SGN-1200 Signaalinkäsittelyn menetelmät, Tentti
|
|
- Petteri Härkönen
- 4 vuotta sitten
- Katselukertoja:
Transkriptio
1 SGN-1200 Signaalinkäsittelyn menetelmät, Tentti Kirjoita nimesi ja opiskelijanumerosi jokaiseen paperiin. Vastauspaperit tullaan irrottamaan toisistaan. Jos tila ei riitä, jatka kääntöpuolelle ja sen jälkeen erilliselle konseptille, jota voit pyytää valvojalta. Laskinta saa käyttää, mutta muistin tulee olla tyhjä. Rastita vielä alle mistä löytyy merkintä pakollisista harjoituksista. Osallistuin harjoituksiin talvella Osallistuin harjoituksiin vuonna: syksyllä kesällä keväällä Palautin harjoitustehtäväpaketin vuonna: En ole vielä suorittanut pakollisia harjoituksia ja otan yhteyttä luennoitsijaan. 1. Ovatko seuraavat väittämät tosia vai epätosia? (Perusteluja ei tarvita. Oikea vastaus: 1 p, väärä: 1 2 p, ei vastausta 0 p.) (a) Suotimen stabiilius tarkistetaan selvittämällä ovatko sen siirtofunktion napojen itseisarvot pienempiä kuin yksi. (b) Signaalin x(n)y(n) DFT on X(n)Y(n). (c) Kaksiulotteinen diskreetti Fourier-muunnos voidaan laskea yksiulotteisten diskreettien Fourier-muunnosten avulla. (d) Järjestelmä, jonka impulssivaste on h(n) =δ(n)+0.5δ(n 1) 0.25δ(n 3) on stabiili. (e) Laskostuminen estetään A/D-muunnoksessa asettamalla näytteenottotaajuus vähintään samaksi kuin analogisen signaalin suurin taajuus. (f) FIR-suotimen siirtofunktio voidaan päätellä sen impulssivasteesta. Suodintyyppi Impulssivaste kun n 0 n = 0 Alipäästö 2f c sinc(n 2πf c ) 2f c Ylipäästö 2f c sinc(n 2πf c ) 1 2f c Kaistanpäästö 2f 2 sinc(n 2πf 2 ) 2f 1 sinc(n 2πf 1 ) 2(f 2 f 1 ) Kaistanesto 2f 1 sinc(n 2πf 1 ) 2f 2 sinc(n 2πf 2 ) 1 2(f 2 f 1 ) Ikkuna- Siirtymäkaistan Päästökaistan Estokaistan Ikkunan lauseke funktion leveys värähtely minimi- w(n), kun nimi (normalisoitu) (db) vaimennus (db) n (N 1)/2 Suorakulmainen 0.9/N Bartlett 3.05/N n N 1 Hanning 3.1/N cos 2πn N Hamming 3.3/N cos 2πn N Blackman 5.5/N cos 2πn N cos 4πn N
2 2. (a) Analoginen signaali koostuu yksittäisestä siniaallosta, jonka taajuus on 2500 Hz. Signaalista otetaan näytteitä sekunnin välein. Tapahtuuko laskostumista? Jos vastauksesi on myönteinen, miksi taajuudeksi mainittu sinitaajuus tulkitaan, ts. mille taajuudelle se laskostuu? (1p) (b) Mikä on lähteen entropia, kun se tuottaa viittä symbolia todennäköisyyksillä p 1 = 0.04, p 2 = 0.13, p 3 = 0.25, p 4 = 0.28, p 5 = 0.30? 1 (2p) (c) Suodin suunnitellaan ikkunamenetelmällä seuraavien määrittelyjen mukaiseksi. Estokaista Päästökaista Päästökaistan maksimivärähtely Estokaistan minimivaimennus Näytteenottotaajuus [12 khz,16khz] [0 khz,11khz] 0.04 db 48 db 32 khz Suodin täytyisi toteuttaa järjestelmässä, joka kykenee suorittamaan neljä miljoonaa kertolaskua sekunnissa (muiden tarvittavien operaatioiden määrä ei muodostu pullonkaulaksi, koska ne ovat nopeampia tehdä). Millä ikkunoilla tämä onnistuu (vai onnistuuko millään)? Suodinta ei tarvitse suunnitella, mutta perustele valintasi. (3p) 1 Muistin virkistämiseksi sanoman informaation kaava on I k = log 2 p k bittiä. Kaksikantaisen logaritmin saa laskimesta esim. kaavalla log 2 x = ln x ln 2.
3 3. Oletetaan, että kausaalisen LTI-järjestelmän heräte x(n) ja vaste y(n) toteuttavat seuraavan differenssiyhtälön: y(n) = y(n 1) 1 y(n 2)+x(n) 2x(n 1)+2x(n 2). 2 (a) Määritä järjestelmän siirtofunktio H(z). (b) Piirrä napa-nollakuvio. (c) Onko järjestelmä stabiili? Miksi / miksi ei?
4 4. Suunnittele ikkunamenetelmällä ylipäästösuodin (selvitä käsin impulssivasteen lauseke), jonka vaatimukset ovat seuraavat: Estokaista Päästökaista Päästökaistan maksimivärähtely Estokaistan minimivaimennus Näytteenottotaajuus [0 khz,3.8khz] [5.1 khz,16khz] 0.1 db 55 db 32 khz Käytä etusivun taulukoita hyväksesi.
