1. abstraktit algoritmit 2. näytteistämiseen perustuva synteesi (tallennus, prosessointi) 3. spektrimallit 4. fysikaaliset mallit.
|
|
- Sofia Siitonen
- 9 vuotta sitten
- Katselukertoja:
Transkriptio
1 Ääisyteesi ja efektit Lähteet: -Toloe, Välimäki, Karjalaie. (1998). Evaluatio of moder soud sythesis methods. Report o. 48, Helsiki Uiversity of Techology, Acoustics Lab. -Roads. (1996). Computer music tutorial. MIT Press. -Tuomas Virtae.(2001). Audio sigal modelig with siusoids ad oise.d-työ. -Zölzer (ed.) (2002) DAFX Digital Audio Effects. Joh Wiley & Sos. -Jukka Rauhala (2007) Fysikaalisee malliuksee perustuva ääisyteesi, Riitta Väääe (2005) 3-D Audio ad Virtual Acoustics vierailulueto DA kurssilla -T. Virtae. (2006) Soud source separatio i moaural audio sigals, PhD thesis. Ääisyteesi Johdato Abstraktit algoritmit Näytteistävä syteesi Spektrimallit Fysikaalie mallius Efektit Johdato Kaiua mallitamie ja 3D-audio Johdato Syteesi 2 Ääisyteesi tavoitteea o tuottaa ääiä, jotka ovat musiikillisesti kiiostavia ovat realistisia (=muistuttavat aitoa soitita, ei aia tavoitteea) Algoritmie kompleksisuus ääet o voitava tuottaa reaaliajassa toisaalta laadukas syteesi vaatii komplekseja järjestelmiä; liikaa yksikertaistettu ääi kuulostaa keiotekoiselta Sytetisoidu ääe ituitiivie kotrolli soittaja iteraktio tekee tuotetusta ääestä eloisa Syteesimeetelmie luokittelu 1. abstraktit algoritmit 2. äytteistämisee perustuva syteesi (talleus, prosessoiti) 3. spektrimallit 4. fysikaaliset mallit 1 Abstraktit algoritmit Syteesi FM syteesi Syteesi 4 Abstrakteihi algoritmeihi perustuvalle syteesille o tyypillistä yksikertaisuus ja helppo toteutettavuus usei 10 Matlab-koodiriviä riittää dataa ei tarvita muutamaa parametriarvoa eempää FM (egl. frequecy modulatio) - käytetty tietoliiketessä esim. radiolähetyksissä jo puoli vuosisataa 60-luvu lopulla Joh Chowig keksi soveltaa FM-syteesiä ääte tuottamisee havaito: varsi moimutkaisia spektrejä voidaa tuottaa vai parilla jäiteohjatulla oskillaattorilla voidaa tuottaa myös aikamuuttuvia ja site luoollisilla ääiä 1983 Yamaha julkaisi DX7-sytetisaattori suuri kaupallie meestys: ääelaadultaa hyvä ja hialtaa tavallise kuluttaja hakittavissa oleva soiti FM-syteesi pysyi domioivaa syteesimeetelmää vuosia (erityisesti Soud Blaster -yhteesopivat ääikortit) FM-syteesi patetti raukesi 1995 Meetelmä ykyää käytössä useimmissa sytikoissa ja ääikorteissa muide syteesimeetelmie ohella
2 FM syteesi Syteesi 5 FM syteesi Syteesi 6 Kuva: yksikertaie FM-syteesi x ( ) = A ( )si [ 2 π ( f + I si ( 2 π f ) ) ] c m koostuu kahdesta sii-oskillaattorista katoaallo taajuutta f c moduloi toie oskillaattori (modulaatiotaajuus f m ) modulaatioideksi I ääe aikariippuva amplitudi A() Alakuva: sytyvä ääe spektri Yksikertaie FM- syteesi [Toloe98] Tämä lohkokaavio o syytä muistaa FM-syteesi kaava voidaa myös kirjoittaa x( ) = A( )si + [ 2πf I si( 2πf ) ] c huomaa että tässä kaavassa moduloidaa vaihetta eikä taajuutta oikeampi imi olisi vaihemodulaatio (PM) FM-syteesiä voidaa tarkastella käyttäe yo. lauseketta, sillä vaihe o taajuude itegraali ja sii itegraali o sii vaihee / taajuude moduloiti tuottaa ääisyteesi kaalta oleaisesti samatyyppise ääe aalogilaitteissa aia FM-toteutus, PM oistuu käytäössä vai digitaalisesti FM-syteesi ja PM-syteesi tuottamie ääte spektrejä o vertailtu pari sivua edempää m FM syteesi Syteesi 7 FM syteesi Syteesi 8 Edellise sivu lauseke voidaa kirjoittaa muotoo x ( ) = A( ) J k ( I)si [ 2 π ( fc + kfm) ] k = missä J k o Besseli fuktio astetta k. Yllä olevasta lausekkeesta voi todeta, että PM-syteesi (ja myös FM-syteesi) tuottaa taajuuskompoetit f = f ± kf, k =1,2,K c m Kuva alla: Besseli fuktioide J k (I) arvoja Kuvat: FM- ja PM-syteesi tuottamie ääte spektrit harmoie ääi saadaa asettamalla katoaallo ja modulaattori taajuudet kokoaislukusuhteesee muut kui harmoiset ääet tyypillisesti kellomaisia tai metallisia
3 FM syteesi jatkokehitystä Syteesi Waveshapig-syteesi Syteesi 10 Yksikertaisessa FM-syteesissä taajuuskompoettie amplitudisuhteet ovat melko epäsääöllisiä, ku modulaatioideksiä kasvatetaa suureksi Rikkaita ja silti sääömukaisia spektrejä saadaa tietylaisilla takaisikytketäraketeilla selvitää edellee parilla oskillaattorilla Toie mahdollisuus o koostaa haluttu spektri summaamalla useide yksikertaiste FM-syteesie ääet kuva [Roads96] Idea: käytetää epälieaarista fuktiota muotoilemaa sisäätuleva herätesigaalii aaltomuotoa Muotoilufuktio kuvaa herätesigaali taso väliltä [-1,1] ulostuloo samalle välille Kuva: kaksi eri muotoilu- fuktiota ja iide tuottama aaltomuoto siiherätteelle Alhaalla oikealla oleva aaltomuodo tuottamie Matlabissa: t=0:0.1:2*pi; x=si(t); y= *xmi(0.5,max(0,2*x)); Waveshapig-syteesi Syteesi Karplus-Strog algoritmi Syteesi 12 Käyttämällä muotoilufuktioa Chebyshevi polyomie lieaarikombiaatiota voidaa säätää harmoiste keskiäisiä suhteita k : astee Chebyshevi polyomi muotoilufuktiossa tuottaa siimuotoiselle herätesigaalille ulostuloo sii k f saadaa hallitusti approksimoitua esim. todellise istrumeti harmoista rakeetta Perustapauksessa herätesigaalia o sii, mutta se voi tietysti olla joki muuki Meetelmää käytetää yleisesti epälieaarise särö aikaasaamisee Ääe aikakäyttäytymistä voidaa hallita jälkiprosessoiilla (esim. amplitudimodulaatio) Hyvi yksikertaie ja laskeallisesti tehokas algoritmi Sopivilla parametreilla algoritmi tuottamat ääet muistuttavat äpättyä kielisoitita Lohkokaavio:
4 Karplus-Strog algoritmi Syteesi 13 Karplus-Strog algoritmi Syteesi 14 Algoritmi toimita: 1. lyhyt puskuri alustetaa satuaisilla äytearvoilla 2. puskuri soitetaa läpi 3. puskuri arvot suodatetaa matala-asteisella alipäästösuodattimella, esim. y( ) = 0.5 y( P) + y( P 1) [ ] missä y() o puskuri arvo ja y( P) o P-mittaise puskuri arvo edellisellä soittokerralla. Yllä oleva suotime taajuusvaste: 1 ( + ) H ( z ) = z 4. palataa kohtaa 2 (soitetaa puskuri yhä uudellee) Kuva: Karplus-Strog malli taajuusvaste [Toloe98] Karplus-Strog algoritmi Syteesi 15 2 Näytteistyksee perustuva syteesi Syteesi 16 Lisäparametri K-S algoritmii saadaa muuttamalla alipäästösuodatus seuraavalaiseksi operaatioksi 0.5[ y( P) + y( P 1) ], jos r < b y( ) = 0.5 [ y ( P ) + y ( P 1) ], jos r > b missä r o satuaismuuttuja välillä [0, 1], ja b o bled factor puskuri kuki äytearvo kerrotaa satuaisesti joko 1:llä tai 1:llä alipäästösuodatukse jälkee mikäli b=1, algoritmi redusoituu edellisellä sivulla esitettyy mikäli b=½, keskimääri joka toie äyte käätyy vastakkaismerkkiseksi, ääe jaksollisuus katoaa, ja saadaa rumpumaisia, perkussiivisia ääiä mikäli b=0, koko sigaali kääetää joka lukukerra jälkee, ääe aallopituus kaksikertaistuu ja ääekorkeus puolittuu Egl. samplig sythesis Laskeallisesti o äärimmäise yksikertaista vai soittaa talleettu ääi Erittäi yleie syteesimeetelmä Muistivaatimukset ovat tämä lähestymistava ogelma ei ole taloudellista talletaa kaikkia mahdollisia ääiä eri istrumeteilla, eri korkeuksilta, eri soittotavoi äytteistyksee perustuva syteesi taito o muistikulutukse miimoimisessa ja samalla ääelaadu maksimoimisessa Perusideoita ääte mallitamiseksi vähemmällä datalla: silmukkapuskuri, ääekorkeude siirtämie, data reduktio
5 Näytteistyksee perustuva syteesi Syteesi Silmukkapuskuri Syteesi 18 Ääekorkeude muutelu muistia voidaa säästää talletamalla soittimelta vai esim. joka 3. tai joka 4. sävel välii jäävät uotit saadaa muutelemalla äytteide soittoopeutta, tai uudelleeäytteistämällä äätä digitaalisesti Muita datamäärä väheyskeioja häviötö kompressio tai kuuloo perustuva häviöllie koodaus karkeamma äytteistystaajuude tai kvatisoii käyttö Useimpie istrumettiääte steady-state (=sustai) osa o suuripiirte jaksollie voidaa ottaa lyhyt äyte ja soittaa sitä silmukkapuskurista (kuva alla) Ääe lyhyt alkutrasietti voidaa mallitaa eriksee Silmukkapuskuri pituus täytyy olla aallopituude moikerta Yleesä puskurii täytyy ottaa eemmä kui yksi aalto, jotta ääe aikamuuttuvia omiaisuuksia saadaa mukaa 2.2 Multiple wavetable -syteesi Useita äytepuskureita (aaltotaulukoita) soitetaa yhtä aikaa Syteesi 19 Wavetable cross-fadig talleetaa äytteitä useista kohdista malliettavaa äätä äytteitä soitetaa silmukassa ja ristii-feidataa pehmeästi edellisestä äytteestä seuraavaa jälkikäsitellää kertomalla halutulla amplitudiverhokäyrällä Wavetable stackig (pioamie) haluttu aaltomuoto koostetaa muodostamalla paiotettu summa useista yhtäaikaa soitettavista elemetaarisista aaltomuodoista kaupallisissa laitteissa yleesä 4-8 wavetablea piossa ogelma: löytää joukko elemetaarisia aaltomuotoja ja amplitudiverhokäyriä, joilla pystytää tehokkaasti esittämää erilaisia luoollisia ääiä 3 Spektrimallit 3.1 Additiivie syteesi Syteesi 20 Idea: koostetaa ääi summaamalla siikompoetteja = y( t) = A ( t)si π k k [ 2πf ( t ) t ] yksittäiste siie amplitudie ja taajuuksie kotrollifuktiot A k ja f k ovat hitaasti muuttuvia Saadaa periaatteessa erittäi korkea laatu Varjopuolia täytyy talletaa paljo dataa (kotrollifuktioide parametrit) suuri määrä oskillaattoreita syteesissä Kuva: huilu harmoiste kompoettie ajallie kehitys [Eroe2000] k
6 3.2 Vaihevokooderi Syteesi 21 Vaihevokooderi Kehyksittäi prosessoiti Syteesi 22 Egl. phase vocoder Keksittii 60-luvulla puhee kompressiomeetelmiä tutkiessa; vocoder = voice coder sovelluksia ykyää: ääte aikaskaalaus, ääekorkeude muutelu, ääte morphaus, ääe aika-taajuus taso muokkaus Yleisimi aalyysi-syteesimeetelmille, joissa ääisigaali esitetää siikompoettie summaa magitudie ja taajuuksie lisäksi talleetaa ja sytetisoidaa myös siie vaihe Voidaa toteuttaa suodipakkia tai lyhytaikaise Fourier-muuokse (STFT) avulla STFT yleisempi, esitämme vai se Lyhytaikaista sigaalikäsittelyä (egl. short-time SP) sigaali käydää läpi kehyksittäi (paloittai) kerrotaa sig. ikkuafuktiolla, joka o olla kehykse ulkopuolella kussaki kehyksessä sigaali (1) paiotetaa ikkuafuktiolla ja (2) lasketaa lyhytaikaie diskreetti Fourier muuos kehyksessä Vaihevokooderi Kehyksittäi prosessoiti Syteesi 23 Edellise sivu prosessoiti tuottaa spektrogrammi aika-taajuus taso esitys: kehyksie kompleksiset spektri yli aja Miksi yleesäki ottae prosessoidaa kehyksittäi? Fourier-m. esittää sigaali vakiotaajuuksiste siie summaa todelliset ääisigaalit eivät kuitekaa ole statioäärisiä, vaa aikamuuttuvia oletetaa sigaali statioääriseksi riittävä lyhyessä aikakehyksessä Ääisigaaleille kehykse pituus vaihtelee sovelluksesta riippue välillä 10 ms 100 ms puhesigaaleille tyypillisesti. 20 ms Sigaali esittämie kehyksittäise spektri avulla toimii hyvi harmoisille ja hitaasti muuttuville ääille, mutta trasiettimaiset ääet leviävät ajallisesti koko kehyksee Aikataso sigaali rekostruoiti: overlap add tekiikka Syteesi muuetaa kääteisellä Fourier muuoksella (DFT 1 ) kuki kehykse spektri takaisi aikataso sigaaliksi 2. ikkuoidaa sigaali kussaki kehyksessä 3. peräkkäiset kehykset asetetaa 50 % tai eemmä limittäi, ja summataa pisteittäi (sama overlap kui aalyysissä) 4. jos syteesi-ikkua o valittu oikei (riippuu aalyysi-ikkuasta ja overlapista), saadaa täydellie rekostruktio alkup. sigaalista
