Suurteholaskenta-algoritmien hyödyntämien suurten kohteiden tutkavasteen laskennassa
|
|
- Sanna Jokinen
- 6 vuotta sitten
- Katselukertoja:
Transkriptio
1 Suurteholaskenta-algoritmien hyödyntämien suurten kohteiden tutkavasteen laskennassa Pasi Ylä-Oijala, Pasi Koivumäki ja Seppo Järvenpää Radiotieteen ja -tekniikan laitos, Aalto-yliopisto MATINE Seminaari Myönnetty rahoitus euroa
2 Sisältö 1. Taustaa ja tavoitteet 2. Menetelmät ja haasteet 3. Tuloksia 4. Yhteenveto ja johtopäätökset 5. Jatkotutkimusaiheita
3 Taustaa ja tavoitteet Tutkapoikkiponta (tutkavaste) on keskeinen suure tutka- ja häivetekniikassa Kohteen tutkavasteen avulla voidaan esim. pyrkiä tunnistamaan kohde tai tekemään se mahdollisimman huonosti havaittavaksi Tutkimuksen tavoitteena oli kehittää tehokkaita laskenta-algoritmeja tutkapoikkinnan määrittämiseen sähköisesti suurille kohteille.25 σ (dbms) H plane. Frequency 5 GHz. MLFMA PO MLFMA PO MLFMA PO θ (x π)
4 Menetelmät ja haasteet Kokoaallon (full-wave) menetelmät: Esim. FDTD, FEM ja momenttimenetelmä (MoM) Perustuvat fysikaalisiin yhtälöihin ja ovat siten periaatteessa tarkkoja Vaadittava tietokonekapasiteetti kasvaa nopeasti kohteen koon tai taajuuden kasvaessa Tarkkoja mutta hitaita Asymptoottiset menetelmät: Esim. GTD ja fysikaalinen optiikka (PO) Approksimatiivisia menetelmiä joiden tarkkuutta voi olla vaikea arvioida ja parantaa Nopeita ja toimivat yleensä sitä paremmin mitä korkeampi taajuus Nopeita mutta epätarkkoja
5 Menetelmät Momenttimenetelmä: Pintavirta haetaan siten, että Maxwellin yhtälöt toteutuvat Mallintaa moninkertaiset heijastukset ja diffraktion Matriisiyhtälön ratkaiseminen Nopeutusmenetelmät (multilevel fast multipole algorithm, MLFMA) välttämättömiä Fysikaalinen optiikka: Pintavirta suoraan herättävästä kentästä Ei mallinna moninkertaisia heijastuksia eikä diffraktiota Ei matriisiyhtälöä
6 Hybridimenetelmä Tutkimusaiheita 1. Paikallistetaan PO menetelmän kriittiset kohdat 2. Toteutetaan yhdistetty MLFMA-PO menetelmä 3. Tutkitaan tarkkuutta erilaisilla PO ja MLFMA aluejaoilla 4. Yleistys pintaimpedanssiehdolle (ei-ideaalijohteet, pinnoitteet) Kuva: Punainen: MLFMA, Sininen: PO varjoalue, Vihreä: PO valaistu alue.
7 Tuloksia Ympyrä levy, d = 2 m, f = 1 GHz 25 E plane. Frequency 1 GHz σ (dbms) MLFMA PO MLFMA PO MLFMA PO θ (x π) Särmät aiheuttavat jonkin verran virhettä PO menetelmään
8 Tuloksia Levy ja kuutio, d = 2 m, f = 1 GHz 28 E plane. Frequency 1 GHz σ (dbms) MLFMA PO MLFMA PO MLFMA PO θ (x π) Lähekkäin olevat kohteet aiheuttavat virhettä PO menetelmään erityisesti varjoalueelle
9 Tuloksia Avoin laatikko, d =.2 m, f = 7.4 GHz 3 E plane. Frequency 7.4 GHz. 2 1 σ (dbms) MLFMA PO MLFMA PO MLFMA PO θ (x π) Resonoivat rakenteet näyttäisivät olevan erityisen suuri haaste PO menetelmälle
10 Tuloksia UAV f = 5 GHz 5 4 H plane. Frequency 5 GHz. MLFMA PO MLFMA PO MLFMA PO 2 3 σ (dbms) θ (x π) Mutkikkaampien kohteiden tapauksessa virhelähteiden arviointi on haastavampaa
11 Tuloksia Pintaimpedanssi, pallo r =.5m,.5GHz Z s = R s +ix s Virhetarkastelu pallolle pintaimpedanssin suhteen Sekä MoM:in että PO:n virhe kasvaa kun pintaimpedanssia kasvatetaan
12 Tuloksia Avoin laatikko, d =.2m, f = 3.46GHz, Z s =.1 +.1i real( JIBC MOM) real( JIBC PO) 3 x x y z x.1.5 y x.1.5 Resonoivat kohteet na ytta isiva t olevan PO:lle haaste myo s pintaimpedanssin tapauksessa 3 x 1 8 z z real( JIBC MOMPO) 3 x 1 8 y
13 Tuloksia UAV f = 1 GHz, Z S = i 35 3 E plane RCS, frequency 1 GHz MLFMA PO1 PO σ (dbms) θ (x π) PO ja MLFMA ratkaisujen vertailu impedanssireunaehdolle
14 Tuloksia Pintaimpedanssin vaikutus tutkapoikkipintaan 3 E plane RCS, frequency 7.4 GHz 25 E plane RCS, frequency 1 GHz σ (dbms) 1 2 σ (dbms) PEC i.5+.18i i 1+.18i θ (x π) 5 PEC i.5+.18i i 1+.18i θ (x π) Tutkapoikkipinta eri pintaimpedanssin arvoilla (MLFMA ratkaisu), vasemmalla avoin laatikko ja oikealla UAV
15 Yhteenveto tutkimuksesta Paikallistettiin PO menetelmät kriittiset kohdat Toteutettiin yhdistetty MLFMA-PO menetelmä ideaalijohteille Tutkittiin yhdistetyn menetelmän tarkkuutta erilaisilla PO ja MLFMA aluejaoilla PO, MLFMA ja yhdistetty MoM-PO yleistettiin pintaimpedanssiehdolle (ei-ideaalijohteet, pinnoitteet) Tutkittiin menetelmien tarkkuutta eri pintaimpedanssin arvoilla Tarkasteltiin pintaimpedanssin vaikutusta tutkapoikkipintaan