5 5. (a) FIR-suotimen impulssivasteessa h(n) on kertoimia pariton määrä, arvoilla n = 0,1,...,2k. Lisäksi impulssivaste on antisymmetrinen keskimmäisen kertoimen suhteen, eli h(n) = h(2k n), missä 0 n<k Mikä on suotimen amplitudivaste i. Nollataajuudella? (2p) ii. Nyquistin taajuudella? (2p) (b) Tarkastellaan reaalista vektoria x = (x 0,x 1,x 2,x 3,x 4,x 5,x 6,x 7 ) T. Laske sen diskreetti Fourier-muunnos X, kun vektorin (x 0,x 2,x 4,x 6 ) T DFT on ( 10, 2, 10, 2) T ja vektorin (x 1,x 3,x 5,x 7 ) T DFT on ( 6, 8, 2, 8) T. (2p)
SGN-1200 Signaalinkäsittelyn menetelmät, Tentti
SG-00 Signaalinkäsittelyn menetelmät, Tentti 6.3.006 Kirjoita nimesi ja opiskelijanumerosi jokaiseen paperiin. Vastauspaperit tullaan irrottamaan toisistaan. Jos tila ei riitä, jatka kääntöpuolelle ja
LisätiedotSGN-1200 Signaalinkäsittelyn menetelmät, Tentti
SG-00 Signaalinkäsittelyn menetelmät, Tentti..005 Kirjoita nimesi ja opiskelijanumerosi jokaiseen paperiin. Vastauspaperit tullaan irrottamaan toisistaan. Jos tila ei riitä, jatka kääntöpuolelle ja sen
LisätiedotSGN-1200 Signaalinkäsittelyn menetelmät, Tentti
SG-1200 Signaalinkäsittelyn menetelmät, Tentti 24.4.2006 Kirjoita nimesi ja opiskelijanumerosi jokaiseen paperiin. Vastauspaperit tullaan irrottamaan toisistaan. Jos tila ei riitä, jatka kääntöpuolelle
LisätiedotSGN-1200 Signaalinkäsittelyn menetelmät Välikoe
SGN-00 Signaalinkäsittelyn menetelmät Välikoe 9.3.009 Sivuilla - on. Älä vastaa siihen, jos et ollut ensimmäisessä välikokeessa. Tentin kysymykset ovat sivuilla 3-4. Vastaa vain jompaan kumpaan kokeeseen,
LisätiedotSGN-1200 Signaalinkäsittelyn menetelmät, Tentti
SGN-1200 Signaalinkäsittelyn menetelmät, Tentti 5.5.2008 Kirjoita nimesi ja opiskelijanumerosi jokaiseen paperiin. Vastauspaperit tullaan irrottamaan toisistaan. Jos tila ei riitä, jatka kääntöpuolelle
LisätiedotSGN-1200 Signaalinkäsittelyn menetelmät Välikoe
SGN-100 Signaalinkäsittelyn menetelmät Välikoe 6.4.010 Sivuilla 1- on. Älä vastaa siihen, jos et ollut ensimmäisessä välikokeessa. Tentin kysymykset ovat sivuilla 3-4. Vastaa vain jompaan kumpaan kokeeseen,
LisätiedotSGN-1200 Signaalinkäsittelyn menetelmät, Tentti
SG-1200 Signaalinkäsittelyn menetelmät, Tentti 21.3.2006 Kirjoita nimesi ja opiskelijanumerosi jokaiseen paperiin. Vastauspaperit tullaan irrottamaan toisistaan. Jos tila ei riitä, jatka kääntöpuolelle
LisätiedotSGN-1200 Signaalinkäsittelyn menetelmät, Tentti
SG-1200 Signaalinkäsittelyn menetelmät, Tentti 30.1.2006 Kirjoita nimesi ja opiskelijanumerosi jokaiseen paperiin. Vastauspaperit tullaan irrottamaan toisistaan. Jos tila ei riitä, jatka kääntöpuolelle
LisätiedotSGN Signaalinkäsittelyn perusteet Välikoe Heikki Huttunen
SGN-11 Signaalinkäsittelyn perusteet Välikoe 3.5.16 Heikki Huttunen Laskimen käyttö sallittu. Muiden materiaalien käyttö ei sallittu. Tenttikysymyksiä ei tarvitse palauttaa. Sivuilla 1-3 on. Sivuilla 4-5
LisätiedotSGN Signaalinkäsittelyn perusteet Välikoe Heikki Huttunen
SGN- Signaalinkäsittelyn perusteet Välikoe.5.4 Heikki Huttunen Tentissä ja välikokeessa saa käyttää vain tiedekunnan laskinta. Tenttikysymyksiä ei tarvitse palauttaa. Sivuilla -3 on. Sivuilla 4-5 on. Sivulla
LisätiedotIIR-suodattimissa ongelmat korostuvat, koska takaisinkytkennästä seuraa virheiden kertautuminen ja joissakin tapauksissa myös vahvistuminen.
