolijaksossa (N =1), S g (f) = E s T F T(f) 2 missä F T (f) on ikkunafunktion f T (t) Fourier-muunnos Lineaarisella modulaatiolla symbolit ovat riippumattomat. PSD palautui aaltomuodon F-muunnoksen itseisarvon neliöksi PSD riipuu konstellaatiosta vain E S :n kautta! k 25 (25)
Signaaliavaruuden kantoja äärellisessä ajassa a
ELEC-C7230 Tietoliikenteen siirtomenetelmät Luento 3: Kompleksiarvoiset signaalit, taajuus, kantoaaltomodulaatio Olav Tirkkonen, Jari Lietzen Aalto, Tietoliikenne- ja tietoverkkotekniikan laitos Signaaliavaruuden
LisätiedotELEC-C7230 Tietoliikenteen siirtomenetelmät
ELEC-C7230 Tietoliikenteen siirtomenetelmät Laskuharjoitus 8 - ratkaisut 1. Tehtävässä on taustalla ajatus kantoaaltomodulaatiosta, jossa on I- ja Q-haarat, ja joka voidaan kuvata kompleksiarvoisena kantataajuussignaalina.
LisätiedotSuodatus ja näytteistys, kertaus
ELEC-C7230 Tietoliikenteen siirtomenetelmät Luento 6: Kantataajuusvastaanotin AWGN-kanavassa II: Signaaliavaruuden vastaanotin a Olav Tirkkonen Aalto, Tietoliikenne- ja tietoverkkotekniikan laitos a [10.6.3-10.6.6;
LisätiedotLuento 5: Kantataajuusvastaanotin AWGNkanavassa I: Suodatus ja näytteistys a. Kuvaa diskreetin ajan signaaliavaruussymbolit jatkuvaan aikaan
ELEC-C7230 Tietoliikenteen siirtomenetelmät Luento 5: Kantataajuusvastaanotin AWGNkanavassa I: Suodatus ja näytteistys a Olav Tirkkonen Aalto, Tietoliikenne- ja tietoverkkotekniikan laitos a [10.1-10.6.3]
Lisätiedotspektri taajuus f c f c W f c f c + W
Kaistanpäästösignaalit Monet digitaaliset tiedonsiirtosignaalit ovat keskittyneet jonkin tietyn kantoaaltotaajuuden f c ympäristöön siten, että signaali omaa merkittäviä taajuuskomponetteja vain kaistalla
LisätiedotNämä ovat siis minimivaatimukset, enemmänkin saa ja suositellaan
Mitä pitäisi vähintään osata Tässäkäydään läpi asiat jotka olisi hyvä osata Nämä ovat siis minimivaatimukset, enemmänkin saa ja suositellaan osattavan 333 Kurssin sisältö Todennäköisyyden, satunnaismuuttujien
LisätiedotSIGNAALITEORIAN KERTAUSTA OSA 2
1 SIGNAALITEORIAN KERTAUSTA OSA 2 Miten spektri lasketaan moduloiduille ja näytteistetyille tietoliikennesignaaleille? KONVOLUUTIO JA KERTOLASKU 2 Kantataajuussignaali (baseband) = sanomasignaali ilman
LisätiedotMS-C1420 Fourier-analyysi osa I
MS-C142 Fourier-analyysi osa I G. Gripenberg Aalto-yliopisto 29. tammikuuta 214 G. Gripenberg (Aalto-yliopisto) MS-C142 Fourier-analyysiosa I 29. tammikuuta 214 1 / 3 1 Johdanto 2 Fourier-integraali Fourier-muunnos
LisätiedotLuento 2. Jaksolliset signaalit
Luento Jaksollisten signaalien Fourier-sarjat Viivaspektri S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio Jaksollinen (periodinen) Jaksolliset signaalit Jaksonaika - / / Perusjakso Amplitudi
LisätiedotNumeeriset menetelmät
Numeeriset menetelmät Luento 13 Ti 18.10.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 13 Ti 18.10.2011 p. 1/43 p. 1/43 Nopeat Fourier-muunnokset Fourier-sarja: Jaksollisen funktion esitys
LisätiedotOrtogonaaliprojektio äärellisulotteiselle aliavaruudelle
Ortogonaaliprojektio äärellisulotteiselle aliavaruudelle Olkoon X sisätuloavaruus ja Y X äärellisulotteinen aliavaruus. Tällöin on olemassa lineaarisesti riippumattomat vektorit y 1, y 2,..., yn, jotka
LisätiedotMS-C1420 Fourier-analyysi osa I
