Luento 4 Fourier muunnos
|
|
- Jyrki Tikkanen
- 6 vuotta sitten
- Katselukertoja:
Transkriptio
1 Luento 4 Luento 4 Fourier muunnos 4. F muunnos F muunnos Oppenheim Energiaspektri (spektritiheys) Rayleigh'n energia teoreema, energiaspektri Kaistanleveys Boden diagrammi 4.3 F muunnoksen ominaisuudet, muunnoskaavoja F muunnoksen ominaisuuksia Oppenheim 4.3, 4.6 Konvoluutio aika ja taajuusalueessa Oppenheim 4.4, Erikoissignaalien F muunnokset Periodisten signaalien F muunnos Oppenheim 4. Epäjatkuvat signaalit: Diracin delta, signum ja askel
2 4. Fourier-muunnos
3 Fourier-sarja Fourier-sarjan avulla pystyttiin esittämään jaksollinen (periodinen) signaali, jonka jaksonaika on T 0. Fourier-sarja Fourier-sarjan kertoimet Entäpä jaksottomat (aperiodiset) signaalit, joilla jaksonaika T 0? 3
4 Fourier-muunnos Esitetään signaali Fourier-sarjana: Raja-arvo T 0 k kf0 f, df, df T T T 0 0 k 0 V(f) Euler integral ELEC-A Signaalit ja järjestelmät 5 op 4
5 Fourier-muunnos Fourier-muunnos Käänteismuunnos Dirichlet n ehdot Fourier muuntuvalle energiasignaalille I: Signaali on itseisesti integroituva vt () dt II: Signaalin maksimi- ja minimiarvot ovat äärellisiä jokaisella äärellisellä aikavälillä t( a, b) sup (, ) ( ) ( ), ti t st i i sti a ti ti b i III: Signaalin epäjatkuvuuskohtia on rajallinen määrä lim äärellisessä määrässä 0 st ( 0 ) vt ( 0 ) 0 pisteitä välillä t 0 (-,) 5
6 Kausaaliset signaalit Signaali on kausaalinen, jos v(t)=0, t<0. Kausaalisen signaalin Fourier-muunnos Verrataan yksipuoliseen Laplace-muunnokseen Jos =0 ja =f, Laplace-muunnoksesta tulee Fourier-muunnos Laplace-muunnos on olemassa laajemmalle joukolle signaaleita kuin Fourier-muunnos. 6
7 Esimerkki Tarkastellaan eksponentiaalista signaalia at vt () e, t0 Fourier muunnos: Dirichlet n ehto I:, a 0 at at vt () dte dt e a 0 0 0, a 0 a eli Fourier-muunnos on olemassa kun - <a<0 (myöhemmin osoittautuu, että myös tapaus a=0 on muunnettavissa) at i ft Fv() t e e dt, a0 0 ai f Laplace-muunnos: at st at e e dt e dt, Re s a as 0 0 Laplace-muunnos löytyy myös tapaukselle a>0 7
8 4. Energiaspektri
9 Desibeli Desibeli (db) on dimensioton yksikkö, joka vertailee suureiden suhteita logaritmisella asteikolla. Desibeli on kahden luvun logaritminen suhde mitattu teho (W) mitattu amplitudi (V) db 0 log0 0 log0 vertailuteho (W) vertailuamplitudi (V) Esim. Signaalin. amplitudi on V ja signaalin 4. amplitudi on V, tällöin signaalin. teho on 0log0(4/) 3 db suurempi kuin signaalin. teho Vertailutason mukaan voidaan määrittää mm. dbw dbm dbp mitattu teho (W) 0 log W mitattu teho (W) mw mitattu teho (W) pw 0 0log0 0 log0 9
10 Boden diagrammi Amplitudi spektritiheys Vaihespektritiheys Boden diagrammi: Amplitudin neliö (db) ja vaihe kulmataajuuden funktiona 0log 0 ( V(f) ) db arg(v(f) rad f rad/s f rad/s 0
11 Boden diagrammi: RC-suodatin RC-suodatin d C v() t i() t dt d wt () Rit () RC vt () vt () et () dt et () wt () vt () Alkuarvot e(t) w(t) R C v(t) v(0)=v 0 dv(t)/dt=0, kun t=0 Ratkaisu (impulssivaste) d () () () exp vt vt vt tv 0 dt RC RC
12 Boden diagrammi: RC suodatin Esimerkki: RC=, v(0)= Fourier-muunnos Amplitudi ja vaihe: V( f) V( f) e V( f) iarg V( f ) f f arg ( ) arctan arctan V f f Im V( f) e Re iarg V( f )
13 Boden diagrammi: RC-suodatin 0log 0 ( V(f) ) Magnitude (db) Bode Diagram Phase (deg) Frequency (rad/sec) 3
14 Energiaspektri/Spektritiheys Rayleigh n Energia teoreema * * Ev vtv () () tdt V( f ) V ( f ) dt * * Ev v() t v () t dt v() t V( f)expi ftdf dt * * v() t V ( f )exp i ft df dt v()exp t i ft dtv ( f ) df V( f ) * V ( f ) V ( f ) V ( f ) Tulkinta: kertoo miten signaalin energia on jakautunut eri taajuuksille (J/Hz) 4
15 Pulssin energiaspektri I Pulssi, jonka energia on J t st () rect T T Fourier-muunnos (suoraan määritelmästä) S( f) s( t)expi ftdt expi ftdt T T T. rect t 0 t t T T expi f expi f i f T expi ftexpi ft T ft i sin ft T T sinc ft ft sinc x S( f) Tsinc ft sin x x 5
16 Pulssin energiaspektri II Fourier-muunnos käyttäen hyväksi signaalin ominaisuuksia: Pulssi on reaalinen ja parillinen. Sen Fouriermuunnos on siis reaalinen ja parillinen. Fourier-muunnos on siis (ks. kalvo 6) V( f) v( t)cos ft dt 0 Muunnokseksi saadaan T t S( f ) s( t)cos ftdt cos ftdt t0 0 0 T T T sin f sin f0 sin ft T sinc ft f T T f S( f) Tsinc ft T sin cos ax dx ax C a sin ft f 6
17 Pulssin energiaspektri 0log S( f) Pulse T= T= T=3 Spectral density (db/hz) Frequency (Hz) f 7
18 Kaistanleveys Kaistanleveys B määrittää millä taajuusalueella merkittävä osa (esim. 95%) signaalin tehosta/energiasta on. Kaistanleveyden määrittämisessä huomioidaan vain positiiviset taajuudet. S(f) X(f) 95% B s 95% B x f Moduloidun signaalin kaistanleveys on kaksinkertainen kantataajuiseen signaaliin nähden: B x =B s 8
