Radiointerferometria II

Koko: px
Aloita esitys sivulta:

Download "Radiointerferometria II"

Transkriptio

1 Radiointerferometria II Kolme ALMA-antennia ALMA tulevaisuudessa

2 Puuttuva informaatio Epätäydellinen uv-tason peitto: 1. Keskusaukko : pintamaisen lähteen kokonaisvuontiheys jää mittaamatta, V (0, 0) = kohde I(x, y)dxdy 2. Suurimmat kuvattavissa olevat rakenteet: α < 1/u min, δ < 1/v min 3. Erotuskyky: α 1/u max, δ 1/v max 4. uv-tason aukot vaikuttavat sivukeiloihin Kohtiin 1-3 ei voida vaikuttaa ilman lisämittauksia Sivukeilojen aiheuttamaa vääristymää voidaa parantaa huomattavasti interpoloimalla visibiliteetiä mitattujen pisteiden välillä: dekonvoluutio

3 Esimerkki 8 Kaksi gaussista lähdettä: A: α, δ = 0, 0, FWHM= 10, F ν = 1 Jy B: α, δ = 20, 20, F ν = 1 Jy muutetaan kokoa: FWHM = Sama E-W antennikonfiguraatio kuin Esimerkissä 5, λ = 1 cm, seurataan lähdettä 12 h

4 Esimerkki 8 (jatkoa) B: FWHM = 30 40, F ν = 1 16 Jy kontuuri: 0.1 Jy/beam

5 Esimerkki 8 (jatkoa) B: FWHM = 50 60, F ν = 16 Jy kontuuri: 0.1 Jy/beam

6 Esimerkki 8 (jatkoa) B: FWHM = , F ν = Jy (kontuuri: 0.1 Jy/beam) B:stä mitattu vuontiheys on todellista pienempi (missing flux) B katoaa näkyvistä, kun se tulee kyllin laajaksi (resolving out)

7 Mittaukset Australian Telescope Compact Array Narrabri, New South Wales, leveysaste 30 kuusi 22-m antennia, EW-suuntainen 6 km rata (myös NS-jatke) Tarkastellaan λ = 6 cm (4.8 GHz) kontinuumikartoitusta Corona Australiksen tähtiensyntyalueesta

8 Antennien paikat Näissä havainnoissa käytettiin antennikonfiguraatiota 1.5A Välimatkat metreissä: A2 A3 A4 A5 A6 A A A A A Korrelaatiokonfiguraatio FULL_128_2 : 16 8 MHz kanavaa kahdella taajuudella (4.8 ja 8.64 GHz) Kanavia ei lasketa yhteen kalibroinnissa, vaan taajuusinformaatio viedään kuvaukseen saakka (monitaajuuussynteesi, multifrequency synthesis)

9 Polarisaatiotulot Vastaanottimet mittaavat kaksi ortogonaalista lineaarista polarisaatiota, X ja Y Korrelaattori muodostaa tulot XX, YY, XY, ja YX Neljästä polarisaatiotulosta voidaan laskea Stokesin parametrit I, Q, U, ja V Polarisoitumattomalle lähteelle XY - ja YX-signaalit ovat nollia

10 Havaintorupeama Vuontiheyskalibraattori (flux calibrator, primary): Vaihekalibraattori (phase calibrator, secondary): Havaintokohde (science target): NW-CORE Ohessa visibiliteetin amplitudit kannalla A1-A NW-CORE

11 Editointi Amplitudi Vaihe Mittauksen alussa jotain pielessä - leikataan pois (flagging) Vaihe vaeltelee

12 Vuontiheyskalibraattorin vaihekorjaus vaihe vs. aika imag. vs. real

13 Vaihekalibraattorin vaihekorjaus : visibiliteetin reaaliosa vs. imaginaariosa (scatter plot) ennen vaihekorjausta (vasemmalla) ja sen jälkeen (oikealla) Vaihekalibraattorin amplitudi korjataan vuontiheyskalibraattorin avulla Vaihe- ja amplitudikorjaukset ajan funktiona (kalibrointitaulukot) kopioidaan lähteen visibiliteettitiedostoon Lähteen korjatuista visibiliteeteistä lasketaan kuva (inversio)

14 Kohde: pääasiassa kohinaa Amplitudi Raakakuva invert Vaihe

15 Visibiliteettien painotus (1) Painotettu näytteenottofunktio W (u, v) = ΣT k D k δ(u u k, v v k ) T k : uv-tason vaimennusfunktio (tapering function) D k : mittauspisteiden painofunktio (density weighting function)

16 Visibiliteettien painotus (2) Vaimennusfunktiolla T k voidaan huonontaa kuvan erotuskykyä, esim. kun halutaan sen vastaavan jotain aikaisempaa mittausta, tai parantaa signaali/kohina-suhdetta Usein käytetään gaussista tapering-funktiota: T (r) = EXP( r 2 /2σ 2 ) Analysointiohjelmassa voidaan antaa haluttu synteettisen keilan puoliarvoleveys (FWHM)

17 Visibiliteettien painotus (3) Tavallisimmat painofunktiot D k ovat: D k = 1 luonnollinen painotus natural weighting D k = 1/N s (k) tasainen painotus uniform weighting N s (k) on mittasupisteiden lukumäärä pisteen (u k, v k ) ympäristössä, s:n määräämällä alueella Luonnollinen painotus sopii heikkojen (piste)lähteiden detektointiin - haittapuolena voimakkaat sivukeilat Tasaisella painotuksella saadaan parempi erotuskyky ja heikommat sivukeilat, mutta kohina on suurempi Usein käytetään myös näiden hybridiä, robust weighting -painotusta, jolla voidaan saada aikaan hyvä erotuskyky ja heikot sivukeilat

18 Luonnollinen ja tasainen painotus Pistelähteen kuva (so. synteettinen keila) luonnollisella (vasemmalla) ja tasaisella (oikealla) painotuksella Kontuurit: 5% ja 50% (ATCA, )

19 Tapering Taperoitu pistelähteen kuva luonnollisella (vasemmalla) ja tasaisella (oikealla) painotuksella. Gaussinen vaimennusfunktio valittu siten, että synteettisen keilan leveys FWHM= 10 Kontuurit: 5% ja 50% (ATCA, )

20 Kuvan puhdistus Raakakuvissa näkyvistä sivukeiloista halutaan yleensä päästä eroon Tässä käytetään joko 1) Högbomin CLEAN-algoritmia (jako pistemäisiin komponentteihin), tai 2) maksimientropia -menetelmää (sovitus) Puhdistettava alue voidaan valita

