a) Ortogonaalinen, koska kantafunktioiden energia 1

Save this PDF as:
 WORD  PNG  TXT  JPG

Koko: px
Aloita esitys sivulta:

Download "a) Ortogonaalinen, koska kantafunktioiden energia 1"

Transkriptio

1 S Signaali ja järjeselmä Teni Vasaa lyhyesi seuraaviin saehäviin, käyä arviaessa kuvaa. a) Mikä minaisuuksisa rgnaalinen ja rnrmaalinen kuvaa paremmin Furier-sarjaa ja miksi? b) Esiä jkin impulssifunkin määrielmä. c) DFT:lla ukiaan signaalin spekri aajuusalueella khz käyäen 104 näyeä. Kuinka suuri n näyeväli aika- ja aajuusalueessa? d) Mikä n näyejnn {4,3,,1} Z-muunns? e) Miä arkieaan sudaimen pääsö- ja eskaisalla? f) Esiä heisen, negaiivisesi akaisinkykeyn järjeselmän siirfunki kuvassa anneujen siirfunkiiden avulla. g) Mien laskeaan keskiarv ja varianssi, kun unneaan saunnaismuuujan + _ H 1(f) h) iheysfunki px ( x)? Millä avalla erava näyesignaalien spekri lunnllisessa ja hekellisessä H (f) näyeenssa? i) x () = xc() cs ( π f) xs() sin ( π f) n kaisanpääsösignaalin kvadrauuriesiyksen lauseke. Esiä kmpleksisen verhkäyrän lauseke. j) AM-mdulaaissa mduliva signaali n x() X(f), mdulaaiindeksi m ja kanaalaajuus f c. Esiä AM-mdulaain Furiermuunnksen lauseke. Rakaisu a) Orgnaalinen, kska kanafunkiiden energia 1 b) δ () d= 1, lim x(, ε ) d = 1 lim { x(, ε) } = δ( ) ε 0 ε 0 c) f s = = 000 Hz, T s = s = 0, µ s d) 3 1 X ( z) = z 3 z z e) Pääsökaisa määräyyy salliun ampliudivaihelun peruseella eskaisalla n iey minimivaimennus pääsökaisan nimellisvaimennukseen verrauna

2 f) H ( f ) g) ( ) 1 ( f ) ( ) ( ) H = 1 + H 1 f H f x = xp x dx, σ x = ( x x) p( x) dx Xs f = cnx f + nfs, missä c n n= n näyeensignaalin Furier-sarjan kerrin, eli kukin spekriermi n väärisymäön, hekellisessä näyeenssa Xs ( f ) = G( f ) X ( f + nfs ), missä n= G(f) n näyeenpulssin Furier-muunns, eli kukin spekriermi n lineaarisesi väärisyny. (Myös spekripiirrkse kelpaava vasaukseksi.) h) lunnllisessa näyeenssa ( ) ( ) i) z () = xc() + jxs() j) a ( ) c a S ( ) c AM f = δ f + fc + δ( f fc) mac ma + X( f + f ) c c + X( f fc)

3 . Jhda heisen kreun rapesipulssin Furiermuunns käyäen spivia Furier-muunnksen minaisuuksia RATKAISU Löyyy useia rakaisuapja. Derivimalla saadaan 3T T T a/t 3T T T x() T x'() T T 3T T 3T a a a/t a +,5T a,5t x = a + T + a T T T T T jllin () δ ( 3 ) rec rec δ ( 3 ) { ()} = + ( ) ( ) j6π ft j6π ft j5π ft j5π ft F x ae ae asinc ft e asinc ft e Derivinikein anaa, X ( f ) { ()} sin ( 6π ) sinc ( ) sin ( 5π ) F x j a ft j a ft ft = = + jπ f jπ f jπ f ( ) ( ) ( ) = 6aT sinc 6 ft + 5aT sinc 5 ft sinc ft jkin kein, p derivini OK, p derivaaan F-muunns OK, p derivinikein ikein svelleuna, p F-muunns OK, p

4 π f h () = δ() π f e u() n RC-ylipääsösudaimen impulssivase. Määrää (graafisa) knvluuia käyäen sen vase yksikköaskelsignaalille u () =. δ() n impulssifunki. 0, < 0 1, > 0 RATKAISU 3. Kun < 0 knvluuiuls n =0 (p) u(-u) x(u) < 0 u x(u) u(-u) u Kun 0 n > 0 ( ) () = u() δ () u() ω exp( ω ) u() y = u() ωexp( ωu) duu() 0 = u() exp( ωu) u( ) 0 = u 1 exp u = exp u ( ) () ( ω ) () () ( ω ) knvluui impulssifunkin kanssa 3p inen käänney + inegraaliraja ikein, 3p lppuuls ikein p

5 4. Säröisen sinigeneraarin lähösignaali n x( ) = cs ( π fx) + 0,0cs ( 4π fx) + 0,05cs ( 6π fx). a) Laske generaarin kknaissärökerrin. b) Särön pienenämiseksi sudaeaan generaarin lähösignaali RC-alipääsösudaimessa, jnka siirfunkin n 1 H( f ) = 1 + jπ ( f fx ). Laske sudaeun signaalin kknaissärökerrin. RATKAISU a) d 0,0 0,05 = + = 0, p b) sudauksen jälkeise ampliudi: 1 fx : H ( fx) a1 = = 0, ( π fx fx) 0,0 fx : H( fx) a1 = = 0, ( 4π fx fx) 0,05 3 fx : H( 3 fx) a1 = = 0, ( 6π fx fx) 0, , ,157 0,157 = + = 0,01964 d 3p 1,5p 1,5p 1p

