Radiointerferometria II
|
|
- Jyrki Laine
- 6 vuotta sitten
- Katselukertoja:
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 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
Lisätiedotfor 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,
Lisätiedot1 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.
LisätiedotRadiointerferometria. 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
LisätiedotRadioastronomian käsitteitä
Radioastronomian käsitteitä allonpituusalue ~ 100 m - 1 mm MHz 300 GHz Leveä aallonpituusalue: erilaisia antenneja, monenlaista tekniikkaa Ei (suoraan) kuvia Signaali yleensä
Lisätiedotimportvla(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
LisätiedotXFYS4336 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
LisätiedotInterferometria. 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
LisätiedotRadioastronomia 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)
LisätiedotTähtitieteelliset 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
LisätiedotXFYS4336 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
LisätiedotWien 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
LisätiedotXFYS4336 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
LisätiedotHavaitsevan 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
LisätiedotMittaukset ja kalibrointi
Mittaukset ja kalibrointi Teleskoopin vaste (esim. jännitteenä tai countteina) riippuu paitsi lähteen vuontiheydestä, myös antennista, vastaanottimesta, säästä, elevaatiosta, jne... Havainnot täytyy kalibroida
LisätiedotRAPORTTI ISOVERIN ERISTEIDEN RADIOTAAJUISTEN SIGNAALIEN VAIMENNUKSISTA
RAPORTTI ISOVERIN ERISTEIDEN RADIOTAAJUISTEN SIGNAALIEN VAIMENNUKSISTA Tämä on mittaus mittauksista, joilla selvitettiin kolmen erilaisen eristemateriaalin aiheuttamia vaimennuksia matkapuhelinverkon taajuusalueilla.
LisätiedotXFYS4336 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
LisätiedotSpektri- ja signaalianalysaattorit
Spektri- ja signaalianalysaattorit Pyyhkäisevät spektrianalysaattorit Suora pyyhkäisevä Superheterodyne Reaaliaika-analysaattorit Suora analoginen analysaattori FFT-spektrianalysaattori DFT FFT Analysaattoreiden
LisätiedotCh4 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
LisätiedotDynaamisten 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
LisätiedotMissä 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
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)
Lisätiedotr > 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.
LisätiedotLABORATORIOTYÖ 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
LisätiedotRF-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
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;
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
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
LisätiedotJOHDATUS 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
LisätiedotJOHDATUS 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
LisätiedotHarjoitustyö: 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.
LisätiedotHavaitsevan tähtitieteen peruskurssi I
Havaintokohteita 9. Polarimetria Lauri Jetsu Fysiikan laitos Helsingin yliopisto Havaintokohteita Polarimetria Havaintokohteita (kuvat: @phys.org/news, @annesastronomynews.com) Yleiskuvaus: Polarisaatio
LisätiedotTampere 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
LisätiedotSuoran 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
LisätiedotPetri 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
LisätiedotMS-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
LisätiedotKuva 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
LisätiedotIntonaation 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
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
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
LisätiedotMHz. 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
Lisätiedot7.4 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
LisätiedotP (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
LisätiedotSignaalien generointi
Signaalinkäsittelyssä joudutaan usein generoimaan erilaisia signaaleja keinotekoisesti. Tyypillisimpiä generoitavia aaltomuotoja ovat eritaajuiset sinimuotoiset signaalit (modulointi) sekä normaalijakautunut
LisätiedotCCD-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
LisätiedotJOHDATUS 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
LisätiedotRadiokurssi. 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
LisätiedotHajaspektrisignaalien havaitseminen elektronisessa
Hajaspektrisignaalien havaitseminen elektronisessa sodankäynnissä Toteuttajataho: Harp Technologies Oy Myönnetty rahoitus: 43.019 Esityksen sisältö Tieteellinen ongelma Hanke Tutkimuksen tavoitteet Tulokset
LisätiedotMatalan 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
LisätiedotJOHDATUS 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
LisätiedotTIIVISTELMÄRAPORTTI (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
LisätiedotS 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
LisätiedotBIOSÄHKÖISET MITTAUKSET
TEKSTIN NIMI sivu 1 / 1 BIOSÄHKÖISET MITTAUKSET ELEKTROENKEFALOGRAFIA EEG Elektroenkegfalografialla tarkoitetaan aivojen sähköisen toiminnan rekisteröintiä. Mittaus tapahtuu tavallisesti ihon pinnalta,
LisätiedotOsa 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
LisätiedotInversio-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 +
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
Lisätiedot, 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
LisätiedotSovellettu 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
LisätiedotS 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
LisätiedotKeskipisteen 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
LisätiedotDynaamisten 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
LisätiedotKuva 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
LisätiedotKohina. 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
LisätiedotVirheen kasautumislaki
Virheen kasautumislaki Yleensä tutkittava suure f saadaan välillisesti mitattavista parametreistä. Tällöin kokonaisvirhe f määräytyy mitattujen parametrien virheiden perusteella virheen kasautumislain
Lisätiedot2. 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
LisätiedotJOHDATUS 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
Lisätiedot1. 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
Lisätiedot4.3.6 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
LisätiedotTaajuusmittauskilpailu Hertsien herruus 2008. Mittausraportti
Taajuusmittauskilpailu Hertsien herruus 2008 1. MITTAUSJÄRJESTELMÄ Mittausraportti Petri Kotilainen OH3MCK Mittausjärjestelmän lohkokaavio on kuvattu alla. Vastaanottoon käytettiin magneettisilmukkaantennia
LisätiedotHARRASTERADIOASTRONOMIAA. 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
LisätiedotS /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
LisätiedotMatematiikka 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
Lisätiedotz 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
LisätiedotAerosolimittauksia 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,
Lisätiedot10. 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
LisätiedotKojemeteorologia. 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
LisätiedotTEKNILLINEN 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
Lisätiedot9. 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
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)
LisätiedotLogistinen 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
LisätiedotPienimmän 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
LisätiedotLABORATORIOTYÖ (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...
LisätiedotSovellettu 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
Lisätiedot1. 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
LisätiedotSovellettu 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
LisätiedotS-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
LisätiedotYleisen 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
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 =
LisätiedotLineaarinen 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
Lisätiedot805306A Johdatus monimuuttujamenetelmiin, 5 op
monimuuttujamenetelmiin, 5 op syksy 2018 Matemaattisten tieteiden laitos Lineaarinen erotteluanalyysi (LDA, Linear discriminant analysis) Erotteluanalyysin avulla pyritään muodostamaan selittävistä muuttujista
LisätiedotTäydellisyysaksiooman 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
LisätiedotLause 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
LisätiedotAlijärjestelmän 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
Lisätiedot83950 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
LisätiedotInversio-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
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?
LisätiedotMat 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
LisätiedotRF-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
Lisätiedot1 db Compression point
Spektrianalysaattori mittaukset 1. Työn tarkoitus Työssä tutustutaan vahvistimen ja mixerin perusmittauksiin ja spektrianalysaattorin toimintaan. 2. Teoriaa RF- vahvistimen ominaisuudet ja käyttäytyminen
LisätiedotLuento 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