L/M = 16.9/9.1 = 169/91 = 13/7.
|
|
|
- Esa-Pekka Korhonen
- 6 vuotta sitten
- Katselukertoja:
Transkriptio
1 TL56DSK-algoritit J. Laitinn 7.. TTES5, TTES5Z Väliko, ratkaisut Signaali x[n], onka näyttaauus on 9. khz, pitää uuntaa signaaliksi, onka näyttaauus on 6.9 khz. Esitä uunnoksn vaiht lohkokaaviona skä tarvittavin suodintn päästö- a stokaiston siainti, kun taauudt... khz halutaan säilyttää. Mrkits näyttaauus lohkokaavion ri vaihisiin näkyviin. LM x[n] LPF LPF 7 y[n] yt LPF poistaa intrpoloinnissa syntynt korkat taauudt. Sn stokaista on.55 khz puolt tulosignaalin näyttaauudsta khz puolt suodatttavan signaalin näyttaauudsta. Päästökaista asttuu välill... khz, otn siirtyäkaistaksi saadaan khz. LPF puolstaan varistaa, ttä dsioinnissa i tapahdu laskostuista. Sn stokaista on 8.5 khz puolt lähtösignaalin näyttaauudsta khz. Päästökaista asttuu älln välill... khz, otn siirtyäkaistaksi saadaan khz. Jos olttaan, ttä kupikin alipäästösuodin tuottaa riittävän vainnuksn, on LPF slvästi tarpton a lohkokaavio yksinkrtaistuu vastaavasti. Lohkokaaviossa kaikki näyttaauudt on yksiköissä [khz].
2 TL56DSK-algoritit J. Laitinn 7.. TTES5, TTES5Z Väliko, ratkaisut Signaali, onka näyttaauus on 6 khz uunntaan signaaliksi, onka näyttaauus on khz. Signaalissa halutaan säilyttää taauudt.. 5 Hz. Suotiina uunnoksissa käyttään Haing-ikkunalla suunnitltua FIR-suotiia. a Määritä vaadittava suodinkrrointn kokonaisäärä skä tarvittava krtolaskun äärä skunnissa MPS, kun uunnos thdään suoraan 6 KHz -> khz. b Määritä vaadittava suodinkrrointn kokonaisäärä skä tarvittava krtolaskun äärä skunnissa MPS, kun uunnos thdään vaihittain 6 KHz -> khz -> khz. Haing-ikkunaa käytttässä suotin krtoiin äärä voidaan äärittää kaavasta f., issä f on näyttaauudlla noralisoitu siirtyäkaistan lvys. a x[n] LPF 6 y 6 6 Suotin LPF stokaistaksi saadaan 5.. Hz. Päästökaista on.. 5 Hz a siirtyäkaista Hz. f 56. f 96. Krtolaskun ääräksi saadaan krtolaskuas. b x[n] LPF LPF y 6 6 Suotin LPF stokaistaksi saadaan.. Hz. Päästökaista on.. 5 Hz a siirtyäkaista 5.. Hz. f 556. f 6. Suotin LPF stokaistaksi saadaan 5.. Hz. Päästökaista on.. 5 Hz a siirtyäkaista Hz. f 5. f. Krtoiin kokonaisääräksi saadaan siis 68. Krtolaskun kokonaisäärä on 66 8 krtolaskuas.
3 TL56DSK-algoritit J. Laitinn 7.. TTES5, TTES5Z Väliko, ratkaisut Tarkastllaan signaalia x[n] {,,, }. a Määritä signaalin x[n] diskrtti Fourir-uunnos FFTalgoritilla. b Määritä signaalin x[n] aplitudi- a vaihspktri, os näyttaauus on 5 Hz. Huoaa: FFT-krtoit ääritllään uodossa yhdisttyn spktrin pituus. FFT-algoritin ataattinn sitys [ ] [ ] [ ] n n n n x n x n a Signaalin pituus, otn spktrin pituudksi tul yös nlä. Jataan signaali nsin yhdn näyttn pituisiksi signaaliksi. Thdään tään älkn yhdn näyttn pituisill signaalill DFT li siirrytään taauustasoon. Yhdisttään suraavaksi yhdn näyttn pituist spktri kahdn näyttn pituisiksi spktriksi: {} a {}: [ ] { } sin, {} a {}: [ ] { }, Yhdisttään tään älkn kahdn näyttn pituist spktrit {,} a {,-} yhdksi nlän näyttn pituisksi spktriksi: [ ] { } sin sin sin,,,
4 TL56DSK-algoritit J. Laitinn 7.. TTES5, TTES5Z Väliko, ratkaisut Signaalin x[n] {,,,} diskrtti Fourir-uunnos on siis f {,,, - } f Aikataso DFT Taauustaso - - b 5 Hz taauusrsoluutio 5 Hz 5 Hz. Aplitudispktri saadaan DFT:n itsisarvona: {, 8, 8 } f [Hz] Vaihspktri on puolstaan DFT:n arguntti: arg{} {,,, - } f [Hz] arctan arctan arctan- -
5 TL56DSK-algoritit J. Laitinn 7.. TTES5, TTES5Z Väliko, ratkaisut 5 Esittl lyhysti, itn adaptiivista suodatusta voidaan hyödyntää a Kohinan poistossa. b Tuntattoan ärstlän allinnuksssa. c Ekvalisoinnissa. Ks
6 TL56DSK-algoritit J. Laitinn 7.. TTES5, TTES5Z Väliko, ratkaisut 6 Ikkuna Siirtyäkaistan noralisoitu lvys Vastn vaihtlu päästökaistalla db Pinin vainnus stokaistalla db Ikkunafunktio w[n], n - Suorakaid.9.76 Hanning..56 n w n.5.5cos Haing..9 5 n w n.5.6cos Blackan n n w n..5cos.8cos
IIR-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
Tuntematon järjestelmä. Adaptiivinen suodatin
1 1 Vastaa lyhyesti seuraaviin a) Miksi signaaleja ylinäytteistetään AD- ja DA-muunnosten yhteydessä? b) Esittele lohkokaaviona adaptiiviseen suodatukseen perustuva tuntemattoman järjestelmän mallinnus.
