Digitaalinen Signaalinkäsittely T0125 Luento Yleistiedot
|
|
- Albert Antti Heino
- 8 vuotta sitten
- Katselukertoja:
Transkriptio
1 Digitaalinen Signaalinkäsittely T0125 Luento Oi sielu, rohkenetko, lähteä matkaani kohti tuntematonta seutua, missä ei ole maata astella, ei polkua seurata. Darest Thou Now, O Soul, Walt Whitman Yleistiedot Ilmoittautuminen opintojaksolle tapahtuu Winha-järjestelmän kautta Opintojakson koodi on T0125 ja toteutuksen koodi on TM03S4 Sisältö (ydinaines ja -osaaminen): Signaalien luokittelu Järjestelmien perusominaisuudet Impulssivaste Lohkokaavio Differenssiyhtälö, siirtofunktio, navat ja nollat Taajuusvaste Tiedolliset oppimistulokset (ydinaines ja -osaaminen): Opiskelija tuntee signaalinkäsittelyjärjestelmien perusominaisuudet ja osaa analysoida järjestelmiä Opiskelija tietää signaalien ja järjestelmien perusominaisuudet Taidolliset oppimistulokset (ydinaines ja -osaaminen): Opiskelija osaa käyttää signaalinkäsittelyn työkaluja audiosignaalien analysointiin, muokkaamiseen ja tuottamiseen (labraharjoitukset) T0125/JV 2 1
2 Yleistiedot Esitiedot: Matematiikan peruskurssi A Sarjat ja Fourier-muunnos Opintojakso sijoittuu periodille 4 Opintojakson laajuus on 3 op Luentoja 4 h / viikko (28 h yhteensä) Laskuharjoituksia (6 kpl) Tehtävät Ovi-portaalissa luentojen jälkeen, palautettava viikon kuluessa Itseopiskelua (52h) Tentti opintojakson lopussa (3h) Kurssin suorittaminen Kurssin voi suorittaa joko tenttimällä tai suorittamalla hyväksytysti kaikki laskuharjoitustehtävät Materiaalia: Luentokalvot (Ovi-portaalissa) Steven W. Smith: The Scientist and Engineer's Guide to Digital Signal Processing, California Technical Publishing, Sanjit K. Mitra: Digital Signal Processing, McGraw-Hill, 2001 J.Vuori, K. Wiik: DSP CARD 4 User s Manual T0125/JV 3 Sisällön pääkohdat 1. Järjestelmien ja signaalien ominaisuudet 2. Järjestelmien kuvaus 3. Lohkokaavio, impulssivaste, differenssiyhtälö (=aikatason kuvaus) 4. Siirtofunktio, navat ja nollat, taajuusvaste (=taajuustaso) 5. Järjestelmien modifiointi 6. Analoginen järjestelmän mallinnus 7. Signaalin spektrianalyysi T0125/JV 4 2
3 Jatkoa DSP Ongelmanratkaisu MATLAB:lla (1.5 op) 5 iltana Digitaalisen signaalinkäsittelyn moduuli 15 op Digitaaliset signaaliprosessorit 3 op S. Haltsonen, jakso Digitaalinen suodatus 3 op A. Piironen, 3. jakso (ilta) Digitaalisen signaalinkäsittelyn projekti (ohjattu 2h/vko) 4 op A. Piironen, 4. jakso (ilta) Mittausdatan käsittely, regressioanalyysi 3 op T0125/JV 5 Peruskäsitteitä informaatio (information) hankalat semanttiset ja filosofiset määrittelyongelmat haittaavat käyttöä viesti (message) fyysinen ilmiasu informaatiolle tietoliikennejärjestelmä välittää viestejä (usein myös informaatiota) signaali (signal) (sähköinen) ilmiasu viestille, jonkin tilan muutos viesti signaali (signaali hieman konkreettisempi) Esimerkkejä: puhe, musiikki, kuva, videosignaali Signaali on riippumattoman muuttujan (aika,etäisyys, paikka, lämpötila, paine, jne.) funktio Signaaleja voidaan myös tuottaa keinotekoisesti tai tietokonesimulaatioilla (esim. MATLAB) signaalinkäsittely (signal processing) signaalien muokkaamista (jonkin ominaisuuden havaitsemiseksi tai vahvistamiseksi) Signaalit kuljettavat viestejä (viesti on signaalin joissain ominaisuuksissa, esim. taajuus) signaalinkäsittelyn tehtävänä on selvittää signaalin kuljettama viesti Viestin informaation määrä riippuu sen esiintymistodennäköisyydestä Signaalin taajuus muuttuu, signaali kuljettaa viestiä (jolla saattaa olla informaatiota) T0125/JV 6 3
4 Signaalinkäsittely Tehty antiikin ajoista lähtien taivaankappaleiden liikkeiden tulkinta kalenteri, ajanlaskenta Signaalinkäsittely jaettavissa kahteen ryhmään 1. suodattaminen 2. spektrin estimointi x[n] x(t) x(t)? H(s) FT T, a, Estimoitavat parametrit Transfer function (Laplace, or s-domain) y(t) X(jω) T0125/JV 7 Fourier transform Signaalinkäsittely Sähköistä signaalinkäsittelyä heti elektroniikan alkuajoista lähtien Tarkkuus- ja laatuvaatimukset keveitä yksinkertaiset menetelmät riittäviä, toteutukset yksinkertaisia Järjestelmätoteutukset monimutkaistuneet integrointiasteen kasvaessa Laajojen järjestelmien toteutus hankalaa Useita komponentteja jotka eri tavoin epäideaalisia Yhteisvaikutus vaikeasti ennustettavissa virittely, testaus ja huolto ongelmallisia L C viritetty piiri radiossa Poimii halutun radioaseman suuresta joukosta asemia T0125/JV 8 4