6 5. a) Esiä 0-keskiarvisen saunnaissignaalin x() x() keskimääräisen ehn lauseke ehspekrin H(f) Sx(f) avulla. b) Esiä lineaarisesi sudaeun saunnaissignaalin y() ehspekri x():n ehspekrin ja sudaimen siirfunkin avulla. c) Sudain n ideaalinen kaisanpääsösudain, jnka kaisanleveys n W. Kuinka suuri n lähösignaalin y() keskimääräinen eh, kun Sx(f)=P/W. RATKAISU: a) P = S ( f) df 3p x x = x 3p b) S ( f ) H ( f ) S ( f ) y a) Ideaalisella ap-sudaimella n. y() W P P ( ) ( ) ( ) y = Sy f df = H f Sx f df = df = P W W 4p

7 6. CD-järjeselmässä (Cmpac Disc) AD-muunneaan riippumamasi kaksi hjelmasignaalia, jiden kaisanleveys n 0 khz käyäen 44.1 khz näyeenaajuua ja 16 biin lineaarisa kdausa, jllin x kvanisinikhinan ehspekri n S ( ) max ε f =, missä N n fsn kvanisiniasjen lukumäärä. a) Mikä n synyvän PCM-signaalin biinpeus? b) Laske signaalikvanisinikhinasuhde (db), kun leeaan eä reknsrukisudain n ideaalinen alipääsösudain (B = 0 khz), ja hjelmasignaalin ehllisarv σ x = 0,173xmax. (Tällä arvlla kukin signaali yliää maksimiarvn 1s unnissa, js se n symmerisesi ekspnenijakauunu.) RATKAISU: a) Rb = fsn = = bi/s x 1p ikea vasaus 3p b) SQNR P ( 0,173 max ) 10lg x x = = 10lg P qn Wx max n fs ( ) 0,099 = 10lg = 81,5 db signaalin eh OK p kvanisinikhinan eh OK p lppuuls OK p

8 7. Sumessa käyeyssä DVB-järjeselmässä (Digial Vide Bradcasing) käyeään kanavamulipleksin (yksi DVB-signaali) läheyksessä mnikanaalmdulaaia, jssa 6817 kanaaljen aajuusväli n 1,116 khz ja kukin kanaal n mduliu 64QAM-signaalilla. a) Kuinka suuri sujakaisa jää eri DVB-signaalien väliin, kun kunkin kanavamulipleksin aajuusväli n 8 MHz? b) Mnak biiä sisälää kukin symbli 64QAM:ssa? c) Mikä n läheeyn signaalin kknaisbiinpeus? RATKAISU: a) DVB-signaalin kaisanleveys n W ,116 = 7608 khz 3p. Sujakaisa = =39 khz 3p. b) 6 = 64 6 bi/symbli 4p. c) R = ,116 = kbi/s (ilman suja-aikaväliä) Tdellisuudessa arv n pienempi käyeyn suja-aikavälin akia. c-khdan rakaiseminen vaaii pinjakssa puuuvia ieja, jen äysi pisemäärä ulee a- ja b-khdasa.

S Signaalit ja järjestelmät Tentti

S 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

Lisätiedot

( ) ( ) 2. Esitä oheisen RC-ylipäästösuotimesta, RC-alipäästösuotimesta ja erotuspiiristä koostuvan lineaarisen järjestelmän:

( ) ( ) 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

Lisätiedot

S Signaalit ja järjestelmät Tentti

S Signaalit ja järjestelmät Tentti S-72.060 Signaali ja järjeselmä eni 4.3.2005 Vasaa ehävään, ehävisä 2 7 eaan humin neljä parhaien surieua ehävää.. Vasaa lyhyesi seuraaviin saehäviin, käyä arviaessa kuvaa. a) Mien määriellään jaksllinen

Lisätiedot

Luento 11. Stationaariset prosessit

Luento 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

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

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 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

Lisätiedot

Luento 4. Fourier-muunnos

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

Lisätiedot

TKK Tietoliikennelaboratorio Seppo Saastamoinen Sivu 1/5 Konvoluution laskeminen vaihe vaiheelta

TKK Tietoliikennelaboratorio Seppo Saastamoinen Sivu 1/5 Konvoluution laskeminen vaihe vaiheelta KK ieoliikennelaboraorio 7.2.27 Seppo Saasamoinen Sivu /5 Konvoluuion laskeminen vaihe vaiheela Konvoluuion avulla saadaan laskeua aika-alueessa järjeselmän lähösignaali, kun ulosignaali ja järjeselmän

Lisätiedot

Luento 11. Stationaariset prosessit

Luento 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

Lisätiedot

Konvoluution laskeminen vaihe vaiheelta Sivu 1/5

Konvoluution laskeminen vaihe vaiheelta Sivu 1/5 S-72. Signaali ja järjeselmä Laskuharjoiukse, syksy 28 Konvoluuion laskeminen vaihe vaiheela Sivu /5 Konvoluuion laskeminen vaihe vaiheela Konvoluuion avulla saadaan laskeua aika-alueessa järjeselmän lähösignaali,

Lisätiedot

Luento 11. tietoverkkotekniikan laitos

Luento 11. tietoverkkotekniikan laitos Lueno Lueno Sokasise signaali ja prosessi II. Sokasise prosessi Pruju Saionaarisuus, ergodisuus Auo ja risikorrelaaio ehospekri.3 Kohinan suodaaminen Sokasinen raja arvo ja derivaaa Winer Khinchin eoreema.3

Lisätiedot

x v1 y v2, missä x ja y ovat kokonaislukuja.

x v1 y v2, missä x ja y ovat kokonaislukuja. Digiaalinen videonkäsiel Harjoius, vasaukse ehäviin 4-0 Tehävä 4. Emämariisi a: V A 0 V B 0 Hila saadaan kanavekorien (=emämariisin sarakkee) avulla. Kunkin piseen paikka hilassa on kokonaisluvulla kerroujen

Lisätiedot

A 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)

A 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

Lisätiedot

VÄRÄHTELYMEKANIIKKA SESSIO 14: Yhden vapausasteen vaimeneva pakkovärähtely, harmoninen kuormitusheräte

VÄRÄHTELYMEKANIIKKA SESSIO 14: Yhden vapausasteen vaimeneva pakkovärähtely, harmoninen kuormitusheräte 4/ VÄRÄHTELYMEKANIIKKA SESSIO 4: Yhden vaausaseen vaieneva akkvärähely, harninen kuriusheräe LIIKEYHTÄLÖN JOHTO JA RATKAISU Kuvassa n esiey visksisi vaienneun yhden vaausaseen harnisen akkvärähelijän erusalli.