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
SGN-1200 Signaalinkäsittelyn menetelmät, Tentti
SG-00 Signaalinkäsittelyn menetelmät, Tentti 6.3.006 Kirjoita nimesi ja opiskelijanumerosi jokaiseen paperiin. Vastauspaperit tullaan irrottamaan toisistaan. Jos tila ei riitä, jatka kääntöpuolelle ja
SGN-1200 Signaalinkäsittelyn menetelmät, Tentti
SGN-1200 Signaalinkäsittelyn menetelmät, Tentti 18.3.2008 Kirjoita nimesi ja opiskelijanumerosi jokaiseen paperiin. Vastauspaperit tullaan irrottamaan toisistaan. Jos tila ei riitä, jatka kääntöpuolelle
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
1 Määrittele lyhyesti seuraavat käsitteet. a) Kvantisointivirhe. b) Näytetaajuuden interpolointi. c) Adaptiivinen suodatus.
TL536DSK-algoritmit (J. Laitinen) 6.4.5 Määrittele lyyeti euraavat käitteet a) Kvantiointivire. b) äytetaajuuden interpolointi. ) Adaptiivinen uodatu. a) Kvantiointivire yntyy, kun ignaalin ykittäinen
SGN-1200 Signaalinkäsittelyn menetelmät, Tentti
SGN-1200 Signaalinkäsittelyn menetelmät, Tentti 5.5.2008 Kirjoita nimesi ja opiskelijanumerosi jokaiseen paperiin. Vastauspaperit tullaan irrottamaan toisistaan. Jos tila ei riitä, jatka kääntöpuolelle
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
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,
SGN Signaalinkäsittelyn perusteet Välikoe Heikki Huttunen
SGN-11 Signaalinkäsittelyn perusteet Välikoe 3.5.16 Heikki Huttunen Laskimen käyttö sallittu. Muiden materiaalien käyttö ei sallittu. Tenttikysymyksiä ei tarvitse palauttaa. Sivuilla 1-3 on. Sivuilla 4-5
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
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,
1 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?
1 Tarkastellaan digitaalista suodatinta, jolle suurin sallittu päästökaistavärähtely on 0.05 db ja estokaistalla vaimennus on 44 db.
TL5362DSK-algoritmit (J. Laitinen) 2.2.26 Tarkastellaan digitaalista suodatinta, jolle suurin sallittu äästökaistavärähtely on.5 db ja estokaistalla vaimennus on 44 db. 6 Kuinka suuri maksimioikkeama vahvistusarvosta
Digitaalinen signaalinkäsittely Desibeliasteikko, suotimen suunnittelu
Digitaalinen signaalinkäsittely Desibeliasteikko, suotimen suunnittelu Teemu Saarelainen, teemu.saarelainen@kyamk.fi Lähteet: Ifeachor, Jervis, Digital Signal Processing: A Practical Approach H.Huttunen,
1 Olkoon suodattimen vaatimusmäärittely seuraava:
Olkoon suodattimen vaatimusmäärittely seuraava: Päästökaistan maksimipoikkeama δ p =.5. Estokaistan maksimipoikkeama δ s =.. Päästökaistan rajataajuus pb = 5 Hz. Estokaistan rajataajuudet sb = 95 Hz Näytetaajuus
