Signaaliavaruuden kantoja äärellisessä ajassa a

Koko: px
Aloita esitys sivulta:

Download "Signaaliavaruuden kantoja äärellisessä ajassa a"

Transkriptio

1 ELEC-C7230 Tietoliikenteen siirtomenetelmät Luento 3: Kompleksiarvoiset signaalit, taajuus, kantoaaltomodulaatio Olav Tirkkonen, Jari Lietzen Aalto, Tietoliikenne- ja tietoverkkotekniikan laitos Signaaliavaruuden kantoja äärellisessä ajassa a a [Appendix A] 2 (29)

2 Kanta äärellisessä ajassa Tarkastellaan funktioavaruutta yli äärellisen ajan, T =[ T/2,T/2]. Kaikki mahdolliset signaalit, jotka voidaan lähettää T :n mittaisessa intervallissa. Huomaa: vektoriavaruusrakenne on invariantti muunnoksissa t u + t. Saattaisimme yhtä lailla tarkastella funktioita esim. intervallilla T =[(N 1 2 )T,(N )T ]. Eräs kanta: {cos(2πnt/t )} n=0 {sin(2πnt/t )} n=1 Kantafunktioiden lukumäärä on! Mielivaltainen funktio välillä [ T/2,T/2] voidaan hajottaa parilliseen (s e ( t) =s e (t)) ja parittomaan (s o ( t) = s o (t)) osaan: g(t) =s e (t)+s o (t) kosinit ovat parillisen osan kanta, sinit parittoman osan 3 (29) Esimerkkikehitelmä Kehitä g(t) =t + t 2 t 3 aikavälillä [ 1, 1] g(t) = c n cos(πnt)+s n sin(πnt) Koordinaatit: c n s n = 4( 1)n n 2 π,n=1,... ; c 2 0 =1/3 = 12( 1)n,n=1,... n 3 π 3 Vasen: s. Oikea: s (musta), approksimoitu n = 1, 2, 3 funktioilla 4 (29)

3 Huomioita äärellisten aikajaksojen funktioista Kaksi tulkintaa: Funktio äärellisellä T :n mittaisella intervallilla, äärellinen energia Jaksollinen funktio jaksolla T, ääretön energia Huom: Jos funktiolla eri arvot ääripäissä, vastaava jaksollinen funktio epäjatkuva: Trigonometrisest kantafunktiot jatkuvia ja jaksollisia Kaikki aaltomjuodot voidaan kehittää kannassa. Esimerkki: Lineaarinen funktio kehitetty 2,4 ja 400 kantafunktiolla: 5 (29) Signaaliavaruus, reaaliarvoiset aaltomuodot Reaaliarvoiset symbolit s n, reaaliarvoiset funktiot φ n Eräitä luonnollisia kantafunktioita: aika- tai koodiortogonaaliset b pulssit, sin- &cos-aallot Esimerkkikannat 4D signaaliavaruudessa, koordinaatit s 1,s 2,s 3,s 4 IR b [s. 633] 6 (29)

4 Kompleksiarvoiset signaalit c c [2.4.3] 7 (29) Kompleksiluvut vektoreina Kaksiulotteinen (2D) Euklidinen taso IR 2 voidaan tulkita vektoriavaruutena koordinaatit x, y, kantavektorit e x, e y vektoreiden z 1 = x 1 e x + y 1 e y ja z 2 = x 2 e x + y 2 e y sisätulo on z 1 z 2 = x 1 x 2 + y 1 y 2. kompleksilukuina z = x + jy Itseisarvon neliö z 2 = z z = x 2 + y 2 2D Euklidinen geometria voidaan tulkita kompleksilukuina: Kompleksilukuja z 1 = x 1 +jy 1 ja z 2 = x 2 +jy 2 vastaavien vektoreiden sisätulo on Re(z 1 z 2)=x 1 x 2 + y 1 y 2 Esimerkiksi x ja iy ovat ortogonaalisia vektoreita, kun x, y IR N kompleksilukua: z = [ z 1 z 2... z N ] T Voidaan tulkita IR 2N :nä, 2N reaalista koordinaattia sisätulo on z, w = Re(z H w)=re(z 1w z N w N) IR Voidaan tulkita C N ;nä, N kompleksiarvoista koordinaattia sisätulo on z, w = z H w = z 1w z N w N C Koska kompleksiluku voidaan ajatella reaaliarvoisena 2D vektorina, nämä tulkinnat eivät riitele. 8 (29)

5 Kompleksiarvoisten funktioiden avaruus Vektrotiavaruusrakenne yleistyy kompleksiarvoisille signaaleille: objektit kompleksiarvoiset signaalit g(t),f(t) sisätulo T g(t)q (t)dt normi s = T g(t) 2 dt ortogonaalisuus T g(t)q (t)dt =0 ortonormaali kanta T φ n(t)φ m(t)dt = δ mn kehitelmä g(t) = n Z s nφ n (t) koordinaatti s n = T g(t)φ n(t)dt C Funktiot φ n (t) = 1 T e 2πjnt/T,n ZZ muodostavat kannnan äärellisenergisten signaaleiden avaruudelle aikavälillä T. 9 (29) Merkitään: Saadaan: Eksponentiaalinen ja trigonometrinen kanta e 2πjnt/T =cos( 2πnt T )+jsin(2πnt T ) c n(t)+js n (t) S n = x n +jy n, missä x n,y n IR g(t) = S n e 2πjnt/T = x n c n (t) y n s n (t)+j(x n s n (t)+y n c n (t)) n Z n Z = (x n + x n )c n (t)+(y n y n )s n (t) n=0 +j (x n x n )s n (t)+(y n + y n )c n (t) n=0 Mielivaltainen kompleksinen signaali voidaan esittää eksponentiaalisessa kannassa kompleksisilla koordinaateilla sekä trigonometrisessä kannassa kompleksisilla koordinaateilla d Nämä ovat ekvivalentteja (yksi-yhdelle) signaalien esityksiä d [Appendix A; 2.7] 10 (29)