1 Johdanto MS-C142 Fourier-analyysi osa I G Gripenberg 2 Fourier-integraali Fourier-muunnos ja derivaatta Konvoluutio Fourier-käänteismuunnos eliöintegroituvat funktiot Aalto-yliopisto 29 tammikuuta 214
LisätiedotKapeakaistainen signaali
Tiedonsiirrossa sellaiset signaalit ovat tyypillisiä, joilla informaatio jakautuu kapealle taajuusalueelle jonkun keskitaajuuden ympäristöön. Tällaisia signaaleja kutustaan kapeakaistaisiksi signaaleiksi
LisätiedotMS-C1420 Fourier-analyysi osa I
MS-C1420 Fourier-analyysi osa I G. Gripenberg Aalto-yliopisto 29. tammikuuta 2014 G. Gripenberg (Aalto-yliopisto) MS-C1420 Fourier-analyysiosa I 29. tammikuuta 2014 1 / 29 Fourier-muunnoksia Jatkuva-aikaisen
LisätiedotRadioamatöörikurssi 2016
Radioamatöörikurssi 2016 Modulaatiot Radioiden toiminta 8.11.2016 Tatu Peltola, OH2EAT 1 / 18 Modulaatiot Erilaisia tapoja lähettää tietoa radioaalloilla Esim. puhetta ei yleensä laiteta antenniin sellaisenaan
LisätiedotSIGNAALITEORIAN KERTAUSTA 1
SIGNAALITEORIAN KERTAUSTA 1 1 (26) Fourier-muunnos ja jatkuva spektri Spektri taajuuden funktiona on kompleksiarvoinen funktio, jonka esittäminen graafisesti edellyttää 3D-kuvaajan piirtämisen. Yleensä
LisätiedotSignaalit 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)
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
LisätiedotSignaalimallit: sisältö
Signaalimallit: sisältö Motivaationa häiriöiden kuvaaminen ja rekonstruointi Signaalien kuvaaminen aikatasossa, determinisitinen vs. stokastinen Signaalien kuvaaminen taajuustasossa Fourier-muunnos Deterministisen
LisätiedotDigitaalinen tiedonsiirto ja siirtotiet. OSI-kerrokset
A! Aalto University Comnet ELEC-C7230 Tietoliikenteen siirtomenetelmät, Luento 1 Digitaalinen tiedonsiirto ja siirtotiet Olav Tirkkonen [Luku 1: Introduction, kokonaisuudessaan] A! OSI-kerrokset Tiedonsiirtojärjestelmiä
LisätiedotELEC-C7230 Tietoliikenteen siirtomenetelmät. Yleistä
Aalto University Comnet ELEC-C7230 Tietoliikenteen siirtomenetelmät Kurssisuunnitelma, kevät 2016 Olav Tirkkonen, Tietoliikenne- ja tietoverkkotekniikan laitos, Aalto-yliopisto Yleistä Esitiedot: (kurssi
LisätiedotSIGNAALITEORIAN JATKOKURSSI 2003
SIGNAALITEORIAN JATKOKURSSI 2003 Harri Saarnisaari University of Oulu Telecommunication laboratory & Centre for Wireless Communications (CWC) Yhteystiedot Luennot Harri Saarnisaari puh. 553 2842 vastaanotto
LisätiedotA B = 100, A = B = 0. D = 1.2. Ce (1.2 D. C (t D) 0, t < 0. t D. )} = Ae πjf D F{Π( t D )} = ADe πjf D sinc(df)
ELEC-A7 Signaalit ja järjestelmät Syksy 5 Tehtävä 3. a) Suoran tapauksessa ratkaistaan kaksi tuntematonta termiä, A ja B, joten tarvitaan kaksi pistettä, jotka ovat pisteet t = ja t =.. Saadaan yhtälöpari
LisätiedotJATKUVAN AWGN-KANAVAN KAPASITEETTI SHANNON-HARTLEY -LAKI
1 JATKUVAN AWGN-KANAVAN KAPASITEETTI SHANNON-HARTLEY -LAKI Miten tiedonsiirrossa tarvittavat perusresurssit (teho & kaista) riippuvat toisistaan? SHANNONIN 2. TEOREEMA = KANAVAKOODAUS 2 Shannonin 2. teoreema
LisätiedotMS-C1420 Fourier-analyysi osa II
MS-C142 Fourier-analyysi osa II G. Gripenberg Aalto-yliopisto 14. helmikuuta 214 1 Fourier-sarjat ja Fourier-integraalit Poissonin summakaava Whittaker-Shannonin interpolointikaava 2 Vaimennetunen distribuution
LisätiedotMS-C1420 Fourier-analyysi Esimerkkejä, perusteluja, osa I