19 Kaistanleveys Yksinkertainen määritelmä on puolen tehon (energian) kaistanleveys. S(f) max S( f ) f max f S ( fb ) b -3 db B s S( fb) f 0 b max S( f ) B B s x f f b f b b Kantataajuinen signaali Moduloitu signaali 9
20 Kaistanleveys Pulssin puolen tehon kaistanleveys S( fb) sinc ft b 0.9 max S( f ) f b sinc ft b fb T Bs fb T Bx fb T Moduloidun pulssin taajuuskaista on kääntäen verrannollinen pulssin pituuteen sinc(ft) ft 0
21 Kaistanleveys 0 Pulse db -6 S(f) /max( S(f) ) T= -8 T= T= Frequency (Hz)
22 Energiaspektri Mikä on pulssin S(f) 3 db kaistanleveys? Mikä on pulssin energia? Mikä osuus energiasta on 3dB kaistalla? S(f) f (Hz)
23 4.3 Fourier-muunnoksen ominaisuuksia, muunnoskaavoja
24 Symmetria ominaisuudet Jos vt (), V(f) on hermiittinen: Toisin sanoen Parillinen Asia on helppo todentaa: i f t i ft V( f) v( t) e dt v( t) e dt * * i ft i ft V ( f) v () t e dt v() t e dt V( f) vt v t vt * () () () Vastaavasti, jos v(t) on imaginäärinen, V(f) on antihermiittinen: V f V f * ( ) ( ) Pariton 4
25 Symmetria ominaisuudet Tarkastellaan tapausta, jossa vt () Jos v(t) on parillinen v(-t)=v(t) V( f) v( t)cos ft dt 0 on reaalinen. Tällöin V f V f V f * ( ) ( ) ( ) eli V(f) on reaalinen ja parillinen Jos v(t) on pariton v(-t)=-v(t) V( f) i v( t)sin ft dt on imaginäärinen. Tällöin V f V f V f 0 * ( ) ( ) ( ) eli V(f) on imaginäärinen ja pariton 5
26 Symmetria ominaisuudet Tarkastellaan tapausta vt () ivq() t, Im vt () vq() t Jos v Q (t) on parillinen v Q (-t)=v Q (t) V( f) i v ( t)cos ft dt on imaginäärinen. Tällöin V ( f ) V ( f ) eli V(f) on imaginäärinen ja parillinen. Jos v Q (t) on pariton v Q (-t)=-v Q (t) on reaalinen. Tällöin V ( f ) V( f ) 0 Q V( f) v ( t)sin ft dt 0 Q eli V(f) on reaalinen ja pariton cos x cos( x) sin x sin( x) 6
27 Symmetria ominaisuudet Tarkastellaan nyt tapausta yleistä tapausta vt () Fourier-muunnos on lineaarinen operaatio, joten F vt () F Re vt () i F Im vt () Re{v(t)} Im{v(t)} Re{V(f)} Im{V(f)} Parillinen Pariton Reaalinen Parillinen Pariton Imaginaarinen Parillinen Hermiittinen Pariton Anti-hermiittinen Pariton Parillinen Parillinen Parillinen Parillinen Parillinen Parillinen Pariton Reaalinen Pariton Parillinen Imaginaarinen Pariton Pariton Pariton Pariton 7
28 Fourier muunnoksen ominaisuuksia Lineaarisuus (superpositio) Aikasiirto Aikaskaalaus Konjugaatti F av() t av () t av( f) av ( f) i ( ) V( f) e F v t f Fv( t) V Duaalisuus F Vt () v( f ) * * F v t V f () ( ) f Derivaatta n d n F vt () ( ) n i f V f dt Integraali t n F... v( n) dn... d V( f) n i f Konvoluutio F h( ) vt d H( f ) V ( f ) Kertolasku () () ( ) F h t v t H V f d 8
29 Superpositio Fourier muunnos on lineaarinen operaattori, joten osista koostuva signaali voidaan Fourier-muuntaa osissa () () () () F vt ut F vt F ut Esimerkki, signaali jonka energia on J s(t) T T T t = + t t st ( ) rect rect T T t F rect T sinc ft T T S( f) T sinc( ft) sinc( f ) 9
30 Aikasiirto Tarkastellaan signaalia s(t), jonka Fourier muunnos on S(f) Signaalia viivästetään :n verran. s(t) s(t-) Ratkaistaan viivästetyn signaalin Fourier-muunnos i ft Tehdään muuttujan vaihdos Fs( t) s( t) e dt t ' t t t ', dt ' dt (') i f t' ' i f (') i ft' ' s t e dt e s t e dt Aikasiirretyn signaalin Fourier-muunnos: i f F st ( ) e S( f) S( f ) 30
31 Taajuussirto Tarkastellaan signaalia s(t), jonka Fourier muunnos on S(f) Taajuussiirto S(f-f 0 ) S(f) S(f-f 0 ) Käänteismuunnos ( i ft 0) ( 0) F S f f S f f e df i f0t i f ' t e S f e df ( ') ' Taajuussiirretyn signaalin muunnospari: i f t i f t F S( f f ) F S( f) e s( t) e F ste () S( f f) i f0t 0 f 0 Tehdään muuttujan vaihdos f ' f f f f ' f, df ' df 0 0 3
32 Lineaarinen modulaatio Moduloitu signaali x() t s()cos t fct Voidaan kirjoittaa muotoon xt () st () e e ste () ste () Fourier muunnos X ( f) S( f fc) S( f fc) i f t i f t i f t i f t c c c c F ste () S( f f) i f0t Modulaatio siirtää signaalin taajuuskaistan f c ympäristöön: S(f) X(f) 0 -f c f c 3
33 Aika- ja taajuusskaalaus Aikaskaalaus Taajuusskaalaus F s( at) Todistus f S a a i ft F s( at) s( at) e dt t' dt t' at t, dt a a sgn( a) i ft' F sat ( ) st ( ') e dt a sgn( a) F s( at) f S a a a a 0 ( ) t F S af s a a Muuttujan vaihto Jos sgn(a)=- integrointi rajat vaihtuvat, tällöin tarvitaan kaavaa b a f ( xdx ) f( xdx ) a b 33
34 Duaalisuus Jos muunnospari Fst (()) S( f) tunnetaan, pätee signaalille y St () F St () s( f) F s( f) S( t) Todistus ( ()) () i ft F St Ste dt Ste () i f t dt S f e df s t s f i t' f ( ') ' ( ') ( ) S(f):n käänteismuunnoksen määritelmä f =t t =-f 34
35 Ideaalinen alipäästösuodatin Ideaalinen kaistanpäästösuodatin, jonka taajuuskaista on B S(f) B f S( f) rect B Vastaavan aikatason signaalin (impulssivasteen) Fourier-muunnos on t S( f) F rect Tsinc ft T T rect t 0 t t Duaalisuudesta seuraa, että f F S( f) F B rect BsincBt B B ja koska sinc on parillinen, saadaan st () Bsinc( Bt) 35
