Signaaliavaruuden kantoja äärellisessä ajassa a
|
|
- Oskari Tuominen
- 6 vuotta sitten
- Katselukertoja:
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
ELEC-C7230 Tietoliikenteen siirtomenetelmät Luento 4: Digitaaliset modulaatiokonstellaatiot, symbolijonolähetteet Olav Tirkkonen, Jari Lietzen Aalto, Tietoliikenne- ja tietoverkkotekniikan laitos A! Modulaatioiden
LisätiedotLuento 5: Kantataajuusvastaanotin AWGNkanavassa I: Suodatus ja näytteistys a. Kuvaa diskreetin ajan signaaliavaruussymbolit jatkuvaan aikaan
ELEC-C7230 Tietoliikenteen siirtomenetelmät Luento 5: Kantataajuusvastaanotin AWGNkanavassa I: Suodatus ja näytteistys a Olav Tirkkonen Aalto, Tietoliikenne- ja tietoverkkotekniikan laitos a [10.1-10.6.3]
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
LisätiedotKapeakaistainen signaali
Tiedonsiirrossa sellaiset signaalit ovat tyypillisiä, joilla informaatio jakautuu kapealle taajuusalueelle jonkun keskitaajuuden ympäristöön. Tällaisia signaaleja kutustaan kapeakaistaisiksi signaaleiksi
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.
LisätiedotLuento 2. Jaksolliset signaalit
Luento Jaksollisten signaalien Fourier-sarjat Viivaspektri S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio Jaksollinen (periodinen) Jaksolliset signaalit Jaksonaika - / / Perusjakso Amplitudi
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
LisätiedotSuodatus ja näytteistys, kertaus
ELEC-C7230 Tietoliikenteen siirtomenetelmät Luento 6: Kantataajuusvastaanotin AWGN-kanavassa II: Signaaliavaruuden vastaanotin a Olav Tirkkonen Aalto, Tietoliikenne- ja tietoverkkotekniikan laitos a [10.6.3-10.6.6;
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)
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 2
1 SIGNAALITEORIAN KERTAUSTA OSA 2 Miten spektri lasketaan moduloiduille ja näytteistetyille tietoliikennesignaaleille? KONVOLUUTIO JA KERTOLASKU 2 Kantataajuussignaali (baseband) = sanomasignaali ilman
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
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
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
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
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
LisätiedotRadioamatöörikurssi 2016
Radioamatöörikurssi 2016 Modulaatiot Radioiden toiminta 8.11.2016 Tatu Peltola, OH2EAT 1 / 18 Modulaatiot Erilaisia tapoja lähettää tietoa radioaalloilla Esim. puhetta ei yleensä laiteta antenniin sellaisenaan
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
LisätiedotTRIGONOMETRISTEN 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
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
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
Lisätiedoty 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
Lisätiedot2. Fourier-sarjoista. Aaltoliikkeen ja lämmöjohtumisen matemaattinen tarkastelu
2. Fourier-sarjoista Fourier-analyysi: Aaltoliikkeen ja lämmöjohtumisen matemaattinen tarkastelu Matemaattisen analyysin täkein työväline "Jokainen funktio" voidaan esittää harmonisten värähtelyjen, so.
LisätiedotOrtogonaaliprojektio äärellisulotteiselle aliavaruudelle
Ortogonaaliprojektio äärellisulotteiselle aliavaruudelle Olkoon X sisätuloavaruus ja Y X äärellisulotteinen aliavaruus. Tällöin on olemassa lineaarisesti riippumattomat vektorit y 1, y 2,..., yn, jotka
LisätiedotSGN-1200 Signaalinkäsittelyn menetelmät, Tentti
SG-1200 Signaalinkäsittelyn menetelmät, Tentti 21.3.2006 Kirjoita nimesi ja opiskelijanumerosi jokaiseen paperiin. Vastauspaperit tullaan irrottamaan toisistaan. Jos tila ei riitä, jatka kääntöpuolelle
LisätiedotSGN-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,
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
LisätiedotRadioamatöörikurssi 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.