5 Digitaalinen Signaalinkäsittely (Digital Signal Processing, DSP) Mitä Ajatuksena on kuvata sähköisen piirin toiminta matemaattisella mallilla ja ratkaista tämän mallin yhtälöt numeerisesti reaaliajassa Miksi DSP-järjestelmä ei tarvitse virittämistä eikä säätöjä koska sen komponenttien toleranssit riippuvat yksinomaan käytettävien numeeristen mallien tarkkuudesta Etuja Stabiilisuus, Toistuvuus, Kalibrointi Piirien lukumäärä Algoritmit (adaptiiviset RLS suotimet) Muutosjoustavuus Haittoja Alhainen rajataajuus (audio, video, IF) Vaatii suunnittelijalta täysin uusien menetelmien oppimista Siksi tämä kurssikin! T0125/JV 9 DSP:n historia Teoreettiset perusteet 1822 Fourier-muunnos; Jean Baptiste Joseph, Fourierin paroni 1800 Laplace-muunnos; Pierre Simon, Laplacen markiisi Toinen maailmansota tutkajärjestelmien analyysi, pyörivän antennin ansiosta järjestelmä näytteistetty tavoitteena oli tutkaohjatun ilmatorjuntatykin rakentaminen (SCR-584) Hurewicz esitti 1947 muunnoksen näytteistetyille järjestelmille jonka Ragazzini ja Zadeh nimesivät 1950-luvulla Z-muunnokseksi , ensimmäisten tietokoneiden aika 1950-lopulle mentäessä näytteistettyjen järjestelmien teoria vakiintui Levinson esitteli 1950-luvulla Wienerin suodattimien diskreettiaikaisen version (dekonvoluutio, käytettiin öljynetsinnässä) 1965 Nopea Fourier-muunnos (FFT), reaaliaikaisen digitaalisen signaalinkäsittelyn alku Käytettiin korvaamaan Doppler-tutkan vastaanottopään kidesuodinpatteri digitaalipiirillä 1980-, signaaliprosessorien aika digitaalisen signaalinkäsittelyn leviäminen laajempaan käyttöön 1990-, VLSI ja FPGA toteutusten aika VLSI-piirien suunnittelu tehostui siinä määrin että erittäin nopeiden signaalinkäsittelypiirien valmistaminen tuli mahdolliseksi myös pienille organisaatiolle Kuvankäsittelypiirit (NVIDIA, ATI, Maxtor, jne.) Yleiskäyttöiset prosessoritkin kykenevät alkeelliseen signaalinkäsittelyyn Intelin ja AMD:n SSE3-käskykanta Monissa mikrokontrollereissa kertolaskukäsky (kertolaskun nopea suorittaminen oleellinen osa digitaalista signaalinkäsittelyä) Osoitus siitä kuinka tärkeää signaalinkäsittely on jokapäiväisessä tietojenkäsittelyssä T0125/JV 10 5
6 DSP järjestelmä Osa-alueet Analogiaosa (liittyminen ulkopuoliseen ympäristöön) Digitaaliosa Suunnittelu Analogiajärjestelmän pohjalta (esim. suodinsuunnittelussa klassisten analogiasuotimien muuntaminen bilineaarimuunnoksella digitaalimuotoon) Suoraan digitaaliselle systeemill suunnittelu (esim. FIR-suotimen suunnittelu Remez-algoritmilla) Analog Input Digital Input DSP Circuits LPF A/D D/A LPF Additions Multiplications c f(x) Function tables T Delays Analog Output Digital Output Huomaa että vain nämä toiminteet tarvitaan digitaalisen signaalinkäsittelyn toteuttamiseen. Vrt. analogisen signaalinkäsittelyn toteuttaminen (kelat, kondensaattorit, vastukset, vahvistimet) T0125/JV 11 Digitaalinen Signaaliprosessori Nopea muisti Arkkitehtuuri joka on suunniteltu mahdollisimman nopeaan signaalinkäsittelyalgoritmien suorittamiseen Digitaalisella signaaliprosessorilla (DSP, Digital Signal Processor) on omat erityisominaisuutensa Erillinen ohjelma ja dataväylä (Harvard architecture) Erikoiskäskyt SIMD (Single Instruction, Multiple Data) operaatioille Nopea kertolasku ja yhteenlaskuoperaatio MAC, Multiply and Accumulate Lineaaristen järjestelmien laskenta lähinnä yhtälön y = Ax + b laskentaa Lähinnä vain rinnakkaislaskentaa, ei moniajoa Nopea tiedonsiirto oheislaitteiden ja keskusmuistin välillä Ensimmäiset signaaliprosessorit esiteltiin vuonna 1980: NEC µpd7720 ja AT&T DSP1 Ensimmäinen kaupallisesti menestynyt signaaliprosessori Texas Instruments TMS32010 esiteltiin 1983 Nykyisin FPGA piirit (ohjelmoitavat logiikkapiirit) ovat niin suuria, että niillä voidaan myös toteuttaa signaalinkäsittelytoimintoja Logiikkapiiritoteutuksen laskentateho on n kertainen signaaliprosessoriin verrattuna A/D ja D/A muuntimet Signaaliprosessori T0125/JV 12 6