36 Derivoimiskeino Lausutaan signaali käänteismuunnoksen avulla s() t F s() t S( f) e i ft df Signaalin aikaderivaatta d dt n n n d i ft s() t S( f) e df n dt n d i ft S( f) e df n dt n i ft S( f) i f e df d F dt n s() t Koska integraali ei ole muuttujan t suhteen, voidaan derivaatta operaattori viedä integraalin sisälle n Derivoidun signaalin Fourier-muunnos n d n Muunnoskaavaksi saadaan F s() t i f S( f) n dt 36
37 Integroimiskeino Tarkastellaan signaalia t yt ( )... s( ) d... dn n kpl Tällöin n d s() t y() t n dt Derivoimiskeinosta seuraa n n d S( f) F s( t) i f Y( f) n Joten Y( f) S( f) n i f Muunnoskaavaksi saadaan: F st () i f S( f) dt t F... s( ) d... dn S( f) n i f n kpl n 37
38 Kolmiopulssi (/) Kolmiopulssi A -T T st () A T t t T 0 t T Kolmiopulssin aikaderivaatta A t ( ) rect T d A A t rect T st dt T T T T -T T -A rect t 0 t t 38
39 Kolmiopulssi (/) Fourier-muunnetaan aikaderivaatta t ( ) rect T d A A t rect T st dt T T T T t FArect ATsinc ft T i f F s( t ) e S( f) d A A F s( t) sinc fte sinc fte dt T T iasinc ft sin ft T T i f i f s(t):n Fourier-muunnos saadaan nyt integroimiskeinon avulla t d iasinc ft sin ft S( f) F s( t) i f dt i f T T sin Asinc ft ft f ATsinc ft F... s( ) d... d n S( f) n i f n kpl 39
40 Gaussin pulssi (/5) GSM-järjestelmässä käytetään Gaussian Minimum Shift Keying GMSK-modulaatiota, jossa lähetettävä informaatiobitti ohjaa kantoaallon vaihetta. Lähetettävää informaatiosymbolia kuvataan kanttipulsilla, jonka merkki riippuu lähetettävästä bitistä. Kanttipulssia suodatetaan usealla sarjassa olevalla alipäästösuodattimella. Tuloksena saadaan Gaussin pulssi. Suodatuksen ansiosta tiedonsiirron tarvitsema kaistanleveys minimoituu. 40
41 Gaussin pulssi (/5) Gaussin pulssi: t st () Aexp T Pulssi on parillinen: s( t) s( t) t Pulssin derivaatta: s(t) d t t t st () A exp st () dt T T T 4
42 Gaussin pulssi (3/5). Gaussin-pulssin derivaatta: d dt t st () st () T. Derivaatan F-muunnos d F s() t i fs( f ) dt 3. Sovelletaan duaalisuutta derivaatan F-muunnokseen: F v( f) V( f) d F v() t i fv( f) dt d F v( f ) i tv( t) df 4. Huomataan yhteys kohtien. ja 3. välillä: s( t) s( t) d t st () st () i t s( t) dt T it V( t) joten d d F st () S( f ) dt it df d v ( f ) df F d v( f ) df 4
43 Gaussin pulssi (4/5) 5. Kootaan tulokset yhteen Kohdan. perusteella d F s() t i fs( f ) dt ja kohdan 4. perusteella d d F s() t S( f) dt it df Eli, it d S ( f ) i fs ( f ) df 6. Ratkaistaan differentiaali yhtälö d S f ft S f df ds( f ) ft df S( f) ln ( ) ( ) ( ) S f f T C S( f) exp( f T )exp( C) k exp( C) C ln( k) k 43
44 Gaussin pulssi (5/5) 7. Vakio k määräytyy Rayleigh n energia teoreemasta S( f ) df st ( ) dt t k exp( T f ) df A exp dt t' T Tf t ' T f, df dt' T T t' dt' t k exp A exp dt T T T k AT Muuttujan vaihto 8. Tulokseksi saatiin S f AT f T ( ) exp( ) 44
45 Gaussin pulssi -II (/) Toinen tapa: Käytetään hyväksi integrointikaavaa Signaali t st () Aexp T Fourier-muunnos: t exp dt t T T S( f) Aexp exp i ft dt Aexp t i ft dt 45
46 Gaussin pulssi -II (/) Täydennetään neliöksi 4 4 S( f ) Aexp t ift t f T f T dt T t ift t ift T Aexp f T exp dt T T AT exp f T t exp dt 46
47 Gaussin pulssi Gaussin pulssi Fourier-muunnos t st () Aexp S( f ) AT exp( Tf ) T T=0. Pulssin muoto säilyy Fourier-muunnoksessa s(t) 0.5 S(f) t f 47
48 Kanttipulssi vs Gaussin pulssi s(t) 0.5 S(f) t t 48
49 Konvoluutiointegraali Tarkastellaan kahta energiasignaalia u(t) ja h(t), joiden Fourier-muunnokset ovat U(f) ja H(f). Signaalien välinen konvoluutio on y(t): Signaalin y(t) Fourier-muunnos -i 49
50 Kertolasku Tarkastellaan kahta energiasignaalia u(t) ja h(t), joiden Fourier-muunnokset ovat U(f) ja H(f). Signaalien tulo yt () utht () () Signaalien tulon Fourier-muunnos: i ft it i ft Futht () () uthte () () dt U( ) e dhte () dt H( f ) Muunnos on konvoluutiointegraali ut () i f t U( ) h( t) e dtd U( ) H( f ) d F u() t h() t U( ) H( f ) d 50
51 Katkaistu signaali Tarkastellaan signaalia s(t), jonka Fourier-muunnos on S(f). Katkaistaan signaalista jakso t(-t/,t/). Katkaistu signaali t yt () st () T Katkaistun signaalin Fourier-muunnos Y( f) S( ) Tsinc ( f ) T d on signaalin Fourier-muunnoksen ja sinc-funktion konvoluutio. 5
52 Katkaistu sinisignaali Sinimuotoinen signaali st () cos ft t[, ] c S( f) Katkaistu signaali Y( f) T cos ft c t yt () T 0 t Jotta spektri ei katkaistessa leviäisi, käytetään katkaisuun ikkunafunktioita. Tästä lisää myöhemmin.. 5
53 4.4 Erikoissignaalien F-muunnos
54 Fourier-muunnos Fourier-muunnos Käänteismuunnos Dirichlet n ehdot Fourier muuntuvalle energiasignaalille I: Signaali on itseisesti integroituva vt () dt II: Signaalin maksimi- ja minimiarvot ovat äärellisiä jokaisella äärellisellä aikavälillä t( a, b) sup (, ) ( ) ( ), ti t st i i sti a ti ti b i III: Signaalin epäjatkuvuuskohtia on rajallinen määrä lim äärellisessä määrässä 0 st ( 0 ) vt ( 0 ) 0 pisteitä välillä t(-,) 54