LisätiedotSpektri- ja signaalianalysaattorit
Spektri- ja signaalianalysaattorit Pyyhkäisevät spektrianalysaattorit Suora pyyhkäisevä Superheterodyne Reaaliaika-analysaattorit Suora analoginen analysaattori FFT-spektrianalysaattori DFT FFT Analysaattoreiden
LisätiedotMatriisilaskenta Luento 12: Vektoriavaruuden kannan olemassaolo
Matriisilaskenta Luento 12: Vektoriavaruuden kannan olemassaolo Antti Rasila 2016 Vektoriavaruuden kannan olemassaolo Jos {v 1, v 2,..., v k } on äärellisulotteisen vektoriavaruuden V lineaarisesti riippumaton
LisätiedotVAIHEKOHERENTIT BINÄÄRISET KANTOAALTOMODULAATIOT JA NIIDEN VIRHETODENNÄKÖISYYDET
1 VAIHEKOHERENTIT BINÄÄRISET KANTOAALTOMODULAATIOT JA NIIDEN VIRHETODENNÄKÖISYYDET Millaiset aaltomuodot s 1 (t) ja s (t) valitaan erilaisten kantoaatomodulaatioiden toteuttamiseksi? SYMBOLIAALTOMUODOT
LisätiedotSGN-1200 Signaalinkäsittelyn menetelmät, Tentti
SG-1200 Signaalinkäsittelyn menetelmät, Tentti 24.4.2006 Kirjoita nimesi ja opiskelijanumerosi jokaiseen paperiin. Vastauspaperit tullaan irrottamaan toisistaan. Jos tila ei riitä, jatka kääntöpuolelle
Lisätiedot1 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.............................
LisätiedotLuento 4 Fourier muunnos
Luento 4 Luento 4 Fourier muunnos 4. F muunnos F muunnos Oppenheim 4. 4. Energiaspektri (spektritiheys) Rayleigh'n energia teoreema, energiaspektri Kaistanleveys Boden diagrammi 4.3 F muunnoksen ominaisuudet,
LisätiedotSGN-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
Lisätiedote int) dt = 1 ( 2π 1 ) (0 ein0 ein2π
Matematiikan ja tilastotieteen laitos Funktionaalianalyysin peruskurssi Kevät 9) Harjoitus 7 Ratkaisuja Jussi Martin). E Hilbert avaruus L [, π]) ja gt) := t, t [, π]. Määrää funktion g Fourier kertoimet
Lisätiedot1.1 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
LisätiedotSGN-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
LisätiedotSGN-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,
LisätiedotYhtälöryhmä matriisimuodossa. MS-A0004/A0006 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5.
2. MS-A4/A6 Matriisilaskenta 2. Nuutti Hyvönen, c Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 5.9.25 Tarkastellaan esimerkkinä lineaarista yhtälöparia { 2x x 2 = x + x 2
LisätiedotLuku 4 - Kuvien taajuusanalyysi
Luku 4 - Kuvien taajuusanalyysi Matti Eskelinen 8.2.2018 Kuvien taajuusanalyysi Tässä luvussa tutustumme taajuustasoon ja opimme analysoimaan kuvia ja muitakin signaaleja Fourier-muunnoksen avulla. Aiheina
LisätiedotELEC-C7230 Tietoliikenteen siirtomenetelmät. Yleistä
Aalto University Comnet ELEC-C7230 Tietoliikenteen siirtomenetelmät Kurssisuunnitelma, kevät 2016 Olav Tirkkonen, Tietoliikenne- ja tietoverkkotekniikan laitos, Aalto-yliopisto Yleistä Esitiedot: (kurssi
LisätiedotYhtälöryhmä 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 =
LisätiedotSGN-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
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
Lisätiedot1 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
LisätiedotFunktion 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,
LisätiedotJATKUVAN AWGN-KANAVAN KAPASITEETTI SHANNON-HARTLEY -LAKI
1 JATKUVAN AWGN-KANAVAN KAPASITEETTI SHANNON-HARTLEY -LAKI Miten tiedonsiirrossa tarvittavat perusresurssit (teho & kaista) riippuvat toisistaan? SHANNONIN 2. TEOREEMA = KANAVAKOODAUS 2 Shannonin 2. teoreema
LisätiedotSGN-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
LisätiedotSGN-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
Lisätiedot1. 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
Lisätiedotx = 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
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
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
LisätiedotELEC-C7230 Tietoliikenteen siirtomenetelmät
A! Aalto University Comnet ELEC-C7230 Tietoliikenteen siirtomenetelmät Kurssisuunnitelma, kevät 2018 Olav Tirkkonen, Tietoliikenne- ja tietoverkkotekniikan laitos, Aalto-yliopisto A! Yleistä Esitiedot:
LisätiedotMS-C1420 Fourier-analyysi 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
LisätiedotModulaatio. 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
LisätiedotPienimmän 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
LisätiedotLaitteita - Yleismittari
Laitteita - Yleismittari Yleistyökalu mittauksissa Yleensä digitaalisia Mittaustoimintoja Jännite (AC ja DC) Virta (AC ja DC) Vastus Diodi Lämpötila Transistori Kapasitanssi Induktanssi Taajuus 1 Yleismittarin
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()
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
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?