Lisätiedot

Luento 9. Epälineaarisuus

Luento 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!

Lisätiedot

KVANTISOINTIKOHINA JA KANAVAN AWGN- KOHINA PULSSIKOODIMODULAATIOSSA

KVANTISOINTIKOHINA JA KANAVAN AWGN- KOHINA PULSSIKOODIMODULAATIOSSA KVANTIOINTIKOHINA JA KANAVAN AWGN- KOHINA PULIKOODIMODULAATIOA Teolkenneeknkka I 5359A Kar Kärkkänen Osa 6 5 Kvansonkohna PCM-järjeselmässä PCM:ssa on kaks vrhelähdeä:. kvansonkohna,. kanavan kohnan aheuama

Lisätiedot

IV. TASAINEN SUPPENEMINEN. f(x) = lim. jokaista ε > 0 ja x A kohti n ε,x N s.e. n n

IV. 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

Lisätiedot

KULMAMODULOITUJEN SIGNAALIEN ILMAISU DISKRIMINAATTORILLA

KULMAMODULOITUJEN SIGNAALIEN ILMAISU DISKRIMINAATTORILLA 1 KULMMOULOITUJEN SIGNLIEN ILMISU ISKRIMINTTORILL Millaisia keinoja on PM & FM -ilmaisuun? 51357 Tieoliikenneekniikka I Osa 17 Kai Käkkäinen Kevä 015 ISKRIMINTTORIN TOIMINTKÄYRÄ J -YHTÄLÖ FM-signaalin

Lisätiedot

YKSISIVUKAISTAMODULAATIO (SSB)

YKSISIVUKAISTAMODULAATIO (SSB) YKSISIVUKAISTAODULAATIO SSB ien kaisaa voi sääsää verrauna DSB- a A-modulaaioihin? ikä on Hilber-munnin? 5357A Tieoliikenneekniikka I Osa 9 Kari Kärkkäinen Kevä 05 YKSISIVUKAISTAODULAATION IDEA DSB & A-inormaaio

Lisätiedot

SGN-1200 Signaalinkäsittelyn menetelmät, Tentti

SGN-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

Lisätiedot

Tietoliikennesignaalit

Tietoliikennesignaalit ieoliikennesignaali 1 ieoliikenne inormaaion siiroa sähköisiä signaaleja käyäen. Signaali vaiheleva jännie ms., jonka vaiheluun on sisällyey inormaaioa. Signaalin ominaisuuksia voi ukia a aikaasossa ime

Lisätiedot

Välikoe II, Tehtävä 1

Välikoe II, Tehtävä 1 ! Lappeenrannan eknillinen krkeakulu Energiaekniikan sas Lämpö ja ympärisöekniikan lais 4316/4317 Viraus ja lämpövimaknee. Välike, 1.3.22 Ei kirjallisa maeriaalia L TKK:n h,spiirrsa lukuunamaa. Kusakin

Lisätiedot

SGN-1200 Signaalinkäsittelyn menetelmät Välikoe

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

Lisätiedot

Dynaaminen optimointi ja ehdollisten vaateiden menetelmä

Dynaaminen 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

Lisätiedot

W dt dt t J.

W 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

Lisätiedot

SIGNAALITEORIAN KERTAUSTA 2. Tietoliikennetekniikka I A Kari Kärkkäinen Osa 3

SIGNAALITEORIAN KERTAUSTA 2. Tietoliikennetekniikka I A Kari Kärkkäinen Osa 3 SIGNAALITEORIAN KERTAUSTA 2 Tieoliikenneekniikka I 521359A Kari Kärkkäinen Osa 3 Konvoluuio ja kerolasku ajassa ja aajuudessa Kanaaajuussignaali baseband sanomasignaali sellaisenaan ilman modulaaioa Kaisanpääsösignaali

Lisätiedot

Tfy Fysiikka IIB Mallivastaukset

Tfy Fysiikka IIB Mallivastaukset Tfy-.14 Fysiikka B Mallivastaukset 14.5.8 Tehtävä 1 a) Lenin laki: Muuttuvassa magneettikentässä olevaan virtasilmukkaan inusoitunut sähkömotorinen voima on sellainen, että siihen liittyvän virran aiheuttama

Lisätiedot

PIENTAAJUISET SÄHKÖ- JA MAGNEETTIKENTÄT HARJOITUSTEHTÄVÄ 1. Pallomaisen solun relaksaatiotaajuus 1 + 1

PIENTAAJUISET SÄHKÖ- JA MAGNEETTIKENTÄT HARJOITUSTEHTÄVÄ 1. Pallomaisen solun relaksaatiotaajuus 1 + 1 Aalto-yliopisto HARJOITUSTEHTÄVIEN Sähkötekniikan korkeakoulu RATKAISUT Sähkömagneettisten kenttien ja optisen säteilyn biologiset 8.1.016 vaikutukset ja mittaukset ELEC-E770 Lauri Puranen Säteilyturvakeskus

Lisätiedot

Johdannaisanalyysi. Contingent Claims Analysis Juha Leino S ysteemianalyysin. Laboratorio

Johdannaisanalyysi. Contingent Claims Analysis Juha Leino S ysteemianalyysin. Laboratorio Johdannaisanalyysi Contingent Claims Analysis Juha Leino 11.10.2000 Optimointiopin seminaari - Syksy 2000 / 1 Oletukset Yritys tuottaa tuotetta, jonka hinta on x x noudattaa geometrista Brownin liikettä