55 Fourier-muunnos On olemassa joukko signaaleita, jotka eivät täytä Dirichlet n ehtoja, mutta niille voidaan kuitenkin esittää Fourier-muunnos siten, että muunnoksen yleiset ominaisuudet ovat voimassa. Esim. Impulssifunktio Tasavirta Askel- ja signmum-funktiot Sini-signaali Näitä signaaleja kutsutaan yleistetyiksi signaaleiksi. Yleistetyt signaalit ovat tehosignaaleja 55
56 Impulssifunktio/Diracin delta-funktio Äärettömän kapea pulssi, jonka pinta-ala on. 0 0 () tdt () tdt Impulssifunktio (t) voidaan johtaa raja-arvona pulssista, jonka pituus on ja korkeus /, kun 0. Suorakaidepulssin tapauksessa: t t lim 0 x x 0 muutoin 56
57 Impulssifunktio 0 Suorakaidepulssi 0 Gaussin pulssi T= T=0.5 T= Amplitudi 5 4 Amplitudi Aika Aika 57
58 Impulssifunktio Signaalin kertominen impulssifunktiolla s( t) ( tt ) s t ( tt ) Näytteenotto s() t ( tt ) dt s( t ) Signaalin konvoluutio impulssifunktion kanssa (impulssivaste) s() t () t s( ) ( t) dt s() t 58
59 Impulssifunktion Fourier muunnos Impulssifunktion Fourier-muunnos x(t) X(f) F t Raja-arvona pulssin Fourier-muunnkosesta: t F sinc f t lim0 F lim0sinc f sin f f cos f lim0 im0 f f l Hôpital t f Signaalin energia on jakaantunut tasan kaikille taajuuksille t FA ATsinc ft T 59
60 Impulssifunktion käänteismuunnos Raja-arvoja käyttäen suoraan F-muunnoksen määritelmästä: i ft i f 0 F t t e dt e t dt s( t) ( t t ) s t ( tt ) () tdt () tdt 0 60
61 Impulssifunktion käänteismuunnos Impulssifunktion käänteismuunnos F f x(t) X(f) Todistus F f f e df e 0 f dt i ft i t DC-komponentin (vakion) Fourier-muunnos F A A f ( ) Taajuussiirros i F f f e 0 0 Todistus i f0t i f0t F f f f f e df e f f dt e i ft f t! t tietoverkkotekniikan laitos! f 6
62 Sini-signaalin Fourier-muunnos Sinimuotoinen signaali Eulerin kaavalla sinimuotoinen signaali voidaan kirjoittaa kahden osoittimen avulla, joita taajuustasossa vastaa taajuussiirros. sin cos i it it t e e it it t e e i 0 0 F f f e f t Spektri: A i Y( f) f f0e f f0e A f 0 Y( f) f 0 i f 6
63 Jaksollisen signaalin Fourier-muunnos Jaksollinen signaali voidaan esittää Fourier-sarjan avulla k vt () vk expi t k T0 Sovelletaan taajuussiirroksen Fourier-muunnosta k Fv() t vkfexpi t vk f k k T0 k T0 i f0t 0 F e f f Jaksollisen signaalin Fourier-muunnos saa nollasta poikkeavia arvoja ainoastaan harmonisilla taajuuksilla. Integraali spektritiheyden yli antaa signaalin keskimääräisen tehon ( ) * ( ) k v k V f V f dt v P 63
64 Epäjatkuva-amplitudiset signaalit Askelfunktio u(t) t 0 t 0 ut () ( ) d t 0 Epäjatkuvuuskohdan derivaatta voidaan lausua impulssifunktion avulla d ut () () t dt u(t) u (t) t t 64
65 Epäjatkuva-amplitudiset signaalit Epäjatkuvuuskohta ajanhetkellä t 0 d xt () '() t x t x t t t dt '( t) on signaalin jatkuvan termin derivaatta, joka täyttää Dirichlet n ehdot x(t 0+ ) x(t 0- ) t 0 x(t) t Signaalin Fourier-muunnos saadaan integrointikeinon avulla x() t '( ) x t x t t d F x() t t t n i f n kpl i ft0 '( ) 0 0 F t x t x t e i f F... s( ) d... d S( f) n 65
66 Epäjatkuva-amplitudiset signaalit Monta epäjatkuvuuskohtaa d xt () '() t xt ( k) t t dt x( t ) x t x t k k k k k F x() t F '( t) x( t ) e k i f k i ft k Esimerkki Pulssi 0 t T t xt ( ) Arect T A t T d x () t A T A T dt i f T i f T A x(t) x (t) e e sin ft F xt () A AT ATsinc( ft ) i f ft 66 t t
67 Tehtävä Mikä on oheisen pulssin derivaatta? -/ / - 67
68 Signum-funktio Signumfunktio t 0 xt () sgn( t) 0 t0 t 0 Ratkaistaan derivaatta d dt d xt ( ) sgn( t) dt x(0 ) x(0 ) () t () t () t Derivaatan Fourier-muunnos tunnetaan, joten x(t):n Fourier-muunnos saadaan integrointikeinolla d F xt () F xt () X(f) i f dt F ( t) i f i f - x(t) dx(t)/dt t t 68
69 Signum-funktio Tarkistetaan tulos käänteismuuntamalla se ft ft i ft cos ft sin ft F e df df i df i f i f i f i f cos sin i df df f f cos ft vt () f v( t) v( t) Funktio on pariton, joten (pinta-ala) integraali sen yli =0 sinc f ' df ' t 0 sin ft i f f sinc f ' df ' t 0 F df sinc ft tdf sgn( t) sinc f ' df ' sgn( t) sinc( tdt ) f ' ft df df ELEC-A700 Signaalit ja järjestelmät 5 op Aalto-yliopisto Tietoliikenne- t ja Muuttujan vaihto
70 Yksikköaskelfunktio Askelfunktio voidaan esittää tasavirtakomponentin ja signum-funktion avulla 0 t 0 sgn(t) ut ( ) sgn( t) t Fourier-muunnos Fu() t F F sgn( t) f j f - u(t) t - U(f) t 70
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
LisätiedotLuento 7. tietoverkkotekniikan laitos
Luento 7 Luento 7 LTI järjestelmien taajuusalueen analyysi II 7. LTI järjestelmän taajuusvaste Vaste kompleksiselle eksponenttiherätteelle Taajuusvaste, Boden diagrammi 7.2 Signaalin muuntuminen LTI järjestelmässä
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)
LisätiedotLuento 7. LTI-järjestelmät