1. Laske sivun 104 esimerkin tapaan sellainen likiarvo luvulle e, että virheen itseisarvo on pienempi kuin 10 5.
MATEMATIIKAN JA TILASTOTIETEEN LAITOS Analyysi II Harjoitus Ratkaisuhdotuksia Aapo Tvanlinna. Lask sivun 4 simrkin tapaan sllainn likiarvo luvull, ttä virhn itsisarvo on pinmpi kuin 5. Huomataan nsin,
Diskreetin matematiikan perusteet Esimerkkiratkaisut 5 / vko 12
Diskreetin ateatiikan perusteet Esierkkiratkaisut 5 / vko 1 Tuntitehtävät 51-5 lasketaan alkuviikon harjoituksissa ja tuntitehtävät 55-56 loppuviikon harjoituksissa. Kotitehtävät 53-54 tarkastetaan loppuviikon
T Digitaalinen signaalinkäsittely ja suodatus
T-63 Digitaalinen signaalinkäsittely ja suodatus 2 välikoe / tentti Ke 4528 klo 6-9 Sali A (A-x) ja B (x-ö)m 2 vk on oikeus tehdä vain kerran joko 75 tai 45 Tee välikokeessa tehtävät, 2 ja 7 (palaute)
Spektri- ja signaalianalysaattorit
Spektri- ja signaalianalysaattorit Pyyhkäisevät spektrianalysaattorit Suora pyyhkäisevä Superheterodyne Reaaliaika-analysaattorit Suora analoginen analysaattori FFT-spektrianalysaattori DFT FFT Analysaattoreiden
Näytejonosysteemit-kertaus
TL56, DSK-algoritmit (K6 Esimrkkittäviä Näytoosystmit-krtaus. Olkoo x(t cos(πtcos(8πt. a Poimi sigaalista x äytpistitä taauudlla 8 H. Suodata äi saamasi äytoo x( FIR-suotimlla, oka suodikrtoimt ovat a.6,
Alipäästösuotimen muuntaminen muiksi perussuotimiksi
Alipäästösuotimen muuntaminen muiksi perussuotimiksi Usein suodinsuunnittelussa on lähtökohtana alipäästösuodin (LPF), josta voidaan yksinkertaisilla operaatioilla muodostaa ylipäästö- (HPF), kaistanpäästö-
3 Ikkunointi. Kuvio 1: Signaalin ikkunointi.
3 Ikkunointi Puhe ei ole stationaarinen signaali, vaan puheen ominaisuudet muuttuvat varsin nopeasti ajan myötä. Tämä on täysin luonnollinen ja hyvä asia, mutta tämä tekee sellaisten signaalinkäsittelyn
Remez-menetelmä FIR-suodinten suunnittelussa
Luku Remez-menetelmä FIR-suodinten suunnittelussa Remez-menetelmä, eli optimaalinen menetelmä etsii minimax-mielessä optimaalista suodinta. Algoritmi johdetaan seuraavassa (täydellisyyden vuoksi) melko
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).
DSP:n kertausta. 1 Spektri, DFT, DTFT ja aika-taajuusresoluutio
DSP:n kertausta Kerrataan/käydään läpi: ffl Spektri, DFT, DTFT ja FFT ffl signaalin jaksollisuuden ja spektrin harmonisuuden yhteys ffl aika-taajuusresoluutio Spektri, DFT, DTFT ja aika-taajuusresoluutio
Puolijohdekomponenttien perusteet A Ratkaisut 1, Kevät Tarvittava akseptoridouppaus p-tyypin kerrokseen saadaan kaavalla
OY/PJKOMP R1 17 Puolijohkoonnttin rustt 5171A Rtkisut 1, Kvät 17 1. ( Trvittv kstoriouus tyyin krroksn sn kvll kbt ln Ł ni ni Ł kbt 1 ( 1 c,85 V 17» 1,8 1 c. 17 1 c Ł,59V Mtrilivkiot on otttu luntoonistn
SGN-1251 Signaalinkäsittelyn sovellukset Välikoe Heikki Huttunen
SGN-5 Signaalinkäsittelyn sovellukset Välikoe.. Heikki Huttunen Tentissä ja välikokeessa saa käyttää vain tiedekunnan laskinta. Tenttikysymyksiä ei tarvitse palauttaa. Sivuilla - on. Sivuilla 4-6 on. Vastaa
Diskreetin matematiikan perusteet Laskuharjoitus 4 / vko 40
Diskreetin ateatiikan perusteet Laskuharjoitus 4 / vko 40 Tuntitehtävät 31-32 lasketaan alkuviikon harjoituksissa ja tuntitehtävät 35-36 loppuviikon harjoituksissa. Kotitehtävät 33-34 tarkastetaan loppuviikon
TL5231, Signaaliteoria (S2004) Matlab-harjoituksia
1. a) Muodosta Matlab-ohjelmistossa kosinisignaali x(t) = Acos(2πft+θ), jonka amplitudi on 1V, taajuus hertseinä sama kuin ikäsi vuosina (esim. 2 v = 2 Hz) ja vaihekulma +π/2. Piirrä signaali ja tarkista
Suodinpankit ja muunnokset*
Suodinpankit ja muunnokset* Lähteet: Zölzer. Digital audio signal processing. Wiley & Sons. Spanias et al. Audio signal processing and coding. Wiley & Sons Smith, Spectral audio signal processing, online