MS-C140 Fourier-analyysi Esimerkkejä, perusteluja, osa I G. Gripenberg Aalto-yliopisto 3. tammikuuta 014 G. Gripenberg (Aalto-yliopisto MS-C140 Fourier-analyysiEsimerkkejä, perusteluja, osa3. I tammikuuta
LisätiedotMS-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
LisätiedotELEC-C7230 Tietoliikenteen siirtomenetelmät
A! Aalto University Comnet ELEC-C7230 Tietoliikenteen siirtomenetelmät Kurssisuunnitelma, kevät 2018 Olav Tirkkonen, Tietoliikenne- ja tietoverkkotekniikan laitos, Aalto-yliopisto A! Yleistä Esitiedot:
LisätiedotMS-C1420 Fourier-analyysi Esimerkkejä, perusteluja, osa I
MS-C14 Fourier-analyysi Esimerkkejä, perusteluja, osa I G. Gripenberg Aalto-yliopisto 3. tammikuuta 14 G. Gripenberg (Aalto-yliopisto MS-C14 Fourier-analyysiEsimerkkejä, perusteluja, osa3. I tammikuuta
LisätiedotMONITILAISET TIEDONSIIRTOMENETELMÄT TÄRKEIMPIEN ASIOIDEN KERTAUS A Tietoliikennetekniikka II Osa 18 Kari Kärkkäinen Syksy 2015
1 MONITILAISET TIEDONSIIRTOMENETELMÄT TÄRKEIMPIEN ASIOIDEN KERTAUS 2 M-tilaisilla yhdellä symbolilla siirtyy k = log 2 M bittiä. Symbolivirhetn. sasketaan ensin ja sitten kuvaussäännöstä riippuvalla muunnoskaavalla
LisätiedotS-38.1105 Tietoliikennetekniikan perusteet. Jukka Manner Teknillinen korkeakoulu
S-38.1105 Tietoliikennetekniikan perusteet Jukka Manner Teknillinen korkeakoulu Luento 3 Signaalin siirtäminen Tiedonsiirron perusteita Jukka Manner Teknillinen korkeakoulu Luennon ohjelma Termejä, konsepteja
Lisätiedot4. Fourier-analyysin sovelletuksia. Funktion (signaalin) f(t) näytteistäminen tapahtuu kertomalla funktio näytteenottosignaalilla
4.1 Näytteenottolause 4. Fourier-analyysin sovelletuksia Näyttenottosignaali (t) = k= δ(t kt). T on näytteenottoväli, ja ω T = 1 T on näyttenottotaajuus. Funktion (signaalin) f(t) näytteistäminen tapahtuu
Lisätiedot1 Vastaa seuraaviin. b) Taajuusvasteen
Vastaa seuraaviin a) Miten määritetään digitaalisen suodattimen taajuusvaste sekä amplitudi- ja vaihespektri? Tässä riittää sanallinen kuvaus. b) Miten viivästys vaikuttaa signaalin amplitudi- ja vaihespektriin?
LisätiedotDigitaalinen tiedonsiirto ja siirtotiet
A! Aalto University Comnet ELEC-C7230 Tietoliikenteen siirtomenetelmät, Luento 1 Digitaalinen tiedonsiirto ja siirtotiet Olav Tirkkonen [Luku 1: Introduction, kokonaisuudessaan] A! OSI-kerrokset Tiedonsiirtojärjestelmiä
LisätiedotNumeeriset menetelmät TIEA381. Luento 13. Kirsi Valjus. Jyväskylän yliopisto. Luento 13 () Numeeriset menetelmät / 42
Numeeriset menetelmät TIEA381 Luento 13 Kirsi Valjus Jyväskylän yliopisto Luento 13 () Numeeriset menetelmät 8.5.2013 1 / 42 Luennon 13 sisältö Tavallisten differentiaaliyhtälöiden numeriikasta Moniaskelmenetelmien
Lisätiedot8. Avoimen kuvauksen lause
116 FUNKTIONAALIANALYYSIN PERUSKURSSI 8. Avoimen kuvauksen lause Palautamme aluksi mieleen Topologian kursseilta ehkä tutut perusasiat yleisestä avoimen kuvauksen käsitteestä. Määrittelemme ensin avoimen
Lisätiedot521357A TIETOLIIKENNETEKNIIKKA I
1 521357A TIETOLIIKENNETEKNIIKKA I KURSSI ANALOGISEN TIEDONSIIRRON PERUSTEISTA KARI KÄRKKÄINEN Tietoliikennetekniikan osasto, huone TS439 kk@ee.oulu.fi, puh: 029 448 2848, http://www.ee.oulu.fi/~kk/ https://noppa.oulu.fi/noppa/kurssi/521357a/etusivu
LisätiedotLaitteita - Yleismittari
Laitteita - Yleismittari Yleistyökalu mittauksissa Yleensä digitaalisia Mittaustoimintoja Jännite (AC ja DC) Virta (AC ja DC) Vastus Diodi Lämpötila Transistori Kapasitanssi Induktanssi Taajuus 1 Yleismittarin