16 Yhteenveto tuloksista PO menetelmän tarkkuus ongelmallinen: varjoalueella ( korkeampi taajuus) terävissä särmissä ( sileät pinnat, korjaustermit) lähekkäin oleville rakenteille ( moninkertaiset heijastukset) resonoiville rakenteille korkealle pintaimpedanssille Yhdistetty MLFMA-PO parantaa merkittävästi PO ratkaisua mutta kasvattaa laskenta-aikaa ja muistin kulutusta Optimaalisen PO ja MLFMA aluejaon toteuttamien automaattisesti haastavaa Laskentaverkon muodostaminen muodostui pullonkaulaksi useissa realistisissa tilanteissa
17 Johtopäätökset MLFMA: PO: Terävät särmät, nurkat, lähekkäin olevat kohteet, resonoivat rakenteet, PO varjoalueen reuna, korkea pintaimpedanssi,... Pidetään riittävän pienenä jotta on ratkaistavissa yhdessä laskentanoodissa ilman hajautettua rinnakkaislaskentaa Suuret ja sileät pinnat (riittävän korkea taajuus) Tarkkuutta voidaan parantaa ottamalla huomioon useita peräkkäisiä heijastuksia ja käyttämällä korjaustermejä Hajautettu rinnakkaislaskenta suoraviivaista
18 Jatkotutkimusaiheita 1. Toteutus käyttäen hajautettua rinnakkaislaskentaa 2. CAD mallista aiheutuvien epäjatkuvien laskentaverkkojen käsittely MLFMA:ssa 3. Yleistys paikastariippuvalle ja/tai anisotrooppiselle ja/tai korkeamman asteen pintaimpedanssille 4. Laajentaminen yleisille materiaalirakenteille (dielektriset puoliläpäisevät pinnat)
TIIVISTELMÄRAPORTTI (SUMMARY REPORT) Suurteholaskenta-algoritmien hyödyntäminen suurten kohteiden tutkavasteen laskennassa
2015/2500M-0025 ISSN 1797-3457 (verkkojulkaisu) ISBN 978-951-25-2747-2 (PDF) TIIVISTELMÄRAPORTTI (SUMMARY REPORT) Suurteholaskenta-algoritmien hyödyntäminen suurten kohteiden tutkavasteen laskennassa Pasi
LisätiedotAKUSTISIA SIMULAATIOITA PÄÄ- JA TORSOMALLILLA. Tomi Huttunen, Timo Avikainen, John Cozens. Kuava Oy Microkatu 1, 70210 Kuopio tomi.huttunen@uku.
AKUSTISIA SIMULAATIOITA PÄÄ- JA TORSOMALLILLA Tomi Huttunen, Timo Avikainen, John Cozens Kuava Oy Microkatu 1, 70210 Kuopio tomi.huttunen@uku.fi Nokia Corporation Itämerenkatu 11-13, 00180 Helsinki timo.avikainen@nokia.com
LisätiedotJoonas Haapala Ohjaaja: DI Heikki Puustinen Valvoja: Prof. Kai Virtanen
Hävittäjälentokoneen reitin suunnittelussa käytettävän dynaamisen ja monitavoitteisen verkko-optimointitehtävän ratkaiseminen A*-algoritmilla (valmiin työn esittely) Joonas Haapala 8.6.2015 Ohjaaja: DI
LisätiedotELEC C4140 Kenttäteoria (syksy 2016)
ELEC C4140 Kenttäteoria (syksy 2016) Henrik Wallén / versio 21. marraskuuta 2016 Tasoaaltojen heijastus ja läpäisy (Ulaby 8.1 8.5) Kohtisuora heijastus ja läpäisy Tehon heijastus ja läpäisy Snellin laki
LisätiedotELEC C4140 Kenttäteoria (syksy 2016)
ELEC C4140 Kenttäteoria (syksy 2016) Henrik Wallén Luentoviikko 5 / versio 7. lokakuuta 2016 Luentoviikko 5 Magnetostatiikka (Ulaby, luku 5) Magneettiset voimat ja vääntömomentit Biot Savartin laki Magnetostaattiset
LisätiedotMS-A0305 Differentiaali- ja integraalilaskenta 3 Luento 10: Stokesin lause
MS-A0305 Differentiaali- ja integraalilaskenta 3 Luento 10: Stokesin lause Antti Rasila Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Syksy 2016 Antti Rasila (Aalto-yliopisto) MS-A0305 Syksy
LisätiedotKorkean resoluution ja suuren kuva-alueen SAR
Korkean resoluution ja suuren kuva-alueen SAR Risto Vehmas, Juha Jylhä, Minna Väilä ja prof. Ari Visa Tampereen teknillinen yliopisto Signaalinkäsittelyn laitos Myönnetty rahoitus: 50 000 euroa Esityksen
LisätiedotAlgoritmit 2. Luento 1 Ti Timo Männikkö
Algoritmit 2 Luento 1 Ti 14.3.2017 Timo Männikkö Luento 1 Algoritmi Algoritmin valinta Algoritmin analysointi Algoritmin suoritusaika Peruskertaluokkia Kertaluokkamerkinnät Kertaluokkien ominaisuuksia
LisätiedotELEC-A4130 Sähkö ja magnetismi (5 op)
ELEC-A4130 Sähkö ja magnetismi (5 op) Jari J. Hänninen 2015 16/IV V Luentoviikko 9 Tavoitteet Valon luonne ja eteneminen Dispersio Lähde: https: //www.flickr.com/photos/fastlizard4/5427856900/in/set-72157626537669172,
LisätiedotSpektri- ja signaalianalysaattorit
Spektri- ja signaalianalysaattorit Pyyhkäisevät spektrianalysaattorit Suora pyyhkäisevä Superheterodyne Reaaliaika-analysaattorit Suora analoginen analysaattori FFT-spektrianalysaattori DFT FFT Analysaattoreiden
LisätiedotKaksintaistelun approksimatiivinen mallintaminen (valmiin työn esittely)
Kaksintaistelun approksimatiivinen mallintaminen (valmiin työn esittely) Juho Roponen 10.06.2013 Ohjaaja: Esa Lappi Valvoja: Ahti Salo Työn saa tallentaa ja julkistaa Aalto-yliopiston avoimilla verkkosivuilla.