7 Vaihevokooderi Ääe kesto ja korkeude muutelu Syteesi Sii+kohia -malli Syteesi 26 Vaihevokooderi mahdollistaa ääe kesto ja korkeude muuttelu Aikaskaalaus muutetaa kehyste välistä askelta syteesivaiheessa TAI vaihtoehtoisesti tuplataa / jätetää välii kehyksiä sopivi välei aikataso ikkuoiti täytyy suuitella huolella ettei tule artefaktoja spektriäytteide vaiheita käsitellää site, että vaihee aikaderivaatta säilyy muuttumattomaa (kesto 2 vaiheet 2) Ääe korkeude muuttamie aikaskaalataa esi, sitte muutetaa äytteistystaajuutta site että aikaskaala palautuu ormaaliksi mutta ääekorkeus muuttuu suuret ääe korkeude muutokset saavat erityisesti puhee kuulostamaa erikoiselta, koska ääe formatit (karkea spektri) siirtyvät Spektrogammi-esitysmuodossa äätä voidaa muillaki tavoi kätevästi muokata ee kääteismuutamista takaisi aikatasoo esim. suodatus: kerrotaa spektri suotime vasteella ääte morphaus: magitudi- ja vaihespektrie iterpoloiilla Sigaalimalli N [ 2πf ( t) t + ( t) ] + r( t) x( t) = a ( t)cos ϕ = 1 Malliettu sigaali x(t) esitetää N: sii (taajuus, amplitudi, vaihe) ja kohiaresiduaali r(t) avulla Additiivie syteesi Fourieri teoreema mukaa mikä tahasa aaltomuoto voidaa esittää siie summaa järkevää vai jaksollisille sigaaleille, joille tarvittavie siie määrä o piei ei-determiistie osa vaatisi suure määrä siikompoetteja käytetää stokastista malliusta Sii+kohia malli Aalyysi Syteesi 27 Sii+kohia malli Siie havaitsemie ja parametrit Syteesi 28 Vuokaavio [Virtae 2001] 1. havaitaa siit kehyksittäi spektristä 2. estimoidaa siie parametrit ja sytetisoidaa e uudellee 3. väheetää siit alkup. sigaalista 4. mallietaa jäljelle jäävä kohiaresiduaali Saadaa siie parametrit kohia taso eri taajuuskaistoilla Vuokaavio: [Virtae01] Spektripiikit tulkitaa siiaalloiksi 1. piikki : lokaali maksimi kehykse magitudi- spektrissä 2. piiki taajuus, amplitudi ja vaihe voidaa poimia kompleksisesta spektristä Peräkkäisissä kehyksissä havaittuje piikkie yhdistely saadaa ajallisesti jatkuva sii aikamuuttuvat parametrit siusoidal trajectory aika
8 Sii+kohia malli Piikkie yhdistely Syteesi 29 Sii+kohia malli Siie syteesi Syteesi 30 Tarvittaessa voidaa peräkkäisissä kehyksissä havaitut spektripiikit assosioida, yhdistellä aikamuuttuviksi sieiksi taajuudelle, amplitudille ja vaiheelle poimitaa arvo kehys Kuva: piiki yhdistelyalgoritmi [Virtae2001] perustuu esim. sytyvä käyrä derivaattoihi; yritetää muodostaa pehmeä käyrä kill: jollei jatkoa löydy, lopetetaa sii birth: jos spektripiikki ei ole jatkoa millekää etiselle siille, luodaa uusi Additiivie syteesi N = 1 [ 2πf ( t) t + ( t) ] s( t) = a ( t)cos ϕ Usei edellä esitetty piikkie yhdistely ei ole tarpee, vaa sytetisoidaa kussaki kehyksessä havaitut siit eriksee, parametrit pysyvät vakioia koko kehykse aja ikkuoidaa saatu aikataso sigaali Haig-ikkualla overlap-add: peräkkäiset kehykset limittäi, summataa pisteittäi Sii+kohia malli Siie syteesi, väheys alkuperäisestä Syteesi 31 Sii+kohia malli Kohiaresiduaali mallius Syteesi 32 Sytetisoidut siit vs. alkuperäie sigaali (yllä) Väheykse tuloksea saatu residuaali vs. alkup.s. (alla) Residuaalisigaali saadaa vähetämällä sytetisoidut siit alkuperäisestä sigaalista aikatasossa Residuaalisigaali aalysoidaa kehyksittäi lasketaa residuaali spektri R t (f) kehyksessä t jaetaa spektri kuulo mukaisii 25:ee Barki taajuuskaistaa lasketaa lyhytaikaie eergia kullaki kaistalla b,b=1,2,...,25 E ( ) = ( ) 2 t b Rt f f b
9 Sii+kohia malli Kohia sytetisoiti parametreista Syteesi 33 Sii+kohia malli Yleiskommetti Syteesi 34 Kohiaresiduaali esitetää parametreilla talleetaa kustaki aikakehyksestä vai lyhytaikaiset eergiat kullaki Barki kaistalla, E t (b) tämä mallius voidaa tehdä, koska kohia tapauksessa kuulo ei ole herkkä eergiamuutoksille yhde Barki kaista sisällä Syteesissä R t ( f ) = E t 1. geeroidaa magitudispektri, jossa kuki Barki kaista eergia jaetaa tasaisesti ko. kaistalle 2. geeroidaa satuaiset vaiheet yli spektri 3. muuetaa takaisi aikatasoo 4. ikkuoidaa Haig-ikkualla 5. overlap-add Sii+kohia mallilla o useita hyviä omiaisuuksia esittää ääisigaali kompaktisti verrattua aikataso sigaalii malli avulla sytetisoitu ääi o hyvälaatuie malli o yleispätevä: mikä tahasa ääisigaali voidaa vetää läpi suoraviivaie laskea (varsiki ellei siejä yhdistellä) Kesto ja ääekorkeude muuttamie helppoa kesto muuttamie kute vaihevokooderissa ääekorkeude muuttamie: maipuloidaa siie taajuuksia Trasiettiääet ovat malli ogelma aalyysikehykse pituus määrää aikaresoluutio trasietit leviävät o kehitetty myös sii+kohia+trasietti malli, jossa trasietit mallietaa eriksee 3.4 Lähde-suodi syteesi Syteesi Koodikirjapohjaiset esitysmuodot Syteesi 36 Egl. source-filter sythesis Herätesigaalia suodatetaa aikamuuttuvalla suodattimella Käytetää myös imeä subtraktiivie syteesi: spektriltää rikasta herätesigaalia suodatataa halutuksi Sopii hyvi puhee sytetisoitii impulssijoo-heräte vokaaleille kohiaheräte kosoateille aikamuuttuvalla suodattimella tuotetaa foeemie spektrimuodot Idea: spektrivektori x t mallietaa koodikirjavektorie b paiotettua summaa: x t b a t Paiot a t estimoidaa miimoimalla esitysmuodo rekostruktio virhe Tyypillisissä sovelluksissa o hyödyllistä rajoittaa paiot eiegatiivisiksi Esitystä käytetää yleisimmi teho- tai magitudispektrille Vaiheide pois jättämie mahdollistaa pieet koodikirjat Vaiheet täytyy talletaa ja sytetisoida eriksee Käytössä mm. ääte separoiissa Kuki koodikirjavektori o assosioitu tiettyy ääilähteesee jolloi kuki ääilähtee vektorit voidaa sytetisoida eriksee