6 Signaaliavaruus, kompleksiarvoiset aallot Kompleksiarvoiset koordinaatit Reaali- tai kompleksiarvoiset kantafunktiot Esimerkki: 8D signaaliavaruus 4 kompleksista ulottuvuutta: s(t) = 4 m=1 s mφ m (t),s m C 8 reaalista ulottuvuutta: s(t) = 4 m=1 s m φ m (t) +i 8 m=5 s m φ m (t), s n IR, φ m IR 11 (29) Hieman Fourier-analyysiä e e [2.7, ] 12 (29)

7 Fourier-muunnos Taajuus on jaksollisen prosessin ominaisuus. Toistuvuus mitataan Herzeissä = toistoa per sekunti Fourier-muunnos hajottaa prosessin (jatkuvaksi) jaksollisten prosessien summaksi, joilla on eri taajuus t on aika, f on taajuus Käänteismuunnos: G(f) = g(t) = g(t)e 2πjft dt G(f)e 2πjft df näemme tässä tulkinnan g(t):stä eritaajuisten jaksollisten prosessien summana e 2πjft on jaksollinen prosessi taajuudella f 13 (29) Esimerkki Funktion g(t) =e (x 1) e (x+1)2 Fourier-muunnos on G(f) =e 2f 2 π 2 2fπj +e f 2 π 2 +2fπj Vasen: g(t). Oikea: Re(G) (musta), Im(G) (punainen). Huomaa: 1. G(f) on kompleksiarvoinen funktio, vaikka g(t) on reaalinen. Mutta Re(G) on parillinen, Im(G) pariton. 2. Mitä nämä negatiiviset taajuudet ovat? 14 (29)

8 Diracin delta-funktio δ(t) on ääretön impulssi hetkellä t =0. Tulkintoja: Zero-variance limit of Gaussian pulse: [ 1 lim σ 0 2πσ e t2 /2σ 2] Zero-width limit of rectangular pulse: lim T 0[ 1 2T (sign( T 2 t)+sign( T 2 +t))] Integraalin sisällä δ-funktio poimii integroitavan funktion arvon kohdassa, jossa δ-funktion argumentti häviää: dt f(t) δ(t t )=f(t ) 15 (29) Eksponentiaalinen, sini- ja delta-funktio Eksponentiaalinen aalto g(t) =e 2πif 0t Fourier-muunnos: G(f) =δ(f f 0 ) signaalissa on ainoastaan yksi taajuus Siniaalto g(t) =sin(2πf 0 t) Fourier-muunnos: G(f) = i 2 (δ(f 0 + f) δ(f 0 f)) 16 (29)

9 Negativiset taajuudet Negatiivisilla taajuuksilla on konkreettinen merkitys eksponentiaaliselle Fourier-kannalle: pyörimissuunta 17 (29) Fourier-sarja Kun Fourier-analyysiä tehdään jaksolliselle funktiolle, tai äärellisellä aikavälillä kuten T =[ T/2,T/2], Fourier-muunnos on diskreetti. f S n = 1 g(t)e 2πjnt/T, n ZZ T Käänteismuunnos antaa ns. Fourier-sarjan g(t) = 1 S n e 2πjnt/T T T n Z Diskreetit taajuuskomponentit n/t, n ZZ. Äärelisellä aikavälillä Fourier-analyysi antaa vektoriavaruuden & kannan f [2.7] 18 (29)

10 Kaistanleveys Signaalin teho f:n funktiona on tehospektritiheys (PSD) S(f) 2. Signaalin kaistanleveys: positiivisen taajuuden määrä, jossa signaalin teho olennaisesti poikkeaa nollasta. Emme tee eroa äärellisaikaisten signaalien energiaspektritiheyden ja tehospektritiheyden välillä. 19 (29) Kantoaaltomodulaatio g g [4.1, 7.8, 7.9] 20 (29)

11 Kantoaalto Kantoaalon antaa korkeataajuinen paikallinen oskillaattori. Kantoaaltomodulaatiossa meillä on taajudella f c oleva kantoaalto kantoaalto tarjoaa kaksi ortogonaalista reaaliarvoista aaltoa: sin(2πf c t) and cos(2πf c t). ekvivalentit kompleksiarvoiset aaltomuodot ovat e ±2πjf ct 21 (29) Kantoaallon modulointi Otetaan cos-aalto: a cos(2πf c t + φ) Informaatiota voidaan lähettää muuntelemalla amplitudia a amplitudimodulaatio vaihetta φ vaihemodulaatio taajuutta f c taajuusmodulaatio 22 (29)

12 Kantoaallon modulointi II Vaiheen ja taajuuden modulaatio sukulaisia tasainen vaiheen muutos = taajuuden muutos Digitaalisessa modulaatiossa taajuusmodulaatio tehotonta Yleensä digitaalisessa modulaatiossa käytetään amplitudimodulaatiota vaihemodulaatiota tai kumpaakin yhtä aikaa: Kvadratuuriamplitudimodulaatio (QAM) Yksinkertaisimmillaan modulaatio on vain kantoaaltosignaalin kertomista moduloivalla signaalilla: φ(t) =m(t)cos(2πf c t) amplitudimodulaatio ja kaksiarvoinen vaihemodulaatio (±1) 23 (29) QAM-modulaatio Kantoaalon kaksi ortogonaalista reaaliarvoista vapausastetta: I-haara cos(2πf c t) & Q-haara sin(2πf c t) paikallinen oskillaattori + vaihesiirros antavat nämä signaalit Kvadratuuriamplituudimodulaatio (QAM): Moduloidaan näitä riippumattomilla signaaleilla m 1 (t) & m 2 (t) IR Nämä ovat I- ja Q-haaran ns. kantataajuussignaalit IQ-moduloitu kantoaalto: φ QAM (t) =m 1 (t)cos(2πf c t) m 2 (t)sin(2πf c t) Re ( g(t) e 2πif ct ), missä määrittelimme kompleksiarvoisen kantataajuussignaalin g(t) =m 1 (t)+m 2 (t)i Tässä ei ole mitään kovin syvällistä. Reaaliset kantataajuussignaalit (m 1 (t),m 2 (t)) antavat pisteen 2D:ssa t:n funktiona. Tämä piste voidaan tulkita kompleksilukuna. (Lathissa näin ei tehdä.) 24 (29)