Lisätiedot3.6 Su-estimaattorien asymptotiikka
3.6 Su-estimaattorien asymptotiikka su-estimaattorit ovat usein olleet puutteellisia : ne ovat usein harhaisia ja eikä ne välttämättä ole täystehokkaita asymptoottisilta ominaisuuksiltaan ne ovat yleensä
LisätiedotELEC C4140 Kenttäteoria (syksy 2016)
ELEC C4140 Kenttäteoria (syksy 2016) Henrik Wallén / versio 17. marraskuuta 2016 Tasoaallot, osa 2 (Ulaby 7.3, 7.5, 7.6) Tasoaallon polarisaatio Virranahtoilmiö Tehotiheys ja Poyntingin vektori 2 (18)
LisätiedotÄÄNEKKÄÄMMÄN KANTELEEN MALLINTAMINEN ELEMENTTIME- NETELMÄLLÄ
ÄÄNEKKÄÄMMÄN KANTELEEN MALLINTAMINEN ELEMENTTIME- NETELMÄLLÄ Henna Tahvanainen 1, Jyrki Pölkki 2, Henri Penttinen 1, Vesa Välimäki 1 1 Signaalinkäsittelyn ja akustiikan laitos Aalto-yliopiston sähkötekniikan
LisätiedotELEC C4140 Kenttäteoria (syksy 2015)
ELEC C4140 Kenttäteoria (syksy 2015) Henrik Wallén Luentoviiko 6 / versio 14. lokakuuta 2015 Magnetostatiikka (Ulaby, luku 5) Magneettiset voimat ja vääntömomentit Biot Savartin laki Magnetostaattiset
LisätiedotKorkean resoluution ja suuren kuva-alueen SAR
Korkean resoluution ja suuren kuva-alueen SAR MATINE tutkimusseminaari 17.11.2016 Risto Vehmas, Juha Jylhä, Minna Väilä, Ari Visa Tampereen teknillinen yliopisto Signaalinkäsittelyn laitos Hankkeelle myönnetty
LisätiedotMiehittämättömän lennokin ottamien ilmakuvien käyttö energiakäyttöön soveltuvien biomassojen määrän nopeassa arvioinnissa
Miehittämättömän lennokin ottamien ilmakuvien käyttö energiakäyttöön soveltuvien biomassojen määrän nopeassa arvioinnissa Anna Lopatina, Itä-Suomen yliopisto, Metsätieteiden osasto, Anna.lopatina@uef.fi
LisätiedotELEC C4140 Kenttäteoria (syksy 2016)
ELEC C4140 Kenttäteoria (syksy 2016) Henrik Wallén / versio 8. marraskuuta 2016 Tasoaallot, osa 1 (Ulaby 7.1, 7.2, 7.4) Kenttäosoittimet Aikaharmoniset Maxwellin yhtälöt Tasoaaltoratkaisu Tasoaaltoyhtälöt
LisätiedotAV-muotojen migraatiotyöpaja - ääni. KDK-pitkäaikaissäilytys 2013 -seminaari 6.5.2013 / Juha Lehtonen
AV-muotojen migraatiotyöpaja - ääni KDK-pitkäaikaissäilytys 2013 -seminaari 6.5.2013 / Juha Lehtonen Äänimuodot Ääneen vaikuttavia asioita Taajuudet Äänen voimakkuus Kanavien määrä Näytteistys Bittisyvyys
LisätiedotELEC C4140 Kenttäteoria (syksy 2015)
ELEC C4140 Kenttäteoria (syksy 2015) Henrik Wallén Luentoviiko 9 / versio 9. marraskuuta 2015 Tasoaallot, osa 2 (Ulaby 7.3, 7.5, 7.6) Tasoaallon polarisaatio Virranahtoilmiö Tehotiheys ja Poyntingin vektori
LisätiedotOPTIMAALINEN INVESTOINTIPÄÄTÖS
OPTIMAALINEN INESTOINTIPÄÄTÖS Keskiarvoon palautuvalle prosessille ja Poissonin hyppyprosessille Optimointiopin seminaari - Syksy 000 / 1 I. KESKIAROON PALAUTUA PROSESSI Investoinnin kohde-etuuden arvo
LisätiedotKenttäteoria. Viikko 10: Tasoaallon heijastuminen ja taittuminen
Kenttäteoria Viikko 10: Tasoaallon heijastuminen ja taittuminen Tämän viikon sisältöä Todellinen aalto vai tasoaalto Desibelit Esitehtävä Kohtisuora heijastus metalliseinästä Kohtisuora heijastus ja läpäisy
Lisätiedotkappaleiden ominaisuuksien ja suhteiden vertailuun Kognitiivinen taso: IR: Ominaisuuksien ja suhteiden vertailu Tavoiteltava toiminta:
Harjoite 2: VERTAILUN PERUSTEET Tavoiteltava toiminta: Materiaalit: Kognitiivinen taso: IR: Ominaisuuksien ja suhteiden vertailu Toiminnallinen taso: Havainnointiin perustuva vertailu Opetuskortit (ks.