10 4 Fysikaalie mallius Syteesi 37 Fysikaalie mallius Syteesi 38 Uusi syteesimeetelmä 1970-luku: aalogi-sytetisaattorie aika 1980-luku: FM-syteesi 1990-luku: fysikaalie mallius elektr. soittimie historiaa: Simuloi soittime akustista ääetuottomekaismia Käyttö musiikillisissa ääissä jäljitellää olemassa olevia soittimia mahdollistaa myös mielikuvitukselliste soittimie ääittämise Etuja: piei muisti tarve parametrisyys (ääiä voidaa muokata helposti) Auttaa ymmärtämää soittime toimitaa: mitkä piirteet ääissä ovat tärkeitä, mikä saa kuulost. hyvältä Ogelmia realistise ääelaadu saavuttamie - joissai istrumeteissa o saavutettu erittäi hyvä ääelaatu (kieli- ja puhallisoittimet) laskeallie kompleksisuus TKK: Akustiika labra (Otaiemi) o kasaivälisesti kovaa tasoa Digitaalie aaltojohtotekiikka Syteesi 39 5 Ääiefektit Syteesi 40 Käytetyi fysikaalise malliukse syteesimeetelmä Esimerkki: yksikertaie kitara kielimalli (vrt. Karplus- Strog algoritmi!) H N (z) mallitaa eergiahäviöitä kielessä A N (z) mallitaa dispersiota: eri taajuudet kulkevat kielessä eri opeudella Tarkoitus tuottaa ääevärii vaihtelua ja eloisuutta efektejä kuullaa päivittäi musiikissa radiosta ja CD:ltä myös ääiefektit elokuvissa ja maioksissa Esimerkkejä yleisimmistä efekteistä: Dyamiika hallita, de-esser Vastekorjaus (jopa pelkkä ali- ja ylipäästösuodatus), wah-wah Flager, chorus, phaser Vahvisti- ja kaiutisimuloiti, särö Kaiua mallitamie ja muut tilaefektit Ääekorkeude- ja kesto muuttamie Osa ylläolevista käsitellää omilla luetokerroillaa, seuraavassa esimerkkiä kaiua mallitamie
11 5.1 Kaiua mallitamie Syteesi Kovoluutio impulssivasteella Syteesi 42 Hyvi yleisesti käytetty audiotuotaossa Usei ääet auhoitetaa kuivaa, vähäkaikuisassa tilassa Haluttu tilaefekti voidaa lisä jälkeepäi Koserttisali (tai muu huoe) voidaa mallitaa lieaarisea aikaivariattia systeemiä Omiaisuudet mallietaa täydellisesti impulssivasteella lähteestä mikrofoii Realistie impulssivaste voidaa mitata oikeasta tilasta tai mallitaa virtuaalisesta ympäristöstä Impulssivaste voi olla useita sekuteja pitkä Suora toteutus kovoluutiolla laskeallisesti erittäi raskas FFT: avulla toteutettavissa, mutta aiheuttaa viivettä Impullssivastee reaaliaikaie muokkaamie hakalaa Ei sovellu iteraktiivisii sovelluksii 5.3 Parametrie kaiua mallitamie Syteesi 43 Parametrie kaiua mallitamie Syteesi 44 Suoraa äätä, varhaisia heijastuksia ja jälkikaiutaa voidaa mallitaa parametrisesti Varhaiset heijastukset: käytetää tuottamaa diskreettejä kaikuja, alkuperäise sigaali toistoja, jotka kuulostavat siltä kui sigaali olisi heijastuut jostai piasta 50 ms viive implikoi oi 8 metri etäisyyttä lähtee ja heijastava pia välillä ihmiskorva pyrkii välittämää tietoa fysikaalisesta ympäristöstä Jälkikaiuta IIR-suodattimilla Kuva alla: yksikertaie tasavälisesti viivästyeitä kaikuja tuottava IIR-suoradi Takaisikytketä alle 1: vahvistuksella: kaiku toistuu kues viivästety sigaali amplitudi putoaa taustakohia taso alapuolelle Yhdistelemässä useita allaoleva kaltaisista lohkoja joide välillä ristiikytketää saadaa moipuolie kaiku
12 5.4 3D-audio Syteesi 45 Halutaa luoda vaikutelma ääistä tietyissä suuassa Kuulo tulosuua aistimisee käyttämät sigaali omiaisuudet: aikaero, itesiteettiero, HRTF-vaste Ylläolevia omiaisuuksia voidaa sytetisoida suodattamalla eri korvii meevät sigaalit Voidaa toteuttaa kuulokkeilla tai kahdella kaiuttimella Kuulokkeissa pää aseto pitää ottaa huomioo Kaiutikuutelussa vaste kaiuttimista molempii korvii (crosstalk) pitää huomioida myös huoevaste vaikuttaa laatuu Useammalla kaiuttimella saadaa parempi illuusio kuulija takaa olevista ääilähteistä
Johdanto. 1 Abstraktit algoritmit. 1.1 FM synteesi
Ääisyteesi ja efektit Lähteet: -Toloe, Välimäki, Karjalaie. (1998). Evaluatio of moder soud sythesis methods. Report o. 48, Helsiki Uiversity of Techology, Acoustics Lab. -Roads. (1996). Computer music
4.3 Signaalin autokorrelaatio
5 4.3 Sigaali autokorrelaatio Sigaali autokorrelaatio kertoo kuika paljo sigaali eri illä korreloi itsesä kassa (josta imiki). Se o Fourier-muuokse ohella yksi käyttökelpoisimmista sigaalie aalysoitimeetelmistä.
Digitaalinen signaalinkäsittely Signaalit, jonot
Digitaalie sigaalikäsittely Sigaalit, joot Teemu Saarelaie, teemu.saarelaie@kyamk.fi Lähteet: Ifeachor, Jervis, Digital Sigal Processig: A Practical Approach H.Huttue, Sigaalikäsittely meetelmät, Opitomoiste,
= true C = true) θ i2. = true C = false) Näiden arvot löydetään kuten edellä Kun verkko on opetettu, niin havainto [x 1
35 Naiivi Bayes Luokkamuuttua C o Bayes-verko uuri a attribuutit X i ovat se lehtiä Naiivi oletus o, että attribuutit ovat ehdollisesti riippumattomia toisistaa aettua luokka Ku käytössä o Boole muuttuat,
Kirjoitetaan FIR-suotimen differenssiyhtälö (= suodatuksen määrittelevä kaava):
TL536, DSK-algoritmit (S4) Harjoitus. Olkoo x(t) = cos(πt)+cos(8πt). a) Poimi sigaalista x äytepisteitä taajuudella f s = 8 Hz. Suodata äi saamasi äytejoo x[] FIR-suotimella, joka suodikertoimet ovat a
SGN-4200 Digitaalinen audio
SGN-4200 Digitaalinen audio Luennot, kevät 2013, periodi 4 Anssi Klapuri Tampereen teknillinen yliopisto Kurssin tavoite Johdanto 2! Tarjota tiedot audiosignaalinkäsittelyn perusteista perusoperaatiot,
S Laskennallinen systeemibiologia
S-4250 Laskeallie systeemibiologia Harjoitus Mittaustuloksea o saatu havaitoparia (x, y ),, (x, y ) Muuttuja y käyttäytymistä voidaa selittää muuttuja x avulla esimerkiksi yksikertaise lieaarise riippuvuude
Dynamiikan hallinta Lähde: Zölzer. Digital audio signal processing. Wiley & Sons, 2008. Zölzer (ed.) DAFX Digital Audio Effects. Wiley & Sons, 2002.
Dynamiikan hallinta Lähde: Zölzer. Digital audio signal processing. Wiley & Sons, 2008. Zölzer (ed. DAFX Digital Audio Effects. Wiley & Sons, 2002. Sisältö:! Johdanto!! Ajallinen käyttäytyminen! oteutus!
Organization of (Simultaneous) Spectral Components
Organization of (Simultaneous) Spectral Components ihmiskuulo yrittää ryhmitellä ja yhdistää samasta fyysisestä lähteestä tulevat akustiset komponentit yhdistelyä tapahtuu sekä eri- että samanaikaisille
MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi
MS-A0501 Todeäköisyyslaskea ja tilastotietee peruskurssi 4A Satuaisotata ja parametrie estimoiti Lasse Leskelä Matematiika ja systeemiaalyysi laitos Perustieteide korkeakoulu Aalto-yliopisto Syksy 2016,
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?