Luento 7 Lineaaristen järjestelmien analyysi taajuustasossa Taajuusvaste Stabiilisuus..7 LTI-järjestelmät u(t) h(t) y(t) Tarkastellaan lineaarista aikainvarianttia järjestelmää n n m m d d d d yt () =
LisätiedotLuento 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:
LisätiedotLuento 8. Suodattimien käyttötarkoitus
Luento 8 Lineaarinen suodatus Ideaaliset alipäästö, ylipäästö ja kaistanpäästösuodattimet Käytännölliset suodattimet 8..006 Suodattimien käyttötarkoitus Signaalikaistan ulkopuolisen kohinan ja häiriöiden
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
LisätiedotSIGNAALITEORIAN KERTAUSTA OSA 2
1 SIGNAALITEORIAN KERTAUSTA OSA 2 Miten spektri lasketaan moduloiduille ja näytteistetyille tietoliikennesignaaleille? KONVOLUUTIO JA KERTOLASKU 2 Kantataajuussignaali (baseband) = sanomasignaali ilman
LisätiedotLuento 4 Jaksollisten signaalien Fourier-sarjaesitys 4.1 Fourier-sarja 4.2 Viivaspektri, tehospektri
Luento 4 Luento 4 Jaksollisten signaalien Fourier-sarjaesitys 9 Oppenheim 3.3, 3.4 4.1 Fourier-sarja Kompleksi F-sarja F-sinisarja Sinc-funktio 4. Viivaspektri, tehospektri Viivaspektri Parsevalin teoreema
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
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
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
LisätiedotF {f(t)} ˆf(ω) = 1. F { f (n)} = (iω) n F {f}. (11) BM20A5700 - INTEGRAALIMUUNNOKSET Harjoitus 10, viikko 46/2015. Fourier-integraali:
BMA57 - INTEGRAALIMUUNNOKSET Harjoitus, viikko 46/5 Fourier-integraali: f(x) A() π B() π [A() cos x + B() sin x]d, () Fourier-muunnos ja käänteismuunnos: f(t) cos tdt, () f(t) sin tdt. (3) F {f(t)} ˆf()
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
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
LisätiedotTietoliikennesignaalit & spektri
Tietoliikennesignaalit & spektri 1 Tietoliikenne = informaation siirtoa sähköisiä signaaleja käyttäen. Signaali = vaihteleva jännite (tms.), jonka vaihteluun on sisällytetty informaatiota. Signaalin ominaisuuksia
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
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?
Lisätiedotjärjestelmät Luento 8
DEE-111 Lineaariset järjestelmät Luento 8 1 Lineaariset järjestelmät Risto Mikkonen 7.8.214 Luento 7 - Recap Z-muunnos ja sen ominaisuudet Lineaaristen dierenssiyhtälöiden käsittely Alku- ja loppuarvot
LisätiedotLuento 7. Järjestelmien kokoaminen osista
Luento 7 Lineaaristen järjestelmien analyysi Järjestelmä yhdistelmät, takaisinkytkentä Taajuusvaste Stabiilisuus analyysi taajuustasossa 8..6 Järjestelmien kokoaminen osista Lineaaristen järjestelmien
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.
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.
LisätiedotMat / Mat Matematiikan peruskurssi C3-I / KP3-I Harjoitus 5 / vko 42, loppuviikko, syksy 2008
Mat-.3 / Mat-.33 Matematiikan peruskurssi C3-I / KP3-I Harjoitus 5 / vko 4, loppuviikko, syksy 8 Ennen malliratkaisuja, muistin virkistämiseksi kaikkien rakastama osittaisintegroinnin kaava: b a u(tv (t
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
LisätiedotDigitaalinen signaalinkäsittely Desibeliasteikko, suotimen suunnittelu
Digitaalinen signaalinkäsittely Desibeliasteikko, suotimen suunnittelu Teemu Saarelainen, teemu.saarelainen@kyamk.fi Lähteet: Ifeachor, Jervis, Digital Signal Processing: A Practical Approach H.Huttunen,
LisätiedotLukujonot Z-muunnos Z-muunnoksen ominaisuuksia Z-käänteismuunnos Differenssiyhtälöt. Z-muunnos. 5. joulukuuta Z-muunnos
Lukujonot Z-muunnoksen ominaisuuksia Z-käänteismuunnos Differenssiyhtälöt 5. joulukuuta 2016 Lukujonot Z-muunnoksen ominaisuuksia Z-käänteismuunnos Differenssiyhtälöt Lukujonot Lukujonot Z-muunnoksen ominaisuuksia
LisätiedotSpektri- ja signaalianalysaattorit
Spektri- ja signaalianalysaattorit Pyyhkäisevät spektrianalysaattorit Suora pyyhkäisevä Superheterodyne Reaaliaika-analysaattorit Suora analoginen analysaattori FFT-spektrianalysaattori DFT FFT Analysaattoreiden
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
LisätiedotT SKJ - TERMEJÄ
T-61140 SKJ - termit Sivu 1 / 7 T-61140 SKJ - TERMEJÄ Nimi Opnro Email Signaalinkäsittelyyn liittyviä termejä ja selityksiä Kevät 2005 Täytä lomaketta kevään aikana ja kerää mahdollisesti puuttuvia termejä
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
LisätiedotA! Modulaatioiden luokittelu. Luento 4: Digitaaliset modulaatiokonstellaatiot, symbolijonolähetteet. ELEC-C7230 Tietoliikenteen siirtomenetelmät
ELEC-C7230 Tietoliikenteen siirtomenetelmät Luento 4: Digitaaliset modulaatiokonstellaatiot, symbolijonolähetteet Olav Tirkkonen, Jari Lietzen Aalto, Tietoliikenne- ja tietoverkkotekniikan laitos A! Modulaatioiden
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
LisätiedotFourier-sarjat ja -muunnos