7 = du Ic = C dt dil U = L dt I I c L Muunnos DSP-järjestelmään du ( t) d C T dt d U( t) U ( t) U t) = L + = 0 dt dt LC L C c ( 2 2 U(t) U(t) U(t-T) T U(t-2T) Derivaatta approksimoidaan Eulerin menetelmällä Jossa T on näytteenottointervalli. U( t + T) U( t) U( t) U( t T) T T U( t) + = 0 T T LC 2 T U( t) U( t + T) 2U( t) + U( t T) + = 0 LC 2 2LC T U( t + T) = U( t) U( t T) LC 2 dx( t) x( t + T) x( t) = dt T LC T 1 Olettaen c = saadaan rajataajuudeksi f = 2 LC T 2π c 2 T0125/JV 13 Toteutus signaaliprosessorilla DSP-toteutus ideaalinen, ei häviöitä lainkaan joten piiri värähtelee jatkuvasti! Toimii siis siniaaltogeneraattorina ; wait for one sample loop waitblk r2,buflen,1 ; then generate the sinewave move #c,x1 U ( t + T) = c U ( t) U ( t T ) U(t-T) U(t) T U(t-2T) T c -1 move x:<t1,x0 mpy x0,x1,a x:<t2,y0 sub y0,a x0,x:<t2 move a,x:<t1 ; and output the generated sample move a,y:(r2)+n2 jmp <loop T0125/JV 14 7
8 Tarvitaanko erityistä DSP-teoriaa? Näytteistetty piiri toimii yleensä samoin kuin jatkuva-aikainenkin jos näytteenottotaajuus on riittävän suuri Mutta: Aikariippuvuus Korkeamman asteen harmooniset Deadbeat"-säätö Deadbeat-säätö on parempi (nopeampi, ei ylitystä) kuin analoginen vastaava, eikä sitä voi suunnitella analogiasäätimien teorian pohjalta T0125/JV 15 Signaalinkäsittelyn sovellusalueita Mittaustekniikka alati hankalampia mittauksia halutaan, mittaussignaalit usein kohinaisia esim. virtausmittaus korrelaatioanalyysillä Säätötekniikka ensimmäisiä signaalinkäsittelyn sovellusalueita (koska näytteenottotaajuudet pieniä) Tietoliikennetekniikka kapeampaan kaistaan on saatava kulkemaan yhä enemmän viestejä Tilastotiede Signaalinkäsittelyjärjestelmän ei tarvitse välttämättä olla reaaliaikainen T0125/JV 16 8
9 time (ms) sample Signaalien ominaisuudet ja merkinnät Merkinnät Jatkuva-aikaiset, analogiset x(t), jatkuva-aikainen ja jatkuva-arvoinen yksiulotteinen (1-D) signaali, esim. puhesignaali s(x,y), kaksiulotteinen (2-D) signaali, kaksi riippumatonta muuttujaa x ja y, esim. kuva v(x,y,t), useampiulotteinen (3-D) signaali, esim. videosignaali Diskreettiaikaiset signaalit x[n], näytteistetty tasavälein x(nt) T näytteistysaika = 1/F s F s näytteistystaajuus n N, indeksi Digitaalinen signaali Q[x[n]] x[n], kvantisoitu analoginen signaali value 50 value T0125/JV 17 Signaalin suodatus Paineanturi potilasvuoteen alla vahvistin x(t) x[n] LPF S/H A/D näytteistyspiiri muunnin analogia/digitaali alipäästösuodatin x[n] D 0 D N-1 µc Mikroprosessori joka toteuttaa signaalinkäsittelyalgoritmit Stem-plot value value time (ms) sample Alkuperäinen analoginen signaali Tasavälein näytteistetty signaali T0125/JV 18 9
10 Signaalin suodatus x(t) S/H näytteistyspiiri A/D analogia/digitaali muunnin x[n] D 0 D N-1 µc y[n] /* Q15 multiplication with rounding */ #define MPYR(a, b) (((int32_t)(a) * (b) + 0x4000) >> 15) /* 1st order IIR filter in Q15 arithmetic * highpass filter with corner frq 0.03 (DC remover) */ static int16_t iir1st(int16_t x) { static int16_t x1, y1; int16_t y; // Q15 format /* we use direct form I realization because its unsensitivity to internal overflows */ y = x; // B0 = 1.0 y -= x1; // B1 = -1.0 y -= MPYR(-30771, y1); // A1 = /* then update delay lines */ x1 = x; y1 = y; } return (y); Signaali jossa voimakas ja vaihteleva tasajännitekomponentti T0125/JV Signaali josta tasajännitekomponentti 19 poistettu ylipäästösuotimen avulla Signaalin suodatus Heikko ja kohinainen signaali vahvistetaan ja näytteistetään Sitten siitä poistetaan DCkomponentti sekä häiriösignaalit suodattamalla Lopuksi tästä signaalista estimoidaan hengityssignaalin taajuus Esitettyä järjestelmää on mahdoton toteuttaa analogisena Koska tarvittavien suotimien kaistanleveydet ovat niin pieniä että analogiakomponenttien toleranssit sekä lämpötilaryöminnät ovat liian suuria x(t) x[n] S/H A/D y[n] µc D näytteistyspiiri muunnin analogia/digitaali 0 D N Suodatettu signaali josta estimoidaan T0125/JV Hengityssignaalin taajuus 20 10
11 Perussignaalit (Yksikkö) impulssifunktio Ns. diskreetti Diracin deltafunktio n = 0 [ ] δ n = 1, 0, Analoginen vastine on Diracin deltafunktio δ ( t) Impulssifunktion valtava energia on keskittynyt äärimmäisen lyhyelle ajanhetkelle n dt = n t T0125/JV 21 Impulssivaste Miksi impulssi? Järjestelmän toiminnan voi päätellä impulssivasteesta h[n] 1 δ[n] Järjestelmä h[n] 0 n Huonekaiun impulssivaste Joskin käytännössä impulssin suurta energiaa on vaikeaa tuottaa hetkellisesti Impulssivaste sopii lähinnä signaalinkäsittelylaitteen sisäisten lohkojen ominaisuuksien selvittämiseen, ei reaalimaailman komponenttien parametroimiseen Käytännön toimilaitteet eivät yleensä kykene tuottamaan lyhytaikaista ja voimakasta energiapulssia Siksi esimerkiksi huoneakustiikan ja kaiuttimien ominaisuuksia tutkitaan nykyisissä AV-laitteissa ns. Chirppulsseilla δ[n] h[n] T0125/JV 22 11