1 Eksponenttifunktion määritelmä
Ekspoettifuktio määritelmä Selvitimme aikaisemmi tällä kurssilla, millaie potessisarja säilyy derivoiissa muuttumattomaa. Se perusteella määritellää: Määritelmä. Ekspoettifuktio exp : R R määritellää lausekkeella
Digitaalinen audio
8003203 Digitaalinen audio Luennot, kevät 2005 Tuomas Virtanen Tampereen teknillinen yliopisto Kurssin tavoite Johdanto 2 Tarjota tiedot audiosignaalinkäsittelyn perusteista perusoperaatiot, sekä niissä
LIITTEET Liite A Stirlingin kaavan tarkkuudesta...2. Liite B Lagrangen kertoimet...3
LIITTEET... 2 Liite A Stirligi kaava tarkkuudesta...2 Liite B Lagrage kertoimet... 2 Liitteet Liitteet Liite A Stirligi kaava tarkkuudesta Luoollista logaritmia suureesta! approksimoidaa usei Stirligi
Sormenjälkimenetelmät
Sormejälkimeetelmät Matti Risteli mristeli@iksula.hut.fi Semiaariesitelmä 23.4.2008 T-106.5800 Satuaisalgoritmit Tietotekiika laitos Tekillie korkeakoulu Tiivistelmä Sormejälkimeetelmät ovat satuaisuutta
TIIVISTELMÄRAPORTTI (SUMMARY REPORT)
2012/MAT814 ISSN 1797-3457 (vekkojulkaisu) ISBN (PDF) 978-951-25-2408-2 TIIVISTELMÄRAPORTTI (SUMMARY REPORT) Vaiheistettu heijastipita valemaalia Joha Ste, Päivi Koivisto, Ato Hujae, Tommi Dufva, VTT,
Yleistä. Digitaalisen äänenkäsittelyn perusteet. Tentit. Kurssin hyväksytty suoritus = Harjoitustyö 2(2) Harjoitustyö 1(2)
Yleistä Digitaalisen äänenkäsittelyn perusteet Jouni Smed jouni.smed@utu.fi syksy 2006 laajuus: 5 op. (3 ov.) esitiedot: Java-ohjelmoinnin perusteet luennot: keskiviikkoisin 10 12 12 salissa β perjantaisin
BM20A Integraalimuunnokset Harjoitus 8
(b)...(d) eve + eve = eve eve eve = eve BM2A57 - Itegraalimuuokset Harjoitus 8. Vastaa jokaisessa kohdassa seuraavii kysymyksii: Oko fuktio parillie? Oko fuktio parito? Huomaatko polyomie kohdalla hyvi
ja läpäisyaika lasketaan (esim) integraalilla (5.3.1), missä nyt reitti s on z-akselilla:
10 a) Valo opeus levyssä o vakio v 0 = c / 0, jote ajaksi matkalla L laskemme L t0 = = 0 L. v0 c b) Valo opeus levyssä riippuu z:sta: c c v ( z) = = ( z ) 0 (1 + 3az 3 ) ja läpäisyaika lasketaa (esim)
- menetelmän pitää perustua johonkin standardissa ISO 140-5 esitetyistä menetelmistä
RAKENNUKSEN ULKOVAIPAN ÄÄNENERISTYSTÄ KOSKEVAN ASEMAKAAVAMÄÄRÄYKSEN TOTEUTUMISEN VALVONTA MITTAUKSIN Mikko Kylliäie, Valtteri Hogisto 2 Isiööritoimisto Heikki Helimäki Oy Piikatu 58 A, 3300 Tampere mikko.kylliaie@helimaki.fi
RATKAISUT x 2 3 = x 2 + 2x + 1, eli 2x 2 2x 4 = 0, joka on yhtäpitävä yhtälön x 2 x 2 = 0. Toisen asteen yhtälön ratkaisukaavalla saadaan
RATKAISUT 8 17 8 a) Paraabelie y x ja y x + x + 1 leikkauspisteet saadaa määritettyä, ku esi ratkaistaa yhtälö x x + x + 1, eli x x, joka o yhtäpitävä yhtälö x x. Toise astee yhtälö ratkaisukaavalla saadaa
Kuulohavainnon perusteet
Kuulohavainnon ärsyke on ääni - mitä ääni on? Kuulohavainnon perusteet - Ääni on ilmanpaineen nopeaa vaihtelua: Tai veden tms. Markku Kilpeläinen Käyttäytymistieteiden laitos, Helsingin yliopisto Värähtelevä
( ) k 1 = a b. b 1) Binomikertoimen määritelmän mukaan yhtälön vasen puoli kertoo kuinka monta erilaista b-osajoukkoa on a-joukolla.
Kombiatoriikka, kesä 2010 Harjoitus 2 Ratkaisuehdotuksia (RT) (5 sivua) Käytä tehtävissä 1-3 kombiatorista päättelyä. 1. Osoita, että kaikilla 0 b a pätee ( ) a a ( ) k 1 b b 1 kb Biomikertoime määritelmä
Radioamatöörikurssi 2014
Radioamatöörikurssi 2014 Polyteknikkojen Radiokerho Radiotekniikka 4.11.2014 Tatu, OH2EAT 1 / 25 Vahvistimet Vahvistin ottaa signaalin sisään ja antaa sen ulos suurempitehoisena Tehovahvistus, db Jännitevahvistus
Epäyhtälöoppia matematiikkaolympialaisten tehtäviin
Epäyhtälöoppia matematiikkaolympialaiste tehtävii Jari Lappalaie ja Ae-Maria Ervall-Hytöe 0 Johdato Epäyhtälöitä reaaliluvuille Cauchy epäyhtälö Kaikille reaaliluvuille a, a,, a ja b, b,, b pätee Cauchy
15 MEKAANISET AALLOT (Mechanical Waves)
3 15 MEKAANISET AALLOT (Mechaical Waves) Luoto o täyä aaltoja. Aaltoliikettä voi sytyä systeemeissä, jotka poikkeutettua tasapaiotilastaa pyrkivät palaamaa siihe takaisi. Aalto eteee, ku poikkeama (häiriö)
Solmu 3/2010 1. toteutuu kaikilla u,v I ja λ ]0,1[. Se on aidosti konveksi, jos. f ( λu+(1 λ)v ) < λf(u)+(1 λ)f(v) (2)
Solmu 3/200 Epäyhtälöistä, osa 2 Markku Halmetoja Mätä lukio Välillä I määriteltyä fuktiota saotaa koveksiksi, jos se kuvaaja o alaspäi kupera, eli jos kuvaaja mitkä tahasa kaksi pistettä yhdistävä jaa
2. Mittaus ja data 2.1. Johdanto. 2.2. Mittaustyypit
2. Mittaus ja data 2.. Johdato Voidaksemme keksiä tosimaailma relaatioita tarkastelemme sitä kuvaavaa dataa, jote esiksi selvitämme, mitä data perimmiltää o. Data kerätää kuvaamalla mielekiitoaluee oliot
Kompleksiluvut signaalin taajuusjakauman arvioinnissa
Kompleksiluvut signaalin taajuusjakauman arvioinnissa Vierailuluento IMA-kurssilla Heikki Huttunen Lehtori, TkT Signaalinkäsittely, TTY heikki.huttunen@tut.fi Department of Signal Processing Fourier-muunnos
SMG-4200 Sähkömagneettisten järjestelmien lämmönsiirto Ehdotukset harjoituksen 6 ratkaisuiksi
SMG-400 Sähkömageettiste järjestelmie lämmösiirto Ehdotukset harjoitukse 6 ratkaisuiksi Tarkastellaa suljetu järjestelmä tehotasaaioa joka o P + P P = P i g out st Oletetaa että verkotetussa alueessa jossa
1. Perusteita. 1.1. Äänen fysiikkaa. Ääniaalto. Aallonpituus ja amplitudi. Taajuus (frequency) Äänen nopeus
1. Perusteita 1. Äänen fysiikkaa 2. Psykoakustiikka 3. Äänen syntetisointi 4. Samplaus ja kvantisointi 5. Tiedostoformaatit 1.1. Äänen fysiikkaa ääni = väliaineessa etenevä mekaaninen värähtely (aaltoliike),
Puheen akustiikan perusteita Mitä puhe on? 2.luento. Äänet, resonanssi ja spektrit. Äänen tuotto ja eteneminen. Puhe äänenä
Puheen akustiikan perusteita Mitä puhe on? 2.luento Martti Vainio Äänet, resonanssi ja spektrit Fonetiikan laitos, Helsingin yliopisto Puheen akustiikan perusteita p.1/37 S-114.770 Kieli kommunikaatiossa...
Audiosignaalin mallintaminen sineillä ja kohinalla
8323 Digitaalinen audio, harjoitustyö kevät 25: vaiheet I ja II Audiosignaalin mallintaminen sineillä ja kohinalla 1. Yleistä Sinikohinamalli on parametrinen tapa esittää audiosignaali kompaktisti. Siinä
RATKAISUT: 15. Aaltojen interferenssi
Physica 9. paios (6) : 5. a) Ku kaksi tai useapia aaltoja eteee saassa äliaieessa, aaltoje yhteisaikutus issä tahasa pisteessä o yksittäiste aaltoje sua. b) Ku aallot kohtaaat, haaitaa iide yhteisaikutus.