21 CLEAN-algoritmi 1) Kuvasta etsitään kirkkain piste 2) Tähän kohtaan sijoitettu synteettinen keila (skaalattuna ko. intensiteetillä) vähennetään kuvasta 3) Palataan kohtaan 1) Iterointia jatketaan, kunnes on löydetty N komponenttia tai saavutettu tietty intensiteettiraja CLEAN-kuva koostuu suuresta joukosta pistelähteitä Lopuksi tämä konvoloidaan Gaussin funktiolla, joka vastaa synteettistä pääkeilaa

22 MEM-dekonvolointi Käytetään erityisesti silloin, kun halutaan yhdistää interferometrilla mitattu mosaiikki halutaan yhdistää single dish -kartoitukseen, tai kun kirkkausjakaumasta on muuten jotain ennakkotietoa Sovitetaan malli M k, joka maksimoi entropiaksi kutusutun funktion Eräs tavallinen määritelmä H = ΣI k log(i k /M k ) I k on havaittu kirkkaus pisteessä k Oikean ratkaisun löytämiseksi pitää antaa arvio rms-kohinalle (σ) ja kokonaisvuontiheydelle (ΣI k )

23 NW-CORE:n puhdistus kahdella tavalla (1) CLEAN-komponentit (vasemmalla) ja MEM-malli (oikealla)

24 NW-CORE:n puhdistus kahdella tavalla (2) Gaussisella keilalla konvoloidut, puhdistetut kuvat - vasemmalla CLEAN, oikealla MEM

25 Keilakorjaus Yksittäisen antennin keilan (primary beam) puoliarvoleveys FWHM 1.22λ/D Esim. λ = 6 cm, D = 22 m, FWHM 11. Siis 5.5 päässä vaihekeskipisteestä sijaitsevat kohteet näkyvät puolta todellista heikompina. Oikean vuontiheyden määrämiseksi kuva pitää jakaa antennin suuntakuviolla

Visibiliteetti ja kohteen kirkkausjakauma

Visibiliteetti ja kohteen kirkkausjakauma Visibiliteetti ja kohteen kirkkausjakauma Interferoteriassa havaittava suure on visibiliteetti V (u, v) = P n (x, y)i ν (x, y)e i2π(ux+vy) dxdy kohde Taivaannapa m Koordinaatisto: u ja v: B/λ:n projektioita

Lisätiedot

for i in range(5,9): importuvfits(fitsfile="fitsfiles/3c273.fits"+str(i), vis="3c273."+str(i)+".ms")

for i in range(5,9): importuvfits(fitsfile=fitsfiles/3c273.fits+str(i), vis=3c273.+str(i)+.ms) Interferometria CASA-harjoitustyö NGC4826 (Messier 64) 1 Datan valmistelu Työssä kalibroidaan ja kuvataan galaksista NGC4826 mitattu CO-viivakartoitus. Kartta on mosaiikki, joka käsittää 7 pointingia (vaihekeskipistettä,

Lisätiedot

1 Perussuureiden kertausta ja esimerkkejä

1 Perussuureiden kertausta ja esimerkkejä 1 Perussuureiden kertausta ja esimerkkejä 1.1 Vuontiheys ja pintakirkkaus Vuontiheys ( flux density ) kertoo, kuinka paljon säteilyenergiaa taajuskaistassa [ν,ν+1hz] virtaa 1 m 2 pinta-alan läpi sekunnissa.

Lisätiedot

Radiointerferometria. Plateau de Bure (millimetrialue) Very Large Telescope (näkyvä valo ja infrapuna)

Radiointerferometria. Plateau de Bure (millimetrialue) Very Large Telescope (näkyvä valo ja infrapuna) Radiointerferometria Plateau de Bure (millimetrialue) Very Large Telescope (näkyvä valo ja infrapuna) Sähkömagneettiset aallot (1) Maxwellin yhtälöistä seuraa homogeeniset aaltoyhtälöt sähkökentän voimakkuudelle

Lisätiedot

Radioastronomian käsitteitä

Radioastronomian käsitteitä Radioastronomian käsitteitä allonpituusalue ~ 100 m - 1 mm MHz 300 GHz Leveä aallonpituusalue: erilaisia antenneja, monenlaista tekniikkaa Ei (suoraan) kuvia Signaali yleensä

Lisätiedot

importvla(archivefiles=["as649_1","as649_2","as649_3","as649_4"], vis="ngc2403.ms")

importvla(archivefiles=[as649_1,as649_2,as649_3,as649_4], vis=ngc2403.ms) Interferometria CASA-harjoitustyö NGC2403 1 Datan valmistelu Työssä kalibroidaan ja kuvataan kierteisgalaksista NGC2403 VLA:lla mitattu HI-viivakartoitus aallonpituudella 21 cm. Vuontiheys- ja kaistakalibraattoreina

Lisätiedot

XFYS4336 Havaitseva tähtitiede II

XFYS4336 Havaitseva tähtitiede II XFYS4336 Havaitseva tähtitiede II Silja Pohjolainen Kaj Wiik Tuorlan observatorio Kevät 2014 Osa kuvista on lainattu kirjasta Wilson, Rohlfs, Hüttemeister: Tools of Radio astronomy XFYS4336 Havaitseva

Lisätiedot

Interferometria. Jorma Harju Oskari Miettinen Lauri Haikala. Fysiikan laitos, Helsingin yliopisto

Interferometria. Jorma Harju Oskari Miettinen Lauri Haikala. Fysiikan laitos, Helsingin yliopisto Interferometria Jorma Harju Oskari Miettinen Lauri Haikala Fysiikan laitos, Helsingin yliopisto Syksy 2011, Periodi I, torstaisin 12-14, Physicum D211 Miksi interferometriaa? Tähtitieteellinen tutkimus

Lisätiedot

Radioastronomia harjoitustyö; vedyn 21cm spektriviiva

Radioastronomia harjoitustyö; vedyn 21cm spektriviiva Radioastronomia harjoitustyö; vedyn 21cm spektriviiva Tässä työssä tehdään spektriviivahavainto atomaarisen vedyn 21cm siirtymästä käyttäen yllä olevassa kuvassa olevaa Observatorion SRT (Small Radio Telescope)

Lisätiedot

Tähtitieteelliset havainnot -sähkömagneettisen säteilyn vastaanottoa ja analysointia. Fotonin energia (E=hc/λ) vaikuttaa detektiotapaan