LisätiedotLuento 4 Fourier muunnos
Luento 4 Luento 4 Fourier muunnos 4. F muunnos F muunnos Oppenheim 4. 4. Energiaspektri (spektritiheys) Rayleigh'n energia teoreema, energiaspektri Kaistanleveys Boden diagrammi 4.3 F muunnoksen ominaisuudet,
LisätiedotDynaamiset regressiomallit
MS-C2128 Ennustaminen ja Aikasarja-analyysi, Lauri Viitasaari Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Syksy 2016 Tilastolliset aikasarjat voidaan jakaa kahteen
LisätiedotRadioamatöörikurssi 2017
Radioamatöörikurssi 2017 Polyteknikkojen Radiokerho Luento 4: Modulaatiot 9.11.2017 Otto Mangs, OH2EMQ, oh2emq@sral.fi 1 / 29 Illan aiheet 1.Signaaleista yleisesti 2.Analogiset modulaatiot 3.Digitaalinen
LisätiedotMULTIPLEKSOINTIMENETELMÄT FDM, TDM, CDM JA QM. Tietoliikennetekniikka I A Kari Kärkkäinen Osa 22 1 (16)
MULTIPLEKSOINTIMENETELMÄT FDM, TDM, CDM JA QM Tietoliikennetekniikka I 521357A Kari Kärkkäinen Osa 22 1 (16) Multipleksointimenetelmät Usein on tarve yhdistää eri lähteistä tulevia toisistaan riippumattomia
LisätiedotIlkka 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
LisätiedotJohdatus todennäköisyyslaskentaan Momenttiemäfunktio ja karakteristinen funktio. TKK (c) Ilkka Mellin (2005) 1
Johdatus todennäköisyyslaskentaan Momenttiemäfunktio ja karakteristinen funktio TKK (c) Ilkka Mellin (5) 1 Momenttiemäfunktio ja karakteristinen funktio Momenttiemäfunktio Diskreettien jakaumien momenttiemäfunktioita
Lisätiedotu = 2 u (9.1) x + 2 u
9. Poissonin integraali 9.. Poissonin integraali. Ratkaistaan Diriclet n reuna-arvotehtävä origokeskisessä, R-säteisessä ympyrässä D = {(x, y) R x +y < R }, t.s. kun f : D R on annettu jatkuva funktio,
Lisätiedotz 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
LisätiedotWIMAX-järjestelmien suorituskyvyn tutkiminen
Teknillinen korkeakoulu Elektroniikan, tietoliikenteen ja automaation tiedekunta Tietoliikenne- ja tietoverkkotekniikan laitos WIMAX-järjestelmien suorituskyvyn tutkiminen Mika Nupponen Diplomityöseminaari
Lisätiedot6.1 Autokovarianssifunktion karakterisaatio aikatasossa
6. Spektraalianalyysi Tällä kurssilla on käyty läpi eräitä stationääristen aikasarjojen ominaispiirteitä, kuten aikasarjaa mallintavan stokastisen prosessin X t odotusarvo E[X t ] ja autokovarianssifunktio
LisätiedotBINÄÄRISET TIEDONSIIRTOMENETELMÄT TÄRKEIMPIEN ASIOIDEN KERTAUS A Tietoliikennetekniikka II Osa 11 Kari Kärkkäinen Syksy 2015
BINÄÄRISET TIEDONSIIRTOMENETELMÄT TÄRKEIMPIEN ASIOIDEN KERTAUS 536A Tietoliienneteniia II Osa Kari Käräinen Sysy 5 Kantataajuusjärjestelmä lähettää ±A -tasoisia symboleita T:n välein. Optimaalinen vastaanotin
LisätiedotKuva 3.1: Näyte Gaussisesta valkoisest kohinasta ε t N(0, 1) Aika t
Kuva 3.1: Näyte Gaussisesta valkoisest kohinasta ε t N(0, 1) Valkoinen kohina ε t 2 1 0 1 2 Voimme tehdä saman laskun myös yleiselle välille [ a, a], missä 0 < a
LisätiedotT-61.246 DSP: GSM codec
T-61.246 DSP: GSM codec Agenda Johdanto Puheenmuodostus Erilaiset codecit GSM codec Kristo Lehtonen GSM codec 1 Johdanto Analogisen puheen muuttaminen digitaaliseksi Tiedon tiivistäminen pienemmäksi Vähentää
LisätiedotYhtälöryhmä matriisimuodossa. MS-A0004/A0006 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5.