LisätiedotAaltoputket. 11. helmikuuta 2008
Aaltoputket TEM-aaltojen lisäk si aaltojoh d oissa v oi ed etä m y ös m u ita aaltom u otoja, tark em m in sanottu na TE- ja TM-aaltom u otoja. A ik aisem m in on tod ettu, että TEM-aalto etenee v ain
LisätiedotINDUKTIIVISEN PÄÄTTELYN HARJOITUSPAKETTI TOISELLE LUOKALLE
INDUKTIIVISEN PÄÄTTELYN HARJOITUSPAKETTI TOISELLE LUOKALLE Induktiivisen päättelyn tehtävät Tehtävät 1 5 Suhteet: Vastaavuus eli analogia Mikä kuvio sopii tyhjään ruutuun? 1. VASTAAVUUSTAULUKKO? 2. VASTAAVUUSTAULUKKO?
LisätiedotParempaa äänenvaimennusta simuloinnilla ja optimoinnilla
Parempaa äänenvaimennusta simuloinnilla ja optimoinnilla Erkki Heikkola Numerola Oy, Jyväskylä Laskennallisten tieteiden päivä 29.9.2010, Itä-Suomen yliopisto, Kuopio Putkistojen äänenvaimentimien suunnittelu
LisätiedotSovellettu todennäköisyyslaskenta B
Sovellettu todennäköisyyslaskenta B Antti Rasila 16. marraskuuta 2007 Antti Rasila () TodB 16. marraskuuta 2007 1 / 15 1 Epäparametrisia testejä χ 2 -yhteensopivuustesti Homogeenisuuden testaaminen Antti
LisätiedotSirontaluento 4. Keskiviikko , kello 10-12
Sirontaluento 4 Keskiviikko 9.2.2011, kello 10-12 sisältöä aaltoyhtälö pintaintegraaliyhtälö tilavuusintegraaliyhtälö singulariteetti diskretointi iterointi tilavuuselementit vektoripalloharmoniset Fourier-sarja
LisätiedotAaltoputket ja mikroliuska rakenteet
Aaltoputket ja mikroliuska rakenteet Luku 3 Suorat aaltojohdot Aaltojohdot voidaan jakaa kahteen pääryhmääm, TEM ja TE/TM sen mukaan millaiset kentät niissä etenevät. TEM-aallot voivat edetä vain sellaisissa
LisätiedotMS-C1340 Lineaarialgebra ja
MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt QR-hajotelma ja pienimmän neliösumman menetelmä Riikka Kangaslampi Kevät 2017 Matematiikan ja systeemianalyysin laitos Aalto-yliopisto PNS-ongelma PNS-ongelma
LisätiedotMS-C1340 Lineaarialgebra ja differentiaaliyhtälöt
MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt ja pienimmän neliösumman menetelmä Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2015 1 / 18 R. Kangaslampi QR ja PNS PNS-ongelma
LisätiedotIto-prosessit. Määritelmä Geometrinen Brownin liike Keskiarvoon palautuvat prosessit Iton lemma. S ysteemianalyysin. Laboratorio
Ito-prosessit Määritelmä Geometrinen Brownin liike Keskiarvoon palautuvat prosessit Iton lemma Optimointiopin seminaari - Syksy 2000 / 1 Ito-prosessit Brownin liikkeen yleistys (Ito prosessi) x(t) : dx
LisätiedotMS-A010{3,4,5} (ELEC*, ENG*) Differentiaali- ja integraalilaskenta 1 Luento 11: Lineaarinen differentiaaliyhtälö
MS-A010{3,4,5} (ELEC*, ENG*) Differentiaali- ja integraalilaskenta 1 Luento 11: Lineaarinen differentiaaliyhtälö Pekka Alestalo, Jarmo Malinen Aalto-yliopisto, Matematiikan ja systeemianalyysin laitos
LisätiedotRADIOTIETOLIIKENNEKANAVAT
1 RADIOTIETOLIIKENNEKANAVAT Millaisia stokastisia ilmiöitä kanavassa tapahtuu? ONGELMAT: MONITIE-ETENEMINEN & KOHINA 2 Monitie-eteneminen aiheuttaa destruktiivista interferenssia eri reittejä edenneiden
LisätiedotPartikkelit pallon pinnalla
Simo K. Kivelä, 14.7.2004 Partikkelit pallon pinnalla Tehtävänä on sijoittaa annettu määrä keskenään identtisiä partikkeleita mahdollisimman tasaisesti pallon pinnalle ja piirtää kuvio syntyvästä partikkelikonfiguraatiosta.