12 Perussignaalit (Yksikkö) askelfunktio [ ] < µ n = 1, 0, δ[n] vs. µ[n] δ n 0 n 0 [ n] = µ [ n] µ [ n 1] n µ k = 0 [ n] = δ [ n k] δ[n] vs. x[n] x[ n] = k= δ [ k n] x[ k] superpositio T0125/JV 23 Perussignaalit Kompleksinen eksponenttisekvenssi x[n]=aα n, jossa A ja α ovat kompleksisia jφ ( σ 0 + jω0 ) n σ 0n j( ω0n+ φ ) x[ n] = Ae e = Ae e σ 0n = Ae [ cos( ω0n + φ) + j sin( ω0n + φ) ] Kompleksien signaalin yhdellä pisteellä on samanaikaisesti sekä amplitudi että vaihe x[n]=e (-1/12+jπ/6)n T0125/JV 24 12
13 Perussignaalit Kun sekä A että α ovat reaalisia, sekvenssi redusoituu reaaliseksi ekponenttisekvenssiksi Reaalinen sinisekvenssi x[n]=acos(ω 0 n+φ) T0125/JV 25 Eri taajuisisia sinisignaaleja y[n]=1,5 cos(ω 0 n) Perussignaalit T0125/JV 26 13
14 Näytteistetty signaali Jatkuva-aikainen signaali s(t), näytteenottotaajuus F s näytteistysaika T=1/F s esim. näytteenottotaajuus F s 48 khz, näytteiden väli T on 20,83 µs Näytteistetty signaali [ n] = s( n T ) = s( n ) s / Jos näytteitä otetaan liian vähän näytteistettävään signaaliin nähden, signaali laskostuu (signal aliasing) Signaalista täytyy ottaa vähintäin kaksi näytettä signaalin perusjaksoa kohti (Shannonin teoreema) Jos signaalin suurin taajuuskomponentti on 22 khz, näytteenottotaajuuden täytyy olla vähintäin 44 khz Vrt. elokuvissa pyörivän liikkeen (auton pyörän) suunnan muutokset nopeuden vaihdellessa Filmikameran suljin toimii näytteenottopiirinä F s Tässä näytteitä otetaan liian harvakseltaan. Jos näistä näytteistä yritetään konstruoida alkuperäinen signaali, luullaan signaalia taajuudeltaan liian pieneksi. T0125/JV 27 Näytteistetty signaali Näytteenottotaajuus F s määrää minkä taajuisisia signaaleja voidaan esittää diskreettiaikaisena Nyquistin taajuus F s /2 Tätä suuremmat taajuudet laskostuvat pienemmiksi Matalampi näytteistyksen perusteella arvattu signaali on alkuperäisen alias Miksi tarvitaan kaksi näytettä jaksoa kohden? Signaalilla on kaksi parametria jotka määräävät sen ominaisuudet: vaihe ja amplitudi Jotta näiden parametrien arvot voidaan selvittää, tarvitaan kahta parametria varten kaksi näytettä yhdessä jaksossa Jos käytetään kompleksista näytteistystä, silloin riittää vain yksi kompleksinen näyte yhdessä jaksossa T0125/JV 28 14
15 Näytteistetty signaali Usein analogisen signaalin suurinta taajuuskomponenttia ei tiedetä Mikrofonilta saatavassa signaalissa on ainakin kohinakomponentteja jotka ovat äänisignaalin yläpuolella Nämä laskostuvat hyötysignaalin päälle heikentäen signaali/kohinasuhdetta Siksi analogisesta signaalista täytyy poistaa Nyquist-taajuutta suuremmat komponentit ennen näytteenottoa Käytännössä analoginen signaali alipäästösuodatetaan ennen näytteenottoa Tästä A/D-muunninta edeltävästä suotimesta käytetään nimitystä laskostuksenestosuodin (anti-aliasing filter) x(t) x[n] LPF S/H A/D näytteistyspiiri muunnin analogia/digitaali alipäästösuodatin x[n] D 0 D N-1 T0125/JV 29 Näytteistetty signaali Laskostuminen ei aina ole haitaksi Laskostumisen avulla voidaan tarkastella korkeampitaajuisisia toistuvia (jaksollisia) signaaleja kuin mihin näytteenotto muutoin antaisi myöden Laskostumisen avulla voidaan toteuttaa ns. näytteenotto-oskilloskooppeja joiden rajataajuudet ovat tällä hetkellä n. 100 GHz (LeCroy 100GHz WaveExpert 9000 Sampling Scope) Vaikka näytteistys tapahtuukin 100 MHz nopeudella Tektronix 7854,7S11,7T11A 14 GHz sampling scope, esiteltiin Edelleen oivallinen kotilabran skooppi, kuvassa 850 ps nousuajan pulssin etureuna. T0125/JV 30 15
16 Signaalin jaksollisuus Jaksollinen signaali toistaa perusjakson äärettömyydestä äärettömyyteen Jatkuva-aikainen signaali on jaksollinen jos löytyy ajanjakso T R x ( t) = x( t + T ), t T T perusjakso = pienin jakso x(t) x(t+t) T0125/JV 31 Signaalin jaksollisuus Onko x(t)=12 sin(2π 50Hz t) jaksollinen? Testataan x(t)=x(t+t) = 12 sin(2π 50Hz (t+t)) = 12 sin(2π 50Hz t+ 2π 50Hz T) ajasta riippuva vaihesiirto θ Trigonometrinen funktio toistaa itseään 2π k vaihesiirron välein (k N) on jaksollinen θ=2π 50Hz T 2π k T=k/50Hz, k N, T R T=1/50Hz = 20 ms = perusjakso T0125/JV 32 16