Tähtitieteelliset havainnot -sähkömagneettisen säteilyn vastaanottoa ja analysointia. Fotonin energia (E=hc/λ) vaikuttaa detektiotapaan Tähtitieteelliset havainnot -sähkömagneettisen säteilyn vastaanottoa ja analysointia Fotonin energia (E=hc/λ) vaikuttaa detektiotapaan Ilmakehän läpäisykyky - radioikkuna: λ 0.3mm 15 m Radioastronomia

Lisätiedot

XFYS4336 Havaitseva tähtitiede II

XFYS4336 Havaitseva tähtitiede II XFYS4336 Havaitseva tähtitiede II Silja Pohjolainen Kaj Wiik Tuorlan observatorio Kevät 2014 Osa kuvista on lainattu kirjasta Wilson, Rohlfs, Hüttemeister: Tools of Radio astronomy XFYS4336 Havaitseva

Lisätiedot

Wien R-J /home/heikki/cele2008_2010/musta_kappale_approksimaatio Wed Mar 13 15:33:

Wien R-J /home/heikki/cele2008_2010/musta_kappale_approksimaatio Wed Mar 13 15:33: 1.2 T=12000 K 10 2 T=12000 K 1.0 Wien R-J 10 0 Wien R-J B λ (10 15 W/m 3 /sterad) 0.8 0.6 0.4 B λ (10 15 W/m 3 /sterad) 10-2 10-4 10-6 10-8 0.2 10-10 0.0 0 200 400 600 800 1000 nm 10-12 10 0 10 1 10 2

Lisätiedot

XFYS4336 Havaitseva tähtitiede II

XFYS4336 Havaitseva tähtitiede II XFYS4336 Havaitseva tähtitiede II Silja Pohjolainen Kaj Wiik Tuorlan observatorio Kevät 2014 Osa kuvista on lainattu kirjasta Wilson, Rohlfs, Hüttemeister: Tools of Radio astronomy ja J. J. Condon and

Lisätiedot

Havaitsevan tähtitieteen peruskurssi I. Datan käsittely. Jyri Lehtinen. kevät Helsingin yliopisto, Fysiikan laitos

Havaitsevan tähtitieteen peruskurssi I. Datan käsittely. Jyri Lehtinen. kevät Helsingin yliopisto, Fysiikan laitos Datan käsittely Helsingin yliopisto, Fysiikan laitos kevät 2013 3. Datan käsittely Luennon sisältö: Havaintovirheet tähtitieteessä Korrelaatio Funktion sovitus Aikasarja-analyysi 3.1 Havaintovirheet Satunnaiset

Lisätiedot

Mittaukset ja kalibrointi

Mittaukset ja kalibrointi Mittaukset ja kalibrointi Teleskoopin vaste (esim. jännitteenä tai countteina) riippuu paitsi lähteen vuontiheydestä, myös antennista, vastaanottimesta, säästä, elevaatiosta, jne... Havainnot täytyy kalibroida

Lisätiedot

RAPORTTI ISOVERIN ERISTEIDEN RADIOTAAJUISTEN SIGNAALIEN VAIMENNUKSISTA

RAPORTTI ISOVERIN ERISTEIDEN RADIOTAAJUISTEN SIGNAALIEN VAIMENNUKSISTA RAPORTTI ISOVERIN ERISTEIDEN RADIOTAAJUISTEN SIGNAALIEN VAIMENNUKSISTA Tämä on mittaus mittauksista, joilla selvitettiin kolmen erilaisen eristemateriaalin aiheuttamia vaimennuksia matkapuhelinverkon taajuusalueilla.

Lisätiedot

XFYS4336 Havaitseva tähtitiede II

XFYS4336 Havaitseva tähtitiede II XFYS4336 Havaitseva tähtitiede II Silja Pohjolainen Kaj Wiik Tuorlan observatorio Kevät 2014 Osa kuvista on lainattu kirjasta Wilson, Rohlfs, Hüttemeister: Tools of Radio astronomy XFYS4336 Havaitseva

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

Ch4 NMR Spectrometer

Ch4 NMR Spectrometer Ch4 NMR Spectrometer Tässä luvussa esitellään yleistajuisesti NMR spektrometrin tärkeimmät osat NMR-signaalin mittaaminen edellyttää spektrometriltä suurta herkkyyttä (kykyä mitata hyvin heikko SM-signaali

Lisätiedot

Dynaamisten systeemien identifiointi 1/2

Dynaamisten systeemien identifiointi 1/2 Dynaamisten systeemien identifiointi 1/2 Mallin rakentaminen mittausten avulla Epäparametriset menetelmät: tuloksena malli, joka ei perustu parametreille impulssi-, askel- tai taajusvaste siirtofunktion

Lisätiedot

Missä mennään. systeemi. identifiointi. mallikandidaatti. validointi. malli. (fysikaalinen) mallintaminen. mallin mallin käyttötarkoitus, reunaehdot

Missä mennään. systeemi. identifiointi. mallikandidaatti. validointi. malli. (fysikaalinen) mallintaminen. mallin mallin käyttötarkoitus, reunaehdot Missä mennään systeemi mallin mallin käyttötarkoitus, reunaehdot käyttö- (fysikaalinen) mallintaminen luonnonlait yms. yms. identifiointi kokeita kokeita + päättely päättely vertailu mallikandidaatti validointi

Lisätiedot

ELEC C4140 Kenttäteoria (syksy 2016)

ELEC 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)

Lisätiedot

r > y x z x = z y + y x z y + y x = r y x + y x = r

r > y x z x = z y + y x z y + y x = r y x + y x = r HY / Matematiikan ja tilastotieteen laitos Vektorianalyysi I, syksy 018 Harjoitus Ratkaisuehdotukset Tehtävä 1. Osoita, että avoin kuula on avoin joukko ja suljettu kuula on suljettu joukko. Ratkaisu.