13 Kantataajuus ja päästökaista Kaistarajoitettu kantataajuussignaali, kaistanleveys W/2: g(t) = W/2 G(f)e 2πift df C W/2 Moduloitu kantoaaltosignaali φ(t) = ( Re g(t) e ) 2πif ct = 2( 1 g(t) e 2πif c t + g (t) e ) 2πif ct IR Modulaatio e 2πifct siirtää signaalin g(t) taajuuskomponentit f c :n ympärille h Modulaatio e 2πifct siirtää g (t) taajuuskomponentit f c :n ympärille Reaaliarvoinen signaali φ(t) nollasta poikkeava päästökaistalla [ f c W/2, f c + W/2] [f c W/2, f c + W/2] h Ks. luennon lisämateriaali. 25 (29) Kantataajuus ja päästökaista II Päästökaista on tiedonsiirrolle varattu kaista positiivinen taajuuskaista W kantoaaltotaajuuden f c ymärillä Kantataajuuskaistalla (baseband): Taajuudet [ W/2,W/2] nollataajuuden ymprillä Korkein taajuuskomponentti on W/2 Kantataajuussignaali on kompleksiarvoinen vie kaksinkertaisen taajuuden reaaliarvoisessa päästökaistassa Kantataajuussignaali elää 2D signaaliavaruudessa 26 (29)

14 Kantoaallon demodulointi Määritellään alipäästösuodin L flpf, joka leikkaa pois signaalista kaikki f LPF :ää korkeammat taajuudet Otetaan f LPF <f c, joka on suurempi kuin kantataajuussignaalin g(t) suurin olennainen taajuuskomponentti W/2. Demoduloidaan I-haara Otetaan paikalliselta oskillaattorilta kantoaaltosignaali Kerrotaan moduloidulla signaalilla ja alipäästösuodetaan ˆm 1 (t) = 2L flpf (cos(2πf c t) φ QAM (t)) ( = 2L flpf cos 2 (2πf c t)m 1 (t) + cos(2πf c t)sin(2πf c t)m 2 (t) ) = L flpf ((cos(4πf c t)+1)m 1 (t)+sin(4πf c t)m 2 (t)) = m 1 (t). Tässä oli ideaalinen siirtotie: ei kohinaa tai vääristymiä. Vastaavasti Q-haara Tämä on ns. suoramuunnosvastaanotin (direct conversion) 27 (29) Kantoaallon modulointi ja demodulointi Lohkokaavio QAM-moduloinnista ja demoduloinnista 28 (29)

15 Modeemi mustana laatikkona Olemme löytäneet täsmällisen kuvauksen modulaatiosta ja demodulaatiosta yksinkertaisten yhtälöiden avulla. 29 (29)

A! Modulaatioiden luokittelu. Luento 4: Digitaaliset modulaatiokonstellaatiot, symbolijonolähetteet. ELEC-C7230 Tietoliikenteen siirtomenetelmät

A! 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

Lisätiedot

Luento 5: Kantataajuusvastaanotin AWGNkanavassa I: Suodatus ja näytteistys a. Kuvaa diskreetin ajan signaaliavaruussymbolit jatkuvaan aikaan

Luento 5: Kantataajuusvastaanotin AWGNkanavassa I: Suodatus ja näytteistys a. Kuvaa diskreetin ajan signaaliavaruussymbolit jatkuvaan aikaan ELEC-C7230 Tietoliikenteen siirtomenetelmät Luento 5: Kantataajuusvastaanotin AWGNkanavassa I: Suodatus ja näytteistys a Olav Tirkkonen Aalto, Tietoliikenne- ja tietoverkkotekniikan laitos a [10.1-10.6.3]

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

Kapeakaistainen signaali

Kapeakaistainen signaali Tiedonsiirrossa sellaiset signaalit ovat tyypillisiä, joilla informaatio jakautuu kapealle taajuusalueelle jonkun keskitaajuuden ympäristöön. Tällaisia signaaleja kutustaan kapeakaistaisiksi signaaleiksi

Lisätiedot

ELEC-C7230 Tietoliikenteen siirtomenetelmät

ELEC-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.

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

spektri taajuus f c f c W f c f c + W

spektri 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

Lisätiedot

Suodatus ja näytteistys, kertaus

Suodatus ja näytteistys, kertaus ELEC-C7230 Tietoliikenteen siirtomenetelmät Luento 6: Kantataajuusvastaanotin AWGN-kanavassa II: Signaaliavaruuden vastaanotin a Olav Tirkkonen Aalto, Tietoliikenne- ja tietoverkkotekniikan laitos a [10.6.3-10.6.6;

Lisätiedot

Signaalit ja järjestelmät aika- ja taajuusalueissa

Signaalit 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)

Lisätiedot

Numeeriset menetelmät

Numeeriset 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

Lisätiedot

SIGNAALITEORIAN KERTAUSTA OSA 2

SIGNAALITEORIAN KERTAUSTA OSA 2 1 SIGNAALITEORIAN KERTAUSTA OSA 2 Miten spektri lasketaan moduloiduille ja näytteistetyille tietoliikennesignaaleille? KONVOLUUTIO JA KERTOLASKU 2 Kantataajuussignaali (baseband) = sanomasignaali ilman

Lisätiedot

SIGNAALITEORIAN KERTAUSTA OSA 1

SIGNAALITEORIAN 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

Lisätiedot

Tietoliikennesignaalit & spektri

Tietoliikennesignaalit & spektri Tietoliikennesignaalit & spektri 1 Tietoliikenne = informaation siirtoa sähköisiä signaaleja käyttäen. Signaali = vaihteleva jännite (tms.), jonka vaihteluun on sisällytetty informaatiota. Signaalin ominaisuuksia