2. MS-A4/A6 Matriisilaskenta 2. Nuutti Hyvönen, c Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 5.9.25 Tarkastellaan esimerkkinä lineaarista yhtälöparia { 2x x 2 = x + x 2
LisätiedotOsa VI. Fourier analyysi. A.Rasila, J.v.Pfaler () Mat Matematiikan peruskurssi KP3-i 12. lokakuuta / 246
Osa VI Fourier analyysi A.Rasila, J.v.Pfaler () Mat-1.1331 Matematiikan peruskurssi KP3-i 12. lokakuuta 2007 127 / 246 1 Johdanto 2 Fourier-sarja 3 Diskreetti Fourier muunnos A.Rasila, J.v.Pfaler () Mat-1.1331
LisätiedotOhjelmistoradio tehtävät 4. P1: Ekvalisointi ja demodulaatio. OFDM-symbolien generoiminen
Ohjelmistoradio tehtävät 4 P: Ekvalisointi ja demodulaatio Tässä tehtävässä dekoodata OFDM data joka on sijotetty synknonontisignaalin lälkeen. Synkronointisignaali on sama kuin edellisessä laskutehtävässä.
LisätiedotSIGNAALITEORIAN KERTAUSTA OSA 1
1 SIGNAALITEORIAN KERTAUSTA OSA 1 Millainen on signaalin spektri ja miten se lasketaan? SIGNAALIEN JA SPEKTRIN PERUSKÄSITTEITÄ 2 Spektri taajuuden funktiona on kompleksiarvoinen funktio, jonka graafinen
LisätiedotLuku 4 - Kuvien taajuusanalyysi
Luku 4 - Kuvien taajuusanalyysi Matti Eskelinen 8.2.2018 Kuvien taajuusanalyysi Tässä luvussa tutustumme taajuustasoon ja opimme analysoimaan kuvia ja muitakin signaaleja Fourier-muunnoksen avulla. Aiheina
LisätiedotKompleksianalyysi, 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
LisätiedotDynaamisten systeemien identifiointi 1/2
Dynaamisten systeemien identifiointi 1/2 Mallin rakentaminen mittausten avulla Epäparametriset menetelmät: tuloksena malli, joka ei perustu parametreille impulssi-, askel- tai taajusvaste siirtofunktion
LisätiedotMatriisilaskenta Luento 12: Vektoriavaruuden kannan olemassaolo
Matriisilaskenta Luento 12: Vektoriavaruuden kannan olemassaolo Antti Rasila 2016 Vektoriavaruuden kannan olemassaolo Jos {v 1, v 2,..., v k } on äärellisulotteisen vektoriavaruuden V lineaarisesti riippumaton
Lisätiedot5. Z-muunnos ja lineaariset diskreetit systeemit. z n = z
5. Z-muunnos ja lineaariset diskreetit systeemit Jono: (x(n)) n=0 = (x(0), x(1), x(2),..., x(n),...) Z-muunnos: X(z) = n=0 x(n)z n, jos sarja suppenee jossain kompleksitason osassa. Esim. 4. Ykkösjonon
LisätiedotVärähdysliikkeet. q + f (q, q, t) = 0. q + f (q, q) = F (t) missä nopeusriippuvuus kuvaa vaimenemista ja F (t) on ulkoinen pakkovoima.