Lisätiedot

XII RADIOAKTIIVISUUSMITTAUSTEN TILASTOMATEMATIIKKAA

XII RADIOAKTIIVISUUSMITTAUSTEN TILASTOMATEMATIIKKAA II ADIOAKTIIVISUUSMITTAUSTEN TILASTOMATEMATIIKKAA Laskenaaajuus akiivisuus Määrieäessä radioakiivisen näyeen akiivisuua (A) uloksena saadaan käyeyn miausyseemin anama laskenaaajuus (). = [II.I] jossa =

Lisätiedot

pienempää, joten vektoreiden välinen kulma voidaan aina rajoittaa välille o. Erikoisesti on

pienempää, joten vektoreiden välinen kulma voidaan aina rajoittaa välille o. Erikoisesti on 5 Pistetul ja sen svellutuksia Kun kahdella vektrilla, a ja b n hteinen alkupiste, niiden määräämät pulisurat jakavat tasn kahteen saan, kahteen kulmaan, jtka vat tistensa eksplementtikulmia, siis kulmia,

Lisätiedot

Silloin voidaan suoraan kirjoittaa spektrin yhtälö käyttämällä hyväksi suorakulmaisen pulssin Fouriermuunnosta sekä viiveen vaikutusta: ( ) (

Silloin voidaan suoraan kirjoittaa spektrin yhtälö käyttämällä hyväksi suorakulmaisen pulssin Fouriermuunnosta sekä viiveen vaikutusta: ( ) ( TT/TV Inegraalimuunnokse Fourier-muunnos, ehäviä : Vasauksia Meropolia/. Koivumäki v(. Määriä oheisen signaalin Fourier-muunnos. Vinkki: Superposiio, viive. Voidaan sovelaa superposiioperiaaea, koska signaalin

Lisätiedot

KYNNYSILMIÖ JA SILTÄ VÄLTTYMINEN KYNNYKSEN SIIRTOA (LAAJENNUSTA) HYVÄKSI KÄYTTÄEN

KYNNYSILMIÖ 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

Lisätiedot

MATEMATIIKAN KOE, PITKÄ OPPIMÄÄRÄ HYVÄN VASTAUKSEN PIIRTEITÄ

MATEMATIIKAN KOE, PITKÄ OPPIMÄÄRÄ HYVÄN VASTAUKSEN PIIRTEITÄ MATEMATIIKAN KOE, PITKÄ OPPIMÄÄRÄ 4.9.4 HYVÄN VASTAUKSEN PIIRTEITÄ Alla oleva vasausen piireiden, sisälöjen ja piseiysen luonnehdina ei sido ylioppilasukinolauakunnan arvoselua. Lopullisessa arvoselussa

Lisätiedot

SGN-1200 Signaalinkäsittelyn menetelmät Välikoe

SGN-1200 Signaalinkäsittelyn menetelmät Välikoe SGN-100 Signaalinkäsittelyn menetelmät Välikoe 6.4.010 Sivuilla 1- on. Älä vastaa siihen, jos et ollut ensimmäisessä välikokeessa. Tentin kysymykset ovat sivuilla 3-4. Vastaa vain jompaan kumpaan kokeeseen,

Lisätiedot

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

1. Määritä pienin näytelauseen ehdon mukainen näytetaajuus taajuus seuraaville signaaleille: TL61, Näytejonosysteemit (K00) Harjoitus 1. Määritä pienin näytelauseen ehdon mukainen näytetaajuus taajuus seuraaville signaaleille: a) 1 (t) = cos(000πt) + sin(6000πt) + cos(00πt) ja ) (t) = cos(00πt)cos(000πt).

Lisätiedot

SGN-1200 Signaalinkäsittelyn menetelmät, Tentti

SGN-1200 Signaalinkäsittelyn menetelmät, Tentti SG-00 Signaalinkäsittelyn menetelmät, Tentti..005 Kirjoita nimesi ja opiskelijanumerosi jokaiseen paperiin. Vastauspaperit tullaan irrottamaan toisistaan. Jos tila ei riitä, jatka kääntöpuolelle ja sen

Lisätiedot

M 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

M 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,

Lisätiedot

Luento 9. Epälineaarisuus

Luento 9. Epälineaarisuus Lueno 9 Epälineaarisuus 9..7 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!

Lisätiedot

YKSISIVUKAISTAMODULAATIO (SSB)

YKSISIVUKAISTAMODULAATIO (SSB) YKSISIVUKISTODULTIO SSB Tieoliikenneekniikka I 5359 Kari Kärkkäinen Osa 6 0 Yksisivukaisamodulaaion idea DSB:ssa inormaaio on redundanisesi kaheen keraan, s. LSB & USB. Toisen kaisan läheys riiää, olloin

Lisätiedot

a) Miksi signaalin jaksollisuus on tärkeä ominaisuus? Miten jaksollisuus vaikuttaa signaalin taajuussisältöön?

a) 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

Lisätiedot

= X s + IE[X t X s ] = 0, s ja sitä, että ehdollinen odotusarvo on tavallinen odotusarvo silloin, kun satunnaismuuttuja

= X s + IE[X t X s ] = 0, s ja sitä, että ehdollinen odotusarvo on tavallinen odotusarvo silloin, kun satunnaismuuttuja 44 E. VALKEILA 6. Geometrinen Brownin liike 6.1. Brownin liike ja Iton kaava. Tavoitteena on mallintaa osakkeen tuottoa jatkuvassa ajassa. Jos (S t ) t T on osakkeen hintaprosessi, niin tuotolla tarkoitetaan

Lisätiedot

S SÄHKÖTEKNIIKKA Kimmo Silvonen

S SÄHKÖTEKNIIKKA Kimmo Silvonen S55.103 SÄHKÖTKNKK 21.12.2000 Kimmo Silvonen Tentti: tehtävät 1,3,4,8,9 1. välikoe: tehtävät 1,2,3,4,5 2. välikoe: tehtävät,7,8,9,10 Oletko jo ehtinyt vastata palautekyselyyn Voit täyttää lomakkeen nyt.