3 SIGNAALIN SUODATUS 3.1 SYSTEEMIN VASTE AIKATASOSSA
S I G N A A L I T E O R I A, O S A I I I TL98Z SIGNAALITEORIA, OSA III 44 3 Signaalin suodaus...44 3. Sysmin vas aikaasossa... 44 3. Kausaalisuus a sabiilisuus... 46 3.3 Vas aauusasossa... 46 3.4 Ampliudivas
TL5503 DSK, laboraatiot (1.5 op) Suodatus 2 (ver 1.0) Jyrki Laitinen
TL5503 DSK, laboraatiot (1.5 op) Suodatus 2 (ver 1.0) Jyrki Laitinen TL5503 DSK, laboraatiot (1.5 op), K2005 1 Suorita oheisten ohjeiden mukaiset tehtävät Matlab-ohjelmistoa käyttäen. Kokoa erilliseen
Kompleksiluvut signaalin taajuusjakauman arvioinnissa
Kompleksiluvut signaalin taajuusjakauman arvioinnissa Vierailuluento IMA-kurssilla Heikki Huttunen Lehtori, TkT Signaalinkäsittely, TTY heikki.huttunen@tut.fi Department of Signal Processing Fourier-muunnos
Luento 8. Suodattimien käyttötarkoitus
Luento 8 Lineaarinen suodatus Ideaaliset alipäästö, ylipäästö ja kaistanpäästösuodattimet Käytännölliset suodattimet 8..007 Suodattimien käyttötarkoitus Signaalikaistan ulkopuolisen kohinan ja häiriöiden
SMG-1100: PIIRIANALYYSI I. Verkkojen taajuusriippuvuus: suo(dat)timet
SMG-00: PIIRIANALYYSI I Verkkojen taajuusriippuvuus: suo(dat)timet alipäästösuodin ylipäästösuodin kaistanpäästösuodin kaistanestosuodin jännitevahvistus rajataajuus kaistanleveys resonanssi Suotimet:
Heikki Huttunen Signaalinkäsittelyn sovellukset
Tampereen teknillinen yliopisto. Signaalinkäsittelyn laitos. Opetusmoniste 2: Tampere University of Technology. Department of Signal Processing. Lecture Notes 2: Heikki Huttunen Signaalinkäsittelyn sovellukset
Kirjoitetaan FIR-suotimen differenssiyhtälö (= suodatuksen määrittelevä kaava):
TL536, DSK-algoritmit (S4) Harjoitus. Olkoo x(t) = cos(πt)+cos(8πt). a) Poimi sigaalista x äytepisteitä taajuudella f s = 8 Hz. Suodata äi saamasi äytejoo x[] FIR-suotimella, joka suodikertoimet ovat a
Jakso 10. Tasavirrat. Tasaantumisilmiöt. Vaihtovirrat. Sarja- ja lineaaripiirit. Maxwellin yhtälöt. (Kuuluu kurssiin Sähkömagnetismi, LuTK)
Jakso 10. Tasavirrat. Tasaantumisilmiöt. Vaihtovirrat. Sarja- ja linaaripiirit. Maxwllin yhtälöt. (Kuuluu kurssiin Sähkömagntismi, LuTK) Näytä tai jätä tarkistttavaksi tämän jakson pakollist thtävät viimistään
SGN Signaalinkäsittelyn perusteet Välikoe Heikki Huttunen
SGN- Signaalinkäsittelyn perusteet Välikoe.5.4 Heikki Huttunen Tentissä ja välikokeessa saa käyttää vain tiedekunnan laskinta. Tenttikysymyksiä ei tarvitse palauttaa. Sivuilla -3 on. Sivuilla 4-5 on. Sivulla
Uuden sukupolven HF-kommunikaatiotekniikka
MATINE tutkimusseminaari 16.11.2017 Uuden sukupolven HF-kommunikaatiotekniikka Lauri Anttila 1, Mika Korhonen 1, Juha Yli-Kaakinen 1, Markku Renfors 1, Hannu Tuomivaara 2 1 Elektroniikan ja tietoliikennetekniikan
OPERAATIOVAHVISTIN. Oulun seudun ammattikorkeakoulu Tekniikan yksikkö. Elektroniikan laboratoriotyö. Työryhmä Selostuksen kirjoitti 11.11.
Oulun seudun ammattikorkeakoulu Tekniikan yksikkö Elektroniikan laboratoriotyö OPERAATIOVAHVISTIN Työryhmä Selostuksen kirjoitti 11.11.008 Kivelä Ari Tauriainen Tommi Tauriainen Tommi 1 TEHTÄVÄ Tutustuimme
, 3.7, 3.9. S ysteemianalyysin. Laboratorio Aalto-yliopiston teknillinen korkeakoulu
Lineaarikobinaatioenetelät 3.5-3.7, 3.7, 3.9 Sisältö Pääkoponenttianalyysi (PCR) Osittaisneliösua (PLS) Useiden vasteiden tarkastelu Laskennallisia näkökulia Havaintouuttujien uunnokset Lähtökohtana useat
Variations on the Black-Scholes Model
Variations on th Black-Schols Mol Sovlltun matmatiikan jatko-opintosminaari 6.9 Koh-tuus maksaa osinkoja avoittna on tarkastlla tilantita, joissa B&S yhtälö i ol riittävä sllaisnaan (sim. option koh-tuus
1 Äänisignaalin tallentaminen ja analysointi... 2 Q Q Q Q Häiriönpoisto... 5 Q Q Q2.3...