24. marraskuuta 2016 Jaksolliset funktiot, trigonometriset sarjat, parilliset ja p Jaksolliset funktiot Funktio f : R R on jaksollinen, jos on olemassa p > 0 siten, että f (x + p) = f (x) kaikilla x R
LisätiedotHarjoitus Etsi seuraavien autonomisten yhtälöiden kriittiset pisteet ja tutki niiden stabiliteettia:
Differentiaaliyhtälöt, Kesä 216 Harjoitus 2 1. Etsi seuraavien autonomisten yhtälöiden kriittiset pisteet ja tutki niiden stabiliteettia: (a) y = (2 y) 3, (b) y = (y 1) 2, (c) y = 2y y 2. 2. Etsi seuraavien
LisätiedotELEC-A7200 Signaalit ja järjestelmät
ELEC-A700 Signaalit ja järjestelmät Professori Riku Jäntti ELEC-A700 Signaalit ja järjestelmät Mitä kurssilla käsitellään? signaalien ja järjestelmien peruskäsitteitä signaali- ja järjestelmäanalyysin
LisätiedotLukujonot Z-muunnos Z-muunnoksen ominaisuuksia Z-käänteismuunnos Differenssiyhtälöt. Z-muunnos. 1. joulukuuta Z-muunnos
Lukujonot Z-muunnoksen ominaisuuksia Z-käänteismuunnos Differenssiyhtälöt 1. joulukuuta 2015 Lukujonot Z-muunnoksen ominaisuuksia Z-käänteismuunnos Differenssiyhtälöt Lukujono Lukujono on diskreetti funktio
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
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
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
LisätiedotELEC-A7200 Signaalit ja järjestelmät
ELEC-A700 Signaalit ja järjestelmät Professori Riku Jäntti ELEC-A700 Signaalit ja järjestelmät Mitä kurssilla käsitellään? signaalien ja järjestelmien peruskäsitteitä signaali- ja järjestelmäanalyysin
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
LisätiedotKapeakaistainen signaali
Tiedonsiirrossa sellaiset signaalit ovat tyypillisiä, joilla informaatio jakautuu kapealle taajuusalueelle jonkun keskitaajuuden ympäristöön. Tällaisia signaaleja kutustaan kapeakaistaisiksi signaaleiksi
LisätiedotELEC-A7200 Signaalit ja järjestelmät
ELEC-A7200 Signaalit ja järjestelmät Professori Riku Jäntti ELEC-A7200 Signaalit ja järjestelmät Mitä kurssilla käsitellään? signaalien ja järjestelmien peruskäsitteitä signaali- ja järjestelmäanalyysin
LisätiedotSatunnaismuuttujien 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
LisätiedotKompleksiluvut signaalin taajuusjakauman arvioinnissa
Kompleksiluvut signaalin taajuusjakauman arvioinnissa Vierailuluento IMA-kurssilla Heikki Huttunen Lehtori, TkT Signaalinkäsittely, TTY heikki.huttunen@tut.fi Department of Signal Processing Fourier-muunnos
LisätiedotJohdatus 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
LisätiedotInsinöörimatematiikka D
Insinöörimatematiikka D M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Matematiikan ja tilastotieteen laitos Turun yliopisto 2015 M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Luentokalvot
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
Lisätiedot6 Variaatiolaskennan perusteet
6 Variaatiolaskennan perusteet Sivut ss. 22 26 pääosin lähteen [Kirk, Ch. 4, ss. 107 127] pohjalta Variaatiolaskenta keskittyy lokaaliin analyysiin eli funktion lokaalin minimin vastineisiin funktionaaleilla.
LisätiedotMatemaattisessa analyysissa on usein käyttökelpoista soveltaa integraalimuunnoksia. Yksi tärkeimmistä on Laplace-muunnos. e st f(t)dt, s > s 0
Laplace-muunnos (Kr. 6. Aalto Mat-.32/332, C3-II/KP3-II, 8/23, Kari Eloranta Matemaattisessa analyysissa on usein käyttökelpoista soveltaa integraalimuunnoksia. Yksi tärkeimmistä on Laplace-muunnos. Määritelmä
Lisätiedote 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(s 2 + 9)(s 2 + 2s + 5) ] + s + 1. s 2 + 2s + 5. Tästä saadaan tehtävälle ratkaisu käänteismuuntamalla takaisin aikatasoon:
TEKNILLINEN KORKEAKOULU Systeemianalyysin laboratorio Mat-2429 Systeemien Identifiointi 2 harjoituksen ratkaisut Yhtälö voitaisiin ratkaista suoraankin, mutta käytetään Laplace-muunnosta tehtävän ratkaisemisessa
LisätiedotS 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
LisätiedotLuento 8. Suodattimien käyttötarkoitus
Luento 8 Lineaarinen suodatus Ideaaliset alipäästö, ylipäästö ja kaistanpäästösuodattimet Käytännölliset suodattimet 8..007 Suodattimien käyttötarkoitus Signaalikaistan ulkopuolisen kohinan ja häiriöiden
LisätiedotMS-A010{3,4} (ELEC*) Differentiaali- ja integraalilaskenta 1 Luento 5: Taylor-polynomi ja sarja
MS-A010{3,4} (ELEC*) Differentiaali- ja integraalilaskenta 1 Luento 5: Taylor-polynomi ja sarja Pekka Alestalo, Jarmo Malinen Aalto-yliopisto, Matematiikan ja systeemianalyysin laitos 26.9.2016 Pekka Alestalo,
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
Lisätiedot1 sup- ja inf-esimerkkejä
Alla olevat kohdat (erityisesti todistukset) ovat lähinnä oheislukemista reaaliluvuista, mutta joihinkin niistä palataan myöhemmin kurssilla. 1 sup- ja inf-esimerkkejä Nollakohdan olemassaolo. Kaikki tuntevat
LisätiedotHY, MTO / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIa, syksy 2018 Harjoitus 3 Ratkaisuehdotuksia.