Lisätiedot

SIGNAALITEORIAN KERTAUSTA 1

SIGNAALITEORIAN 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

Lisätiedot

Jaksollisen signaalin spektri

Jaksollisen 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

Lisätiedot

Osa 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 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

Lisätiedot

Luento 2. S Signaalit ja järjestelmät 5 op TKK Tietoliikenne Laboratorio 1. Jean Baptiste Joseph Fourier ( )

Luento 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

Lisätiedot

Radioamatöörikurssi 2016

Radioamatöörikurssi 2016 Radioamatöörikurssi 2016 Modulaatiot Radioiden toiminta 8.11.2016 Tatu Peltola, OH2EAT 1 / 18 Modulaatiot Erilaisia tapoja lähettää tietoa radioaalloilla Esim. puhetta ei yleensä laiteta antenniin sellaisenaan

Lisätiedot

Mat / Mat Matematiikan peruskurssi C3-I / KP3-I Harjoitus 5 / vko 42, loppuviikko, syksy 2008

Mat / 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

Lisätiedot

TRIGONOMETRISTEN FUNKTIOIDEN KUVAAJAT

TRIGONOMETRISTEN FUNKTIOIDEN KUVAAJAT 3.0.07 0 π TRIGONOMETRISTEN FUNKTIOIDEN KUVAAJAT π = π 3π π = π 5π 6π = 3π 7π TRIGONOMETRISET FUNKTIOT, MAA7 Tarkastellaan aluksi sini-funktiota ja lasketaan sin :n arvoja, kun saa arvoja 0:sta 0π :ään

Lisätiedot

Fourier-sarjat ja -muunnos

Fourier-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

Lisätiedot

4. Fourier-analyysin sovelletuksia. Funktion (signaalin) f(t) näytteistäminen tapahtuu kertomalla funktio näytteenottosignaalilla

4. 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

Lisätiedot

y z = (x, y) Kuva 1: Euklidinen taso R 2

y z = (x, y) Kuva 1: Euklidinen taso R 2 Kompleksiluvut. Määritelmä Tarkastellaan euklidista tasoa R = {(, y), y R}. y y z = (, y) R Kuva : Euklidinen taso R Suorakulmaisessa koordinaatistossa on -akseli ja y-akseli. Luvut ja y ovat pisteen z

Lisätiedot

2. Fourier-sarjoista. Aaltoliikkeen ja lämmöjohtumisen matemaattinen tarkastelu

2. Fourier-sarjoista. Aaltoliikkeen ja lämmöjohtumisen matemaattinen tarkastelu 2. Fourier-sarjoista Fourier-analyysi: Aaltoliikkeen ja lämmöjohtumisen matemaattinen tarkastelu Matemaattisen analyysin täkein työväline "Jokainen funktio" voidaan esittää harmonisten värähtelyjen, so.

Lisätiedot

Ortogonaaliprojektio äärellisulotteiselle aliavaruudelle

Ortogonaaliprojektio äärellisulotteiselle aliavaruudelle Ortogonaaliprojektio äärellisulotteiselle aliavaruudelle Olkoon X sisätuloavaruus ja Y X äärellisulotteinen aliavaruus. Tällöin on olemassa lineaarisesti riippumattomat vektorit y 1, y 2,..., yn, jotka

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

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

Insinöörimatematiikka D

Insinöörimatematiikka 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

Lisätiedot

Radioamatöörikurssi 2012

Radioamatöörikurssi 2012 Radioamatöörikurssi 2012 Sähkömagneettinen säteily, Aallot, spektri ja modulaatiot Ti 6.11.2012 Johannes, OH7EAL 6.11.2012 1 / 19 Sähkömagneettinen säteily Radioaallot ovat sähkömagneettista säteilyä.

Lisätiedot

Spektri- ja signaalianalysaattorit

Spektri- ja signaalianalysaattorit Spektri- ja signaalianalysaattorit Pyyhkäisevät spektrianalysaattorit Suora pyyhkäisevä Superheterodyne Reaaliaika-analysaattorit Suora analoginen analysaattori FFT-spektrianalysaattori DFT FFT Analysaattoreiden

Lisätiedot

Matriisilaskenta Luento 12: Vektoriavaruuden kannan olemassaolo

Matriisilaskenta Luento 12: Vektoriavaruuden kannan olemassaolo Matriisilaskenta Luento 12: Vektoriavaruuden kannan olemassaolo Antti Rasila 2016 Vektoriavaruuden kannan olemassaolo Jos {v 1, v 2,..., v k } on äärellisulotteisen vektoriavaruuden V lineaarisesti riippumaton

Lisätiedot

VAIHEKOHERENTIT BINÄÄRISET KANTOAALTOMODULAATIOT JA NIIDEN VIRHETODENNÄKÖISYYDET

VAIHEKOHERENTIT BINÄÄRISET KANTOAALTOMODULAATIOT JA NIIDEN VIRHETODENNÄKÖISYYDET 1 VAIHEKOHERENTIT BINÄÄRISET KANTOAALTOMODULAATIOT JA NIIDEN VIRHETODENNÄKÖISYYDET Millaiset aaltomuodot s 1 (t) ja s (t) valitaan erilaisten kantoaatomodulaatioiden toteuttamiseksi? SYMBOLIAALTOMUODOT

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

1 Kompleksiluvut 1. y z = (x, y) Kuva 1: Euklidinen taso R 2

1 Kompleksiluvut 1. y z = (x, y) Kuva 1: Euklidinen taso R 2 Sisältö 1 Kompleksiluvut 1 1.1 Määritelmä............................ 1 1. Kertolasku suorakulmaisissa koordinaateissa.......... 4 1.3 Käänteisluku ja jakolasku..................... 9 1.4 Esimerkkejä.............................