TL536DSK-algoritmit (J. Laitinen)..5 Välikoe, ratkaisut Millaisia ongelmia kvantisointi aiheuttaa signaalinkäsittelyssä? Miksi ongelmat korostuvat IIR-suodatinten tapauksessa? Tarkastellaan Hz taajuista
LisätiedotDigitaalinen signaalinkäsittely Desibeliasteikko, suotimen suunnittelu
Digitaalinen signaalinkäsittely Desibeliasteikko, suotimen suunnittelu Teemu Saarelainen, teemu.saarelainen@kyamk.fi Lähteet: Ifeachor, Jervis, Digital Signal Processing: A Practical Approach H.Huttunen,
LisätiedotTuntematon järjestelmä. Adaptiivinen suodatin
1 1 Vastaa lyhyesti seuraaviin a) Miksi signaaleja ylinäytteistetään AD- ja DA-muunnosten yhteydessä? b) Esittele lohkokaaviona adaptiiviseen suodatukseen perustuva tuntemattoman järjestelmän mallinnus.
LisätiedotRemez-menetelmä FIR-suodinten suunnittelussa
Luku Remez-menetelmä FIR-suodinten suunnittelussa Remez-menetelmä, eli optimaalinen menetelmä etsii minimax-mielessä optimaalista suodinta. Algoritmi johdetaan seuraavassa (täydellisyyden vuoksi) melko
LisätiedotT Digitaalinen signaalinkäsittely ja suodatus
T-63 Digitaalinen signaalinkäsittely ja suodatus 2 välikoe / tentti Ke 4528 klo 6-9 Sali A (A-x) ja B (x-ö)m 2 vk on oikeus tehdä vain kerran joko 75 tai 45 Tee välikokeessa tehtävät, 2 ja 7 (palaute)
LisätiedotSGN-1251 Signaalinkäsittelyn sovellukset Välikoe Heikki Huttunen
SGN-5 Signaalinkäsittelyn sovellukset Välikoe.. Heikki Huttunen Tentissä ja välikokeessa saa käyttää vain tiedekunnan laskinta. Tenttikysymyksiä ei tarvitse palauttaa. Sivuilla - on. Sivuilla 4-6 on. Vastaa
LisätiedotAlipäästösuotimen muuntaminen muiksi perussuotimiksi
Alipäästösuotimen muuntaminen muiksi perussuotimiksi Usein suodinsuunnittelussa on lähtökohtana alipäästösuodin (LPF), josta voidaan yksinkertaisilla operaatioilla muodostaa ylipäästö- (HPF), kaistanpäästö-
LisätiedotT SKJ - TERMEJÄ
T-61140 SKJ - termit Sivu 1 / 7 T-61140 SKJ - TERMEJÄ Nimi Opnro Email Signaalinkäsittelyyn liittyviä termejä ja selityksiä Kevät 2005 Täytä lomaketta kevään aikana ja kerää mahdollisesti puuttuvia termejä
Lisätiedot1 Tarkastellaan digitaalista suodatinta, jolle suurin sallittu päästökaistavärähtely on 0.05 db ja estokaistalla vaimennus on 44 db.
TL5362DSK-algoritmit (J. Laitinen) 2.2.26 Tarkastellaan digitaalista suodatinta, jolle suurin sallittu äästökaistavärähtely on.5 db ja estokaistalla vaimennus on 44 db. 6 Kuinka suuri maksimioikkeama vahvistusarvosta
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?
Lisätiedot1 Olkoon suodattimen vaatimusmäärittely seuraava:
Olkoon suodattimen vaatimusmäärittely seuraava: Päästökaistan maksimipoikkeama δ p =.5. Estokaistan maksimipoikkeama δ s =.. Päästökaistan rajataajuus pb = 5 Hz. Estokaistan rajataajuudet sb = 95 Hz Näytetaajuus
LisätiedotDigitaalinen Signaalinkäsittely T0125 Luento 4-7.04.2006
Digitaalinen Signaalinkäsittely T5 Luento 4-7.4.6 Jarkko.Vuori@evtek.fi Z-taso Z-taso on paljon käytetty graafinen esitystapa jonka avulla voidaan tarkastella signaalien taajuussisältöjä sekä järjestelmien
LisätiedotHeikki Huttunen Signaalinkäsittelyn sovellukset
Tampereen teknillinen yliopisto. Signaalinkäsittelyn laitos. Opetusmoniste 2: Tampere University of Technology. Department of Signal Processing. Lecture Notes 2: Heikki Huttunen Signaalinkäsittelyn sovellukset
LisätiedotSMG-1100: PIIRIANALYYSI I. Verkkojen taajuusriippuvuus: suo(dat)timet
SMG-00: PIIRIANALYYSI I Verkkojen taajuusriippuvuus: suo(dat)timet alipäästösuodin ylipäästösuodin kaistanpäästösuodin kaistanestosuodin jännitevahvistus rajataajuus kaistanleveys resonanssi Suotimet:
LisätiedotKatsaus suodatukseen