17 Signaalin jaksollisuus Diskreettiaikainen signaali on jaksollinen jos löytyy (ajan)jakso N N x [ n] = x[ n + N ], n N N N n T0125/JV 33 Signaalin jaksollisuus Näytteistetty F s = /s T=s/8000 Onko x[n]=x(n T)=12 sin(2π 50Hz n s/8000) = 12 sin(2π n/160) jaksollinen? Testataan x[n]=x[n+n]=12 sin(2π (n+n)/160) =12 sin(2π n/160+2π N/160) 2π N/160= 2π k N=160 k, k N, N N k=1 N=160 = perusjakso T0125/JV 34 17
18 Signaalin jaksollisuus Onko x[n]=cos(2π n/31)+sin(2π (5 n)/31) jaksollinen? Testataan x[n]=x[n+n]=cos(2π n/31+ 2π N/31)+sin(2π (5 n)/17+ 2π (5 N)/17) jotta x[n] voisi olla jaksollinen, täytyy (perus)jakson N siirtää molempien vaihetta yhtäaikaa 2π:n moninkerta N 2π = 2π k1, k1 N 31 5 N 2π = 2π k2, k2 N 17 N = 31 k1 17 N:n oltava jaksollinen jaksoissa, eli N= N = k2 5 T0125/JV 35 Signaalin jaksollisuus Satunnaisella signaalilla (esim. kohina) ei ole jaksoa Jos kohina on ns. valkoista (sisältää kaikki taajuuskomponentit), yhdestä näytepisteestä ei voi lainkaan ennustaa signaalin arvoa seuraavassa näytepisteessä Signaali on ennustamaton Muunlaisen satunnaisen signaalin (esim. vaaleanpunainen kohina) seuraavan näytteen arvolle voidaan antaa todennäköisyyksiä, mutta jaksollisia eivät nämäkään signaalit ole T0125/JV 36 18
19 x 1 [n] y F 1 [n] x 2 [n] y F 2 [n] x 1 [n]+x 2 [n] F mielivaltaiset vakiot ( 2x ( t) + 3y( t) ) dt = 2 x( t) dt + 3 y( t) dt T0125/JV 37 Järjestelmien perusominaisuudet Lineaarisuus Fysiikka: superpositio Elektroniikka: kerrostaminen Insinörtti: vaikutusten summa = summan vaikutus Kuvaus F on lineaarinen jos (ja vain jos) F{a x 1 [n]+b x 2 [n]}=a F{x 1 [n]}+b F{x 2 [n]} (a,b) R, (x 1 [n],x 2 [n]) R, signaali Esim. integraali on lineaarinen operaatio y 1 [n]+y 2 [n] Järjestelmien perusominaisuudet Lineaarisuuden toteaminen Lasketaan lineaarisuusyhtälön vasen ja oikea puoli erikseen Onko y[n]=x[n]+1 lineaarinen? Vasen puoli x[n]=a x 1 [n]+b x 2 [n] sisäänmeno kahden signaalin summa y[n]=a x 1 [n]+b x 2 [n] + 1 Oikea puoli a F{x 1 [n]}+b F{x 2 [n]} =a (x 1 [n]+1)+b (x 2 [n]+1) =a x 1 [n]+b x 2 [n] + (a+b) Vasen ja oikea puoli ovat erisuuria ei lineaarinen T0125/JV 38 19
20 Järjestelmien perusominaisuudet Lineaarisen järjestelmän osakomponentteja voidaan kytkeä luovasti yhteen, ja lopputulos on silti analysoitavissa Signaalin taajuus säilyy samana kun se kulkee lineaarisen järjestelmän läpi Ainoastaan sen amplitudi ja vaihe saattavat muuttua Koska mikä tahansa signaali voidaan esittää yksinkertaisten sinikomponenttien summana, lineaarisen järjestelmän vaste voidaan laskea vaste jokaiselle komponentille erikseen ja summaamalla nämä yhteen Sinifunktio on lineaarisen järjestelmän ns. ominaisarvofunktio (eigenfunction) F T0125/JV 39 Järjestelmien perusominaisuudet Kausaalisuus (causal) Fysiikka: syy-seuraus, ei seurausta enne syytä Insinörtti: ennustamaton järjestelmä, ei tiedä tulevia sisäänmenoarvoja Onko y[n]=x[n]+1 kausaalinen? On, koska tulos riippuu nykyisestä näytteestä n = tarkasteluajanhetki, ok n-k = viive, ok n+k=ennakko-ennustus, ei kausaalinen Onko y[n]=1/3(x[n-1]+x[n]+x[n+1]) kausaalinen? Ei, koska tulos tarvitsee yhden näytteen tulevaisuudesta T0125/JV 40 20
21 Järjestelmien perusominaisuudet Aikasiirrosinvarianssi Insinörtti: järjestelmän ominaisuudet eivät riipu ajasta x 1 [n] x 1 [n-k] F F y 1 [n] y 1 [n-k] Esim. y[n] = x[n] + 1 aikasiirrosinvariantti x[n] y[n] Esim. y[n] = e -1/n x[n] 1 x[n] y[n] ei-aikasiirrosinvariantti e -1/n Järjestelmän sisällä oleva ajasta riippuva ominaisuus T0125/JV 41 Järjestelmien perusominaisuudet Stabiilisuus (BIBO Stability, Bounded Input, Bounded Output Stability) Insinööri: Rajoitetulla sisääntulolla on rajoitettu ulostulo (ts. ulostulo ei karkaa käsistä) Matematiikka: Jos x[n] B x, B x R +, niin järjestelmä on stabiili jos (ja vain jos) B y R +, y[n] B y (n N) x(t) y(t) Heiluri y(t) T0125/JV 42 x(t) Käänteinen heiluri 21
22 Järjestelmien perusominaisuudet Onko y[n]=x[n]+1 stabiili? x[n] B x y[n] = x[n]+1 x[n] +1 y[n] B x +1 B stabiili y Onko y[n]=n x[n] stabiili? Olkoon x[n] B x B x R y[n] - n x[n] = n x[n] n B x, kun n ulostulolle ei ole ylärajaa ei ole stabiili T0125/JV 43 Signaalinkäsittelyn perusoperaatiot x[n] a a x[n] Skaalaus y[n]=ax[n] Viive y[n]=x[n-n 0 ] Summa y[n]=ax 1 [n] + bx 2 [n] cx 3 [n] Kertolasku y[n]=x 1 [n] x 2 [n] x 1 [n] x 2 [n] x[n] T x 1 [n]+x 2 [n] x 1 [n] x[n-1] x 1 [n] x 2 [n] Monimutkaiset signaalinkäsittelyoperaatiot toteutetaan yhdistelemällä em. perusoperaatioita x 2 [n] Analog Input DSP Circuits LPF A/D D/A LPF Analog Output Additions Multiplications c Digital Input f(x) Function tables T Digital Output T0125/JV 44 Delays 22