1 Äänisignaalin tallentaminen ja analysointi... 2 Q1.1... 2 Q1.2... 2 Q1.3... 3 Q1.4... 4 2 Häiriönpoisto... 5 Q2.1... 5 Q2.2... 8 Q2.3... 9 3 FIR- ja IIR-suotimien vertailu... 10 Q3.1... 10 Q3.2... 11
exp(x) = e x x n n=0 v(x, y) = e x sin y
4 Alkisfunktioita 41 Eksponnttifunktio Eksponnttifunktio xp : R R on määritlty khitlmällä xp(x) = x x n = n! Pyrimm laajntamaan määritlmän koko tasoon C sitn, ttä 1 xp : C C on analyyttinn ja xp(x) = x,
ELEC-C5340 - Sovellettu digitaalinen signaalinkäsittely. Äänisignaalien näytteenotto ja kvantisointi Dither Oskillaattorit Digitaalinen suodatus
L1: Audio Prof. Vesa Välimäki ELEC-C5340 - Sovellettu digitaalinen signaalinkäsittely Luennon sisältö Äänisignaalien näytteenotto ja kvantisointi Dither Oskillaattorit Digitaalinen suodatus Lyhyt FIR-suodin
Spektrianalysaattori. Spektrianalysaattori
Mittaustekniikan perusteet / luento 9 Spektrianalysaattori Spektrianalyysi Jean Baptiste Fourier (1768-1830): Signaali voidaan esittää taajuudeltaan ja amplitudiltaan (sekä vaiheeltaan) erilaisten sinien
Perusmittalaitteet 2. Spektrianalyysi. Mittaustekniikan perusteet / luento 4. Spektrianalyysi. Logaritmiasteikko ja db (desibel) Spektrianalysaattori
Mittaustekniikan perusteet / luento 4 Perusmittalaitteet Spektrianalyysi Jean Baptiste Fourier (1768-1830): Signaali voidaan esittää taajuudeltaan ja amplitudiltaan (sekä vaiheeltaan) erilaisten sinien
T 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
Esipuhe. Tampereella, 9. toukokuuta 2003, Heikki Huttunen heikki.huttunen@tut.fi
Esipuhe Käsillä oleva moniste on tarkoitettu opetusmateriaaliksi Tampereen teknillisen yliopiston signaalinkäsittelyn laitoksen kurssille "8253: Johdatus signaalinkäsittelyyn 2". Materiaali on kehittynyt
8000253: Johdatus signaalinkäsittelyyn 2
TAMPEREEN TEKNILLINEN YLIOPISTO Tietotekniikan osasto Signaalinkäsittelyn laitos TAMPERE UNIVERSITY OF TECHNOLOGY Department of Information Technology Institute of Signal Processing Opetusmoniste 2-23
Differentiaaliyhtälöt, Syksy 2015 Harjoitus 2, Ratkaisut Ratkaise separoituvat differentiaaliyhtälöt. a) y = y
Diffrntiaaliyhtälöt, Syksy 215 Harjoitus 2, Ratkaisut 1.11.215 1. Ratkais sparoituvat diffrntiaaliyhtälöt a) y = y 3, b) y = 1 + y 2 y 2. y Ratkaisu. a): Yhtälö y = 3 on hyvin määritlty kun 3. Lisäksi
Luento 8. Suodattimien käyttötarkoitus
Luento 8 Lineaarinen suodatus Ideaaliset alipäästö, ylipäästö ja kaistanpäästösuodattimet Käytännölliset suodattimet 8..006 Suodattimien käyttötarkoitus Signaalikaistan ulkopuolisen kohinan ja häiriöiden
S SÄHKÖTEKNIIKKA Kimmo Silvonen
S55.3 SÄHKÖTKNKKA.. Kimmo Silvonn Tntti: thtävät,3,5,7,9. väliko: thtävät,,3,4,5. väliko: thtävät 6,7,8,9, Oltko muistanut vastata palautkyslyyn Voit täyttää lomakkn nyt.. Lask virta. = = 3 =Ω, J =3A,
1 Johdanto. 2 Kriittinen näytteistys 2:lla alikaistalla. 1.1 Suodatinpankit audiokoodauksessa. Johdanto
Suodinpankit ja muunnokset* Lähteet: Zölzer. Digital audio signal processing. Wiley & Sons. Spanias et al. Audio signal processing and coding. Wiley & Sons Smith, Spectral audio signal processing, online
F {f(t)} ˆf(ω) = 1. F { f (n)} = (iω) n F {f}. (11) BM20A5700 - INTEGRAALIMUUNNOKSET Harjoitus 10, viikko 46/2015. Fourier-integraali:
BMA57 - INTEGRAALIMUUNNOKSET Harjoitus, viikko 46/5 Fourier-integraali: f(x) A() π B() π [A() cos x + B() sin x]d, () Fourier-muunnos ja käänteismuunnos: f(t) cos tdt, () f(t) sin tdt. (3) F {f(t)} ˆf()
LABORATORIOTYÖ 2 A/D-MUUNNOS