Torstai 18.9.2014 1/17 Värähdysliikkeet Värähdysliikkeet ovat tyypillisiä fysiikassa: Häiriö oskillaatio Jaksollinen liike oskillaatio Yleisesti värähdysliikettä voidaan kuvata yhtälöllä q + f (q, q, t)
Lisätiedot8. Avoimen kuvauksen lause
FUNKTIONAALIANALYYSIN PERUSKURSSI 125 8. Avoimen kuvauksen lause Palautamme aluksi mieleen Topologian kursseilta ehkä tutut perusasiat yleisestä avoimen kuvauksen käsitteestä. Määrittelemme ensin avoimen
LisätiedotSGN-1200 Signaalinkäsittelyn menetelmät, Tentti
SG-1200 Signaalinkäsittelyn menetelmät, Tentti 21.3.2006 Kirjoita nimesi ja opiskelijanumerosi jokaiseen paperiin. Vastauspaperit tullaan irrottamaan toisistaan. Jos tila ei riitä, jatka kääntöpuolelle
LisätiedotKompleksianalyysi, viikko 4
Kompleksianalyysi, viikko 4 Jukka Kemppainen Mathematics Division Reaalimuuttujan kompleksiarvoisen funktion integraali Aloitetaan reaalimuuttujan kompleksiarvoisen funktion integraalin määrittelyllä,
LisätiedotLuento 2. S Signaalit ja järjestelmät 5 op TKK Tietoliikenne Laboratorio 1. Jean Baptiste Joseph Fourier ( )
Luento Jasollisten signaalien Fourier-sarjat Viivaspetri S-.7. Signaalit ja järjestelmät 5 op KK ietoliienne Laboratorio Jean Baptiste Joseph Fourier (768-83) Ransalainen matemaatio ja fyysio. Esitti Fourier-sarjat
LisätiedotFourier-analyysi, I/19-20, Mallivastaukset, Laskuharjoitus 7
MS-C14, Fourier-analyysi, I/19- Fourier-analyysi, I/19-, Mallivastaukset, Laskuharjoitus 7 Harjoitustehtävä 7.1. Hetkellä t R olkoon s(t) 1 + cos(4πt) + sin(6πt). Laske tämän 1-periodisen signaalin s Fourier-kertoimet
LisätiedotOngelma(t): Miten digitaalista tietoa voidaan toisintaa ja visualisoida? Miten monimutkaista tietoa voidaan toisintaa ja visualisoida?
Ongelma(t): Miten digitaalista tietoa voidaan toisintaa ja visualisoida? Miten monimutkaista tietoa voidaan toisintaa ja visualisoida? 2 Tieto on koodattu aikaisempaa yleisemmin digitaaliseen muotoon,
LisätiedotJaksollisen signaalin spektri
Jaksollisen signaalin spektri LuK-tutkielma Topi Suviaro 2257699 Matemaattisten tieteiden laitos Oulun yliopisto Syksy 215 Sisältö Johdanto 2 1 Jaksollisuudesta 2 2 Spektristä 3 2.1 Symmetrian vaikutuksesta
Lisätiedot6.2.3 Spektrikertymäfunktio
ja prosessin (I + θl + + θl q )ε t spektritiheysfunktio on Lemman 6. ja Esimerkin 6.4 nojalla σ π 1 + θ 1e iω + + θ q e iqω. Koska viivepolynomien avulla määritellyt prosessit yhtyvät, niin myös niiden
LisätiedotTietoliikennesignaalit & spektri
Tietoliikennesignaalit & spektri 1 Tietoliikenne = informaation siirtoa sähköisiä signaaleja käyttäen. Signaali = vaihteleva jännite (tms.), jonka vaihteluun on sisällytetty informaatiota. Signaalin ominaisuuksia
Lisätiedot12. Luento. Luento 12 Modulaatio. Oppenheim luku 8 soveltuvin osin. Koherentti ja epäkoherentti analoginen modulaatio Digitaalinen modulaatio
. Luento Luento Modulaatio Koherentti ja epäkoherentti analoginen modulaatio Digitaalinen modulaatio Oppenheim luku 8 soveltuvin osin Modulaatio Modulaatiossa siirretään moduloivan signaalin spektri kantoaallon
LisätiedotKotitehtävät 1-6: Vastauksia
/V Integraalimuunnokset Metropolia/. Koivumäki Kotitehtävät -6: Vastauksia. Merkitse kompleksitasoon näiden kompleksilukujen sijainti: a = 3 j b = 3 35 (3 kulmassa 35 ) jπ / c = d = 3 e j 9.448 e cos(
LisätiedotLaplace-muunnos: määritelmä
Laplace-muunnos: määritelmä Olkoon f : [, [ R funktio. Funktion f Laplacen muunnos määritellään yhtälöllä F(s) = L(f) := f(t)e st dt edellyttäen, että integraali f(t)e st dt suppenee. Riittävä ehto integraalin
Lisätiedot4.0.2 Kuinka hyvä ennuste on?