Lisätiedot

LABORATORIOTYÖ 3 VAIHELUKITTU VAHVISTIN

LABORATORIOTYÖ 3 VAIHELUKITTU VAHVISTIN LABORATORIOTYÖ 3 VAIHELUKITTU VAHVISTIN Päivitetty: 23/01/2009 TP 3-1 3. VAIHELUKITTU VAHVISTIN Työn tavoitteet Työn tavoitteena on oppia vaihelukitun vahvistimen toimintaperiaate ja käyttömahdollisuudet

Lisätiedot

RF-tekniikan perusteet BL50A0301. 5. Luento 5.10.2015 Antennit Radioaaltojen eteneminen

RF-tekniikan perusteet BL50A0301. 5. Luento 5.10.2015 Antennit Radioaaltojen eteneminen RF-tekniikan perusteet BL50A0301 5. Luento 5.10.2015 Antennit Radioaaltojen eteneminen Antennit Antennit Antenni muuttaa siirtojohdolla kulkevan aallon vapaassa tilassa eteneväksi aalloksi ja päinvastoin

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

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

ELEC C4140 Kenttäteoria (syksy 2015)

ELEC 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

Lisätiedot

JOHDATUS TEKOÄLYYN TEEMU ROOS

JOHDATUS TEKOÄLYYN TEEMU ROOS JOHDATUS TEKOÄLYYN TEEMU ROOS TERMINATOR SIGNAALINKÄSITTELY KUVA VOIDAAN TULKITA KOORDINAATTIEN (X,Y) FUNKTIONA. LÄHDE: S. SEITZ VÄRIKUVA KOOSTUU KOLMESTA KOMPONENTISTA (R,G,B). ÄÄNI VASTAAVASTI MUUTTUJAN

Lisätiedot

JOHDATUS TEKOÄLYYN TEEMU ROOS

JOHDATUS TEKOÄLYYN TEEMU ROOS JOHDATUS TEKOÄLYYN TEEMU ROOS TERMINATOR SIGNAALINKÄSITTELY KUVA VOIDAAN TULKITA KOORDINAATTIEN (X,Y) FUNKTIONA. LÄHDE: S. SEITZ VÄRIKUVA KOOSTUU KOLMESTA KOMPONENTISTA (R,G,B). ÄÄNI VASTAAVASTI MUUTTUJAN

Lisätiedot

Harjoitustyö: Supernovajäänteen 3C 391 EVLA-kontinuumihavainnot taajuuksilla 4.6 ja 7.5 GHz

Harjoitustyö: Supernovajäänteen 3C 391 EVLA-kontinuumihavainnot taajuuksilla 4.6 ja 7.5 GHz Harjoitustyö: Supernovajäänteen 3C 391 EVLA-kontinuumihavainnot taajuuksilla 4.6 ja 7.5 GHz Työn tarkoituksena on kalibroida havaintodata ja tehdä havaitusta kohteesta kuva (imaging) käyttömällä CASA-ohjelmaa.

Lisätiedot

Havaitsevan tähtitieteen peruskurssi I

Havaitsevan tähtitieteen peruskurssi I Havaintokohteita 9. Polarimetria Lauri Jetsu Fysiikan laitos Helsingin yliopisto Havaintokohteita Polarimetria Havaintokohteita (kuvat: @phys.org/news, @annesastronomynews.com) Yleiskuvaus: Polarisaatio

Lisätiedot

Tampere University of Technology

Tampere University of Technology Tampere University of Technology EDE- Introduction to Finite Element Method. Exercise 3 Autumn 3.. Solve the deflection curve v(x) exactly for the beam shown y,v q v = q z, xxxx x E I z Integroidaan yhtälö

Lisätiedot

Suoran yhtälöt. Suoran ratkaistu ja yleinen muoto: Suoran yhtälö ratkaistussa, eli eksplisiittisessä muodossa, on

Suoran yhtälöt. Suoran ratkaistu ja yleinen muoto: Suoran yhtälö ratkaistussa, eli eksplisiittisessä muodossa, on Suoran htälöt Suoran ratkaistu ja leinen muoto: Suoran htälö ratkaistussa, eli eksplisiittisessä muodossa, on ANALYYTTINEN GEOMETRIA MAA5 = k + b, tai = a missä vakiotermi b ilmoittaa suoran ja -akselin

Lisätiedot

Petri Kärhä 04/02/04. Luento 2: Kohina mittauksissa

Petri Kärhä 04/02/04. Luento 2: Kohina mittauksissa Kohinan ominaisuuksia Kohinamekanismit Terminen kohina Raekohina 1/f kohina (Kvantisointikohina) Kohinan käsittely Kohinakaistanleveys Kohinalähteiden yhteisvaikutus Signaali-kohina suhde Kohinaluku Kohinalämpötila

Lisätiedot

MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 7: Pienimmän neliösumman menetelmä ja Newtonin menetelmä.

MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 7: Pienimmän neliösumman menetelmä ja Newtonin menetelmä. MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 7: Pienimmän neliösumman menetelmä ja Newtonin menetelmä. Antti Rasila Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Kevät 2016

Lisätiedot

Kuva 1: Funktion f tasa-arvokäyriä. Ratkaisu. Suurin kasvunopeus on gradientin suuntaan. 6x 0,2

Kuva 1: Funktion f tasa-arvokäyriä. Ratkaisu. Suurin kasvunopeus on gradientin suuntaan. 6x 0,2 HY / Matematiikan ja tilastotieteen laitos Vektorianalyysi I, syksy 018 Harjoitus Ratkaisuehdotukset Tehtävä 1. Olkoon f : R R f(x 1, x ) = x 1 + x Olkoon C R. Määritä tasa-arvojoukko Sf(C) = {(x 1, x

Lisätiedot

Intonaation analyysi ja annotointi puhekorpuksissa

Intonaation analyysi ja annotointi puhekorpuksissa Intonaation analyysi ja annotointi puhekorpuksissa 4.4.2002/HY:n fonetiikan laitos Stefan Werner stefan.werner@joensuu.fi Kieliteknologia/JoY Intonaation analyysi/annotointi HY 4.4.2002 p.1/43 Intonaation

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

521384A RADIOTEKNIIKAN PERUSTEET Harjoitus 3

521384A 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

Lisätiedot

MHz. Laske. = 1,5 j1,38

MHz. Laske. = 1,5 j1,38 . Z a Z 0, l Z Johto, jonka ominaisimpedanssi on Z 0 = Ω, on päätetty impedanssilla Z = (75 j69) Ω. Johdon pituus on l = 3,5 m ja sitä syötetään taajuudella f = MHz. Laske (a) syöttöpisteimpedanssi Z a

Lisätiedot

7.4 Fotometria CCD kameralla

7.4 Fotometria CCD kameralla 7.4 Fotometria CCD kameralla Yleisin CCDn käyttötapa Yleensä CCDn edessä käytetään aina jotain suodatinta, jolloin kuvasta saadaan siistimpi valosaaste UV:n ja IR:n interferenssikuviot ilmakehän dispersion

Lisätiedot

P (X B) = f X (x)dx. xf X (x)dx. g(x)f X (x)dx.