HY, MTO / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIa, syksy 8 Harjoitus Ratkaisuehdotuksia Tehtäväsarja I. Mitkä seuraavista funktioista F, F, F ja F 4 ovat kertymäfunktioita? Mitkä
LisätiedotHarjoitus 1. Tehtävä 1. Malliratkaisut. f(t) = e (t α) cos(ω 0 t + β) L[f(t)] = f(t)e st dt = e st t+α cos(ω 0 t + β)dt.
Harjoitus Malliratkaisut Tehtävä L[f(t)] ˆ f(t) e (t α) cos(ω t + β) f(t)e st dt ˆ e st t+α cos(ω t + β)dt cos(ω t + β) 2 (ej(ωt+β) + e j(ωt+β) ) L[f(t)] 2 eα 2 ˆ ˆ e st t+α (e j(ω t+β) + e j(ω t+β) )
LisätiedotELEC-A3110 Mekaniikka (5 op)
ELEC-A3110 Mekaniikka (5 op) Yliopistonlehtori, tkt Sami Kujala Mikro- ja nanotekniikan laitos Syksy 2016 1 / 21 Luento 2: Kertausta ja johdantoa Suoraviivainen liike Jumppaa Harjoituksia ja oivalluksia
Lisätiedot0 kun x < 0, 1/3 kun 0 x < 1/4, 7/11 kun 1/4 x < 6/7, 1 kun x 1, 1 kun x 6/7,
HY / Matematiikan ja tilastotieteen laitos Todennäköisyyslaskenta II, syksy 07 Harjoitus Ratkaisuehdotuksia Tehtäväsarja I. Mitkä seuraavista funktioista F, F, F ja F 4 ovat kertymäfunktioita? Mitkä niistä
LisätiedotSignaalien datamuunnokset
Signaalien datamuunnokset Datamuunnosten teoriaa Muunnosten taustaa Muunnosten teoriaa Muunnosten rajoituksia ja ongelmia Petri Kärhä 06/02/2004 Luento 4a: Signaalien datamuunnokset 1 Digitaalitekniikan
LisätiedotDifferentiaali- ja integraalilaskenta 1 Ratkaisut 5. viikolle /
MS-A8 Differentiaali- ja integraalilaskenta, V/7 Differentiaali- ja integraalilaskenta Ratkaisut 5. viikolle / 9..5. Integroimismenetelmät Tehtävä : Laske osittaisintegroinnin avulla a) π x sin(x) dx,
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
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(
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
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,
LisätiedotKompleksianalyysi, viikko 7
Kompleksianalyysi, viikko 7 Jukka Kemppainen Mathematics Division Fourier-muunnoksesta Laplace-muunnokseen Tarkastellaan seuraavassa kausaalisia signaaleja eli signaaleja x(t), joille x(t) 0 kaikilla t
LisätiedotLuento 8. tietoverkkotekniikan laitos
Luento 8 Luento 8 Signaalien suodatus 8. Ideaaliset suodattimet Ideaaliset alipäästö-, ylipäästö-, kaistanpäästö- ja kaistanestosuodattimet Oppenheim 6.3 8. Käytännön suodattimet Käytännön suodattimet,
LisätiedotAntti Rasila. Kevät Matematiikan ja systeemianalyysin laitos Aalto-yliopisto. Antti Rasila (Aalto-yliopisto) MS-A0204 Kevät / 16
MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 5: Gradientti ja suunnattu derivaatta. Vektoriarvoiset funktiot. Taylor-approksimaatio. Antti Rasila Matematiikan ja systeemianalyysin laitos
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
Lisätiedot2. kierros. 2. Lähipäivä
2. kierros 2. Lähipäivä Viikon aihe Vahvistimet, kohina, lineaarisuus Siirtofunktiot, tilaesitys Tavoitteet: tietää Yhden navan vasteen ekvivalentti kohinakaistaleveys Vastuksen terminen kohina Termit
Lisätiedotx = π 3 + nπ, x + 1 f (x) = 2x (x + 1) x2 1 (x + 1) 2 = 2x2 + 2x x 2 = x2 + 2x f ( 3) = ( 3)2 + 2 ( 3) ( 3) + 1 3 1 + 4 2 + 5 2 = 21 21 = 21 tosi
Mallivastaukset - Harjoituskoe F F1 a) (a + b) 2 (a b) 2 a 2 + 2ab + b 2 (a 2 2ab + b 2 ) a 2 + 2ab + b 2 a 2 + 2ab b 2 4ab b) tan x 3 x π 3 + nπ, n Z c) f(x) x2 x + 1 f (x) 2x (x + 1) x2 1 (x + 1) 2 2x2
LisätiedotMat-1.1331 Matematiikan pk KP3-i - kertaus
Mat-.33 Matematiikan pk KP3-i - kertaus J.v.Pfaler TKK 24. lokakuuta 2007 Kurssin ensimmäisen puoliskon selkäranka on Kompleksitason funktioiden teoria, sisältäen analyyttiset funktiot, auchy integraali
LisätiedotKirjoita jokaiseen koepaperiin nimesi, opiskelijanumerosi ym. tiedot! Laskin (yo-kirjoituksissa hyväksytty) on sallittu apuväline tässä kokeessa!
Aalto yliopiston teknillinen korkeakoulu Mat-1.1040 L4 Tentti ja välikokeiden uusinta 21.5.2010 Gripenberg, Arponen, Siljander Kirjoita jokaiseen koepaperiin nimesi, opiskelijanumerosi ym. tiedot! Laskin
LisätiedotSignaalien datamuunnokset. Digitaalitekniikan edut
Signaalien datamuunnokset Datamuunnosten teoriaa Muunnosten taustaa Muunnosten teoriaa Muunnosten rajoituksia ja ongelmia Petri Kärhä 09/02/2009 Signaalien datamuunnokset 1 Digitaalitekniikan edut Tarkoituksena
Lisätiedot1 PID-taajuusvastesuunnittelun esimerkki
Enso Ikonen, Oulun yliopisto, systeemitekniikan laboratorio 2/23 Säätöjärjestelmien suunnittelu 23 PID-taajuusvastesuunnittelun esimerkki Tehtävänä on suunnitella säätö prosessille ( ) = = ( +)( 2 + )
Lisätiedoty x1 σ t 1 = c y x 1 σ t 1 = y x 2 σ t 2 y x 2 x 1 y = σ(t 2 t 1 ) x 2 x 1 y t 2 t 1
1. Tarkastellaan funktiota missä σ C ja y (y 1,..., y n ) R n. u : R n R C, u(x, t) e i(y x σt), (a) Miksi funktiota u(x, t) voidaan kutsua tasoaalloksi, jonka aaltorintama on kohtisuorassa vektorin y
Lisätiedota) Mikä on integraalifunktio ja miten derivaatta liittyy siihen? Anna esimerkki. 8 3 + 4 2 0 = 16 3 = 3 1 3.