Luonteva ennuste on käyttää yhtälöä (4.0.1), jolloin estimaattori on muotoa X t = c + φ 1 X t 1 + + φ p X t p ja estimointivirheen varianssi on σ 2. X t }{{} todellinen arvo Xt }{{} esimaattori = ε t Esimerkki
LisätiedotOsa IX. Z muunnos. Johdanto Diskreetit funktiot
Osa IX Z muunnos A.Rasila, J.v.Pfaler () Mat-.33 Matematiikan peruskurssi KP3-i 9. lokakuuta 2007 298 / 322 A.Rasila, J.v.Pfaler () Mat-.33 Matematiikan peruskurssi KP3-i 9. lokakuuta 2007 299 / 322 Johdanto
LisätiedotOsittaisdifferentiaaliyhtälöt
Osittaisdifferentiaaliyhtälöt Harjoituskokoelmat 4 ja 5, kevät 2011 Palautus Eemeli Blåstenille to 23.6. klo 16.00 mennessä 1. Ratkaise Dirichlet ongelma u(x, y) = 0, x 2 + y 2 < 1, u(x, y) = y + x 2,
LisätiedotMS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi
MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi 2A Satunnaismuuttujan odotusarvo Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Syksy 2016,
LisätiedotMULTIPLEKSOINTIMENETELMÄT FDM, TDM, CDM JA QM
MULTIPLEKSOINTIMENETELMÄT FDM, TDM, CDM JA QM 1 (17) Multipleksointimenetelmät Usein on tarve yhdistää riippumattomista eri lähteistä tulevia signaaleja multipleksoinnin keinoin, jotta ne voidaan lähettää
LisätiedotNumeeriset menetelmät TIEA381. Luento 8. Kirsi Valjus. Jyväskylän yliopisto. Luento 8 () Numeeriset menetelmät / 35
Numeeriset menetelmät TIEA381 Luento 8 Kirsi Valjus Jyväskylän yliopisto Luento 8 () Numeeriset menetelmät 11.4.2013 1 / 35 Luennon 8 sisältö Interpolointi ja approksimointi Funktion approksimointi Tasainen
LisätiedotLineaarikuvausten. Lineaarikuvaus. Lineaarikuvauksia. Ydin. Matriisin ydin. aiheita. Aiheet. Lineaarikuvaus. Lineaarikuvauksen matriisi
Lineaarikuvaukset aiheita ten ten 1 Matematiikassa sana lineaarinen liitetään kahden lineaariavaruuden väliseen kuvaukseen. ten Määritelmä Olkoon (L, +, ) ja (M, ˆ+, ˆ ) reaalisia lineaariavaruuksia, ja
LisätiedotSGN-1200 Signaalinkäsittelyn menetelmät, Tentti
SG-1200 Signaalinkäsittelyn menetelmät, Tentti 24.4.2006 Kirjoita nimesi ja opiskelijanumerosi jokaiseen paperiin. Vastauspaperit tullaan irrottamaan toisistaan. Jos tila ei riitä, jatka kääntöpuolelle
Lisätiedot2. Fourier-sarjoista. Aaltoliikkeen ja lämmöjohtumisen matemaattinen tarkastelu
2. Fourier-sarjoista Fourier-analyysi: Aaltoliikkeen ja lämmöjohtumisen matemaattinen tarkastelu Matemaattisen analyysin täkein työväline "Jokainen funktio" voidaan esittää harmonisten värähtelyjen, so.
LisätiedotDynaamisten systeemien teoriaa. Systeemianalyysilaboratorio II
Dynaamisten systeemien teoriaa Systeemianalyysilaboratorio II 15.11.2017 Vakiot, sisäänmenot, ulostulot ja häiriöt Mallin vakiot Systeemiparametrit annettuja vakioita, joita ei muuteta; esim. painovoiman
LisätiedotHelsinki University of Technology
Helsinki University of Technology Laboratory of Telecommunications Technology S-38.11 Signaalinkäsittely tietoliikenteessä I Signal Processing in Communications ( ov) Syksy 1997. Luento: Pulssinmuokkaussuodatus
LisätiedotELEC C4140 Kenttäteoria (syksy 2015)
ELEC C4140 Kenttäteoria (syksy 2015) Henrik Wallén Luentoviiko 11 / versio 23. marraskuuta 2015 Aaltojohdot ja resonaattorit (Ulaby 8.6 8.11) TE-, TM- ja TEM-aaltomuodot Suorakulmaisen aaltoputken perusaaltomuoto
LisätiedotSovellettu todennäköisyyslaskenta B
Sovellettu todennäköisyyslaskenta B Antti Rasila 21. syyskuuta 2007 Antti Rasila () TodB 21. syyskuuta 2007 1 / 19 1 Satunnaismuuttujien riippumattomuus 2 Jakauman tunnusluvut Odotusarvo Odotusarvon ominaisuuksia
Lisätiedot3.3 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.