P (X B) = f X (x)dx. xf X (x)dx. g(x)f X (x)dx. Yhteenveto: Satunnaisvektorit ovat kuvauksia tn-avaruudelta seillaiselle avaruudelle, johon sisältyy satunnaisvektorin kaikki mahdolliset reaalisaatiot. Satunnaisvektorin realisaatio eli otos on jokin

Lisätiedot

Signaalien generointi

Signaalien generointi Signaalinkäsittelyssä joudutaan usein generoimaan erilaisia signaaleja keinotekoisesti. Tyypillisimpiä generoitavia aaltomuotoja ovat eritaajuiset sinimuotoiset signaalit (modulointi) sekä normaalijakautunut

Lisätiedot

CCD-kamerat ja kuvankäsittely

CCD-kamerat ja kuvankäsittely CCD-kamerat ja kuvankäsittely Kari Nilsson Finnish Centre for Astronomy with ESO (FINCA) Turun Yliopisto 6.10.2011 Kari Nilsson (FINCA) CCD-havainnot 6.10.2011 1 / 23 Sisältö 1 CCD-kamera CCD-kameran toimintaperiaate

Lisätiedot

JOHDATUS TEKOÄLYYN TEEMU ROOS

JOHDATUS TEKOÄLYYN TEEMU ROOS JOHDATUS TEKOÄLYYN TEEMU ROOS TERMINATOR SIGNAALINKÄSITTELY KUVA VOIDAAN TULKITA KOORDINAATTIEN (X,Y) FUNKTIONA. LÄHDE: S. SEITZ VÄRIKUVA KOOSTUU KOLMESTA KOMPONENTISTA (R,G,B). ÄÄNI VASTAAVASTI MUUTTUJAN

Lisätiedot

Radiokurssi. Modulaatiot, arkkitehtuurit, modulaattorit, ilmaisimet ja muut

Radiokurssi. Modulaatiot, arkkitehtuurit, modulaattorit, ilmaisimet ja muut Radiokurssi Modulaatiot, arkkitehtuurit, modulaattorit, ilmaisimet ja muut Modulaatiot CW/OOK Continous Wave AM Amplitude Modulation FM Frequency Modulation SSB Single Side Band PM Phase Modulation ASK

Lisätiedot

Hajaspektrisignaalien havaitseminen elektronisessa

Hajaspektrisignaalien havaitseminen elektronisessa Hajaspektrisignaalien havaitseminen elektronisessa sodankäynnissä Toteuttajataho: Harp Technologies Oy Myönnetty rahoitus: 43.019 Esityksen sisältö Tieteellinen ongelma Hanke Tutkimuksen tavoitteet Tulokset

Lisätiedot

Matalan intensiteetin hajaspektrisignaalien havaitseminen ja tunnistaminen elektronisessa sodankäynnissä

Matalan intensiteetin hajaspektrisignaalien havaitseminen ja tunnistaminen elektronisessa sodankäynnissä Matalan intensiteetin hajaspektrisignaalien havaitseminen ja tunnistaminen elektronisessa sodankäynnissä Toteuttajataho: Harp Technologies Oy Myönnetty rahoitus: 61.924,- Esityksen sisältö Tieteellinen

Lisätiedot

JOHDATUS TEKOÄLYYN TEEMU ROOS

JOHDATUS TEKOÄLYYN TEEMU ROOS JOHDATUS TEKOÄLYYN TEEMU ROOS TERMINATOR SIGNAALINKÄSITTELY KUVA VOIDAAN TULKITA KOORDINAATTIEN (X,Y) FUNKTIONA. LÄHDE: S. SEITZ VÄRIKUVA KOOSTUU KOLMESTA KOMPONENTISTA (R,G,B). ÄÄNI VASTAAVASTI MUUTTUJAN

Lisätiedot

TIIVISTELMÄRAPORTTI (SUMMARY REPORT) MATALAN INTENSITEETIN HAJASPEKTRISIGNAALIEN HAVAITSEMINEN JA TUNNISTAMINEN ELEKTRONISESSA SODANKÄYNNISSÄ

TIIVISTELMÄRAPORTTI (SUMMARY REPORT) MATALAN INTENSITEETIN HAJASPEKTRISIGNAALIEN HAVAITSEMINEN JA TUNNISTAMINEN ELEKTRONISESSA SODANKÄYNNISSÄ 2015/2500M-0035 ISSN 1797-3457 (verkkojulkaisu) ISBN 978-951-25-2756-4 (PDF) TIIVISTELMÄRAPORTTI (SUMMARY REPORT) MATALAN INTENSITEETIN HAJASPEKTRISIGNAALIEN HAVAITSEMINEN JA TUNNISTAMINEN ELEKTRONISESSA

Lisätiedot

S MRI sovellukset Harjoitustehtävät. Ryhmä 1 Juha-Pekka Niskanen Eini Niskanen

S MRI sovellukset Harjoitustehtävät. Ryhmä 1 Juha-Pekka Niskanen Eini Niskanen S-66.3326 MRI sovellukset Harjoitustehtävät Ryhmä 1 Juha-Pekka Niskanen Eini Niskanen Tehtävä 8.3 Tehtävä 8.3 - Teoria Käytännössä MRI-kuvaan muodostuu aina virhettä rajallisen resoluution vuoksi Käytännössä

Lisätiedot

BIOSÄHKÖISET MITTAUKSET

BIOSÄHKÖISET MITTAUKSET TEKSTIN NIMI sivu 1 / 1 BIOSÄHKÖISET MITTAUKSET ELEKTROENKEFALOGRAFIA EEG Elektroenkegfalografialla tarkoitetaan aivojen sähköisen toiminnan rekisteröintiä. Mittaus tapahtuu tavallisesti ihon pinnalta,

Lisätiedot

Osa IX. Z muunnos. Johdanto Diskreetit funktiot

Osa IX. Z muunnos. Johdanto Diskreetit funktiot Osa IX Z muunnos A.Rasila, J.v.Pfaler () Mat-.33 Matematiikan peruskurssi KP3-i 9. lokakuuta 2007 298 / 322 A.Rasila, J.v.Pfaler () Mat-.33 Matematiikan peruskurssi KP3-i 9. lokakuuta 2007 299 / 322 Johdanto

Lisätiedot

Inversio-ongelmien laskennallinen peruskurssi Luento 2

Inversio-ongelmien laskennallinen peruskurssi Luento 2 Inversio-ongelmien laskennallinen peruskurssi Luento 2 Kevät 2012 1 Lineaarinen inversio-ongelma Määritelmä 1.1. Yleinen (reaaliarvoinen) lineaarinen inversio-ongelma voidaan esittää muodossa m = Ax +