LisätiedotTHM-MALLIN NUMERIIKKA. Antti Niemistö, Janne Martikainen Numerola oy
THM-MALLIN NUMERIIKKA Antti Niemistö, Janne Martikainen Numerola oy 1 THM-mallin Numerrin-toteutus pohjana Petri Jussilan väitöstyössä esitetty THM-malli 3D toteutus Numerrin4 mallinnusalustalle numeerisen
Lisätiedot521384A RADIOTEKNIIKAN PERUSTEET Harjoitus 3
51384A RADIOTEKNIIKAN PERUSTEET Harjoitus 3 1. Tutkitaan mikroliuskajohtoa, jonka substraattina on kvartsi (ε r 3,8) ja jonka paksuus (h) on,15 mm. a) Mikä on liuskan leveyden w oltava, jotta ominaisimpedanssi
LisätiedotINDUKTIIVISEN PÄÄTTELYN HARJOITUSPAKETTI ENSIMMÄISELLE LUOKALLE
INDUKTIIVISEN PÄÄTTELYN HARJOITUSPAKETTI ENSIMMÄISELLE LUOKALLE Induktiivisen päättelyn opetuskuvakortit Tehtävät 1 ja 2 Ryhmän muodostaminen ja ryhmän laajentaminen 1. Jaa palikat kahteen ryhmään. Ryhmän
Lisätiedotf(n) = Ω(g(n)) jos ja vain jos g(n) = O(f(n))
Määritelmä: on O(g(n)), jos on olemassa vakioarvot n 0 > 0 ja c > 0 siten, että c g(n) kun n > n 0 O eli iso-o tai ordo ilmaisee asymptoottisen ylärajan resurssivaatimusten kasvun suuruusluokalle Samankaltaisia
LisätiedotRyhmäteoreettinen näkökulma Rubikin kuutioon Harjoitus 6, ratkaisuehdotus (5 sivua)
Ryhmäteoreettinen näkökulma Rubikin kuutioon Harjoitus 6, ratkaisuehdotus (5 sivua) 10.12.2012 Tehtävä 1. Osoita, että tuloryhmän R np R sp indeksi Rubikin paikkaryhmässä R p on täsmälleen kaksi. (Tarkkaan
LisätiedotSiltaaminen: Piaget Matematiikka Inductive Reasoning OPS Liikennemerkit, Eläinten luokittelu
Harjoite 2 Tavoiteltava toiminta: Materiaalit: Eteneminen: TUTUSTUTAAN OMINAISUUS- JA Toiminnan tavoite ja kuvaus: SUHDETEHTÄVIEN TUNNISTAMISEEN Kognitiivinen taso: IR: Toiminnallinen taso: Sosiaalinen
LisätiedotToiminnallinen taso: Havainnointiin perustuva vertailu. Yhdessä
Harjoite 3: TUTUSTUTAAN OMINAISUUS- JA SUHDETEHTÄVIIN Tavoiteltava toiminta: Materiaalit: Kognitiivinen taso: IR: Ominaisuudet ja suhteet, vertailu Opetuskortit, rakennuspalikat ja käsikirja Toiminnallinen
LisätiedotPILVILASKENTA AKUSTISESSA MALLINNUKSESSA 1 JOHDANTO. Tomi Huttunen 1), Antti Vanne 1), Timo Avikainen 2), Leo Kärkkäinen 2)
Tomi Huttunen ), Antti Vanne ), Timo Avikainen ), Leo Kärkkäinen ) ) Kuava Oy PL 88, 7 Kuopio tomi.huttunen@kuava.fi ) Nokia Oy Itämerenkatu - 8 Helsinki JOHDANTO Pilvilaskennalla (Cloud computing) tarkoitetaan
Lisätiedot805324A (805679S) Aikasarja-analyysi Harjoitus 5 (2016)
805324A (805679S) Aikasarja-analyysi Harjoitus 5 (2016) Tavoitteet (teoria): Ymmärtää kausivaihtelun käsite ja sen yhteys otoshetkiin. Oppia käsittelemään periodogrammia.. Tavoitteet (R): Periodogrammin,
LisätiedotMonitavoitteiseen optimointiin soveltuvan evoluutioalgoritmin tarkastelu
Monitavoitteiseen optimointiin soveltuvan evoluutioalgoritmin tarkastelu (Valmiin työn esittely) 11.4.2011 Ohjaaja: Ville Mattila Valvoja: Raimo Hämäläinen Työn tavoite Tutkia evoluutioalgoritmia (Lee
LisätiedotPerusteet 6, lisää pintamallinnusta
Perusteet 6, lisää pintamallinnusta Tuula Höök Tampereen teknillinen yliopisto Hae piirustus fin_basic_6_2.pdf. Käytä piirustukseen merkittyjä mittoja ja mallinna kappale pinta ja tilavuusmallinnustyökaluja
LisätiedotOhjelmoinnin perusteet Y Python
Ohjelmoinnin perusteet Y Python T-106.1208 28.1.2009 T-106.1208 Ohjelmoinnin perusteet Y 28.1.2009 1 / 28 Esimerkki: murtoluvun sieventäminen Kirjoitetaan ohjelma, joka sieventää käyttäjän antaman murtoluvun.
LisätiedotKenguru 2018 Student lukio
sivu 0 / 9 NIMI LUOKKA Pisteet: Kenguruloikan pituus: Irrota tämä vastauslomake tehtävämonisteesta. Merkitse tehtävän numeron alle valitsemasi vastausvaihtoehto. Oikeasta vastauksesta saa 3, 4 tai 5 pistettä.
LisätiedotParametrin estimointi ja bootstrap-otanta
Parametrin estimointi ja bootstrap-otanta Hannu Toivonen, Marko Salmenkivi, Inkeri Verkamo Tutkimustiedonhallinnan peruskurssi Parametrin estimointi ja bootstrap-otanta 1/27 Kevät 2003 Käytännön asioista
LisätiedotRAKENTAMISEN TEKNIIKAT AKUSTIIKKA AKUSTIIKKA
RAKENTAMISEN TEKNIIKAT ÄÄNEN ETENEMINEN ULKONA Pistelähde vaimenee vapaassa ympäristössä käänteisen neliölain mukaan eli 6 db etäisyyden kaksinkertaistuessa Viivalähde (liikennemelu) puolestaan 3 db Ääniaallot
LisätiedotHämeenlinnan kaupunki Asiakastyytyväisyys 2013 Ikäihmisten palvelut kotihoidon palvelut
Hämeenlinnan kaupunki Asiakastyytyväisyys 2013 Ikäihmisten palvelut kotihoidon palvelut 4.2.2014 Mikko Kesä Minna Joutsen Ari Kurlin 1. Yleistä tutkimuksesta 2. Tutkimuksen keskeisiä tuloksia 3. Vastaajien