Lisätiedot

Luento 4 Fourier muunnos

Luento 4 Fourier muunnos Luento 4 Luento 4 Fourier muunnos 4. F muunnos F muunnos Oppenheim 4. 4. Energiaspektri (spektritiheys) Rayleigh'n energia teoreema, energiaspektri Kaistanleveys Boden diagrammi 4.3 F muunnoksen ominaisuudet,

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

e int) dt = 1 ( 2π 1 ) (0 ein0 ein2π

e int) dt = 1 ( 2π 1 ) (0 ein0 ein2π Matematiikan ja tilastotieteen laitos Funktionaalianalyysin peruskurssi Kevät 9) Harjoitus 7 Ratkaisuja Jussi Martin). E Hilbert avaruus L [, π]) ja gt) := t, t [, π]. Määrää funktion g Fourier kertoimet

Lisätiedot

1.1 Vektorit. MS-A0004/A0006 Matriisilaskenta. 1.1 Vektorit. 1.1 Vektorit. Reaalinen n-ulotteinen avaruus on joukko. x 1. R n.

1.1 Vektorit. MS-A0004/A0006 Matriisilaskenta. 1.1 Vektorit. 1.1 Vektorit. Reaalinen n-ulotteinen avaruus on joukko. x 1. R n. ja kompleksiluvut ja kompleksiluvut 1.1 MS-A0004/A0006 Matriisilaskenta 1. ja kompleksiluvut Nuutti Hyvönen, c Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 8.9.015 Reaalinen

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

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

Yhtälöryhmä matriisimuodossa. MS-A0004/A0006 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5.

Yhtälöryhmä matriisimuodossa. MS-A0004/A0006 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5. 2. MS-A4/A6 Matriisilaskenta 2. Nuutti Hyvönen, c Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 5.9.25 Tarkastellaan esimerkkinä lineaarista yhtälöparia { 2x x 2 = x + x 2

Lisätiedot

Luku 4 - Kuvien taajuusanalyysi

Luku 4 - Kuvien taajuusanalyysi Luku 4 - Kuvien taajuusanalyysi Matti Eskelinen 8.2.2018 Kuvien taajuusanalyysi Tässä luvussa tutustumme taajuustasoon ja opimme analysoimaan kuvia ja muitakin signaaleja Fourier-muunnoksen avulla. Aiheina

Lisätiedot

ELEC-C7230 Tietoliikenteen siirtomenetelmät. Yleistä

ELEC-C7230 Tietoliikenteen siirtomenetelmät. Yleistä Aalto University Comnet ELEC-C7230 Tietoliikenteen siirtomenetelmät Kurssisuunnitelma, kevät 2016 Olav Tirkkonen, Tietoliikenne- ja tietoverkkotekniikan laitos, Aalto-yliopisto Yleistä Esitiedot: (kurssi

Lisätiedot

Yhtälöryhmä matriisimuodossa. MS-A0007 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5.

Yhtälöryhmä matriisimuodossa. MS-A0007 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5. 2. MS-A000 Matriisilaskenta 2. Nuutti Hyvönen, c Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2..205 Tarkastellaan esimerkkinä lineaarista yhtälöparia { 2x x 2 = x x 2 =

Lisätiedot

SGN-1200 Signaalinkäsittelyn menetelmät, Tentti

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

Lisätiedot

5 Ominaisarvot ja ominaisvektorit

5 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

Lisätiedot

1 Ominaisarvot ja ominaisvektorit

1 Ominaisarvot ja ominaisvektorit 1 Ominaisarvot ja ominaisvektorit Olkoon A = [a jk ] n n matriisi. Tarkastellaan vektoriyhtälöä Ax = λx, (1) 1 missä λ on luku. Sellaista λ:n arvoa, jolla yhtälöllä on ratkaisu x 0, kutsutaan matriisin

Lisätiedot

Funktion raja-arvo ja jatkuvuus Reaali- ja kompleksifunktiot

Funktion raja-arvo ja jatkuvuus Reaali- ja kompleksifunktiot 3. Funktion raja-arvo ja jatkuvuus 3.1. Reaali- ja kompleksifunktiot 43. Olkoon f monotoninen ja rajoitettu välillä ]a,b[. Todista, että raja-arvot lim + f (x) ja lim x b f (x) ovat olemassa. Todista myös,

Lisätiedot

JATKUVAN AWGN-KANAVAN KAPASITEETTI SHANNON-HARTLEY -LAKI

JATKUVAN AWGN-KANAVAN KAPASITEETTI SHANNON-HARTLEY -LAKI 1 JATKUVAN AWGN-KANAVAN KAPASITEETTI SHANNON-HARTLEY -LAKI Miten tiedonsiirrossa tarvittavat perusresurssit (teho & kaista) riippuvat toisistaan? SHANNONIN 2. TEOREEMA = KANAVAKOODAUS 2 Shannonin 2. teoreema

Lisätiedot

SGN-1200 Signaalinkäsittelyn menetelmät, Tentti

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

Lisätiedot

SGN-1200 Signaalinkäsittelyn menetelmät, Tentti

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

Lisätiedot

1. Viikko. K. Tuominen MApu II 1/17 17

1. Viikko. K. Tuominen MApu II 1/17 17 1. Viikko Keskeiset asiat ja tavoitteet: 1. Kompleksiluvut, kompleksitaso, polaariesitys, 2. Kompleksilukujen peruslaskutoimitukset, 3. Eulerin ja De Moivren kaavat, 4. Potenssi ja juuret, kompleksinen

Lisätiedot

x = y x i = y i i = 1, 2; x + y = (x 1 + y 1, x 2 + y 2 ); x y = (x 1 y 1, x 2 + y 2 );

x = y x i = y i i = 1, 2; x + y = (x 1 + y 1, x 2 + y 2 ); x y = (x 1 y 1, x 2 + y 2 ); LINEAARIALGEBRA Ratkaisuluonnoksia, Syksy 2016 1. Olkoon n Z +. Osoita, että (R n, +, ) on lineaariavaruus, kun vektoreiden x = (x 1,..., x n ), y = (y 1,..., y n ) identtisyys, yhteenlasku ja reaaliluvulla