Digitaalinen 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
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
LisätiedotLuento 8. Suodattimien käyttötarkoitus
Luento 8 Lineaarinen suodatus Ideaaliset alipäästö, ylipäästö ja kaistanpäästösuodattimet Käytännölliset suodattimet 8..006 Suodattimien käyttötarkoitus Signaalikaistan ulkopuolisen kohinan ja häiriöiden
LisätiedotSpektri- ja signaalianalysaattorit
Spektri- ja signaalianalysaattorit Pyyhkäisevät spektrianalysaattorit Suora pyyhkäisevä Superheterodyne Reaaliaika-analysaattorit Suora analoginen analysaattori FFT-spektrianalysaattori DFT FFT Analysaattoreiden
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)
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
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
LisätiedotSIGNAALITEORIAN KERTAUSTA OSA 2
1 SIGNAALITEORIAN KERTAUSTA OSA 2 Miten spektri lasketaan moduloiduille ja näytteistetyille tietoliikennesignaaleille? KONVOLUUTIO JA KERTOLASKU 2 Kantataajuussignaali (baseband) = sanomasignaali ilman
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
LisätiedotHarjoitus 6: Simulink - Säätöteoria. Syksy 2006. Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1
Harjoitus 6: Simulink - Säätöteoria Mat-2.2107 Sovelletun matematiikan tietokonetyöt Syksy 2006 Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen aiheita Tutustuminen säätötekniikkaan Takaisinkytkennän
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
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
LisätiedotOhjelmistoradio. Mikä se on:
1 Mikä se on: SDR = Software Defined Radio radio, jossa ohjelmisto määrittelee toiminnot ja ominaisuudet: otaajuusalue olähetelajit (modulaatio) olähetysteho etuna joustavuus, jota tarvitaan sovelluksissa,
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
LisätiedotAnalogiatekniikka. Analogiatekniikka
1 Opintojakson osaamistavoitteet Opintojakson hyväksytysti suoritettuaan opiskelija: osaa soveltaa ja tulkita siirtofunktiota, askelvastetta, Bodediagrammia ja napa-nolla-kuvaajaa lineaarisen, dynaamisen
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
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
LisätiedotSGN-1200 Signaalinkäsittelyn menetelmät, Tentti
SGN-1200 Signaalinkäsittelyn menetelmät, Tentti 18.3.2008 Kirjoita nimesi ja opiskelijanumerosi jokaiseen paperiin. Vastauspaperit tullaan irrottamaan toisistaan. Jos tila ei riitä, jatka kääntöpuolelle
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
LisätiedotAlias-ilmiö eli taajuuden laskostuminen
Prosessiorientoituneet mallit Todellista hybridijärjestelmää ELEC-C1230 Säätötekniikka Luku 12: Näytteenottoteoreema ja jatkuvien säätimien diskreetit approksimaatiot Prosessiorientoituneet mallit katsotaan
LisätiedotDigitaalinen audio
8003203 Digitaalinen audio Luennot, kevät 2005 Tuomas Virtanen Tampereen teknillinen yliopisto Kurssin tavoite Johdanto 2 Tarjota tiedot audiosignaalinkäsittelyn perusteista perusoperaatiot, sekä niissä
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
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
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
LisätiedotTietoliikennesignaalit & spektri
Tietoliikennesignaalit & spektri 1 Tietoliikenne = informaation siirtoa sähköisiä signaaleja käyttäen. Signaali = vaihteleva jännite (tms.), jonka vaihteluun on sisällytetty informaatiota. Signaalin ominaisuuksia
LisätiedotSIGNAALITEORIAN KERTAUSTA 1
SIGNAALITEORIAN KERTAUSTA 1 1 (26) Fourier-muunnos ja jatkuva spektri Spektri taajuuden funktiona on kompleksiarvoinen funktio, jonka esittäminen graafisesti edellyttää 3D-kuvaajan piirtämisen. Yleensä
LisätiedotF {f(t)} ˆf(ω) = 1. F { f (n)} = (iω) n F {f}. (11) BM20A5700 - INTEGRAALIMUUNNOKSET Harjoitus 10, viikko 46/2015. Fourier-integraali:
BMA57 - INTEGRAALIMUUNNOKSET Harjoitus, viikko 46/5 Fourier-integraali: f(x) A() π B() π [A() cos x + B() sin x]d, () Fourier-muunnos ja käänteismuunnos: f(t) cos tdt, () f(t) sin tdt. (3) F {f(t)} ˆf()
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?