Katsaus suodatukseen Suodatuksen perustaa, ideaaliset suotimet, käytännön toteutuksia Suodatus Suodatusta käytetään yleensä signaalin muokkaukseen siten, että 2 poistetaan häiritsevä signaali hyötysignaalin
LisätiedotKompleksiluvut 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
LisätiedotEsipuhe. Tampereella, 9. toukokuuta 2003, Heikki Huttunen heikki.huttunen@tut.fi
Esipuhe Käsillä oleva moniste on tarkoitettu opetusmateriaaliksi Tampereen teknillisen yliopiston signaalinkäsittelyn laitoksen kurssille "8253: Johdatus signaalinkäsittelyyn 2". Materiaali on kehittynyt
Lisätiedot8000253: Johdatus signaalinkäsittelyyn 2
TAMPEREEN TEKNILLINEN YLIOPISTO Tietotekniikan osasto Signaalinkäsittelyn laitos TAMPERE UNIVERSITY OF TECHNOLOGY Department of Information Technology Institute of Signal Processing Opetusmoniste 2-23
LisätiedotTL5503 DSK, laboraatiot (1.5 op) Suodatus 1 (ver 1.0) Jyrki Laitinen
TL5503 DSK, laboraatiot (1.5 op) Suodatus 1 (ver 1.0) Jyrki Laitinen TL5503 DSK, laboraatiot (1.5 op), K2005 1 Suorita oheisten ohjeiden mukaiset tehtävät Matlab-ohjelmistoa käyttäen. Kokoa erilliseen
LisätiedotSignaalinkäsittelyn sovellukset
Signaalinkäsittelyn laitos. Opetusmoniste 26: Institute of Signal Processing. Lecture Notes 26: Heikki Huttunen Signaalinkäsittelyn sovellukset Tampere 26 Tampereen teknillinen yliopisto. Signaalinkäsittelyn
LisätiedotSignaalinkäsittelyn menetelmät
Signaalinkäsittelyn laitos. Opetusmoniste 25: Institute of Signal Processing. Lecture Notes 25: Heikki Huttunen Signaalinkäsittelyn menetelmät Tampere 25 Opetusmoniste 25: Signaalinkäsittelyn menetelmät
LisätiedotHeikki Huttunen Signaalinkäsittelyn perusteet
Tampereen teknillinen yliopisto. Signaalinkäsittelyn laitos. Opetusmoniste 24: Tampere University of Technology. Department of Signal Processing. Lecture Notes 24: Heikki Huttunen Signaalinkäsittelyn perusteet
LisätiedotSpektri- ja signaalianalysaattorit
Spektri- ja signaalianalysaattorit Pyyhkäisevät spektrianalysaattorit Suora pyyhkäisevä Superheterodyne Reaaliaika-analysaattorit Suora analoginen analysaattori FFT-spektrianalysaattori DFT FFT Analysaattoreiden
Lisätiedot5. Z-muunnos ja lineaariset diskreetit systeemit. z n = z
5. Z-muunnos ja lineaariset diskreetit systeemit Jono: (x(n)) n=0 = (x(0), x(1), x(2),..., x(n),...) Z-muunnos: X(z) = n=0 x(n)z n, jos sarja suppenee jossain kompleksitason osassa. Esim. 4. Ykkösjonon
LisätiedotSäätötekniikan ja signaalinkäsittelyn työkurssi
Säätötekniikan ja signaalinkäsittelyn työkurssi Työ D102: Sinimuotoisen signaalin suodattaminen 0.4 op. Julius Luukko Lappeenrannan teknillinen yliopisto Sähkötekniikan osasto/säätötekniikan laboratorio
LisätiedotHeikki Huttunen Signaalinkäsittelyn sovellukset
Tampereen teknillinen yliopisto. Signaalinkäsittelyn laitos. Opetusmoniste 2: Tampere University of Technology. Department of Signal Processing. Lecture Notes 2: Heikki Huttunen Signaalinkäsittelyn sovellukset
Lisätiedotz muunnos ja sen soveltaminen LTI järjestelmien analysointiin
z muunnos ja sen soveltaminen LTI järjestelmien analysointiin muunnoksella (eng. transform) on vastaava asema diskreettiaikaisten signaalien ja LTI järjestelmien analyysissä kuin Laplace muunnoksella jatkuvaaikaisten
LisätiedotKompleksianalyysi, viikko 7
Kompleksianalyysi, viikko 7 Jukka Kemppainen Mathematics Division Fourier-muunnoksesta Laplace-muunnokseen Tarkastellaan seuraavassa kausaalisia signaaleja eli signaaleja x(t), joille x(t) 0 kaikilla t
LisätiedotLuento 8. Suodattimien käyttötarkoitus
Luento 8 Lineaarinen suodatus Ideaaliset alipäästö, ylipäästö ja kaistanpäästösuodattimet Käytännölliset suodattimet 8..007 Suodattimien käyttötarkoitus Signaalikaistan ulkopuolisen kohinan ja häiriöiden
LisätiedotL/M = 16.9/9.1 = 169/91 = 13/7.