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

, tuottoprosentti r = X 1 X 0

, tuottoprosentti r = X 1 X 0 Ostat osakkeen hintaan ja myyt sen vuoden myöhemmin hintaan X 1. Kokonaistuotto on tällöin R = X 1, tuottoprosentti r = X 1 ja pätee R = 1 + r. Lyhyeksimyymisellä tarkoitetaan, että voit myydä osakkeen

Lisätiedot

Sovellettu todennäköisyyslaskenta B

Sovellettu todennäköisyyslaskenta B Sovellettu todennäköisyyslaskenta B Antti Rasila 3. marraskuuta 2007 Antti Rasila () TodB 3. marraskuuta 2007 1 / 18 1 Varianssin luottamusväli, jatkoa 2 Bernoulli-jakauman odotusarvon luottamusväli 3

Lisätiedot

S Elektroniset mittaukset ja elektroniikan häiriökysymykset. 2 ov

S Elektroniset mittaukset ja elektroniikan häiriökysymykset. 2 ov TKK / Mittaustekniikan laboratorio HUT / Metrology Research Institute S-108.180 Elektroniset mittaukset ja elektroniikan häiriökysymykset 2 ov 7.2.2001 KL kohina.ppt 1 Elektroninen mittaussysteemi MITATTAVA

Lisätiedot

Keskipisteen lisääminen 2 k -faktorikokeeseen (ks. Montgomery 9-6)

Keskipisteen lisääminen 2 k -faktorikokeeseen (ks. Montgomery 9-6) Mat-.3 Koesuunnittelu ja tilastolliset mallit kevät Keskipisteen lisääminen k -faktorikokeeseen (ks. Montgomery 9-6) Esim (Montg. ex. 9-, 6-): Tutkitaan kemiallisen prosessin saannon Y riippuvuutta faktoreista

Lisätiedot

Dynaamisten systeemien teoriaa. Systeemianalyysilaboratorio II

Dynaamisten systeemien teoriaa. Systeemianalyysilaboratorio II Dynaamisten systeemien teoriaa Systeemianalyysilaboratorio II 15.11.2017 Vakiot, sisäänmenot, ulostulot ja häiriöt Mallin vakiot Systeemiparametrit annettuja vakioita, joita ei muuteta; esim. painovoiman

Lisätiedot

Kuva 4.3: Teoreettinen, ihanteellinen antennin säteilykeila (huomaa yksikkö).

Kuva 4.3: Teoreettinen, ihanteellinen antennin säteilykeila (huomaa yksikkö). Luku 4 Aurinkoradioastronomia 4.1 Radioantennit ja vastaanottimet Tyypillinen aurinkotutkimuksessa korkeilla radiotaajuuksilla (1 100 GHz) käytettävä radioteleskooppi on paraboloidiantenni. Teleskoopin

Lisätiedot

Kohina. Havaittujen fotonien statistinen virhe on kääntäen verrannollinen havaittujen fotonien lukumäärän N neliö juureen ( T 1/ N)

Kohina. Havaittujen fotonien statistinen virhe on kääntäen verrannollinen havaittujen fotonien lukumäärän N neliö juureen ( T 1/ N) Kohina Havaittujen fotonien statistinen virhe on kääntäen verrannollinen havaittujen fotonien lukumäärän N neliö juureen ( T 1/ N) N on suoraan verrannollinen integraatioaikaan t ja havaittuun taajuusväliin

Lisätiedot

Virheen kasautumislaki

Virheen kasautumislaki Virheen kasautumislaki Yleensä tutkittava suure f saadaan välillisesti mitattavista parametreistä. Tällöin kokonaisvirhe f määräytyy mitattujen parametrien virheiden perusteella virheen kasautumislain

Lisätiedot

2. harjoitus - malliratkaisut Tehtävä 3. Tasojännitystilassa olevan kappaleen kaksiakselista rasitustilaa käytetään usein materiaalimalleissa esiintyv

2. harjoitus - malliratkaisut Tehtävä 3. Tasojännitystilassa olevan kappaleen kaksiakselista rasitustilaa käytetään usein materiaalimalleissa esiintyv 2. harjoitus - malliratkaisut Tehtävä 3. Tasojännitystilassa olevan kappaleen kaksiakselista rasitustilaa käytetään usein materiaalimalleissa esiintyvien vakioiden määrittämiseen. Jännitystila on siten

Lisätiedot

JOHDATUS TEKOÄLYYN TEEMU ROOS

JOHDATUS TEKOÄLYYN TEEMU ROOS JOHDATUS TEKOÄLYYN TEEMU ROOS TERMINATOR SIGNAALINKÄSITTELY KUVA VOIDAAN TULKITA KOORDINAATTIEN (X,Y) FUNKTIONA. LÄHDE: S. SEITZ VÄRIKUVA KOOSTUU KOLMESTA KOMPONENTISTA (R,G,B). ÄÄNI VASTAAVASTI MUUTTUJAN

Lisätiedot

1. Erään piirin impedanssimittauksissa saatiin seuraavat tulokset:

1. Erään piirin impedanssimittauksissa saatiin seuraavat tulokset: 521384A RADIOTEKNIIKAN PERUSTEET Harjoitus 4 1. Erään piirin impedanssimittauksissa saatiin seuraavat tulokset: f [MHz] [Ω] 870 120-j100 875 100-j80 880 80-j55 885 70-j30 890 70-j15 895 65+j10 900 70+j30

Lisätiedot

4.3.6 Eräitä diskreettejä Markov-kenttiä

4.3.6 Eräitä diskreettejä Markov-kenttiä 0.4 0.35 Gauss l1 Cauchy 0.3 0.25 0.2 0.15 0.1 0.05 0 10 8 6 4 2 0 2 4 6 8 10 Kuva 4.20: L2-priorin tnft, Cauchy-priorin tntf kun α = α = 2. 2π π 2π ja L1-priorin tntf kun 4.3.6 Eräitä diskreettejä Markov-kenttiä

Lisätiedot

Taajuusmittauskilpailu Hertsien herruus 2008. Mittausraportti

Taajuusmittauskilpailu Hertsien herruus 2008. Mittausraportti Taajuusmittauskilpailu Hertsien herruus 2008 1. MITTAUSJÄRJESTELMÄ Mittausraportti Petri Kotilainen OH3MCK Mittausjärjestelmän lohkokaavio on kuvattu alla. Vastaanottoon käytettiin magneettisilmukkaantennia