Integraalilaskenta. a) Mikä on integraalifunktio ja miten derivaatta liittyy siihen? Anna esimerkki. b) Mitä määrätty integraali tietyllä välillä x tarkoittaa? Vihje: * Integraali * Määrätyn integraalin
LisätiedotLaplace-muunnoksesta ja sen sovelluksista
TAMPEREEN YLIOPISTO Pro gradu -tutkielma Anni Meisalmi Laplace-muunnoksesta ja sen sovelluksista Informaatiotieteiden yksikkö Matematiikka Maaliskuu 212 Tampereen yliopisto Informaatiotieteiden yksikkö
LisätiedotMS-A0102 Differentiaali- ja integraalilaskenta 1
MS-A0102 Differentiaali- ja integraalilaskenta 1 Riikka Korte (Pekka Alestalon kalvojen pohjalta) Aalto-yliopisto 24.10.2016 Sisältö Derivaatta 1.1 Derivaatta Erilaisia lähestymistapoja: I geometrinen
LisätiedotKompleksianalyysi, viikko 4
Kompleksianalyysi, viikko 4 Jukka Kemppainen Mathematics Division Reaalimuuttujan kompleksiarvoisen funktion integraali Aloitetaan reaalimuuttujan kompleksiarvoisen funktion integraalin määrittelyllä,
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
LisätiedotNumeerinen integrointi ja derivointi
Numeerinen integrointi ja derivointi Keijo Ruotsalainen Division of Mathematics Interpolaatiokaavat Approksimoitava integraali I = b a f(x)dx. Tasavälinen hila: x i = a+ (b a)i n, i = 0,...,n Funktion
Lisätiedot13. Ratkaisu. Kirjoitetaan tehtävän DY hieman eri muodossa: = 1 + y x + ( y ) 2 (y )
MATEMATIIKAN JA TILASTOTIETEEN LAITOS Differentiaaliyhtälöt, kesä 00 Tehtävät 3-8 / Ratkaisuehdotuksia (RT).6.00 3. Ratkaisu. Kirjoitetaan tehtävän DY hieman eri muodossa: y = + y + y = + y + ( y ) (y
LisätiedotAnalogiatekniikka. Analogiatekniikka
1 Opintojakson osaamistavoitteet Opintojakson hyväksytysti suoritettuaan opiskelija: osaa soveltaa ja tulkita siirtofunktiota, askelvastetta, Bodediagrammia ja napa-nolla-kuvaajaa lineaarisen, dynaamisen
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
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,
LisätiedotMS-A0102 Differentiaali- ja integraalilaskenta 1
MS-A0102 Differentiaali- ja integraalilaskenta 1 Riikka Korte (Pekka Alestalon kalvojen pohjalta) Aalto-yliopisto 15.11.2016 Sisältö Alkeisfunktiot 1.1 Funktio I Funktio f : A! B on sääntö, joka liittää
LisätiedotMS-A010{3,4} (ELEC*) Differentiaali- ja integraalilaskenta 1 Luento 4: Derivaatta
MS-A010{3,4} (ELEC*) Differentiaali- ja integraalilaskenta 1 Luento 4: Derivaatta Pekka Alestalo, Jarmo Malinen Aalto-yliopisto, Matematiikan ja systeemianalyysin laitos 21.9.2016 Pekka Alestalo, Jarmo
LisätiedotTaajuustason tekniikat: Boden ja Nyquistin diagrammit, kompensaattorien suunnittelu. Vinkit 1 a
ELEC-C3 Säätötekniikka 9. laskuharjoitus Taajuustason tekniikat: Boden ja Nyquistin diagrammit, kompensaattorien suunnittelu Vinkit a 3. Vaiheenjättökompensaattorin siirtofunktio: ( ) s W LAG s, a. s Vahvistus
LisätiedotMittalaitetekniikka. NYMTES13 Vaihtosähköpiirit Jussi Hurri syksy 2014
Mittalaitetekniikka NYMTES13 Vaihtosähköpiirit Jussi Hurri syksy 2014 1 1. VAIHTOSÄHKÖ, PERUSKÄSITTEITÄ AC = Alternating current Jatkossa puhutaan vaihtojännitteestä. Yhtä hyvin voitaisiin tarkastella
LisätiedotIIR-suodattimissa ongelmat korostuvat, koska takaisinkytkennästä seuraa virheiden kertautuminen ja joissakin tapauksissa myös vahvistuminen.
TL536DSK-algoritmit (J. Laitinen)..5 Välikoe, ratkaisut Millaisia ongelmia kvantisointi aiheuttaa signaalinkäsittelyssä? Miksi ongelmat korostuvat IIR-suodatinten tapauksessa? Tarkastellaan Hz taajuista
LisätiedotDerivaatan sovellukset (ääriarvotehtävät ym.)
Derivaatan sovellukset (ääriarvotehtävät ym.) Tehtävät: 1. Tutki derivaatan avulla funktion f kulkua. a) f(x) = x 4x b) f(x) = x + 6x + 11 c) f(x) = x4 4 x3 + 4 d) f(x) = x 3 6x + 1x + 3. Määritä rationaalifunktion
LisätiedotKaikkia alla olevia kohtia ei käsitellä luennoilla kokonaan, koska osa on ennestään lukiosta tuttua.
6 Alkeisfunktiot Kaikkia alla olevia kohtia ei käsitellä luennoilla kokonaan, koska osa on ennestään lukiosta tuttua. 6. Funktion määrittely Funktio f : A B on sääntö, joka liittää jokaiseen joukon A alkioon
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
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
LisätiedotAlipäästösuotimen muuntaminen muiksi perussuotimiksi
Alipäästösuotimen muuntaminen muiksi perussuotimiksi Usein suodinsuunnittelussa on lähtökohtana alipäästösuodin (LPF), josta voidaan yksinkertaisilla operaatioilla muodostaa ylipäästö- (HPF), kaistanpäästö-
Lisätiedot5 Ominaisarvot ja ominaisvektorit
5 Ominaisarvot ja ominaisvektorit Olkoon A = [a jk ] n n matriisi. Tarkastellaan vektoriyhtälöä Ax = λx, (1) missä λ on luku. Sellaista λ:n arvoa, jolla yhtälöllä on ratkaisu x 0, kutsutaan matriisin A
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
Lisätiedot