TL56DSK-algoritit J. Laitinn 7.. TTES5, TTES5Z Väliko, ratkaisut Signaali x[n], onka näyttaauus on 9. khz, pitää uuntaa signaaliksi, onka näyttaauus on 6.9 khz. Esitä uunnoksn vaiht lohkokaaviona skä tarvittavin
LisätiedotELEC-C5340 - Sovellettu digitaalinen signaalinkäsittely. Äänisignaalien näytteenotto ja kvantisointi Dither Oskillaattorit Digitaalinen suodatus
L1: Audio Prof. Vesa Välimäki ELEC-C5340 - Sovellettu digitaalinen signaalinkäsittely Luennon sisältö Äänisignaalien näytteenotto ja kvantisointi Dither Oskillaattorit Digitaalinen suodatus Lyhyt FIR-suodin
LisätiedotSuodattimet. Suodatintyypit: Bessel Chebyshev Elliptinen Butterworth. Suodattimet samalla asteluvulla (amplitudivaste)
Suodattimet Suodatintyypit: Bessel Chebyshev Elliptinen Butterworth Suodattimet samalla asteluvulla (amplitudivaste) Kuvasta nähdään että elliptinen suodatin on terävin kaikista suodattimista, mutta sisältää
LisätiedotSGN-16006 Bachelor's Laboratory Course in Signal Processing ELT-41100 Tietoliikenne-elektroniikan työkurssi. Äänitaajuusjakosuodintyö (2013-2014)
TAMPEREEN TEKNILLINEN YLIOPISTO Signaalinkäsittelyn laitos SGN-16006 Bachelor's Laboratory Course in Signal Processing ELT-41100 Tietoliikenne-elektroniikan työkurssi Äänitaajuusjakosuodintyö (2013-2014)
LisätiedotT Signaalinkäsittelyjärjestelmät Kevät 2005 Pakolliset ja lisäpistelaskarit
T-61.14 SKJ (Pakolliset ja lisäpistetehtävät 5) Sivu / 16 T-61.14 Signaalinkäsittelyjärjestelmät Kevät 5 Pakolliset ja lisäpistelaskarit HUOM! Kurssi luennoidaan todennäköisesti viimeistä kertaa keväällä
Lisätiedot8000203: Johdatus signaalinkäsittelyyn 1
TAMPEREEN TEKNILLINEN YLIOPISTO Tietotekniikan osasto Signaalinkäsittelyn laitos TAMPERE UNIVERSITY OF TECHNOLOGY Department of Information Technology Institute of Signal Processing Opetusmoniste -23 Heikki
Lisätiedot1 Määrittele lyhyesti seuraavat käsitteet. a) Kvantisointivirhe. b) Näytetaajuuden interpolointi. c) Adaptiivinen suodatus.
TL536DSK-algoritmit (J. Laitinen) 6.4.5 Määrittele lyyeti euraavat käitteet a) Kvantiointivire. b) äytetaajuuden interpolointi. ) Adaptiivinen uodatu. a) Kvantiointivire yntyy, kun ignaalin ykittäinen
LisätiedotLuento 8. tietoverkkotekniikan laitos
Luento 8 Luento 8 Signaalien suodatus 8. Ideaaliset suodattimet Ideaaliset alipäästö-, ylipäästö-, kaistanpäästö- ja kaistanestosuodattimet Oppenheim 6.3 8. Käytännön suodattimet Käytännön suodattimet,
LisätiedotSÄÄTÖJÄRJESTELMIEN SUUNNITTELU
ENSO IKONEN PYOSYS SÄÄTÖJÄRJESTELMIEN SUUNNITTELU Enso Ikonen professori säätö- ja systeemitekniikka http://cc.oulu.fi/~iko Oulun yliopisto Teknillinen tiedekunta Älykkäät koneet ja järjestelmät helmikuu
Lisätiedot4. Taajuusalueen suodatus 4.1. Taustaa Perusteita
4. Taajuusalueen suodatus 4.1. Taustaa Fourier esitti v. 1807 idean, että laskien yhteen jaksollisia painotettuja funktioita voidaan esittää kuinka tahansa monimutkainen jaksollinen funktio. Kuva 4.1.
LisätiedotVastekorjaus (ekvalisointi) Lähteet: Zölzer. Digital audio signal processing. Wiley & Sons. Zölzer (ed.) DAFX Digital Audio Effects. Wiley & Sons.
Vastekorjaus (ekvalisointi) Lähteet: Zölzer. Digital audio signal processing. Wiley & Sons. Zölzer (ed.) DAFX Digital Audio Effects. Wiley & Sons. Sisältö:! Johdanto! IIR vai FIR äänten suodattamiseen?!
Lisätiedot3 Ikkunointi. Kuvio 1: Signaalin ikkunointi.
3 Ikkunointi Puhe ei ole stationaarinen signaali, vaan puheen ominaisuudet muuttuvat varsin nopeasti ajan myötä. Tämä on täysin luonnollinen ja hyvä asia, mutta tämä tekee sellaisten signaalinkäsittelyn
Lisätiedot4. Fourier-analyysin sovelletuksia. Funktion (signaalin) f(t) näytteistäminen tapahtuu kertomalla funktio näytteenottosignaalilla
4.1 Näytteenottolause 4. Fourier-analyysin sovelletuksia Näyttenottosignaali (t) = k= δ(t kt). T on näytteenottoväli, ja ω T = 1 T on näyttenottotaajuus. Funktion (signaalin) f(t) näytteistäminen tapahtuu
Lisätiedot1. Määritä pienin näytelauseen ehdon mukainen näytetaajuus taajuus seuraaville signaaleille:
TL61, Näytejonosysteemit (K00) Harjoitus 1. Määritä pienin näytelauseen ehdon mukainen näytetaajuus taajuus seuraaville signaaleille: a) 1 (t) = cos(000πt) + sin(6000πt) + cos(00πt) ja ) (t) = cos(00πt)cos(000πt).