Lisätiedot

Tekijä Pitkä matematiikka On osoitettava, että jana DE sivun AB kanssa yhdensuuntainen ja sen pituus on 4 5

Tekijä Pitkä matematiikka On osoitettava, että jana DE sivun AB kanssa yhdensuuntainen ja sen pituus on 4 5 Tekijä Pitkä matematiikka 6..06 8 On osoitettava, että jana DE sivun AB kanssa yhdensuuntainen ja sen pituus on 5 sivun AB pituudesta. Pitää siis osoittaa, että DE = AB. 5 Muodostetaan vektori DE. DE =

Lisätiedot

9. Epäoleelliset integraalit; integraalin derivointi parametrin suhteen. (x + y)e x y dxdy. e (ax+by)2 da. xy 2 r 4 da; r = x 2 + y 2. b) A.

9. Epäoleelliset integraalit; integraalin derivointi parametrin suhteen. (x + y)e x y dxdy. e (ax+by)2 da. xy 2 r 4 da; r = x 2 + y 2. b) A. 9. Epäoleellise inegraali; inegraalin derivoini paramerin suheen 9.. Epäoleellise aso- ja avaruusinegraali 27. Olkoon = {(x, y) x, y }. Osoia hajaanuminen ai laske arvo epäoleelliselle asoinegraalille

Lisätiedot

MS-C1350 Osittaisdifferentiaaliyhtälöt Harjoitukset 5, syksy Mallivastaukset

MS-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,

Lisätiedot

12. ARKISIA SOVELLUKSIA

12. ARKISIA SOVELLUKSIA MAA. Arkiia ovellukia. ARKISIA SOVELLUKSIA Oleeaan, eä kappale liikkuu ykiuloeia raaa, eimerkiki -akelia pikin. Kappaleen nopeuden vekoriluonne riiää oaa vauhdin eumerkin avulla huomioon, ja on ehkä arkoiukenmukaiina

Lisätiedot

Osi$aisintegroin, Palautetaan mieleen tulon derivoimissääntö: d

Osi$aisintegroin, Palautetaan mieleen tulon derivoimissääntö: d Osi$aisintegroin, Palautetaan mieleen tulon derivoimissääntö: d df(x) dg(x) (f(x) g(x)) = g(x) + f(x) dx dx dx Integroidaan yhtälön molemmat puolet x:n suhteen: d (f(x) g(x))dx dx = df(x) dx g(x)dx + f(x)

Lisätiedot

Numeeriset menetelmät

Numeeriset menetelmät Numeeriset menetelmät Luento 8 To 29.9.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 8 To 29.9.2011 p. 1/36 p. 1/36 Interpolointi kuutiosplinillä Osavälit: I i = [t i 1,t i ], i = 1,2,...,n

Lisätiedot

Puheenkoodaus. Olivatpa kerran iloiset serkukset. PCM, DPCM ja ADPCM

Puheenkoodaus. Olivatpa kerran iloiset serkukset. PCM, DPCM ja ADPCM Puheenkoodaus Olivatpa kerran iloiset serkukset PCM, DPCM ja ADPCM PCM eli pulssikoodimodulaatio Koodaa jokaisen signaalinäytteen binääriseksi (eli vain ykkösiä ja nollia sisältäväksi) luvuksi kvantisointitasolle,

Lisätiedot

6.2.3 Spektrikertymäfunktio

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

Lisätiedot

Käyttövarmuuden ja kunnossapidon perusteet, KSU-4310: Tentti ma

Käyttövarmuuden ja kunnossapidon perusteet, KSU-4310: Tentti ma KSU-430/Ten 4..2008/Prof. Seppo Vranen /3 Käyövarmuuden ja kunnossapdon perusee, KSU-430: Ten ma 4..2008 Huom. Vasaus van veen kysymykseen. Funko- ja/a ohjelmoavan laskmen, musnpanojen, luenomonseden ja

Lisätiedot

Kotitehtävät 1-6: Vastauksia

Kotitehtävät 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(

Lisätiedot

Osi+aisintegroin3. Palautetaan mieleen tulon derivoimissääntö:

Osi+aisintegroin3. Palautetaan mieleen tulon derivoimissääntö: 9//3 Osi+aisintegroin3 Palautetaan mieleen tulon derivoimissääntö: d df(x) dg(x) (f(x) g(x)) = g(x) + f(x) Integroidaan yhtälön molemmat puolet x:n suhteen: d (f(x) g(x)) = df(x) g(x) + f(x) dg(x) f(x)

Lisätiedot

SGN-1200 Signaalinkäsittelyn menetelmät, Tentti

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

Lisätiedot

Diskreettiaikainen dynaaminen optimointi

Diskreettiaikainen dynaaminen optimointi Diskreettiaikainen dynaaminen optimointi Usean kauden tapaus 2 kauden yleistys Ääretön loppuaika Optimaalinen pysäytys Optimointiopin seminaari - Syksy 2000 / Ongelma t 0 x 0 t- t T x t- + x t + x T u

Lisätiedot

Mittaus- ja säätölaitteet IRIS, IRIS-S ja IRIS-M

Mittaus- ja säätölaitteet IRIS, IRIS-S ja IRIS-M Miaus- ja sääölaiee IRIS, IRIS-S ja IRIS-M KANSIO 4 VÄLI ESITE Lapinleimu Miaus- ja sääölaiee IRIS, IRIS-S ja IRIS-M IRIS, IRIS-S Rakenne IRIS muodosuu runko-osasa, sääösäleisä, sääömuerisa ai sääökahvasa

Lisätiedot

Systeemimallit: sisältö

Systeemimallit: sisältö Syseemimalli: sisälö Malliyypi ja muuuja Inpu-oupu -kuvaus ja ilayhälömalli, ila Linearisoini Jakuva-aikaisen lineaarisen järjeselmän siirofunkio, sabiilisuus Laplace-muunnos Diskreeiaikaisen lineaarisen