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

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

ELEC-C7230 Tietoliikenteen siirtomenetelmät

ELEC-C7230 Tietoliikenteen siirtomenetelmät A! Aalto University Comnet ELEC-C7230 Tietoliikenteen siirtomenetelmät Kurssisuunnitelma, kevät 2018 Olav Tirkkonen, Tietoliikenne- ja tietoverkkotekniikan laitos, Aalto-yliopisto A! Yleistä Esitiedot:

Lisätiedot

MS-C1420 Fourier-analyysi osa I

MS-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

Lisätiedot

Modulaatio. f C. amplitudimodulaatio (AM) taajuusmodulaatio (FM)

Modulaatio. f C. amplitudimodulaatio (AM) taajuusmodulaatio (FM) Lähetelajit Modulaatio Modulaatio: siirrettävän informaation liittämistä kantoaaltoon Kantoaalto: se radiotaajuinen signaali, jota pientaajuinen signaali moduloi Kaksi pääluokkaa moduloinnille: P amplitudimodulaatio

Lisätiedot

Pienimmän neliösumman menetelmä

Pienimmän neliösumman menetelmä Pienimmän neliösumman menetelmä Keijo Ruotsalainen Division of Mathematics Funktion sovitus Datapisteet (x 1,...,x n ) Annettu data y i = f(x i )+η i, missä f(x) on tuntematon funktio ja η i mittaukseen

Lisätiedot

Laitteita - Yleismittari

Laitteita - Yleismittari Laitteita - Yleismittari Yleistyökalu mittauksissa Yleensä digitaalisia Mittaustoimintoja Jännite (AC ja DC) Virta (AC ja DC) Vastus Diodi Lämpötila Transistori Kapasitanssi Induktanssi Taajuus 1 Yleismittarin

Lisätiedot

F {f(t)} ˆf(ω) = 1. F { f (n)} = (iω) n F {f}. (11) BM20A5700 - INTEGRAALIMUUNNOKSET Harjoitus 10, viikko 46/2015. Fourier-integraali:

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()

Lisätiedot

Laplace-muunnos: määritelmä

Laplace-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

Lisätiedot

1 Vastaa seuraaviin. b) Taajuusvasteen

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?

Lisätiedot

Osoita, että täsmälleen yksi vektoriavaruuden ehto ei ole voimassa.

Osoita, että täsmälleen yksi vektoriavaruuden ehto ei ole voimassa. LINEAARIALGEBRA Harjoituksia 2016 1. Olkoon V = R 2 varustettuna tavallisella yhteenlaskulla. Määritellään reaaliluvulla kertominen seuraavasti: λ (x 1, x 2 ) = (λx 1, 0) (x 1, x 2 ) R 2 ja λ R. Osoita,

Lisätiedot

Nämä ovat siis minimivaatimukset, enemmänkin saa ja suositellaan

Nämä ovat siis minimivaatimukset, enemmänkin saa ja suositellaan Mitä pitäisi vähintään osata Tässäkäydään läpi asiat jotka olisi hyvä osata Nämä ovat siis minimivaatimukset, enemmänkin saa ja suositellaan osattavan 333 Kurssin sisältö Todennäköisyyden, satunnaismuuttujien

Lisätiedot

Kertausta: avaruuden R n vektoreiden pistetulo

Kertausta: avaruuden R n vektoreiden pistetulo Kertausta: avaruuden R n vektoreiden pistetulo Määritelmä Vektoreiden v R n ja w R n pistetulo on v w = v 1 w 1 + v 2 w 2 + + v n w n. Huom. Pistetulo v w on reaaliluku! LM2, Kesä 2014 164/246 Kertausta:

Lisätiedot

l 1 2l + 1, c) 100 l=0

l 1 2l + 1, c) 100 l=0 MATEMATIIKAN PERUSKURSSI I Harjoitustehtäviä syksy 5. Millä reaaliluvun arvoilla a) 9 =, b) 5 + 5 +, e) 5?. Kirjoita Σ-merkkiä käyttäen summat 4, a) + + 5 + + 99, b) 5 + 4 65 + + n 5 n, c)

Lisätiedot

Matemaattisen analyysin tukikurssi

Matemaattisen analyysin tukikurssi Matemaattisen analyysin tukikurssi 12. Kurssikerta Petrus Mikkola 5.12.2016 Tämän kerran asiat Sini-ja kosifunktio Yksikköympyrä Tangentti- ja kotangenttifunktio Trigonometristen funktioiden ominaisuuksia

Lisätiedot

5 Funktion jatkuvuus ANALYYSI A, HARJOITUSTEHTÄVIÄ, KEVÄT Määritelmä ja perustuloksia

5 Funktion jatkuvuus ANALYYSI A, HARJOITUSTEHTÄVIÄ, KEVÄT Määritelmä ja perustuloksia ANALYYSI A, HARJOITUSTEHTÄVIÄ, KEVÄT 2018 5 Funktion jatkuvuus 5.1 Määritelmä ja perustuloksia 1. Tarkastellaan väitettä a > 0: b > 0: c > 0: d U c (a): f(d) / U b (f(a)), missä a, b, c, d R. Mitä funktion

Lisätiedot

Vapaan hiukkasen Schrödingerin yhtälö (yksiulotteinen)

Vapaan hiukkasen Schrödingerin yhtälö (yksiulotteinen) Vapaan hiukkasen Schrödingerin yhtälö (yksiulotteinen Vapaaseen hiukkaseen ei vaikuta voimia, joten U(x = 0. Vapaan hiukkasen energia on sen liike-energia eli E=p /m. Koska hiukkasella on määrätty energia,

Lisätiedot

MS-C1420 Fourier-analyysi osa I

MS-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

Lisätiedot

1. Normi ja sisätulo

1. Normi ja sisätulo Kurssimateriaalia K3/P3-kursille syksyllä 3 83 Heikki Apiola Sisältää otteita Timo Eirolan L3-kurssin lineaarialgebramonisteesta, jonka lähdekoodin Timo on ystävällisesti antanut käyttööni Normi ja sisätulo