LisätiedotMATEMATIIKAN JAOS Kompleksianalyysi
MATEMATIIKAN JAOS Kompleksianalyysi Harjoitustehtäviä, syksy 00. Määrää kompleksiluvun a) = 3 j + 3j, b) = j, + j c) = ( 3 3 3 j)( j) itseisarvo ja argumentti.. Määrää sellaiset reaaliluvut x ja y, että
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
LisätiedotMitä on signaalien digitaalinen käsittely
Mitä on signaalien digitaalinen käsittely Signaalien digitaalinen analyysi: mitä sisältää, esim. mittaustulosten taajuusanalyysi synteesi: signaalien luominen, esim. PC:n äänikortti käsittely: oleellisen
LisätiedotNumeeriset menetelmät TIEA381. Luento 14. Kirsi Valjus. Jyväskylän yliopisto. Luento 14 () Numeeriset menetelmät / 55
Numeeriset menetelmät TIEA381 Luento 14 Kirsi Valjus Jyväskylän yliopisto Luento 14 () Numeeriset menetelmät 15.5.2013 1 / 55 Luennon 14 sisältö Nopeat Fourier-muunnokset (FFT) Yleinen algoritmi 2-kantainen
LisätiedotAlias-ilmiö eli taajuuden laskostuminen
Prosessiorientoituneet mallit Todellista hybridijärjestelmää ELEC-C1230 Säätötekniikka Luku 12: Näytteenottoteoreema ja jatkuvien säätimien diskreetit approksimaatiot Prosessiorientoituneet mallit katsotaan
Lisätiedot1 Äänisignaalin tallentaminen ja analysointi... 2 Q Q Q Q Häiriönpoisto... 5 Q Q Q2.3...
1 Äänisignaalin tallentaminen ja analysointi... 2 Q1.1... 2 Q1.2... 2 Q1.3... 3 Q1.4... 4 2 Häiriönpoisto... 5 Q2.1... 5 Q2.2... 8 Q2.3... 9 3 FIR- ja IIR-suotimien vertailu... 10 Q3.1... 10 Q3.2... 11
LisätiedotMATEMATIIKAN KOE, PITKÄ OPPIMÄÄRÄ HYVÄN VASTAUKSEN PIIRTEITÄ
MATEMATIIKAN KOE, PITKÄ OPPIMÄÄRÄ 26..208 HYVÄN VASTAUKSEN PIIRTEITÄ Alla oleva vastausten piirteiden, sisältöjen ja pisteitysten luonnehdinta ei sido ylioppilastutkintolautakunnan arvostelua. Lopullisessa
LisätiedotSIGNAALITEORIAN KERTAUSTA OSA 2
1 SIGNAALITEORIAN KERTAUSTA OSA 2 Miten spektri lasketaan moduloiduille ja näytteistetyille tietoliikennesignaaleille? KONVOLUUTIO JA KERTOLASKU 2 Kantataajuussignaali (baseband) = sanomasignaali ilman
Lisätiedot4. Taajuusalueen suodatus 4.1. Taustaa
4. Taajuusalueen suodatus 4.1. Taustaa Fourier esitti v. 1807 idean että laskien yhteen jaksollisia painotettuja funktioita voidaan esittää kuinka tahansa monimutkainen jaksollinen funktio. Kuva 4.1. esittää
LisätiedotELEC-C5070 Elektroniikkapaja (5 op)
(5 op) Luento 5 A/D- ja D/A-muunnokset ja niiden vaikutus signaaleihin Signaalin A/D-muunnos Analogia-digitaalimuunnin (A/D-muunnin) muuttaa analogisen signaalin digitaaliseen muotoon, joka voidaan lukea
LisätiedotSuodinpankit 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
LisätiedotSignaalien datamuunnokset. Digitaalitekniikan edut
Signaalien datamuunnokset Datamuunnosten teoriaa Muunnosten taustaa Muunnosten teoriaa Muunnosten rajoituksia ja ongelmia Petri Kärhä 09/02/2009 Signaalien datamuunnokset 1 Digitaalitekniikan edut Tarkoituksena
LisätiedotSignaalien datamuunnokset
Signaalien datamuunnokset Datamuunnosten teoriaa Muunnosten taustaa Muunnosten teoriaa Muunnosten rajoituksia ja ongelmia Petri Kärhä 06/02/2004 Luento 4a: Signaalien datamuunnokset 1 Digitaalitekniikan
LisätiedotDigitaalinen signaalinkäsittely Johdanto, näytteistys
Digitaalinen signaalinkäsittely Johdanto, näytteistys Teemu Saarelainen, teemu.saarelainen@kyamk.fi Lähteet: Ifeachor, Jervis, Digital Signal Processing: A Practical Approach H.Huttunen, Signaalinkäsittelyn
LisätiedotElektroniikan perusteet, Radioamatööritutkintokoulutus
Elektroniikan perusteet, Radioamatööritutkintokoulutus Antti Karjalainen, PRK 14.11.2013 Komponenttien esittelytaktiikka Toiminta, (Teoria), Käyttö jännite, virta, teho, taajuus, impedanssi ja näiden yksiköt:
LisätiedotOsatentti
Osatentti 3 1.4.016 Nimi: Opiskelijanumero: Ohjeet: Kirjoita vastaukset paperissa annettuun tilaan. Lisävastaustilaa on paperin lopussa. Käytä selvää käsialaa. Laskin EI ole sallittu. Tenttikaavasto jaetaan.
LisätiedotHarjoitustyö 1. Signaaliprosessorit Sivu 1 / 11 Vähämartti Pasi & Pihlainen Tommi. Kaistanestosuodin, estä 2 khz. Amplitudi. 2 khz.