Lisätiedotjärjestelmät Luento 8
DEE-111 Lineaariset järjestelmät Luento 8 1 Lineaariset järjestelmät Risto Mikkonen 7.8.214 Luento 7 - Recap Z-muunnos ja sen ominaisuudet Lineaaristen dierenssiyhtälöiden käsittely Alku- ja loppuarvot
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
LisätiedotSGN-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,
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
LisätiedotSGN-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
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
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
LisätiedotTL5503 DSK, laboraatiot (1.5 op) Suodatus 2 (ver 1.0) Jyrki Laitinen
TL5503 DSK, laboraatiot (1.5 op) Suodatus 2 (ver 1.0) Jyrki Laitinen TL5503 DSK, laboraatiot (1.5 op), K2005 1 Suorita oheisten ohjeiden mukaiset tehtävät Matlab-ohjelmistoa käyttäen. Kokoa erilliseen
LisätiedotS-108.180 Elektroniset mittaukset ja elektroniikan häiriökysymykset. Vanhoja tenttitehtäviä
S-18.18 Elektroniset mittaukset ja elektroniikan häiriökysymykset 1. Vastaa lyhyesti: a) Mitä on kohina (yleisesti)? b) Miten määritellään kohinaluku? c) Miten / missä syntyy raekohinaa? Vanhoja tenttitehtäviä
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
LisätiedotAlipäästösuotimen muuntaminen muiksi perussuotimiksi
Alipäästösuotimen muuntaminen muiksi perussuotimiksi Usein suodinsuunnittelussa on lähtökohtana alipäästösuodin (LPF), josta voidaan yksinkertaisilla operaatioilla muodostaa ylipäästö- (HPF), kaistanpäästö-
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
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
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
LisätiedotKojemeteorologia. Sami Haapanala syksy 2013. Fysiikan laitos, Ilmakehätieteiden osasto
Kojemeteorologia Sami Haapanala syksy 2013 Fysiikan laitos, Ilmakehätieteiden osasto Datan käsittely ja tallentaminen Käytännössä kaikkien mittalaitteiden ensisijainen signaali on analoginen Jotta tämä
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
LisätiedotMuuntavat 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:
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
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
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
LisätiedotLaplace-muunnos: määritelmä
Laplace-muunnos: määritelmä Olkoon f : [, [ R funktio. Funktion f Laplacen muunnos määritellään yhtälöllä F(s) = L(f) := f(t)e st dt edellyttäen, että integraali f(t)e st dt suppenee. Riittävä ehto integraalin
LisätiedotRadioamatöörikurssi 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,
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,
LisätiedotA/D-muuntimia. Flash ADC
A/D-muuntimia A/D-muuntimen valintakriteerit: - bittien lukumäärä instrumentointi 6 16 audio/video/kommunikointi/ym. 16 18 erikoissovellukset 20 22 - Tarvittava nopeus hidas > 100 μs (
LisätiedotTekniikka ja liikenne (5) Tietoliikennetekniikan laboratorio
Tekniikka ja liikenne 4.4.2011 1 (5) Tietoliikennetekniikan laboratorio Työ 1 PCM-työ Työn tarkoitus Työssä tutustutaan pulssikoodimodulaation tekniseen toteutustapaan. Samalla nähdään, miten A/Dmuunnin
LisätiedotDynamiikan 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!