LABORATORIOTYÖ 2 A/D-MUUNNOS 2-1 2. A/D-muunnos Työn tarkoitus Tässä työssä demotaan A/D-muunnoksen ominaisuuksia ja ongelmia. Tarkoitus on osoittaa käytännössä, miten bittimäärä ja näytteenottotaajuus
Mediaanisuodattimet. Tähän asti käsitellyt suodattimet ovat olleet lineaarisia. Niille on tyypillistä, että. niiden ominaisuudet tunnetaan hyvin
Mediaanisuodattimet Tähän asti käsitellyt suodattimet ovat olleet lineaarisia. Niille on tyypillistä, että niiden ominaisuudet tunnetaan hyvin niiden analysointiin on olemassa vakiintuneita menetelmiä
LABORATORIOTYÖ 2 A/D-MUUNNOS
LABORATORIOTYÖ 2 A/D-MUUNNOS Päivitetty: 23/01/2009 TP 2-1 2. A/D-muunnos Työn tarkoitus Tässä työssä demotaan A/D-muunnoksen ominaisuuksia ja ongelmia. Tarkoitus on osoittaa käytännössä, miten bittimäärä
Suodattimet. Suodatintyypit: Bessel Chebyshev Elliptinen Butterworth. Suodattimet samalla asteluvulla (amplitudivaste)
Suodattimet Suodatintyypit: Bessel Chebyshev Elliptinen Butterworth Suodattimet samalla asteluvulla (amplitudivaste) Kuvasta nähdään että elliptinen suodatin on terävin kaikista suodattimista, mutta sisältää
Tietoliikennesignaalit & spektri
Tietoliikennesignaalit & spektri 1 Tietoliikenne = informaation siirtoa sähköisiä signaaleja käyttäen. Signaali = vaihteleva jännite (tms.), jonka vaihteluun on sisällytetty informaatiota. Signaalin ominaisuuksia
Talousmatematiikan perusteet
vä9 / orms.3 Talousmatmatiian prustt 6. harjoitus, viio 9 45...3.9 L Ma A R5 Ti 4 6 F453 R Ma 4 F453 L To 8 A R Ma 6 8 F453 R6 To 4 F4 R3 Ti 8 F45 R7 P 8 F453 R4 Ti 4 F453 R8 P F453. Las intgraalit a 6x
Tiedonkeruu ja analysointi
Tiedonkeruu ja analysointi ViDRoM Virtual Design of Rotating Machines Raine Viitala 30.9.2015 ViDRoM Virtual Design of Rotating Machines Mitataan dynaamista käyttäytymistä -> nopeuden funktiona Puhtaat
Tiedonkeruu ja analysointi
Tiedonkeruu ja analysointi ViDRoM Virtual Design of Rotating Machines Raine Viitala ViDRoM Virtual Design of Rotating Machines Mitataan dynaamista käyttäytymistä -> nopeuden funktiona Puhtaat laakerit,
TL5503 DSK, laboraatiot (1.5 op) Audiosignaalit (ver 1.0) Jyrki Laitinen
TL5503 DSK, laboraatiot (1.5 op) Audiosignaalit (ver 1.0) Jyrki Laitinen TL5503 DSK, laboraatiot (1.5 op), K2005 1 Suorita oheisten ohjeiden mukaiset tehtävät Matlab- ja SPDemo-ohjelmistoja käyttäen. Kokoa
1. Määritä pienin näytelauseen ehdon mukainen näytetaajuus taajuus seuraaville signaaleille:
1. Määritä pienin näytelauseen ehdon mukainen näytetaajuus taajuus seuraaville signaaleille: a) x 1 (t) = cos(πt) + sin(6πt) + 1cos(1πt) ja b) x (t) = cos(1πt)cos(πt). a) x 1 (t) = cos(πt) + sin(6πt) +
Luentoaiheet: 1. Satunnaissignaalien käsittely. 2. Tehospektrin estimointi. Julius Luukko 2009 2/144
Luentoaiheet: 1. Satunnaissignaalien käsittely 2. Tehospektrin estimointi 2/144 Satunnaissignaalien käsittely Johdanto Diskreettiaikaiset satunnaisprosessit Diskreettiaikaisen satunnaisprosessin matemaattinen
Digitaalinen signaalinkäsittely Kuvankäsittely
Digitaalinen signaalinkäsittely Kuvankäsittely Teemu Saarelainen, teemu.saarelainen@kyamk.fi Lähteet: Ifeachor, Jervis, Digital Signal Processing: A Practical Approach H.Huttunen, Signaalinkäsittelyn menetelmät,
Heikki Huttunen Signaalinkäsittelyn sovellukset
Tampereen teknillinen yliopisto. Signaalinkäsittelyn laitos. Opetusmoniste 2: Tampere University of Technology. Department of Signal Processing. Lecture Notes 2: Heikki Huttunen Signaalinkäsittelyn sovellukset
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
ẍ(t) q(t)x(t) = f(t) 0 1 z(t) +.