Lisätiedot

HARRASTERADIOASTRONOMIAA. URSALO Janne Peltonen

HARRASTERADIOASTRONOMIAA. URSALO Janne Peltonen HARRASTERADIOASTRONOMIAA URSALO 6.11.2014 Janne Peltonen TAIVAAN RADIOLÄHTEET Taivaankappaleet Aurinko Kuu Jupiter Galaksin keskusta Sagittarius_A, musta aukko keskellä Supernovajäänteet Cassiopeia_A Taurus_A/Rapusumu

Lisätiedot

S /142 Piirianalyysi 2 2. Välikoe

S /142 Piirianalyysi 2 2. Välikoe S-55.0/4 Piirianalyysi. Välikoe.5.006 Laske tehtävät eri paperille kuin tehtävät 3 5. Muista kirjoittaa jokaiseen paperiin selvästi nimi, opiskelijanumero, kurssin nimi ja koodi. Tehtävät lasketaan osaston

Lisätiedot

Matematiikka ja teknologia, kevät 2011

Matematiikka ja teknologia, kevät 2011 Matematiikka ja teknologia, kevät 2011 Peter Hästö 13. tammikuuta 2011 Matemaattisten tieteiden laitos Tarkoitus Kurssin tarkoituksena on tutustuttaa ja käydä läpi eräisiin teknologisiin sovelluksiin liittyvää

Lisätiedot

z 1+i (a) f (z) = 3z 4 5z 3 + 2z (b) f (z) = z 4z + 1 f (z) = 12z 3 15z 2 + 2

z 1+i (a) f (z) = 3z 4 5z 3 + 2z (b) f (z) = z 4z + 1 f (z) = 12z 3 15z 2 + 2 BM20A5700 - Integraauunnokset Harjoitus 2 1. Laske seuraavat raja-arvot. -kohta ratkeaa, kun pistät sekä yläkerran että alakerran muotoon (z z 1 )(z z 2 ), missä siis z 1 ja z 2 ovat näiden lausekkeiden

Lisätiedot

Aerosolimittauksia ceilometrillä.

Aerosolimittauksia ceilometrillä. Aerosolimittauksia ceilometrillä. Timo Nousiainen HTB workshop 6.4. 2006. Fysikaalisten tieteiden laitos, ilmakehätieteiden osasto Projektin kuvaus Esitellyt tulokset HY:n, IL:n ja Vaisala Oyj:n yhteisestä,

Lisätiedot

10. Polarimetria. 1. Polarisaatio tähtitieteessä. 2. Stokesin parametrit. 3. Polarisaattorit. 4. CCD polarimetria

10. Polarimetria. 1. Polarisaatio tähtitieteessä. 2. Stokesin parametrit. 3. Polarisaattorit. 4. CCD polarimetria 10. Polarimetria 1. Polarisaatio tähtitieteessä 2. Stokesin parametrit 3. Polarisaattorit 4. CCD polarimetria 10.1 Polarisaatio tähtitieteessä Polarisaatiota mittaamalla päästään käsiksi moniin fysikaalisiin

Lisätiedot

Kojemeteorologia. Sami Haapanala syksy 2013. Fysiikan laitos, Ilmakehätieteiden osasto

Kojemeteorologia. Sami Haapanala syksy 2013. Fysiikan laitos, Ilmakehätieteiden osasto Kojemeteorologia Sami Haapanala syksy 2013 Fysiikan laitos, Ilmakehätieteiden osasto Mittalaitteiden staattiset ominaisuudet Mittalaitteita kuvaavat tunnusluvut voidaan jakaa kahteen luokkaan Staattisiin

Lisätiedot

TEKNILLINEN KORKEAKOULU Systeemianalyysin laboratorio. Kimmo Berg. Mat Optimointioppi. 9. harjoitus - ratkaisut

TEKNILLINEN KORKEAKOULU Systeemianalyysin laboratorio. Kimmo Berg. Mat Optimointioppi. 9. harjoitus - ratkaisut TEKNILLINEN KORKEAKOULU Systeemianalyysin laboratorio Mat-2.139 Optimointioppi Kimmo Berg 9. harjoitus - ratkaisut 1. a) Viivahakutehtävä pisteessä x suuntaan d on missä min f(x + λd), λ f(x + λd) = (x

Lisätiedot

9. Polarimetria. 1. Stokesin parametrit 2. Polarisaatio tähtitieteessä. 3. Polarisaattorit 4. CCD polarimetria

9. Polarimetria. 1. Stokesin parametrit 2. Polarisaatio tähtitieteessä. 3. Polarisaattorit 4. CCD polarimetria 9. Polarimetria 1. Stokesin parametrit 2. Polarisaatio tähtitieteessä 3. Polarisaattorit 4. CCD polarimetria 10.1 Stokesin parametrit 10.1

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

Logistinen regressio, separoivat hypertasot

Logistinen regressio, separoivat hypertasot Logistinen regressio, separoivat hypertasot Topi Sikanen Logistinen regressio Aineisto jakautunut K luokkaan K=2 tärkeä erikoistapaus Halutaan mallintaa luokkien vedonlyöntikertoimia (odds) havaintojen

Lisätiedot

Pienimmän Neliösumman Sovitus (PNS)

Pienimmän Neliösumman Sovitus (PNS) Pienimmän Neliösumman Sovitus (PNS) n = Havaintojen määrä (Kuvan n = 4 punaista palloa) x i = Havaintojen ajat/paikat/... (i = 1,..., n) y i = y(x i) = Havaintojen arvot (i = 1,..., n) σ i = Havaintojen

Lisätiedot

LABORATORIOTYÖ (4 h) LIITE 1/1 ANTENNIMITTAUKSIIN TUTUSTUMINEN

LABORATORIOTYÖ (4 h) LIITE 1/1 ANTENNIMITTAUKSIIN TUTUSTUMINEN LABORATORIOTYÖ (4 h) LIITE 1/1 ANTENNIMITTAUKSIIN TUTUSTUMINEN LABORATORIOTYÖ (4 h) LIITE 1/2 SISÄLTÖ 1 TYÖN KUVAUS... 3 2 MITTAUKSET... 3 2.1 Antennin suuntakuvion mittaus... 4 2.2 Piirianalysaattorimittauksia...