LisätiedotOsoita, 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,
LisätiedotNämä ovat siis minimivaatimukset, enemmänkin saa ja suositellaan
Mitä pitäisi vähintään osata Tässäkäydään läpi asiat jotka olisi hyvä osata Nämä ovat siis minimivaatimukset, enemmänkin saa ja suositellaan osattavan 333 Kurssin sisältö Todennäköisyyden, satunnaismuuttujien
LisätiedotKertausta: 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:
Lisätiedotl 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)
LisätiedotMatemaattisen 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
Lisätiedot5 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
LisätiedotVapaan 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,
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
Lisätiedot1. 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
LisätiedotKompleksiluvut 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
Lisätiedotx = 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
LisätiedotMATEMATIIKAN 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) + + +
LisätiedotKäytännön 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
LisätiedotSini- ja kosinifunktio
Sini- ja kosinifunktio Trigonometriset funktio voidaan määritellä muun muassa potenssisarjana tai yksikköympyrän avulla. Yksikköympyrään pohjautuvassa määritelmässä sini- ja kosinifunktion muuttujana pidetään
Lisätiedot6.2.3 Spektrikertymäfunktio
ja prosessin (I + θl + + θl q )ε t spektritiheysfunktio on Lemman 6. ja Esimerkin 6.4 nojalla σ π 1 + θ 1e iω + + θ q e iqω. Koska viivepolynomien avulla määritellyt prosessit yhtyvät, niin myös niiden
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(
Lisätiedotl 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) +
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
Lisätiedot1 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
Lisätiedot3.1 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
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
LisätiedotReaalifunktiot 1/5 Sisältö ESITIEDOT: funktiokäsite
Reaalifunktiot 1/5 Sisältö ESITIEDOT: funktiokäsite Hakemisto KATSO MYÖS: potenssi, juuret, polnomit, rationaalifunktiot, eksponenttifunktio, logaritmifunktio, trigonometriset funktiot, arcusfunktiot,
LisätiedotMS-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 /
Lisätiedot1.1 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
Lisätiedotb) 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
LisätiedotMS-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
LisätiedotScanned 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
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
LisätiedotNumeeriset menetelmät TIEA381. Luento 8. Kirsi Valjus. Jyväskylän yliopisto. Luento 8 () Numeeriset menetelmät / 35
Numeeriset menetelmät TIEA381 Luento 8 Kirsi Valjus Jyväskylän yliopisto Luento 8 () Numeeriset menetelmät 11.4.2013 1 / 35 Luennon 8 sisältö Interpolointi ja approksimointi Funktion approksimointi Tasainen
LisätiedotTopologia 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
LisätiedotMS-C1420 Fourier-analyysi Esimerkkejä, perusteluja, osa I
MS-C140 Fourier-analyysi Esimerkkejä, perusteluja, osa I G. Gripenberg Aalto-yliopisto 3. tammikuuta 014 G. Gripenberg (Aalto-yliopisto MS-C140 Fourier-analyysiEsimerkkejä, perusteluja, osa3. I tammikuuta
LisätiedotKOMPLEKSIANALYYSI 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! (
Lisätiedot12. Luento. Luento 12 Modulaatio. Oppenheim luku 8 soveltuvin osin. Koherentti ja epäkoherentti analoginen modulaatio Digitaalinen modulaatio
. Luento Luento Modulaatio Koherentti ja epäkoherentti analoginen modulaatio Digitaalinen modulaatio Oppenheim luku 8 soveltuvin osin Modulaatio Modulaatiossa siirretään moduloivan signaalin spektri kantoaallon
LisätiedotDiskreetti 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
Lisätiedot802320A 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
LisätiedotEpäyhtälöt 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
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
Lisätiedot