Tietoliikennesignaalit & spektri
Tietoliikennesignaalit & spektri 1 Tietoliikenne = informaation siirtoa sähköisiä signaaleja käyttäen. Signaali = vaihteleva jännite (tms.), jonka vaihteluun on sisällytetty informaatiota. Signaalin ominaisuuksia
9.7 Matriisinormit. Vaasan yliopiston julkaisuja 225. Ei siis lainkaan ongelmia defektiivisyydestä.
Vaasa yliopisto julkaisuja 225 U = 0.1213-0.9359-0.3307-0.1005-0.3430 0.9339 0.9875 0.0801 0.1357 S = V = >> 4.5221 0 0 0 2.2793 0 0 0 1.1642 0.0537-0.8212-0.5681 0.4414-0.4908 0.7512 0.8957 0.2911-0.3361
Radioamatöörikurssi 2015
Radioamatöörikurssi 2015 Polyteknikkojen Radiokerho Radiotekniikka 5.11.2015 Tatu Peltola, OH2EAT 1 / 25 Vahvistimet Vahvistin ottaa signaalin sisään ja antaa sen ulos suurempitehoisena Tehovahvistus,
Harjoitustehtävien ratkaisuja
3. Mallitamie lukujooje avulla Lukujoo määritelmä harjoituksia Harjoitustehtävie ratkaisuja 3. Laske lukujoo viisi esimmäistä jäsetä, ku a) a 6 ja b) a 6 ja 3 8 c) a ja 3 a) 6,, 8, 4, 30. b) 8,, 6, 0,
Radioamatöörikurssi 2013
Radioamatöörikurssi 2013 Polyteknikkojen Radiokerho Radiotekniikka 21.11.2013 Tatu, OH2EAT 1 / 19 Vahvistimet Vahvistin ottaa signaalin sisään ja antaa sen ulos suurempitehoisena Tehovahvistus, db Jännitevahvistus
n = 100 x = 0.6 99%:n luottamusväli µ:lle Vastaus:
1. Tietyllä koeella valmistettavie tiivisterekaide halkaisija keskihajoa tiedetää oleva 0.04 tuumaa. Kyseisellä koeella valmistettuje 100 rekaa halkaisijoide keskiarvo oli 0.60 tuumaa. Määrää 95%: ja 99%:
Spektri- ja signaalianalysaattorit
Spektri- ja signaalianalysaattorit Pyyhkäisevät spektrianalysaattorit Suora pyyhkäisevä Superheterodyne Reaaliaika-analysaattorit Suora analoginen analysaattori FFT-spektrianalysaattori DFT FFT Analysaattoreiden
THE 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
Aallot. voima F on suoraan verrannollinen venymään x. k = jousivakio Jousivakion yksikkö [k] = 1 N/m = 1 kg/s 2
Aallot Harmoie voima voima F o suoraa verraollie veymää x Hooke laki F = kx k = jousivakio Jousivakio yksikkö [k] = N/m = kg/s Jouse potetiaalieergia E p = kx syyttää harmoise värähtely yhtee värähdyksee
Radioamatöörikurssi 2016
Radioamatöörikurssi 2016 Modulaatiot Radioiden toiminta 8.11.2016 Tatu Peltola, OH2EAT 1 / 18 Modulaatiot Erilaisia tapoja lähettää tietoa radioaalloilla Esim. puhetta ei yleensä laiteta antenniin sellaisenaan
Normaalijakaumasta johdettuja jakaumia. Normaalijakaumasta johdettuja jakaumia. Normaalijakaumasta johdettuja jakaumia: Mitä opimme?
TKK (c) Ilkka Melli (4) Johdato Johdatus todeäköisyyslasketaa TKK (c) Ilkka Melli (4) : Mitä opimme? / Tutustumme tässä luvussa seuraavii ormaalijakaumasta (ks. lukua Jatkuvia jakaumia) johdettuihi jakaumii:
MATP153 Approbatur 1B Harjoitus 1, ratkaisut Maanantai
MATP53 Approbatur B Harjoitus, ratkaisut Maaatai..05. (Lämmittelytehtävä.) Oletetaa, että op = 7 tutia työtä. Kuika mota tutia Oili Opiskelija työsketelee itseäisesti kurssilla, joka laajuus o 4 op, ku
Stokastiikan perusteet Harjoitukset 1 (Todennäköisyysavaruus, -mitta ja -funktio) 2.11.2015
Stokastiika perusteet Harjoitukset (Todeäköisyysavaruus, -mitta ja -fuktio) 2..205. Määritä potessijoukko 2,ku (a) {0, } (b) {(0, ]} ja ku (c) (0, ]. Ratkaisu: (a) 2 {;, {0}, {}, {0, }} (b) 2 {;, {(0,
Digitaalinen videonkäsittely Harjoitus 1, vastaukset tehtäviin 1-7
Digitaalie videokäsittel Harjoitus, vastaukset tehtävii -7 Tehtävä. a) Y_mi= [0.299+0.587+0.4]*0=0 Y_ma= [0.299+0.587+0.4]*023=023 Cr_mi= [0.5]*0+[-0.48-0.08]*023-5 Cr_ma= [0.5]*023+[-0.48-0.08]*0 52 Cb_mi=
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
Helsinki University of Technology
Helsiki Uiversity of Techology Laboratory of Telecommuicatios Techology S-38. Sigaalikäsittely tietoliiketeessä I Sigal Processig i Commuicatios ( ov) Syksy 997 9. Lueto: Kaava kapasiteetti ja ODM prof.
IIR-suodattimissa ongelmat korostuvat, koska takaisinkytkennästä seuraa virheiden kertautuminen ja joissakin tapauksissa myös vahvistuminen.
TL536DSK-algoritmit (J. Laitinen)..5 Välikoe, ratkaisut Millaisia ongelmia kvantisointi aiheuttaa signaalinkäsittelyssä? Miksi ongelmat korostuvat IIR-suodatinten tapauksessa? Tarkastellaan Hz taajuista
3 10 ei ole rationaaliluku.
Harjoitukset / 011 RATKAISUT Lukuteoria 1. Etsi Eratostheee seulalla samatie kaikki lukua 400 pieemmät alkuluvut. (Tai ohjelmoi tietokoeesi etsimää paljo lisää.) Kirjoita rivii kaikki luvut 1-00. Poista
MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Luennot, osa II
Otokset MS-A050 Todeäköisyyslaskea ja tilastotietee peruskurssi Lueot, osa II Kaksi hyödyllista jakaumaa 3 Estimoiti G. Gripeberg 4 Luottamusvälit Aalto-yliopisto. helmikuuta 05 5 Hypoteesie testaus 6
Diskreetin Matematiikan Paja Ratkaisuja viikolle 4. ( ) Jeremias Berg. n(n + 1) 2. k =
Diskreeti Matematiika Paja Ratkaisuja viikolle 4. (7.4-8.4) Jeremias Berg. Osoita iduktiolla että k = ( + ) Ratkaisu: Kute kaikissa iduktiotodistuksissa meidä täytyy siis osoittaa asiaa. Ns. perustapaus,
T Datasta tietoon, syksy 2005 Laskuharjoitus 8.12., ratkaisuja Jouni Seppänen
T-1.1 Datasta tietoo, syksy 5 Laskuharjoitus.1., ratkaisuja Joui Seppäe 1. Simuloidaa tasoittaista algoritmia. Esimmäisessä vaiheessa ehdokkaia ovat kaikki yhde muuttuja joukot {a}, {b}, {c} ja {d}. Aaltosulkeide
Kertaa tarvittaessa induktiota ja rekursiota koskevia tietoja.