Diffrniaaliyhälö II, harjoius 3, 8 228, rakaisu JL, kuusi sivua a On muunnava linaarinn oisn kraluvun diffrniaaliyhälö ẍ qx f yhäpiäväksi nsimmäisn kraluvun linaarisksi kahdn skalaariyhälön sysmiksi Rak
SATE2140 Dynaaminen kenttäteoria syksy /6 Laskuharjoitus 5 / Sähkömagneettisten aaltojen eteneminen väliaineessa ja väliaineesta toiseen
SAT14 Dnaainn knttätoria sks 16 1 /6 Laskuharjoitus 5 / Sähköagnttistn aaltojn tninn väliainssa ja väliainsta toisn Thtävä 1. Alulla 1 r1 =,5, r1 = 1 ja =, alu on vapaa tila (fr spac). Määritä suhtt h
Signaalinkäsittelyn sovellukset
Signaalinkäsittelyn laitos. Opetusmoniste 26: Institute of Signal Processing. Lecture Notes 26: Heikki Huttunen Signaalinkäsittelyn sovellukset Tampere 26 Tampereen teknillinen yliopisto. Signaalinkäsittelyn
PVC-IKKUNOIDEN ASENNUS
OHJE Tarvittavat työkalut Asnnusraudat Sorkkar auta Ruuvja / ruuvja ja tulppia, jos sinä on btonia Vsivaaka Ruuvinväännin Saumausvaahtoa, laajnvaa saumanauhaa, villakaistaa jn. Taivutu spihdit Kiiloja
Dynamiikan hallinta Lähde: Zölzer. Digital audio signal processing. Wiley & Sons, 2008. Zölzer (ed.) DAFX Digital Audio Effects. Wiley & Sons, 2002.
Dynamiikan hallinta Lähde: Zölzer. Digital audio signal processing. Wiley & Sons, 2008. Zölzer (ed. DAFX Digital Audio Effects. Wiley & Sons, 2002. Sisältö:! Johdanto!! Ajallinen käyttäytyminen! oteutus!
y (0) = 0 y h (x) = C 1 e 2x +C 2 e x e10x e 3 e8x dx + e x 1 3 e9x dx = e 2x 1 3 e8x 1 8 = 1 24 e10x 1 27 e10x = e 10x e10x
BM0A5830 Differentiaaliyhtälöiden peruskurssi Harjoitus 4, Kevät 017 Päivityksiä: 1. Ratkaise differentiaaliyhtälöt 3y + 4y = 0 ja 3y + 4y = e x.. Ratkaise DY (a) 3y 9y + 6y = e 10x (b) Mikä on edellisen
TL5362DSK-algoritmit (J. Laitinen) TTE2SN4X/4Z, TTE2SN5X/5Z Välikoe 1, ratkaisut
TL536DSK-algoritmit (J. Laitie) 4. - 5..4 TTESN4X/4Z, TTESN5X/5Z Välikoe, ratkaiut a) Maiite väitää kaki digitaalite FIR-uotimie etua verrattua IIR-uotimii. b) Mite Reme-meetelmällä uuitellu FIR-uotime
Sinin muotoinen signaali
Sinin muotoinen signaali Pekka Rantala.. Sini syntyy tasaisesta pyörimisestä Sini-signaali syntyy vakio-nopeudella pyörivän osoittimen y-suuntaisesta projektiosta. y u û α positiivinen pyörimissuunta x
Energian säilymislain perusteella elektronin rekyylienergia on fotnien energioiden erotus: (1)
S-11446 Fysiikka IV (Sf), I Väliko 544 1 Osoita, ttä Comptonin sironnassa lktronin suurin mahdollinn rkyylinrgia voidaan sittää muodossa E Kin hf 1 + mc /hf Enrgian säilymislain prustlla lktronin rkyylinrgia
Kohina. 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
LIITE 8A: RAKENNELUVUN 137 YHTÄLÖITÄ
LIITE 8A: RAKENNELUVUN 37 YHTÄLÖITÄ Raknnluvusta 37 on tämän työn yhtydssä syntynyt yli 00 yhtälöä, joista 00 yhtälöä on analysoitu. Näistä on osoittautunut 70 yhtälöä milnkiintoisiksi ja saman vrran otaksutaan
Aktiivinen meluntorjunta
12.10.2015 Aktiivinen meluntorjunta Vesa Välimäki Signaalinkäsittelyn ja akustiikan laitos Aalto-yliopisto vesa.valimaki@aalto.fi 2006-2015 Vesa Välimäki 1 Aktiivinen meluntorjunta Luennon sisältö Aktiivisen
Pakkauksen sisältö: Sire e ni
S t e e l m a t e p u h u v a n v a r a s h ä l y t ti m e n a s e n n u s: Pakkauksen sisältö: K e s k u s y k sikk ö I s k u n t u n n i s ti n Sire e ni P i u h a s a rj a aj o n e st or el e Ste el