LisätiedotMS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 3: Osittaisderivaatta
MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 3: Osittaisderivaatta Jarmo Malinen Matematiikan ja systeemianalyysin laitos 1 Aalto-yliopisto Kevät 2016 1 Perustuu Antti Rasilan luentomonisteeseen
LisätiedotSMG-5250 Sähkömagneettinen yhteensopivuus (EMC) Jari Kangas Tampereen teknillinen yliopisto Elektroniikan laitos
SMG-5250 Sähkömagneettinen yhteensopivuus (EMC) Jari Kangas jari.kangas@tut.fi Tampereen teknillinen yliopisto Elektroniikan laitos Sähkömagnetiikka 2009 1 Sähkömagneettiset aallot Aikaharmoniset kentät
Lisätiedota) Mitkä reaaliluvut x toteuttavat yhtälön x 2 = 7? (1 p.) b) Mitkä reaaliluvut x toteuttavat yhtälön 5 4 x
Diplomi-insinööri- ja arkkitehtikoulutuksen yhteisvalinta 01 Arkkitehtimatematiikan koe, 1..01, Ratkaisut (Sarja A) 1. Anna kohdissa a), b) ja c) vastaukset tarkkoina arvoina. a) Mitkä reaaliluvut x toteuttavat
LisätiedotMS-A0207 Differentiaali- ja integraalilaskenta 2 (Chem) Tentti ja välikokeiden uusinta
MS-A0207 Differentiaali- ja integraalilaskenta 2 (Chem) Tentti ja välikokeiden uusinta 8..206 Gripenberg, Nieminen, Ojanen, Tiilikainen, Weckman Kirjoita jokaiseen koepaperiin nimesi, opiskelijanumerosi
LisätiedotPOSITIIVISEN LINSSIN POLTTOVÄLI
S-108110 OPTIIKKA 1/6 POSITIIVISEN LINSSIN POLTTOVÄLI Laboratoriotyö S-108110 OPTIIKKA /6 SISÄLLYSLUETTELO 1 Poitiivien linin polttoväli 3 11 Teoria 3 1 Mittauken uoritu 5 LIITE 1 6 Mittaupöytäkirja 6
LisätiedotTrimmitysongelman LP-relaksaation ratkaiseminen sarakkeita generoivalla algoritmilla ja brute-force-menetelmällä
Trimmitysongelman LP-relaksaation ratkaiseminen sarakkeita generoivalla algoritmilla ja brute-force-menetelmällä Vesa Husgafvel 19.11.2012 Ohjaaja: DI Mirko Ruokokoski Valvoja: Prof. Harri Ehtamo Työn
Lisätiedot521365S Tietoliikenteen simuloinnit ja työkalut HFSS MARKO SONKKI 10.5.2006. Sisältö:
521365S Tietoliikenteen simuloinnit ja työkalut HFSS MARKO SONKKI 10.5.2006 10.5.2006 1 Sisältö: 1. Johdanto 2. Mihin HFSS:ää käytetään 3. Yleisimmät HFSS sovelluskohteet 4. Ratkaistu data ja sen soveltaminen
LisätiedotTietokoneet täh++eteessä
Tietokoneet täh++eteessä Peter Johansson Fysiikan laitos, Helsingin yliopisto PC- käy:äjät ry kevätkokous 2014 Helsinki 23.3.2014 1. Miksi +etokoneita tarvitaan täh++eteessä ja mikä on niiden rooli modernissa
LisätiedotNumeerinen integrointi
Numeerinen integrointi Analyyttisesti derivointi triviaalia, integrointi vaikeaa. Numeerisesti laskettaessa tilanne on päinvastainen. Integrointi on yhteenlaskua, joka on tasoittava operaatio: lähtötietojen
LisätiedotTilayhtälötekniikasta
Tilayhtälötekniikasta Tilayhtälöesityksessä it ä useamman kertaluvun differentiaaliyhtälö esitetään ensimmäisen kertaluvun differentiaaliyhtälöryhmänä. Jokainen ensimmäisen kertaluvun differentiaaliyhtälö
LisätiedotDifferentiaali- ja integraalilaskenta
Differentiaali- ja integraalilaskenta Opiskelijan nimi: DIFFERENTIAALILASKENTA 1. Raja-arvon käsite, derivaatta raja-arvona 1.1 Raja-arvo pisteessä 1.2 Derivaatan määritelmä 1.3 Derivaatta raja-arvona
LisätiedotPolkuintegraali yleistyy helposti paloitain C 1 -poluille. Määritelmä Olkoot γ : [a, b] R m paloittain C 1 -polku välin [a, b] jaon
Polkuintegraali yleistyy helposti paloitain C 1 -poluille. Määritelmä 4.1.3. Olkoot : [a, b] R m paloittain C 1 -polku välin [a, b] jaon P = {a = t 1 < < t k = b} ja joukko D R m sellainen, että ([a, b])
LisätiedotAaltoputket ja resonanssikaviteetit
Luku 13 Aaltoputket ja resonanssikaviteetit Kerrataan ensin ajasta riippuvan sähkömagneettisen kentän käyttäytyminen ideaalijohteessa ja sen pinnalla. Äärettömän hyvän johteen sisällä ei ole sähkökenttää,
LisätiedotMIKROAALTOUUNI VAASAN YLIOPISTO TEKNILLINEN TIEDEKUNTA SÄHKÖTEKNIIKKA. Tuomas Karri i78953 Jussi Luopajärvi i80712 Juhani Tammi o83312
VAASAN YLIOPISTO TEKNILLINEN TIEDEKUNTA SÄHKÖTEKNIIKKA Tuomas Karri i78953 Jussi Luopajärvi i80712 Juhani Tammi o83312 SATE.2010 Dynaaminen kenttäteoria MIKROAALTOUUNI Sivumäärä: 12 Jätetty tarkastettavaksi:
Lisätiedot= = = 1 3.
9. 10. 2008!"$#&%(')'*,#.-/* P1. lkuperäisen punaisen kuution pinta koostuu kuudesta 3 3-neliöstä, joten sen ala on 6 3 2 = 54. Koska 3 3 =, kuutio jakautuu leikatessa yksikkökuutioksi, joiden kokonaispinta-ala
LisätiedotKenguru Student (lukion 2. ja 3. vuosi) sivu 1 / 6
Kenguru Student (lukion 2. ja 3. vuosi) sivu 1 / 6 NIMI LUOKKA/RYHMÄ Pisteet: Kenguruloikan pituus: Irrota tämä vastauslomake tehtävämonisteesta. Merkitse tehtävän numeron alle valitsemasi vastausvaihtoehto.