Lisätiedot

Kompleksiluvut Kompleksitaso

Kompleksiluvut Kompleksitaso . Kompleksiluvut.. Kompleksitaso 8. Todista kompleksilukujen yhteen- ja kertolaskun (lukuparien avulla annettuihin) määritelmiin perustuen osittelulaki: z (z + z ) = z z + z z. 8. Todista kompleksilukujen

Lisätiedot

x = y x i = y i i = 1, 2; x + y = (x 1 + y 1, x 2 + y 2 ); x y = (x 1 y 1, x 2 + y 2 );

x = y x i = y i i = 1, 2; x + y = (x 1 + y 1, x 2 + y 2 ); x y = (x 1 y 1, x 2 + y 2 ); LINEAARIALGEBRA Harjoituksia, Syksy 2016 1. Olkoon n Z +. Osoita, että (R n, +, ) on lineaariavaruus, kun vektoreiden x = (x 1,..., x n ), y = (y 1,..., y n ) identtisyys, yhteenlasku ja reaaliluvulla

Lisätiedot

MATEMATIIKAN PERUSKURSSI I Harjoitustehtäviä syksy Millä reaaliluvun x arvoilla. 3 4 x 2,

MATEMATIIKAN PERUSKURSSI I Harjoitustehtäviä syksy Millä reaaliluvun x arvoilla. 3 4 x 2, MATEMATIIKAN PERUSKURSSI I Harjoitustehtäviä syksy 6. Millä reaaliluvun arvoilla a) 9 =, b) + + + 4, e) 5?. Kirjoita Σ-merkkiä käyttäen summat 4, a) + 4 + 6 + +, b) 8 + 4 6 + + n n, c) + + +

Lisätiedot

Käytännön radiotekniikkaa: Epälineaarinen komponentti ja signaalien siirtely taajuusalueessa (+ laboratoriotyön 2 esittely)

Käytännön radiotekniikkaa: Epälineaarinen komponentti ja signaalien siirtely taajuusalueessa (+ laboratoriotyön 2 esittely) Käytännön radiotekniikkaa: Epälineaarinen komponentti ja signaalien siirtely taajuusalueessa (+ laboratoriotyön 2 esittely) ELEC-C5070 Elektroniikkapaja, 21.9.2015 Huom: Kurssissa on myöhemmin erikseen

Lisätiedot

Sini- ja kosinifunktio

Sini- ja kosinifunktio Sini- ja kosinifunktio Trigonometriset funktio voidaan määritellä muun muassa potenssisarjana tai yksikköympyrän avulla. Yksikköympyrään pohjautuvassa määritelmässä sini- ja kosinifunktion muuttujana pidetään

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

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

l 1 2l + 1, c) 100 l=0 AB 3AC ja AB AC sekä vektoreiden AB ja

l 1 2l + 1, c) 100 l=0 AB 3AC ja AB AC sekä vektoreiden AB ja MATEMATIIKAN PERUSKURSSI I Harjoitustehtäviä syksy 7. Millä reaaliluvun arvoilla a) 9 =, b) + 5 + +, e) 5?. Kirjoita Σ-merkkiä käyttäen summat 4, a) + + 5 + + 99, b) 5 + 4 65 + + n 5 n, c) +

Lisätiedot

MS-C1420 Fourier-analyysi osa I

MS-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

Lisätiedot

1 Sisätulo- ja normiavaruudet

1 Sisätulo- ja normiavaruudet 1 Sisätulo- ja normiavaruudet 1.1 Sisätuloavaruus Määritelmä 1. Olkoon V reaalinen vektoriavaruus. Kuvaus : V V R on reaalinen sisätulo eli pistetulo, jos (a) v w = w v (symmetrisyys); (b) v + u w = v

Lisätiedot

3.1 Lineaarikuvaukset. MS-A0004/A0006 Matriisilaskenta. 3.1 Lineaarikuvaukset. 3.1 Lineaarikuvaukset

3.1 Lineaarikuvaukset. MS-A0004/A0006 Matriisilaskenta. 3.1 Lineaarikuvaukset. 3.1 Lineaarikuvaukset 31 MS-A0004/A0006 Matriisilaskenta 3 Nuutti Hyvönen, c Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2292015 Lineaariset yhtälöt ovat vektoreille luonnollisia yhtälöitä, joita

Lisätiedot

Luento 4 Jaksollisten signaalien Fourier-sarjaesitys 4.1 Fourier-sarja 4.2 Viivaspektri, tehospektri

Luento 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

Lisätiedot

Reaalifunktiot 1/5 Sisältö ESITIEDOT: funktiokäsite

Reaalifunktiot 1/5 Sisältö ESITIEDOT: funktiokäsite Reaalifunktiot 1/5 Sisältö ESITIEDOT: funktiokäsite Hakemisto KATSO MYÖS: potenssi, juuret, polnomit, rationaalifunktiot, eksponenttifunktio, logaritmifunktio, trigonometriset funktiot, arcusfunktiot,

Lisätiedot

MS-A0102 Differentiaali- ja integraalilaskenta 1

MS-A0102 Differentiaali- ja integraalilaskenta 1 MS-A0102 Differentiaali- ja integraalilaskenta 1 Kompleksiluvut Riikka Korte (muokannut Riikka Kangaslammen materiaalin pohjalta) Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 5.11.2015 1 /

Lisätiedot

1.1 Vektorit. MS-A0007 Matriisilaskenta. 1.1 Vektorit. 1.1 Vektorit. Reaalinen n-ulotteinen avaruus on joukko. x 1. R n. 1. Vektorit ja kompleksiluvut

1.1 Vektorit. MS-A0007 Matriisilaskenta. 1.1 Vektorit. 1.1 Vektorit. Reaalinen n-ulotteinen avaruus on joukko. x 1. R n. 1. Vektorit ja kompleksiluvut ja kompleksiluvut ja kompleksiluvut 1.1 MS-A0007 Matriisilaskenta 1. ja kompleksiluvut Nuutti Hyvönen, c Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 26.10.2015 Reaalinen