Signaaliprosessorit Sivu 1 / 11 Harjoitustyö 1 Kaistanestosuodin, estä 2 khz Amplitudi f 2 khz MATLAB koodi: clear; close all; w=[0 1900 1950 2050 2100 4000]/4000; m=[1 1 0 0 1 1]; h=remez(800,w,m); [H,w]=freqz(h,1);
LisätiedotFIR 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
Lisätiedot1 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
LisätiedotT-61.246 DSP (Harjoitustyö 2003, v. 5.01) Sivu 2 / 9
T-61.246 DSP (Harjoitustyö 2003, v. 5.01) Sivu 1 / 9 T-61.246 DSP (Harjoitustyö 2003, v. 5.01) Sivu 2 / 9 T-61.246 Digitaalinen signaalinkäsittely ja suodatus Versio 5.01 (29.9.2003) T-61.246 Harjoitustyö
LisätiedotMitä FIR suodin on oikeastaan. Pekka Ritamäki. Esittely. Esimerkki
Mitä FIR suodin on oikeastaan Pekka Ritamäki Esittely...1 Esimerkki...1 Mikä FIR suodin on?...3 Mitkä ovat FIR suotimen huonot ominaisuudet verrattuna IIR suotimiin?...5 Millä termeillä FIR suodinta kuvataan?...5
LisätiedotKON-C3004 Kone- ja rakennustekniikan laboratoriotyöt Tiedonkeruu ja analysointi Panu Kiviluoma
KON-C34 Kone- ja rakennustekniikan laboratoriotyöt Tiedonkeruu ja analysointi Panu Kiviluoma Mitattava suure Tarkka arvo Mittausjärjestelmä Mitattu arvo Ympäristö Mitattava suure Anturi Signaalinkäsittely
LisätiedotDiskreetin LTI-systeemin stabiilisuus
Diskreetin LTI-systeemin stabiilisuus LuK-tutkielma Johannes Ylitalo 2372956 Matemaattisten tieteiden laitos Oulun yliopisto Kevät 2016 Sisältö Johdanto 2 Merkintöjä 2 1 Kompleksifunktiot 3 2 Signaalianalyysi
LisätiedotTehtävä 1. Vaihtoehtotehtävät.
Kem-9.47 Prosessiautomaation perusteet Tentti.4. Tehtävä. Vaihtoehtotehtävät. Oikea vastaus +,5p, väärä vastaus -,5p ja ei vastausta p Maksimi +5,p ja minimi p TÄMÄ PAPERI TÄYTYY EHDOTTOMASTI PALAUTTAA
LisätiedotMATEMATIIKAN KOE, PITKÄ OPPIMÄÄRÄ HYVÄN VASTAUKSEN PIIRTEITÄ
MATEMATIIKAN KOE, PITKÄ OPPIMÄÄRÄ..07 HYVÄN VASTAUKSEN PIIRTEITÄ Tutkintoaineen sensorikokous on hyväksynyt seuraavat hyvän vastauksen piirteet. Hyvästä suorituksesta näkyy, miten vastaukseen on päädytty.
LisätiedotSpektrianalysaattori. Spektrianalysaattori
Mittaustekniikan perusteet / luento 9 Spektrianalysaattori Spektrianalyysi Jean Baptiste Fourier (1768-1830): Signaali voidaan esittää taajuudeltaan ja amplitudiltaan (sekä vaiheeltaan) erilaisten sinien
LisätiedotOsatentti
Osatentti 2.8.205 Nimi: Opiskelijanumero: Ohjeet: Vastaa kysymyspaperiin ja kysymyksille varattuun tilaan. Laskin ei ole sallittu. Tenttikaavasto jaetaan. Kaavastoon EI merkintöjä. Palauta kaavasto tämän
LisätiedotLABORATORIOTYÖ 2 A/D-MUUNNOS
LABORATORIOTYÖ 2 A/D-MUUNNOS 2-1 2. A/D-muunnos Työn tarkoitus Tässä työssä demotaan A/D-muunnoksen ominaisuuksia ja ongelmia. Tarkoitus on osoittaa käytännössä, miten bittimäärä ja näytteenottotaajuus
LisätiedotSignaalien tilastollinen mallinnus T-61.3040 (5 op) Syksy 2006 Harjoitustyö
Signaalien tilastollinen mallinnus T-61.3040 (5 op) Syksy 2006 Harjoitustyö Harjoitustyön sekä kurssin suorittaminen Kurssin suorittaminen edellyttää sekä tentin että harjoitustyön hyväksyttyä suoritusta.