MATEMATIIKAN JA TILASTOTIETEEN LAITOS Aalyysi I Harjoitus 5. 0. 2009 alkavalle viikolle Ratkaisuehdotuksia ( sivua) (Rami Luisto) Laskuharjoituksista saa pistettä, jos laskettu vähitää 50 tehtävää; 3 pistettä,
Laitteita - Yleismittari
Laitteita - Yleismittari Yleistyökalu mittauksissa Yleensä digitaalisia Mittaustoimintoja Jännite (AC ja DC) Virta (AC ja DC) Vastus Diodi Lämpötila Transistori Kapasitanssi Induktanssi Taajuus 1 Yleismittarin
Matematiikan tukikurssi
Matematiika tukikurssi Kurssikerta 1 Iduktiotodistus Iduktiotodistukse logiikka Tutkitaa tapausta, jossa haluamme todistaa joki väittee P() site, että se pätee kaikilla luoollisissa luvuilla. Eli halutaa
Suodinpankit ja muunnokset*
Suodinpankit ja muunnokset* Lähteet: Zölzer. Digital audio signal processing. Wiley & Sons. Spanias et al. Audio signal processing and coding. Wiley & Sons Smith, Spectral audio signal processing, online
KULMAMODULOITUJEN SIGNAALIEN SPEKTRIN LASKEMINEN
KULMMODULOITUJEN SIGNLIEN SPEKTRIN LSKEMINEN 1 (3) (3) Spekri laskeie siisaoalle Kulaoduloidu sigaali spekri johaie o yöläsä epälieaarisuudesa johue (epälieaarise aalyysi ova yleesä hakalia). Se voidaa
Kaksiulotteinen normaalijakauma Mitta-asteikot Havaintoaineiston kuvaaminen ja otostunnusluvut
Mat-2.09 Sovellettu todeäköisyyslasku /Ratkaisut Aiheet: Kaksiulotteie ormaalijakauma Mitta-asteikot Havaitoaieisto kuvaamie ja otostuusluvut Avaisaat: Ehdollie jakauma, Ehdollie odotusarvo, Ehdollie variassi,
Algebra I Matematiikan ja tilastotieteen laitos Ratkaisuehdotuksia harjoituksiin 5 (6 sivua)
Algebra I Matematiika ja tilastotietee laitos Ratkaisuehdotuksia harjoituksii 5 (6 sivua) 14.2. 17.2.2011 1. Määritellää kuvaus f : S 3 S 3, f(α) = (123) α. Osoita, että f o bijektio. Mikä o se kääteiskuvaukse
SGN-4200 Digitaalinen Audio Harjoitustyö-info
1 SGN-4200 Digitaalinen Audio Harjoitustyö-info 04.04.2012 Joonas Nikunen Harjoitystyö - 2 Suorittaminen ja Käytännöt Kurssin pakollinen harjoitustyö: Harjoitellaan audiosignaalinkäsittelyyn tarkoitetun
Otantajakauman käyttö päättelyssä
Keskiarvo otatajakauma Toisistaa tietämättä kaksi tutkijaa tutkii samaa ilmiötä, jossa perusjoukko koostuu kuudesta tutkittavasta ja tarkoituksea o laskea keskiarvo A: Kokoaistutkimus B: Otatatutkimus
Johdatus tilastotieteeseen Yhden selittäjän lineaarinen regressiomalli. TKK (c) Ilkka Mellin (2005) 1
Johdatus tilastotieteesee Yhde selittää lieaarie regressiomalli TKK (c) Ilkka Melli (2005) Yhde selittää lieaarie regressiomalli Yhde selittää lieaarie regressiomalli a sitä koskevat oletukset Yhde selittää
Matematiikan tukikurssi
Matematiika tukikurssi Kurssikerta 3 1 Lisää iduktiota Jatketaa iduktio tarkastelua esimerki avulla. Yritetää löytää kaava : esimmäise (positiivise) parittoma luvu summalle eli summalle 1 + 3 + 5 + 7 +...
Alipäästösuotimen muuntaminen muiksi perussuotimiksi
Alipäästösuotimen muuntaminen muiksi perussuotimiksi Usein suodinsuunnittelussa on lähtökohtana alipäästösuodin (LPF), josta voidaan yksinkertaisilla operaatioilla muodostaa ylipäästö- (HPF), kaistanpäästö-
Kapeakaistainen signaali
Tiedonsiirrossa sellaiset signaalit ovat tyypillisiä, joilla informaatio jakautuu kapealle taajuusalueelle jonkun keskitaajuuden ympäristöön. Tällaisia signaaleja kutustaan kapeakaistaisiksi signaaleiksi
LASKENNALLISEN TIETEEN ERIKOISKURSSI kl 2000
LASKENNALLISEN TIETEEN ERIKOISKURSSI kl 2000 Laskuharjoitus Detaljibalassi Osoita, että siirtymätodeäköisyydet π m α m ; ρ, m ρ α m ----- ; ρ < ρ, m m π m, m m ja π m ρ α m ------------------ ρ +, m π
Teknillinen korkeakoulu, Akustiikan ja äänenkäsittelytekniikan laboratorio PL 3000, 02015 TKK, Espoo Henri.Penttinen@hut.fi
KITARAEFEKTEJÄ KAIKUKOPPAMALLEILLA Henri Penttinen 1, Vesa Välimäki 1,2 ja Matti Karjalainen 1 1 Teknillinen korkeakoulu, Akustiikan ja äänenkäsittelytekniikan laboratorio PL 3000, 02015 TKK, Espoo Henri.Penttinen@hut.fi
Valo-oppia. Haarto & Karhunen. www.turkuamk.fi
Valo-oia Haarto & Karhue Valo sähkömageettisia aaltoia Sähkömageettiste aaltoje teoria erustuu Maxwelli yhtälöihi S S E da 0 B da Q (Gaussi laki) 0 (Gaussi laki magetismissa) dφb E ds dt (Faraday laki)
Mat Tilastollisen analyysin perusteet, kevät 2007
Mat-.104 Tilastollise aalyysi perusteet, kevät 007 6. lueto: Johdatus regressioaalyysii S ysteemiaalyysi Tekillie korkeakoulu Kai Virtae 1 Regressioaalyysi idea Tavoitteea selittää selitettävä tekiä/muuttua
Valvontakortit. Sovelletun Matematiikan Erikoistyö. Pastinen Tommi 23.4.2010
Valvotakortit Sovelletu Matematiika Erikoistyö Pastie Tommi 3.4. Tässä työssä perehdytää valvotakortteihi tilastollisessa laaduvalvoassa perusteoria ja esimerkkitapauste kautta. Sisältö Johdato... 3 Tilastollisesta
Pianon äänten parametrinen synteesi
Pianon äänten parametrinen synteesi Jukka Rauhala Pianon akustiikkaa Kuinka ääni syntyy Sisält ltö Pianon ääneen liittyviä ilmiöitä Pianon äänen synteesi Ääniesimerkkejä Akustiikan ja äänenkäsittelytekniikan
Puhesynteesin perusteet Luento 4: difonikonkatenaatio
Puhesynteesin perusteet Luento 4: difonikonkatenaatio Nicholas Volk 7.2.2008 Käyttäytymistieteellinen tiedekunta Idea Äänteet ovat stabiileimmillaan keskellä äännettä, joten mallinnetaan siirtymät äänteestä
TILASTOT: johdantoa ja käsitteitä
TILASTOT: johdatoa ja käsitteitä TOD.NÄK JA TILASTOT, MAA10 Tilastotietee tehtävää o esittää ja tulkita tutkimuskohteesee liittyvää havaitoaieistoa eli tilastoaieistoa. Tutkitaa valittua joukkoa ja se
N:o 294 2641. Liite 1. Staattisen magneettikentän (0 Hz) vuontiheyden suositusarvo.
N:o 94 641 Liite 1. Staattise mageettiketä (0 Hz) vuotiheyde suositusarvo. Altistumie Koko keho (jatkuva) Mageettivuo tiheys 40 mt Tauluko selityksiä Suositusarvoa pieemmätki mageettivuo tiheydet saattavat
Laskuharjoitus 4 ( ): Tehtävien vastauksia
TT12S1E Tietoliikenteen perusteet Metropolia/A. Koivumäki Laskuharjoitus 4 (2.10.2013): Tehtävien vastauksia 1. Tutkitaan signaalista näytteenotolla muodostettua PAM (Pulse Amplitude Modulation) -signaalia.