Lisätiedot

b) Määritä/Laske (ei tarvitse tehdä määritelmän kautta). (2p)

b) Määritä/Laske (ei tarvitse tehdä määritelmän kautta). (2p) Matematiikan TESTI, Maa7 Trigonometriset funktiot RATKAISUT Sievin lukio II jakso/017 VASTAA JOKAISEEN TEHTÄVÄÄN! MAOL/LIITE/taulukot.com JA LASKIN ON SALLITTU ELLEI TOISIN MAINITTU! TARKISTA TEHTÄVÄT

Lisätiedot

MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 9: Muuttujanvaihto taso- ja avaruusintegraaleissa

MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 9: Muuttujanvaihto taso- ja avaruusintegraaleissa MS-A24 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 9: Muuttujanvaihto taso- ja avaruusintegraaleissa Antti Rasila Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Kevät 216 Antti Rasila

Lisätiedot

Scanned by CamScanner

Scanned by CamScanner Scanned by CamScanner ELEC-C414 Kenttäteoria ESIMERKKIRATKAISUT 2. välikoe: 13.12.216 4. (a) Ominaisimpedanssi (merkitään Z ) on siirtojohdon ominaisuus. Se on siis eri asia kuin tasoaaltojen yhteydessä

Lisätiedot

IIR-suodattimissa ongelmat korostuvat, koska takaisinkytkennästä seuraa virheiden kertautuminen ja joissakin tapauksissa myös vahvistuminen.

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

Lisätiedot

Numeeriset menetelmät TIEA381. Luento 8. Kirsi Valjus. Jyväskylän yliopisto. Luento 8 () Numeeriset menetelmät / 35

Numeeriset menetelmät TIEA381. Luento 8. Kirsi Valjus. Jyväskylän yliopisto. Luento 8 () Numeeriset menetelmät / 35 Numeeriset menetelmät TIEA381 Luento 8 Kirsi Valjus Jyväskylän yliopisto Luento 8 () Numeeriset menetelmät 11.4.2013 1 / 35 Luennon 8 sisältö Interpolointi ja approksimointi Funktion approksimointi Tasainen

Lisätiedot

Topologia Syksy 2010 Harjoitus 4. (1) Keksi funktio f ja suljetut välit A i R 1, i = 1, 2,... siten, että f : R 1 R 1, f Ai on jatkuva jokaisella i N,

Topologia Syksy 2010 Harjoitus 4. (1) Keksi funktio f ja suljetut välit A i R 1, i = 1, 2,... siten, että f : R 1 R 1, f Ai on jatkuva jokaisella i N, Topologia Syksy 2010 Harjoitus 4 (1) Keksi funktio f ja suljetut välit A i R 1, i = 1, 2,... siten, että f : R 1 R 1, f Ai on jatkuva jokaisella i N, i=1 A i = R 1, ja f : R 1 R 1 ei ole jatkuva. Lause

Lisätiedot

MS-C1420 Fourier-analyysi Esimerkkejä, perusteluja, osa I

MS-C1420 Fourier-analyysi Esimerkkejä, perusteluja, osa I MS-C140 Fourier-analyysi Esimerkkejä, perusteluja, osa I G. Gripenberg Aalto-yliopisto 3. tammikuuta 014 G. Gripenberg (Aalto-yliopisto MS-C140 Fourier-analyysiEsimerkkejä, perusteluja, osa3. I tammikuuta

Lisätiedot

KOMPLEKSIANALYYSI I KURSSI SYKSY 2012

KOMPLEKSIANALYYSI I KURSSI SYKSY 2012 KOMPLEKSIANALYYSI I KURSSI SYKSY 01 RITVA HURRI-SYRJÄNEN 5. Eksponenttifunktio ja sini- ja kosinifunktiot Kertausta. (1 Reaaliselle eksponenttifunktiolle e x : R R + pätee e x x k = kaikilla x R. k! (

Lisätiedot

12. Luento. Luento 12 Modulaatio. Oppenheim luku 8 soveltuvin osin. Koherentti ja epäkoherentti analoginen modulaatio Digitaalinen modulaatio

12. Luento. Luento 12 Modulaatio. Oppenheim luku 8 soveltuvin osin. Koherentti ja epäkoherentti analoginen modulaatio Digitaalinen modulaatio . Luento Luento Modulaatio Koherentti ja epäkoherentti analoginen modulaatio Digitaalinen modulaatio Oppenheim luku 8 soveltuvin osin Modulaatio Modulaatiossa siirretään moduloivan signaalin spektri kantoaallon

Lisätiedot

Diskreetti Fourier-muunnos ja sen hyödyntäminen signaalien spektrien muodostamisessa. Pentti Romppainen

Diskreetti Fourier-muunnos ja sen hyödyntäminen signaalien spektrien muodostamisessa. Pentti Romppainen Diskreetti Fourier-muunnos ja sen hyödyntäminen signaalien spektrien muodostamisessa Pentti Romppainen Kajaanin ammattikorkeakoulu Oy Kajaani University of Applied Sciences Diskreetti Fourier-muunnos ja

Lisätiedot

802320A LINEAARIALGEBRA OSA II

802320A LINEAARIALGEBRA OSA II 802320A LINEAARIALGEBRA OSA II Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO SYKSY 2016 LINEAARIALGEBRA 1 / 64 Sisätuloavaruus Määritelmä 1 Olkoon V reaalinen vektoriavaruus. Kuvaus on reaalinen

Lisätiedot

Epäyhtälöt 1/7 Sisältö ESITIEDOT: yhtälöt

Epäyhtälöt 1/7 Sisältö ESITIEDOT: yhtälöt Epäyhtälöt 1/7 Sisältö Epäyhtälö Epäyhtälöllä tarkoitetaan ehtoa, missä kahdesta lausekkeesta toinen on suurempi tai mahdollisesti yhtä suuri kuin toinen: f(x) < g(x), f(x) g(x).merkit voidaan luonnollisesti

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