Lisätiedot1 Diskreettiaikainen näytteistys. 1.1 Laskostuminen. Laskostuminen
AD/DA muunnos Lähteet: Pohlman. (1995). Principles of digital audio (3rd ed). Zölzer. (008). Digital audio signal processing (nd ed). Reiss. (008), Understanding sigma-delta modulation: The solved and
LisätiedotLuento 7. LTI-järjestelmät
Luento 7 Lineaaristen järjestelmien analyysi taajuustasossa Taajuusvaste Stabiilisuus..7 LTI-järjestelmät u(t) h(t) y(t) Tarkastellaan lineaarista aikainvarianttia järjestelmää n n m m d d d d yt () =
LisätiedotSEBASTIAN RINTALA SIGNAALIN DOMINOIVAN TAAJUUDEN ARVIOINTI
SEBASTIAN RINTALA SIGNAALIN DOMINOIVAN TAAJUUDEN ARVIOINTI Kandidaatintyö Tarkastaja: yliopistonlehtori Heikki Huttunen ii TIIVISTELMÄ TAMPEREEN TEKNILLINEN YLIOPISTO Signaalinkäsittelyn ja tietoliikennetekniikan
LisätiedotLuku 4 - Kuvien taajuusanalyysi
Luku 4 - Kuvien taajuusanalyysi Matti Eskelinen 8.2.2018 Kuvien taajuusanalyysi Tässä luvussa tutustumme taajuustasoon ja opimme analysoimaan kuvia ja muitakin signaaleja Fourier-muunnoksen avulla. Aiheina
LisätiedotYhteenveto Fourier-numeriikan luennoista
March 25, 21 versio 1.1 1 Yhteenveto Fourier-numeriikan luennoista 19.3.-25.3.21 Fourier-sarja f paloittain jatkuva funktio [, L]. Kosinisarja: jossa Sinisarja: jossa Esimerkki 1. Funktion sinisarja on
LisätiedotFYSP105 / K3 RC-SUODATTIMET
FYSP105 / K3 R-SODATTIMET Työn tavoitteita tutustua R-suodattimien toimintaan oppia mitoittamaan tutkittava kytkentä laiterajoitusten mukaisesti kerrata oskilloskoopin käyttöä vaihtosähkömittauksissa Työssä
LisätiedotOsa VI. Fourier analyysi. A.Rasila, J.v.Pfaler () Mat Matematiikan peruskurssi KP3-i 12. lokakuuta / 246
Osa VI Fourier analyysi A.Rasila, J.v.Pfaler () Mat-1.1331 Matematiikan peruskurssi KP3-i 12. lokakuuta 2007 127 / 246 1 Johdanto 2 Fourier-sarja 3 Diskreetti Fourier muunnos A.Rasila, J.v.Pfaler () Mat-1.1331
LisätiedotSignaaliavaruuden kantoja äärellisessä ajassa a
ELEC-C7230 Tietoliikenteen siirtomenetelmät Luento 3: Kompleksiarvoiset signaalit, taajuus, kantoaaltomodulaatio Olav Tirkkonen, Jari Lietzen Aalto, Tietoliikenne- ja tietoverkkotekniikan laitos Signaaliavaruuden
LisätiedotSÄÄTÖJÄRJESTELMIEN SUUNNITTELU
ENSO IKONEN PYOSYS 1 SÄÄTÖJÄRJESTELMIEN SUUNNITTELU Enso Ikonen professori säätö- ja systeemitekniikka http://cc.oulu.fi/~iko Oulun yliopisto Älykkäät koneet ja järjestelmät, Systeemitekniikka Feb 2019
LisätiedotLABORATORIOTYÖ 2 A/D-MUUNNOS
LABORATORIOTYÖ 2 A/D-MUUNNOS Päivitetty: 23/01/2009 TP 2-1 2. A/D-muunnos Työn tarkoitus Tässä työssä demotaan A/D-muunnoksen ominaisuuksia ja ongelmia. Tarkoitus on osoittaa käytännössä, miten bittimäärä
LisätiedotHelsinki University of Technology
Helsinki University of Technology Laboratory of Telecommunications Technology S-38.11 Signaalinkäsittely tietoliikenteessä I Signal Processing in Communications ( ov) Syksy 1997. Luento: Pulssinmuokkaussuodatus
LisätiedotLuento 8. Suodattimien käyttötarkoitus
Luento 8 Lineaarinen suodatus Ideaaliset alipäästö, ylipäästö ja kaistanpäästösuodattimet Käytännölliset suodattimet 8..006 Suodattimien käyttötarkoitus Signaalikaistan ulkopuolisen kohinan ja häiriöiden
LisätiedotYksinkertaisin järjestelmä
Digitaalinen Signaalinkäsittely T05 Luento 5 -.04.006 Jarkko.Vuori@evtek.fi Yksinkertaisin järjestelmä Differenssiyhtälö [ n] x[ n] y Lohkokaavio X() Y() Siirtofunktio H ( ) Nolla-napa kuvio Ei nollia
LisätiedotMATEMATIIKAN KOE, LYHYT OPPIMÄÄRÄ HYVÄN VASTAUKSEN PIIRTEITÄ
MATEMATIIKAN KOE, LYHYT OPPIMÄÄRÄ 3.3.06 HYVÄN VASTAUKSEN PIIRTEITÄ Alla oleva vastausten piirteiden, sisältöjen ja pisteitysten luonnehdinta ei sido ylioppilastutkintolautakunnan arvostelua. Lopullisessa
LisätiedotMATEMATIIKAN KOE PITKÄ OPPIMÄÄRÄ
YLIOPPILSTUTKINTO- LUTKUNT..7 MTEMTIIKN KOE PITKÄ OPPIMÄÄRÄ -osa Ratkaise kaikki tämän osan tehtävät. Tehtävät arvostellaan pistein. Kunkin tehtävän ratkaisu kirjoitetaan tehtävän alla olevaan ruudukkoon.
LisätiedotTietoliikennesignaalit & spektri
Tietoliikennesignaalit & spektri 1 Tietoliikenne = informaation siirtoa sähköisiä signaaleja käyttäen. Signaali = vaihteleva jännite (tms.), jonka vaihteluun on sisällytetty informaatiota. Signaalin ominaisuuksia
LisätiedotDiskreetti Fourier-muunnos ja sen hyödyntäminen signaalien spektrien muodostamisessa. Pentti Romppainen
Diskreetti Fourier-muunnos ja sen hyödyntäminen signaalien spektrien muodostamisessa Pentti Romppainen Kajaanin ammattikorkeakoulu Oy Kajaani University of Applied Sciences Diskreetti Fourier-muunnos ja
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;
Lisätiedot