LisätiedotJakopinnat ja liikkuvan keernan pinnat 1, keerna jakopinnan tasalla
Jakopinnat ja liikkuvan keernan pinnat 1, keerna jakopinnan tasalla Tuula Höök, Tampereen teknillinen yliopisto Teoriatausta Muotin perusrakenne Ruisku tai painevalukappaleen rakenteen perusasiat: päästö,
LisätiedotValon sironta - ilmiöt ja mallinnus. Jouni Mäkitalo Fysiikan seminaari 2014
Valon sironta - ilmiöt ja mallinnus Jouni Mäkitalo Fysiikan seminaari 2014 Sisältö Johdanto Sironnan sähkömagneettinen mallinnus Analyyttinen sirontateoria Sironta ei-pallomaisista hiukkasista Johdanto
LisätiedotPaavo Kyyrönen & Janne Raassina
Paavo Kyyrönen & Janne Raassina 1. Johdanto 2. Historia 3. David Deutsch 4. Kvanttilaskenta ja superpositio 5. Ongelmat 6. Tutkimus 7. Esimerkkejä käyttökohteista 8. Mistä näitä saa? 9. Potentiaali 10.
Lisätiedot1. a) Laske lukujen 1, 1 ja keskiarvo. arvo. b) Laske lausekkeen. c) Laske integraalin ( x xdx ) arvo. MATEMATIIKAN MALLIKOE PITKÄ OPPIMÄÄRÄ
1 YLIOPPILASTUTKINTO- LAUTAKUNTA 13..015 MATEMATIIKAN MALLIKOE PITKÄ OPPIMÄÄRÄ A-osa Ratkaise kaikki tämän osan tehtävät 1 4. Tehtävät arvostellaan pistein 0 6. Kunkin tehtävän ratkaisu kirjoitetaan tehtävän
Lisätiedotx n e x dx = n( e x ) nx n 1 ( e x ) = x n e x + ni n 1 x 4 e x dx = x 4 e x +4( x 3 e x +3( x 2 e x +2( xe x e x ))) = e x
Osittaisintegrointia käyttäen osoita integraalille I n x n e x dx oikeaksi reduktiokaava I n x n e x + ni n ja laske sen avulla mitä on I 4 kun x. x n e x dx n( e x ) nx n ( e x ) x n e x + ni n x 4 e
LisätiedotLisäksi seuraavat kaavat ovat kommutaattoreita käsiteltäessä hyödyllisiä:
6 Kommutaattorit Ryhmässä kahden alkion kommutaattori on kolmas alkio, joka mittaa alkuperäisten alkioiden vaihdannaisuutta. Jos alkiot kommutoivat keskenään, niiden kommutaattori on neutraalialkio. Kommutaattorit
LisätiedotSelvästi. F (a) F (y) < r x d aina, kun a y < δ. Kolmioepäyhtälön nojalla x F (y) x F (a) + F (a) F (y) < d + r x d = r x
Seuraavaksi tarkastellaan C 1 -sileiden pintojen eräitä ominaisuuksia. Lemma 2.7.1. Olkoon S R m sellainen C 1 -sileä pinta, että S on C 1 -funktion F : R m R eräs tasa-arvojoukko. Tällöin S on avaruuden
LisätiedotHarjoitus 1. KJR-C2001 Kiinteän aineen mekaniikan perusteet, IV/2016. Tehtävä 1 Selitä käsitteet kohdissa [a), b)] ja laske c) kohdan tehtävä.
Kotitehtävät palautetaan viimeistään keskiviikkona 2.3. ennen luentojen alkua eli klo 14:00 mennessä puiseen kyyhkyslakkaan, jonka numero on 9. Arvostellut kotitehtäväpaperit palautetaan laskutuvassa.
LisätiedotMaximum likelihood-estimointi Alkeet
Maximum likelihood-estimointi Alkeet Keijo Ruotsalainen Oulun yliopisto, Teknillinen tiedekunta Matematiikan jaos Maximum likelihood-estimointi p.1/20 Maximum Likelihood-estimointi satunnaismuuttujan X
LisätiedotOhjelmoinnin perusteet Y Python
Ohjelmoinnin perusteet Y Python T-106.1208 27.1.2010 T-106.1208 Ohjelmoinnin perusteet Y 27.1.2010 1 / 37 If-käsky toistokäskyn sisällä def main(): HELLERAJA = 25.0 print "Anna lampotiloja, lopeta -300:lla."
LisätiedotInvestointimahdollisuudet ja investointien ajoittaminen
Investointimahdollisuudet ja investointien ajoittaminen Optimaalisen investointistrategian ominaispiirteitä eli parametrien vaikutus ratkaisuun Optimointiopin seminaari - Syksy 000 / Optimointiopin seminaari
Lisätiedotpeitteestä voidaan valita äärellinen osapeite). Äärellisen monen nollajoukon yhdiste on nollajoukko.
Esimerkki 4.3.9. a) Piste on nollajoukko. Suoran rajoitetut osajoukot ovat avaruuden R m, m 2, nollajoukkoja. Samoin suorakaiteiden reunat koostuvat suoran kompakteista osajoukoista. b) Joukko = Q m [0,
LisätiedotKULJETUSSUUREET Kuljetussuureilla tai -ominaisuuksilla tarkoitetaan kaasumaisen, nestemäisen tai kiinteän väliaineen kykyä siirtää ainetta, energiaa, tai jotain muuta fysikaalista ominaisuutta paikasta
LisätiedotJoku Muu. Vielä Yksi
Työ N.M Työn nimi Anni Järvenpää Joku Muu Kolmas Jäbä Vielä Yksi 30. joulukuuta 2015 Tiivistelmä Tyrkkää tänne tiivis tiivistelmä tuloksista. L A TEXsaattaa tuntua aluksi hankalalta. Valmiin pohjan käyttäminen
LisätiedotPerusteet 6, lisää pintamallinnusta
Perusteet 6, lisää pintamallinnusta Juho Taipale, Tuula Höök Tampereen teknillinen yliopisto Ota piirustus fin_basic_6_3.pdf. Käytä piirustuksessa annettuja mittoja ja mallinna kappale pääasiassa pintamallinnustyökaluin.