z = Amplitudi = itseisarvo ja vaihe = argumentti (arg). arg Piirretään vielä amplitudi- ja vaihespektri:
Määriä suraavi komplksiluku/siaali ampliudi- a vaiharvo. Piirrä b-kohdassa ampliudi a vaih aauud fukioa ampliudi- a vaihspkri. 6p 8 a z 7, z 8 a z. { } b z cos. Ampliudi isisarvo a vaih arumi ar. a z 7
Luento 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,
Matlab-tietokoneharjoitus
Matlab-tietokoneharjoitus Tämän harjoituksen tavoitteena on: Opettaa yksinkertaisia piirikaavio- ja yksikkömuunnoslaskuja. Opettaa Matlabin perustyökaluja mittausten analysoimiseen. Havainnollistaa näytteenottotaajuuden,
TL5503 DSK, laboraatiot (1.5 op) Suodatus 1 (ver 1.0) Jyrki Laitinen
TL5503 DSK, laboraatiot (1.5 op) Suodatus 1 (ver 1.0) Jyrki Laitinen TL5503 DSK, laboraatiot (1.5 op), K2005 1 Suorita oheisten ohjeiden mukaiset tehtävät Matlab-ohjelmistoa käyttäen. Kokoa erilliseen
Rahoitusriskit ja johdannaiset Matti Estola Luento 5. Termiinihinnan määräytyminen
Rahoitusriskit ja johdannaist Matti Estola Lunto 5 rmiinihinnan määräytyminn 1. rmiinin ylinn hinnoittlukaava Mrkitään trmiinisopimuksn kohd-tuudn spot hintaa sopimuksn tkopäivänä S :lla, kohd-tuudn trmiinihintaa
Kapeakaistainen signaali
Tiedonsiirrossa sellaiset signaalit ovat tyypillisiä, joilla informaatio jakautuu kapealle taajuusalueelle jonkun keskitaajuuden ympäristöön. Tällaisia signaaleja kutustaan kapeakaistaisiksi signaaleiksi
Suomenkielinen käyttöohje www.macrom.it
MA.00D Suomenkielinen käyttöohje www.macrom.it Vahvistimen säätimet ja liitännät 0 Ω 0 RCA-tuloliitäntä matalatasoiselle signaalille Tasonsäätö Alipäästösuotimen säätö Sub Sonic -suotimen säätö Bassokorostuksen
SÄÄTÖJÄRJESTELMIEN SUUNNITTELU
ENSO IKONEN PYOSYS SÄÄTÖJÄRJESTELMIEN SUUNNITTELU Enso Ikonen professori säätö- ja systeemitekniikka http://cc.oulu.fi/~iko Oulun yliopisto Teknillinen tiedekunta Älykkäät koneet ja järjestelmät helmikuu
Digitaalinen Signaalinkäsittely T0125 Luento 4-7.04.2006
Digitaalinen Signaalinkäsittely T5 Luento 4-7.4.6 Jarkko.Vuori@evtek.fi Z-taso Z-taso on paljon käytetty graafinen esitystapa jonka avulla voidaan tarkastella signaalien taajuussisältöjä sekä järjestelmien
SEBASTIAN RINTALA SIGNAALIN DOMINOIVAN TAAJUUDEN ARVIOINTI
SEBASTIAN RINTALA SIGNAALIN DOMINOIVAN TAAJUUDEN ARVIOINTI Kandidaatintyö Tarkastaja: yliopistonlehtori Heikki Huttunen ii TIIVISTELMÄ TAMPEREEN TEKNILLINEN YLIOPISTO Signaalinkäsittelyn ja tietoliikennetekniikan
LABORATORIOTYÖ 2 SPEKTRIANALYSAATTORI
LABORATORIOTYÖ 2 SPEKTRIANALYSAATTORI Päivitetty: 25/02/2004 MV 2-1 2. SPEKTRIANALYSAATTORI Työn tarkoitus: Työn tarkoituksena on tutustua spektrianalysaattorin käyttöön, sekä oppia tuntemaan erilaisten
Puhdastilojen poistoilmalaitteet SPWH ja SPWV
Poistoilmalaitteet SPWH ja SPWV on suunniteltu katto- tai seinäasennukseen tiloissa, joissa puhtaan ilman vaatimukset ovat erittäin tiukat, kuten puhdastiloissa ja lääketeollisuuden tiloissa. SPWH-laitteessa
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
1. Osoita, että annetut funktiot ovat seuraavien differentiaaliyhtälöiden ratkaisufunktioita:
760P FYSIIKAN MATEMATIIKKAA Krtausthtäviä välikoksn, sl 008 Näitä laskuja i laskta laskupäivissä ikä näistä saa laskuharjoituspistitä Laskut on tarkoitttu laskttaviksi itsksn, kavriporukalla tai Fsiikan