LisätiedotSarjat ja integraalit
Sarjat ja integraalit Peter Hästö 1. huhtikuuta 2015 Matemaattisten tieteiden laitos Eteneminen pvm luku v 11 2.1, 2.2 v 12 2.3, 2.4 v 13 3.0, 3.1 v 14 3.2 v 15 4 v 16 5.1 v 17 5.2 v 18 6.1 v 19 6.2 Peter
Lisätiedote int) dt = 1 ( 2π 1 ) (0 ein0 ein2π
Matematiikan ja tilastotieteen laitos Funktionaalianalyysin peruskurssi Kevät 9) Harjoitus 7 Ratkaisuja Jussi Martin). E Hilbert avaruus L [, π]) ja gt) := t, t [, π]. Määrää funktion g Fourier kertoimet
LisätiedotSÄÄTÖJÄRJESTELMIEN SUUNNITTELU
ENSO IKONEN PYOSYS 1 SÄÄTÖJÄRJESTELMIEN SUUNNITTELU Enso Ikonen professori säätö- ja systeemitekniikka http://cc.oulu.fi/~iko Oulun yliopisto Älykkäät koneet ja järjestelmät, Systeemitekniikka Feb 2019
LisätiedotKohina. Havaittujen fotonien statistinen virhe on kääntäen verrannollinen havaittujen fotonien lukumäärän N neliö juureen ( T 1/ N)
Kohina Havaittujen fotonien statistinen virhe on kääntäen verrannollinen havaittujen fotonien lukumäärän N neliö juureen ( T 1/ N) N on suoraan verrannollinen integraatioaikaan t ja havaittuun taajuusväliin
LisätiedotLaplace-muunnos. 8. marraskuuta Laplace-muunnoksen määritelmä, olemassaolo ja perusominaisuudet Differentiaaliyhtälöt Integraaliyhtälöt
8. marraskuuta 216 Laplace-muunnoksen määritelmä, olemassaolo ja perusom Integraalimuunnos Integraalimuunnos on yleisesti muotoa F(u) = K(t, u)f (t)dt missä K on integraalin ydin. Tässä K ja f ovat tunnettuja.
LisätiedotMS-A010{3,4,5} (ELEC*, ENG*) Differentiaali- ja integraalilaskenta 1 Luento 11: Lineaarinen differentiaaliyhtälö
MS-A010{3,4,5} (ELEC*, ENG*) Differentiaali- ja integraalilaskenta 1 Luento 11: Lineaarinen differentiaaliyhtälö Pekka Alestalo, Jarmo Malinen Aalto-yliopisto, Matematiikan ja systeemianalyysin laitos
LisätiedotNumeeriset menetelmät TIEA381. Luento 6. Kirsi Valjus. Jyväskylän yliopisto. Luento 6 () Numeeriset menetelmät / 33
Numeeriset menetelmät TIEA381 Luento 6 Kirsi Valjus Jyväskylän yliopisto Luento 6 () Numeeriset menetelmät 4.4.2013 1 / 33 Luennon 6 sisältö Interpolointi ja approksimointi Polynomi-interpolaatio: Vandermonden
LisätiedotTaustatietoja ja perusteita
Taustatietoja ja perusteita Vektorit: x R n pystyvektoreita, transpoosi x T Sisätulo: x T y = n i=1 x i y i Normi: x = x T x = ni=1 x 2 i Etäisyys: Kahden R n :n vektorin välinen etäisyys x y 1 Avoin pallo:
LisätiedotHILBERTIN AVARUUKSISTA
HILBERTIN AVARUUKSISTA Pro gradu -tutkielma Hannariikka Lehtiniemi Matematiikan ja tilastotieteen laitos Jyväskylän yliopisto syksy 2014 TIIVISTELMÄ Ääretönulotteiset avaruudet ovat monilta ominaisuuksiltaan
Lisätiedotc) 22a 21b x + a 2 3a x 1 = a,
Tehtäviä on kahdella sivulla; kuusi ensimmäistä tehtävää on monivalintatehtäviä, joissa on 0 4 oikeata vastausta. 1. Lukion A ja lukion B oppilasmäärien suhde oli a/b vuoden 2017 lopussa. Vuoden 2017 aikana
LisätiedotAlla olevassa kuvassa on millisekunnin verran äänitaajuisen signaalin aaltomuotoa. Pystyakselilla on jännite voltteina.
TT12S1E Tietoliikenteen perusteet Metropolia/A. Koivumäki 1 Kirjan lukuun 3 liittyvää lisäselitystä ja esimerkkejä Kirjan luvussa 3 (Signals Carried over the Network) luodaan katsaus siihen, minkälaisia
LisätiedotMS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi
MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi 2A Satunnaismuuttujan odotusarvo Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Lukuvuosi
Lisätiedot, c) x = 0 tai x = 2. = x 3. 9 = 2 3, = eli kun x = 5 tai x = 1. Näistä
Pitkä matematiikka 8.9.0, ratkaisut:. a) ( x + x ) = ( + x + x ) 6x + 6x = + 6x + 6x x = x =. b) Jos x > 0, on x = + x x = + x. Tällä ei ole ratkaisua. Jos x 0, on x = + x x = + x x =. c) x = x ( x) =
Lisätiedot