LisätiedotPieni silmukka-antenni duaalisuus. Ratkaistaan pienen silmukka-antennin kentät v ielä käy ttämällä d uaalisuud en periaatetta.
Pieni silmukka-antenni duaalisuus Ratkaistaan pienen silmukka-antennin kentät v ielä käy ttämällä d uaalisuud en periaatetta. S amalla saamme my ö s silmukan läh ikentät. Käy tämme h y v äksi sitä, että
LisätiedotTietoliikennesignaalit & spektri
Tietoliikennesignaalit & spektri 1 Tietoliikenne = informaation siirtoa sähköisiä signaaleja käyttäen. Signaali = vaihteleva jännite (tms.), jonka vaihteluun on sisällytetty informaatiota. Signaalin ominaisuuksia
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
LisätiedotELEC C4140 Kenttäteoria (syksy 2016)
ELEC C4140 Kenttäteoria (syksy 2016) Henrik Wallén / versio 15. syyskuuta 2016 Johdanto (Ulaby 1.2 1.3) Merkinnät ja yksiköt Kenttä- ja lähdesuureet Maxwellin yhtälöt ja väliaineyhtälöt Vektorit ja koordinaatistot
LisätiedotMatemaattinen malli puheentutkimuksessa
Matemaattinen malli puheentutkimuksessa Jarmo Malinen Atle Kivelä Aalto-yliopiston Perustieteiden korkeakoulu Matematiikan ja Systeemianalyysin Laitos 28. pvä helmikuuta, 2012, Turun yliopisto Ajantasainen
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,
LisätiedotMAGNEETTITEKNOLOGIAKESKUS. Ajan myötä tapahtuvat häviöt sintratuissa NdFeB magneeteissa
Ajan myötä tapahtuvat häviöt sintratuissa NdFeB magneeteissa Minna Haavisto 19.1.21 Losses [%] MAGNEETTITEKNOLOGIAKESKUS Ensimmäinen julkaisu Temperature Stability and Flux Losses Over Time in Sintered
LisätiedotTHE audio feature: MFCC. Mel Frequency Cepstral Coefficients
THE audio feature: MFCC Mel Frequency Cepstral Coefficients Ihmiskuulo MFCC- kertoimien tarkoituksena on mallintaa ihmiskorvan toimintaa yleisellä tasolla. Näin on todettu myös tapahtuvan, sillä MFCC:t
Lisätiedot3 Yleistä estimointiteoriaa. Olemme perehtuneet jo piste-estimointiin su-estimoinnin kautta Tässä luvussa tarkastellaan piste-estimointiin yleisemmin
3 Yleistä estimointiteoriaa Olemme perehtuneet jo piste-estimointiin su-estimoinnin kautta Tässä luvussa tarkastellaan piste-estimointiin yleisemmin 3.1 Johdanto Tähän mennessä olemme tarkastelleet estimointia
LisätiedotMuutoksen arviointi differentiaalin avulla
Muutoksen arviointi differentiaalin avulla y y = f (x) y = f (x + x) f (x) dy y dy = f (x) x x x x x + x Luento 7 1 of 15 Matematiikan ja tilastotieteen laitos Turun yliopisto Muutoksen arviointi differentiaalin
LisätiedotDifferentiaaliyhtälöryhmä
Differentiaaliyhtälöryhmä Ensimmäisen kertaluvun differentiaaliyhtälöryhmä vaikkapa korkeamman kertaluvun yhtälöä vastaava normaaliryhmä voidaan ratkaista numeerisesti täsmälleen samanlaisilla kaavoilla
Lisätiedotmonitavoitteisissa päätöspuissa (Valmiin työn esittely) Mio Parmi Ohjaaja: Prof. Kai Virtanen Valvoja: Prof.
Epätäydellisen preferenssiinformaation hyödyntäminen monitavoitteisissa päätöspuissa (Valmiin työn esittely) Mio Parmi 15.1.2018 Ohjaaja: Prof. Kai Virtanen Valvoja: Prof. Kai Virtanen Tausta Päätöspuu
LisätiedotMATERIAALI. Leveys (W)
Johdinsiteet RFID-sirulla T50RFID - ow Frequency (F) ja High Frequency (HF) Johdinsiteet RFID-sirulla tarjoavat innovatiivisen ratkaisun mm. tuotteiden, työkalujen, mittalaitteiden ja varastojen turvalliseen
LisätiedotGreen BEAM. LAX 300 G ristilaser luotitoiminnolla. Vihreät laserlinjat optimaaliseen näkyvyyteen kirkkaissa sisätiloissa
Green BEAM LAX 300 G ristilaser luotitoiminnolla Vihreät laserlinjat optimaaliseen näkyvyyteen kirkkaissa sisätiloissa LAX 300 G ristilaser luotitoiminnolla: suunniteltu sisärakennustöihin 1) Iskunkestävä
LisätiedotNumeeriset menetelmät TIEA381. Luento 11. Kirsi Valjus. Jyväskylän yliopisto. Luento 11 () Numeeriset menetelmät / 37
Numeeriset menetelmät TIEA381 Luento 11 Kirsi Valjus Jyväskylän yliopisto Luento 11 () Numeeriset menetelmät 24.4.2013 1 / 37 Luennon 11 sisältö Numeerisesta integroinnista ja derivoinnista Adaptiiviset
Lisätiedot1. Piirrä kompleksitasoon seuraavat matemaattiset objektit/alueet.
BM0A5700 - Integraalimuunnokset Harjoitus 1 1. Piirrä kompleksitasoon seuraavat matemaattiset objektit/alueet. a Piste z 1 i. Ympyrä z 1 i. Avoin kiekko z 1 i
LisätiedotJohdannaisanalyysi. Contingent Claims Analysis Juha Leino S ysteemianalyysin. Laboratorio
Johdannaisanalyysi Contingent Claims Analysis Juha Leino 11.10.2000 Optimointiopin seminaari - Syksy 2000 / 1 Oletukset Yritys tuottaa tuotetta, jonka hinta on x x noudattaa geometrista Brownin liikettä
Lisätiedot