Lisätiedot

a) Esitä piirtämällä oheisen kaksoissymmetrisen ulokepalkkina toimivan kotelopalkin kaksi täysin erityyppistä plastista rajatilamekanismia (2p).

a) Esitä piirtämällä oheisen kaksoissymmetrisen ulokepalkkina toimivan kotelopalkin kaksi täysin erityyppistä plastista rajatilamekanismia (2p). LUT / Teräsrakenee/Timo Björk BK80A30: Teräsrakenee II: 9.9.016 Oheismaeriaalin käyö EI salliua, laskimen käyö on salliua, lausekkeia ehäväosion lopussa Vasaukse laadiaan ehäväpaperille, joka palaueava,

Lisätiedot

Osi*aisintegroin2. Osi*aisintegroin2: esimerkkejä. Osi*aisintegroin2tapauksia 1/29/13. f'(x)g(x)dx=f(x)g(x) f(x)g'(x)dx. f'(x)g(x)dx=f(x)g(x)

Osi*aisintegroin2. Osi*aisintegroin2: esimerkkejä. Osi*aisintegroin2tapauksia 1/29/13. f'(x)g(x)dx=f(x)g(x) f(x)g'(x)dx. f'(x)g(x)dx=f(x)g(x) /9/ Osi*aisintegroin Palautetaan mieleen tulon derivoimissääntö: d df(x) dg(x) (f(x) g(x)) g(x) + f(x) Integroidaan yhtälön molemmat puolet x:n suhteen: d (f(x) g(x)) df(x) g(x) + f(x) dg(x) f(x) g(x)

Lisätiedot

ELEC-A7200 Signaalit ja järjestelmät Laskuharjoitukset. LASKUHARJOITUS 1 Sivu 1/18. Hyvä opiskelija

ELEC-A7200 Signaalit ja järjestelmät Laskuharjoitukset. LASKUHARJOITUS 1 Sivu 1/18. Hyvä opiskelija ELEC-A7 LASKUHARJOIUS Sivu /8 Hyvä opiskelija ässä opeusmoniseessa esieään kurssiin ELEC-A7 liiyviä laskuharjoiusehäviä rakaisuineen. Kaikkia ehäviä ei välämää käsiellä laskuharjoiuksissa, joen voi jouua

Lisätiedot

3.6 Feynman s formulation of quantum mechanics

3.6 Feynman s formulation of quantum mechanics 3.6 Feynman s formulation of quantum mechanics Course MAT-66000: Quantum mechanics and the particles of nature Ilkka Kylänpää Tampere University of Technology 14.10.2010 Sisältö Johdattelua Klassinen action

Lisätiedot

b) Esitä kilpaileva myötöviivamekanismi a-kohdassa esittämällesi mekanismille ja vertaile näillä mekanismeilla määritettyjä kuormitettavuuksia (2p)

b) Esitä kilpaileva myötöviivamekanismi a-kohdassa esittämällesi mekanismille ja vertaile näillä mekanismeilla määritettyjä kuormitettavuuksia (2p) LUT / Teräsrakenee/Timo Björk BK80A30: Teräsrakenee II:.5.016 Oheismaeriaalin käyö EI salliua, laskimen käyö on salliua, lausekkeia ehäväosion lopussa Vasaukse laadiaan ehäväpaperille, joka palaueava,

Lisätiedot

Tilastomatematiikka Kevät 2008

Tilastomatematiikka Kevät 2008 Tilastomatematiikka Kevät 2008 Keijo Ruotsalainen Oulun yliopisto, Teknillinen tiedekunta Matematiikan jaos Tilastomatematiikka p.1/19 4.3 Varianssi Satunnaismuuttuja on neliöintegroituva, jos odotusarvo

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

6.4 Variaatiolaskennan oletusten rajoitukset. 6.5 Eulerin yhtälön ratkaisuiden erikoistapauksia

6.4 Variaatiolaskennan oletusten rajoitukset. 6.5 Eulerin yhtälön ratkaisuiden erikoistapauksia 6.4 Variaaiolaskennan oleusen rajoiukse Sivu ss. 27 31 läheien Kirk, ss. 13 143] ja KS, Ch. 5] pohjala Lähökoha oli: jos J:llä on eksremaali (), niin J:n variaaio δj( (), δ()) ():ä pikin on nolla. 1. Välämäön

Lisätiedot

Funktiot. funktioita f : A R. Yleensä funktion määrittelyjoukko M f = A on jokin väli, muttei aina.

Funktiot. funktioita f : A R. Yleensä funktion määrittelyjoukko M f = A on jokin väli, muttei aina. Funktiot Tässä luvussa käsitellään reaaliakselin osajoukoissa määriteltyjä funktioita f : A R. Yleensä funktion määrittelyjoukko M f = A on jokin väli, muttei aina. Avoin väli: ]a, b[ tai ]a, [ tai ],

Lisätiedot

Luento 2. Jaksolliset signaalit

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

Lisätiedot

Matematiikan ja tilastotieteen laitos Reaalianalyysi I Harjoitus Malliratkaisut (Sauli Lindberg)

Matematiikan ja tilastotieteen laitos Reaalianalyysi I Harjoitus Malliratkaisut (Sauli Lindberg) Matematiikan ja tilastotieteen laitos Reaalianalyysi I Harjoitus 4 9.4.-23.4.200 Malliratkaisut (Sauli Lindberg). Näytä, että Lusinin lauseessa voidaan luopua oletuksesta m(a)

Lisätiedot

LÄMPÖOPPIA Aineen lämpötila t aineen saaman lämpömäärän Q funktiona; t = t(q)

LÄMPÖOPPIA Aineen lämpötila t aineen saaman lämpömäärän Q funktiona; t = t(q) LÄMÖOIA Aineen lämpöila aineen saaman lämpömäärän Q funkina; (Q) C Q 5 F D Q 4 Q 3 B Q C Q Q A N R G I A A S I T O U T U U N R G I A A V A A U T U U AB: Kiineä aine lämpenee (BA: jäähyy) Q cm BC: Kiineä

Lisätiedot

S-55.1100 SÄHKÖTEKNIIKKA JA ELEKTRONIIKKA

S-55.1100 SÄHKÖTEKNIIKKA JA ELEKTRONIIKKA S-55.1100 SÄHKÖTKNIIKKA JA KTONIIKKA 2. välikoe 5.5.2008. Saa vasaa vain neljään ehävään! Kimmo Silven 1. aske vira. = 1 kω, = 2 kω, 3 = 4 kω, = 10 V. Diodin ominaiskayra, aseikko 0... 4 ma + 3 Teh. 2.