Kompleksiluvut. Johdanto
Kompleksiluvut Johdato Tuomo Pirie tuomo.pirie@tut.fi Aikoje kuluessa o matematiikassa kohdattu tilateita, jolloi käytetyt määrittelyt ja rajoitukset (esimerkiksi käytetyt lukujoukot) eivät ole olleet
Äärettämän sarjan (tai vain sarjan) sanotaan suppenevan eli konvergoivan, jos raja-arvo lims
75 4 POTENSSISARJOJA 4.1 ÄÄRETTÖMÄT SARJAT Lukujoo { a k } summaa S a a a a a k 0 1 k k0 saotaa äärettömäksi sarjaksi. Summa o s. osasumma. S a a a a a k 0 1 k0 Äärettämä sarja (tai vai sarja) saotaa suppeeva
Ruletti ja Martingaalistrategia
POHDIN projekti Ruletti ja Martigaalistrategia Ruletti o uhkapeli, jossa pelaaja pyrkii veikkaamaa kuula pysähtymiskohda pyörivältä kehältä. Euroopassa käytettävässä ruletissa o käytössä 37 umeroa (0-36)
Muuntavat analogisen signaalin digitaaliseksi Vertaa sisääntulevaa signaalia referenssijännitteeseen Sarja- tai rinnakkaismuotoinen Tyypilliset
Muuntavat analogisen signaalin digitaaliseksi Vertaa sisääntulevaa signaalia referenssijännitteeseen Sarja- tai rinnakkaismuotoinen Tyypilliset valintakriteerit resoluutio ja nopeus Yleisimmät A/D-muunnintyypit:
Tilastolliset menetelmät: Tilastolliset testit
Tilastolliset meetelmät Tilastolliset testit Tilastolliset meetelmät: Tilastolliset testit 8. Tilastollie testaus 9. Testejä suhdeasteikollisille muuttujille. Testejä järjestysasteikollisille muuttujille.
10 Kertolaskusääntö. Kahta tapahtumaa tai satunnaisilmiötä sanotaan riippumattomiksi, jos toisen tulos ei millään tavalla vaikuta toiseen.
10 Kertolaskusäätö Kahta tapahtumaa tai satuaisilmiötä saotaa riippumattomiksi, jos toise tulos ei millää tavalla vaikuta toisee. Esim. 1 A = (Heitetää oppaa kerra) ja B = (vedetää yksi kortti pakasta).
FIR suodinpankit * 1 Johdanto
FIR suodinpankit * Lähteet: Zölzer. Digital audio signal processing. Wiley & Sons. Saramäki. Multirate signal processing. TTKK:n kurssi 80558. * ) Aihealue on erittäin laaja. Esitys tässä on tarkoituksellisesti
Talousmatematiikka (3 op) Sisältö. Tero Vedenjuoksu. Yhteystiedot: Tero Vedenjuoksu tero.vedenjuoksu@oulu.fi Työhuone M231
Talousmatematiikka (3 op) Tero Vedejuoksu Oulu yliopisto Matemaattiste tieteide laitos 2010 Sisältö Yhteystiedot: Tero Vedejuoksu tero.vedejuoksu@oulu.fi Työhuoe M231 Kurssi kotisivu http://cc.oulu.fi/~tvedeju/talousmatematiikka/
Tilastolliset luottamusvälit
Luku 8 Tilastolliset luottamusvälit Lasse Leskelä Aalto-yliopisto 18. lokakuuta 2017 8.1 Piste-estimaatti ja väliestimaatti Edellisessä luvussa opittii määrittämää parametreille estimaatteja suurimma uskottavuude
1 Johdanto. 2 Kriittinen näytteistys 2:lla alikaistalla. 1.1 Suodatinpankit audiokoodauksessa. Johdanto
Suodinpankit ja muunnokset* Lähteet: Zölzer. Digital audio signal processing. Wiley & Sons. Spanias et al. Audio signal processing and coding. Wiley & Sons Smith, Spectral audio signal processing, online
Johdatus tilastotieteeseen Otos ja otosjakaumat. TKK (c) Ilkka Mellin (2004) 1
Johdatus tilastotieteesee Otos ja otosjakaumat TKK (c) Ilkka Melli (004) 1 Otos ja otosjakaumat Yksikertaie satuaisotos Otostuusluvut ja otosjakaumat Aritmeettise keskiarvo otosjakauma Otosvariassi otosjakauma
4 KORKEAMMAN KERTALUVUN LINEAARISET DIFFERENTIAALIYHTÄLÖT. Kertaluvun n lineaarinen differentiaaliyhtälö ns. standardimuodossa on
4 4 KORKEAAN KERTAUVUN INEAARISET DIFFERENTIAAIYHTÄÖT Kertalukua olevassa differetiaalihtälössä F(x,,,, () ) = 0 esiit :e kertaluvu derivaatta () = d /dx ja mahdollisesti alempia derivaattoja, :tä ja x:ää.
λ x = 0,100 nm, Eγ = 0,662 MeV, θ = 90. λ λ+ λ missä ave tarkoittaa aikakeskiarvoa.
S-114.46 Fysiikka V (Sf) Tetti 16.5.00 välikokee alue 1. Oletetaa, että protoi ja elektroi välie vetovoia o verraollie suureesee r ( F =- kr) eikä etäisyyde eliö kääteisarvoo ( F =-k / r ). Käytä kulaliikeäärä
Kun vuoden alussa varastossa oli 100 karaattia ja Antwerpenin ostot oheisen kuvan
Optimoitimeetelmät Kirjallisuutta: Rardi Roald R.: Optimizatio i Operatios Research, 998 Wisto Waye L.: Operatios Research. Applicatios ad Algorithms, 3rd editio, 994. Matemaattie mallius ja ogelmie ratkaisu
KAIKKI MINKÄ OLET AINA HALUNNUT TIETÄÄ KENRAALIBASSOSTA, MUTTA ET OLE KEHDANNUT KYSYÄ. Sakari Vainikka Sakari Vainikka
KAIKKI MINKÄ OLET AINA HALUNNUT TIETÄÄ KENRAALIBASSOSTA, MUTTA ET OLE KEHDANNUT KYSYÄ Sakari Vaiikka Sakari Vaiikka I KOLMISOINNUT 1. Soiut raketuvat seitsesävelisestä diatoisesta sävelmateriaalista site,
dx = d dψ dx ) + eikx (ik du u + 2ike e ikx u i ike ikx u + e udx
763333A KIINTEÄN AINEEN FYSIIKKA Ratkaisut 5 Kevät 2014 1. Tehtävä: Johda luetomateriaali kaavat d 2 u i k du 2 m + Uxu = E k 2 u p = k + u x i d ux. Ratkaisu: Oletetaa, että ψx = e ikx ux, missä ux +
4.7 Todennäköisyysjakaumia
MAB5: Todeäöisyyde lähtöohdat.7 Todeäöisyysjaaumia Luvussa 3 Tuusluvut perehdyimme jo jaauma äsitteesee yleesä ja ormaalijaaumaa vähä taremmi. Lähdetää yt tutustumaa biomijaaumaa ja otetaa se jälee ormaalijaauma
Luento 8. Suodattimien käyttötarkoitus
Luento 8 Lineaarinen suodatus Ideaaliset alipäästö, ylipäästö ja kaistanpäästösuodattimet Käytännölliset suodattimet 8..006 Suodattimien käyttötarkoitus Signaalikaistan ulkopuolisen kohinan ja häiriöiden
RAUHASSA LIIKKEELLE, TERVEENÄ MAALIIN (18.5.)
Tämä ohjelma sopii iille, jotka eivät ole aiemmi juosseet juuri ollekaa tai ovat juosseet viime aikoia erittäi vähä. Tavoitteea o päästä turvallisesti liikkeelle ja lisätä a ousujohteisesti site, että
VÄRISPEKTRIKUVIEN TEHOKAS SIIRTO TIETOVERKOISSA
VÄRISPEKTRIKUVIEN TEHOKAS SIIRTO TIETOVERKOISSA Juha Lehtoe 0.3.00 Joesuu yliopisto Tietojekäsittelytiede Kadidaatitutkielma ESIPUHE Ole kirjoittaut tämä kadidaatitutkielma Joesuu yliopistossa Tietojekäsittelytietee
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