Lisätiedot

Sovellettu todennäköisyyslaskenta B

Sovellettu todennäköisyyslaskenta B Sovellettu todennäköisyyslaskenta B Antti Rasila 30. marraskuuta 2007 Antti Rasila () TodB 30. marraskuuta 2007 1 / 19 1 Lineaarinen regressiomalli ja suurimman uskottavuuden menetelmä Minimin löytäminen

Lisätiedot

1. Tilastollinen malli??

1. Tilastollinen malli?? 1. Tilastollinen malli?? https://fi.wikipedia.org/wiki/tilastollinen_malli https://en.wikipedia.org/wiki/statistical_model http://projecteuclid.org/euclid.aos/1035844977 Tilastollinen malli?? Numeerinen

Lisätiedot

Sovellettu todennäköisyyslaskenta B

Sovellettu todennäköisyyslaskenta B Sovellettu todennäköisyyslaskenta B Antti Rasila 21. syyskuuta 2007 Antti Rasila () TodB 21. syyskuuta 2007 1 / 19 1 Satunnaismuuttujien riippumattomuus 2 Jakauman tunnusluvut Odotusarvo Odotusarvon ominaisuuksia

Lisätiedot

S-114.3812 Laskennallinen Neurotiede

S-114.3812 Laskennallinen Neurotiede S-114.3812 Laskennallinen Neurotiede Laskuharjoitus 2 4.12.2006 Heikki Hyyti 60451P Tehtävä 1 Tehtävässä 1 piti tehdä lineaarista suodatusta kuvalle. Lähtötietoina käytettiin kuvassa 1 näkyvää harmaasävyistä

Lisätiedot

Yleisen antennin säteily k enttien ratk aisem isen v aih eet:

Yleisen antennin säteily k enttien ratk aisem isen v aih eet: Sä te ily k e n ttie n ra tk a ise m in e n Yleisen antennin säteily k enttien ratk aisem isen v aih eet: 1. E tsi A integ roim alla y h tälö A = µ e jβr 4π r V Je j βˆr r dv, (40 ) 2. L ask e E E = jωa

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

Lineaarinen toisen kertaluvun yhtälö

Lineaarinen toisen kertaluvun yhtälö Lineaarinen toisen kertaluvun yhtälö Keijo Ruotsalainen Mathematics Division Lineaarinen toisen kertaluvun differentiaaliyhtälö Toisen kertaluvun täydellinen lineaarinen yhtälö muotoa p 2 (x)y + p 1 (x)y

Lisätiedot

805306A Johdatus monimuuttujamenetelmiin, 5 op

805306A Johdatus monimuuttujamenetelmiin, 5 op monimuuttujamenetelmiin, 5 op syksy 2018 Matemaattisten tieteiden laitos Lineaarinen erotteluanalyysi (LDA, Linear discriminant analysis) Erotteluanalyysin avulla pyritään muodostamaan selittävistä muuttujista

Lisätiedot

Täydellisyysaksiooman kertaus

Täydellisyysaksiooman kertaus Täydellisyysaksiooman kertaus Luku M R on joukon A R yläraja, jos a M kaikille a A. Luku M R on joukon A R alaraja, jos a M kaikille a A. A on ylhäältä (vast. alhaalta) rajoitettu, jos sillä on jokin yläraja

Lisätiedot

Lause 4.2. Lineearinen pienimmän keskineliövirheen estimaattoi on lineaarinen projektio.

Lause 4.2. Lineearinen pienimmän keskineliövirheen estimaattoi on lineaarinen projektio. Määritelmä 4.3. Estimaattoria X(Y ) nimitetään lineaariseksi projektioksi, jos X on lineaarinen kuvaus ja E[(X X(Y )) Y] 0 }{{} virhetermi Lause 4.2. Lineearinen pienimmän keskineliövirheen estimaattoi

Lisätiedot

Alijärjestelmän mittaus ja muita epätäydellisiä mittauksia

Alijärjestelmän mittaus ja muita epätäydellisiä mittauksia T-79.4001 Tietojenkäsittelyteorian seminaari 0..008 1 Alijärjestelmän mittaus ja muita epätäydellisiä mittauksia Loepp & Wootters, Protecting Information, luvut.4-.5 T-79.4001 Tietojenkäsittelyteorian

Lisätiedot

83950 Tietoliikennetekniikan työkurssi Monitorointivastaanottimen perusmittaukset

83950 Tietoliikennetekniikan työkurssi Monitorointivastaanottimen perusmittaukset TAMPEREEN TEKNILLINEN KORKEAKOULU 83950 Tietoliikennetekniikan työkurssi Monitorointivastaanottimen perusmittaukset email: ari.asp@tut.fi Huone: TG 212 puh 3115 3811 1. ESISELOSTUS Vastaanottimen yleisiä

Lisätiedot

Inversio-ongelmien laskennallinen peruskurssi Luento 4

Inversio-ongelmien laskennallinen peruskurssi Luento 4 Inversio-ongelmien laskennallinen peruskurssi Luento 4 Kevät 20 Regularisointi Eräs keino yrittää ratkaista (likimääräisesti) huonosti asetettuja ongelmia on regularisaatio. Regularisoinnissa ongelmaa

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

Mat Tilastollisen analyysin perusteet, kevät 2007

Mat Tilastollisen analyysin perusteet, kevät 2007 Mat-.14 Tilastollisen analyysin perusteet, kevät 7 7. luento: Tarina yhden selittään lineaarisesta regressiomallista atkuu Kai Virtanen 1 Luennolla 6 opittua Kuvataan havainnot (y, x ) yhden selittään

Lisätiedot

RF-tekniikan perusteet BL50A0300

RF-tekniikan perusteet BL50A0300 RF-tekniikan perusteet BL50A0300 5. Luento 30.9.2013 Antennit Radioaaltojen eteneminen DI Juho Tyster Antennit Antenni muuttaa siirtojohdolla kulkevan aallon vapaassa tilassa eteneväksi aalloksi ja päinvastoin

Lisätiedot

1 db Compression point

1 db Compression point Spektrianalysaattori mittaukset 1. Työn tarkoitus Työssä tutustutaan vahvistimen ja mixerin perusmittauksiin ja spektrianalysaattorin toimintaan. 2. Teoriaa RF- vahvistimen ominaisuudet ja käyttäytyminen

Lisätiedot

Luento 8: Epälineaarinen optimointi

Luento 8: Epälineaarinen optimointi Luento 8: Epälineaarinen optimointi Vektoriavaruus R n R n on kaikkien n-jonojen x := (x,..., x n ) joukko. Siis R n := Määritellään nollavektori 0 = (0,..., 0). Reaalisten m n-matriisien joukkoa merkitään

Lisätiedot