Lisätiedot

031021P Tilastomatematiikka (5 op) viikko 3

031021P Tilastomatematiikka (5 op) viikko 3 031021P Tilastomatematiikka (5 op) viikko 3 Jukka Kemppainen Mathematics Division Jakauman tunnusluvut Jakauman tärkeimmät tunnusluvut ovat odotusarvo ja varianssi. Odotusarvo ilmoittaa jakauman keskikohdan

Lisätiedot

Analyysi 1. Harjoituksia lukuihin 4 7 / Syksy Tutki funktion f(x) = x 2 + x 2 jatkuvuutta pisteissä x = 0 ja x = 1.

Analyysi 1. Harjoituksia lukuihin 4 7 / Syksy Tutki funktion f(x) = x 2 + x 2 jatkuvuutta pisteissä x = 0 ja x = 1. Analyysi 1 Harjoituksia lukuihin 4 7 / Syksy 014 1. Tutki funktion x + x jatkuvuutta pisteissä x = 0 ja x = 1.. Määritä vakiot a ja b siten, että funktio a x cos x + b x + b sin x, kun x 0, x 4, kun x

Lisätiedot

Satunnaismuuttujien muunnokset ja niiden jakaumat

Satunnaismuuttujien muunnokset ja niiden jakaumat Ilkka Mellin Todennäköisyyslaskenta Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat Satunnaismuuttujien muunnokset ja niiden jakaumat TKK (c) Ilkka Mellin (2007) 1 Satunnaismuuttujien muunnokset ja

Lisätiedot

VI. TAYLORIN KAAVA JA SARJAT. VI.1. Taylorin polynomi ja Taylorin kaava

VI. TAYLORIN KAAVA JA SARJAT. VI.1. Taylorin polynomi ja Taylorin kaava VI. TAYLORIN KAAVA JA SARJAT VI.. Taylorin polynomi ja Taylorin kaava Olkoon n N ja x, c, c, c 2,..., c n R. Tehtävä: Etsittävä sellainen R-kertoiminen polynomi P, että sen aste deg P n ja P (x ) = c,

Lisätiedot

4.2.2 Uskottavuusfunktio f Y (y 0 X = x)

4.2.2 Uskottavuusfunktio f Y (y 0 X = x) Kuva 4.6: Elektroniikassa esiintyvän lämpökohinan periaate. Lämpökohinaa ε mallinnetaan additiivisella häiriöllä y = Mx + ε. 4.2.2 Uskottavuusfunktio f Y (y 0 X = x) Tarkastellaan tilastollista inversio-ongelmaa,

Lisätiedot

VIRTAPIIRILASKUT II Tarkastellaan sinimuotoista vaihtojännitettä ja vaihtovirtaa;

VIRTAPIIRILASKUT II Tarkastellaan sinimuotoista vaihtojännitettä ja vaihtovirtaa; VITAPIIIASKUT II Tarkastellaan sinimutista vaihtjännitettä ja vaihtvirtaa; u sin π ft ja i sin π ft sekä vaihtvirtapiiriä, jssa n sarjaan kytkettyinä vastus, käämi ja kndensaattri (-piiri) ulkisen vastuksen

Lisätiedot

FDPa. Rei itetty seinään asennettava poistoilmalaite

FDPa. Rei itetty seinään asennettava poistoilmalaite Rei iey seinään asenneava poisoilmalaie Lyhyesi Säädeävä Kiineä miausyhde Suuri poisoehokkuus Helposi puhdiseava Eri värivaihoehoja Pikavalinaaulukko I L M A V I R T A Ä Ä N I T A S O l/s Koko db(a) db(a)

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

DEE Lineaariset järjestelmät Harjoitus 4, ratkaisuehdotukset

DEE Lineaariset järjestelmät Harjoitus 4, ratkaisuehdotukset D-00 ineaarise järjeselmä Harjoius 4, rakaisuehdoukse nnen kuin mennään ämän harjoiuksen aihepiireihin, käydään läpi yksi huomionarvoinen juu. Piirianalyysin juuri suorianee opiskelija saaava ihmeellä,

Lisätiedot

Johdatus todennäköisyyslaskentaan Momenttiemäfunktio ja karakteristinen funktio. TKK (c) Ilkka Mellin (2005) 1

Johdatus 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

Lisätiedot

Matematiikan tukikurssi: kurssikerta 12

Matematiikan tukikurssi: kurssikerta 12 Matematiikan tukikurssi: kurssikerta 2 Tenttiin valmentavia harjoituksia Huomio. Tähän tulee lisää ratkaisuja sitä mukaan kun ehin niitä kirjoittaa. Kurssilla käyään läpi tehtävistä niin monta kuin mahollista.

Lisätiedot

S Signaalit ja järjestelmät

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

Lisätiedot

Talousmatematiikan perusteet: Luento 17. Integraalin sovelluksia kassavirta-analyysissa Integraalin sovelluksia todennäköisyyslaskennassa

Talousmatematiikan perusteet: Luento 17. Integraalin sovelluksia kassavirta-analyysissa Integraalin sovelluksia todennäköisyyslaskennassa Talousmatematiikan perusteet: Luento 17 Integraalin sovelluksia kassavirta-analyysissa Integraalin sovelluksia todennäköisyyslaskennassa Motivointi Kahdella edellisellä luennolla olemme oppineet integrointisääntöjä

Lisätiedot

2. kl:n DY:t. Lause. Yleisesti yhtälöllä ẍ = f(ẋ, x, t) on (sopivin oletuksin) aina olemassa 1-käs. ratkaisu. (ẋ dx/dt, ẍ d 2 x/dt 2.

2. kl:n DY:t. Lause. Yleisesti yhtälöllä ẍ = f(ẋ, x, t) on (sopivin oletuksin) aina olemassa 1-käs. ratkaisu. (ẋ dx/dt, ẍ d 2 x/dt 2. 2. kl:n DY:t Yleisesti yhtälöllä ẍ = f(ẋ, x, t) on (sopivin oletuksin) aina olemassa 1-käs. ratkaisu. (ẋ dx/dt, ẍ d 2 x/dt 2.) Lause Olkoon f(x 2, x 1, t) funktio, ja oletetaan, että f, f/ x 1 ja f/ x

Lisätiedot

Tasaantumisilmiöt eli transientit

Tasaantumisilmiöt 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

Lisätiedot

MS-A010{3,4} (ELEC*) Differentiaali- ja integraalilaskenta 1 Luento 3: Jatkuvuus

MS-A010{3,4} (ELEC*) Differentiaali- ja integraalilaskenta 1 Luento 3: Jatkuvuus MS-A010{3,4} (ELEC*) Differentiaali- ja integraalilaskenta 1 Luento 3: Jatkuvuus Pekka Alestalo, Jarmo Malinen Aalto-yliopisto, Matematiikan ja systeemianalyysin laitos 19.9.2016 Pekka Alestalo, Jarmo

Lisätiedot

Lause 4.2. Lineearinen pienimmän keskineliövirheen estimaattoi on lineaarinen projektio.

Lause 4.2. Lineearinen pienimmän keskineliövirheen estimaattoi on lineaarinen projektio. Määritelmä 4.3. Estimaattoria X(Y ) nimitetään lineaariseksi projektioksi, jos X on lineaarinen kuvaus ja E[(X X(Y )) Y] 0 }{{} virhetermi Lause 4.2. Lineearinen pienimmän keskineliövirheen estimaattoi

Lisätiedot

Johdatus todennäköisyyslaskentaan Satunnaismuuttujien muunnokset ja niiden jakaumat. TKK (c) Ilkka Mellin (2004) 1

Johdatus todennäköisyyslaskentaan Satunnaismuuttujien muunnokset ja niiden jakaumat. TKK (c) Ilkka Mellin (2004) 1 Johdatus todennäköisyyslaskentaan Satunnaismuuttujien muunnokset ja niiden jakaumat TKK (c) Ilkka Mellin (2004) 1 Satunnaismuuttujien muunnokset ja niiden jakaumat Satunnaismuuttujien muunnosten jakaumat

Lisätiedot

763306A JOHDATUS SUHTEELLISUUSTEORIAAN 2 Ratkaisut 2 Kevät 2017

763306A 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,

Lisätiedot

SGN-1200 Signaalinkäsittelyn menetelmät, Tentti

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

Lisätiedot

Numeerinen analyysi Harjoitus 1 / Kevät 2017

Numeerinen analyysi Harjoitus 1 / Kevät 2017 Numeerinen analyysi Harjoitus 1 / Kevät 2017 Palautus viimeistään perjantaina 3.3. Tehtävä 1: Oheinen MATLAB-funktio toteuttaa eksponenttifunktion evaluoinnin. 1 function y = seriesexp ( x ) 2 oldsum =

Lisätiedot

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

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

Lisätiedot

Luento 2. Järjestelmät aika-alueessa Konvoluutio-integraali. tietoverkkotekniikan laitos

Luento 2. Järjestelmät aika-alueessa Konvoluutio-integraali. tietoverkkotekniikan laitos Lueno 2 Järjeselmä aika-alueessa Konvoluuio-inegraali Lueno 2 Lueno 2 Järjeselmä aika alueessa; Konvoluuio inegraali 2.1 Järjeselmien perusominaisuude Oppenheim 1.5. 1.6 Muisillise ja muisioma järjeselmä

Lisätiedot

järjestelmät Luento 4

järjestelmät Luento 4 DEE- Lineaarise järjeselmä Lueno 4 Lineaarise järjeselmä Riso Mionen 3.7.4 Lueno 3 - Recap Lineaarisen differenssiyhälöiden raaiseminen Impulssivaseen äsie Impulssivase ja onvoluuiosumma Lineaarise järjeselmä

Lisätiedot

Älä tee mitään merkintöjä kaavakokoelmaan!

Älä 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()

Lisätiedot

VÄRÄHTELYMEKANIIKKA SESSIO 18: Yhden vapausasteen pakkovärähtely, transienttikuormituksia

VÄRÄHTELYMEKANIIKKA 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.

Lisätiedot

KULMAMODULOITUJEN SIGNAALIEN SPEKTRIN LASKEMINEN

KULMAMODULOITUJEN 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

Lisätiedot

521384A RADIOTEKNIIKAN PERUSTEET Harjoitus 3

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

Lisätiedot

8 Potenssisarjoista. 8.1 Määritelmä. Olkoot a 0, a 1, a 2,... reaalisia vakioita ja c R. Määritelmä 8.1. Muotoa

8 Potenssisarjoista. 8.1 Määritelmä. Olkoot a 0, a 1, a 2,... reaalisia vakioita ja c R. Määritelmä 8.1. Muotoa 8 Potenssisarjoista 8. Määritelmä Olkoot a 0, a, a 2,... reaalisia vakioita ja c R. Määritelmä 8.. Muotoa a 0 + a (x c) + a 2 (x c) 2 + olevaa sarjaa sanotaan c-keskiseksi potenssisarjaksi. Selvästi jokainen

Lisätiedot