Lisätiedot6. Analogisen signaalin liittäminen mikroprosessoriin 2 6.1 Näytteenotto analogisesta signaalista 2 6.2. DA-muuntimet 4
Datamuuntimet 1 Pekka antala 19.11.2012 Datamuuntimet 6. Analogisen signaalin liittäminen mikroprosessoriin 2 6.1 Näytteenotto analogisesta signaalista 2 6.2. DA-muuntimet 4 7. AD-muuntimet 5 7.1 Analoginen
LisätiedotRadioamatöörikurssi 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
Lisätiedot2. kierros. 2. Lähipäivä
2. kierros 2. Lähipäivä Viikon aihe Vahvistimet, kohina, lineaarisuus Siirtofunktiot, tilaesitys Tavoitteet: tietää Yhden navan vasteen ekvivalentti kohinakaistaleveys Vastuksen terminen kohina Termit
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
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
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
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
LisätiedotTietoliikennesignaalit
ieoliikennesignaali 1 ieoliikenne inormaaion siiroa sähköisiä signaaleja käyäen. Signaali vaiheleva jännie ms., jonka vaiheluun on sisällyey inormaaioa. Signaalin ominaisuuksia voi ukia a aikaasossa ime
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
LisätiedotSäätötekniikan matematiikan verkkokurssi, Matlab tehtäviä ja vastauksia 29.7.2002
Matlab tehtäviä 1. Muodosta seuraavasta differentiaaliyhtälöstä siirtofuntio. Tämä differentiaaliyhtälö saattaisi kuvata esimerkiksi yksinkertaista vaimennettua jousi-massa systeemiä, johon on liitetty
LisätiedotA B = 100, A = B = 0. D = 1.2. Ce (1.2 D. C (t D) 0, t < 0. t D. )} = Ae πjf D F{Π( t D )} = ADe πjf D sinc(df)
ELEC-A7 Signaalit ja järjestelmät Syksy 5 Tehtävä 3. a) Suoran tapauksessa ratkaistaan kaksi tuntematonta termiä, A ja B, joten tarvitaan kaksi pistettä, jotka ovat pisteet t = ja t =.. Saadaan yhtälöpari
LisätiedotS-108.3020 Elektroniikan häiriökysymykset. Laboratoriotyö, kevät 2010
1/7 S-108.3020 Elektroniikan häiriökysymykset Laboratoriotyö, kevät 2010 Häiriöiden kytkeytyminen yhteisen impedanssin kautta lämpötilasäätimessä Viimeksi päivitetty 25.2.2010 / MO 2/7 Johdanto Sähköisiä
LisätiedotVirheen kasautumislaki
Virheen kasautumislaki Yleensä tutkittava suure f saadaan välillisesti mitattavista parametreistä. Tällöin kokonaisvirhe f määräytyy mitattujen parametrien virheiden perusteella virheen kasautumislain
LisätiedotTIEP114 Tietokoneen rakenne ja arkkitehtuuri, 3 op. FT Ari Viinikainen
TIEP114 Tietokoneen rakenne ja arkkitehtuuri, 3 op FT Ari Viinikainen Tietokoneen rakenne Keskusyksikkö, CPU Keskusmuisti Aritmeettislooginen yksikkö I/O-laitteet Kontrolliyksikkö Tyypillinen Von Neumann
LisätiedotLOPPURAPORTTI 19.11.2007. Lämpötilahälytin. 0278116 Hans Baumgartner xxxxxxx nimi nimi
LOPPURAPORTTI 19.11.2007 Lämpötilahälytin 0278116 Hans Baumgartner xxxxxxx nimi nimi KÄYTETYT MERKINNÄT JA LYHENTEET... 3 JOHDANTO... 4 1. ESISELOSTUS... 5 1.1 Diodi anturina... 5 1.2 Lämpötilan ilmaisu...
LisätiedotTiedonkeruu ja analysointi
Tiedonkeruu ja analysointi ViDRoM Virtual Design of Rotating Machines Raine Viitala 30.9.2015 ViDRoM Virtual Design of Rotating Machines Mitataan dynaamista käyttäytymistä -> nopeuden funktiona Puhtaat
LisätiedotR = Ω. Jännite R:n yli suhteessa sisäänmenojännitteeseen on tällöin jännitteenjako = 1
Fysiikan mittausmenetelmät I syksy 206 Laskuharjoitus 4. Merkitään kaapelin resistanssin ja kuormaksi kytketyn piirin sisäänmenoimpedanssia summana R 000.2 Ω. Jännite R:n yli suhteessa sisäänmenojännitteeseen
LisätiedotSignaalimallit: sisältö
Signaalimallit: sisältö Motivaationa häiriöiden kuvaaminen ja rekonstruointi Signaalien kuvaaminen aikatasossa, determinisitinen vs. stokastinen Signaalien kuvaaminen taajuustasossa Fourier-muunnos Deterministisen
LisätiedotMittalaitetekniikka. NYMTES13 Vaihtosähköpiirit Jussi Hurri syksy 2014
Mittalaitetekniikka NYMTES13 Vaihtosähköpiirit Jussi Hurri syksy 2014 1 1. VAIHTOSÄHKÖ, PERUSKÄSITTEITÄ AC = Alternating current Jatkossa puhutaan vaihtojännitteestä. Yhtä hyvin voitaisiin tarkastella
LisätiedotKäytännön radiotekniikkaa: Epälineaarinen komponentti ja signaalien siirtely taajuusalueessa (+ laboratoriotyön 2 esittely)
Käytännön radiotekniikkaa: Epälineaarinen komponentti ja signaalien siirtely taajuusalueessa (+ laboratoriotyön 2 esittely) ELEC-C5070 Elektroniikkapaja, 21.9.2015 Huom: Kurssissa on myöhemmin erikseen
LisätiedotELEC-C1230 Säätötekniikka
Johdanto: Digitaalinen (diskreetti, diskreettiaikainen) säätöjärjestelmä ELEC-C1230 Säätötekniikka Luku 10: Digitaalinen säätö, perusteet, jatkuu A/D-muunnoksessa analoginen signaali näytteistetään (sampling);
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
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
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
LisätiedotSignaalinkäsittelyn menetelmät
Signaalinkäsittelyn laitos. Opetusmoniste 25: Institute of Signal Processing. Lecture Notes 25: Heikki Huttunen Signaalinkäsittelyn menetelmät Tampere 25 Opetusmoniste 25: Signaalinkäsittelyn menetelmät
LisätiedotKojemeteorologia. Sami Haapanala syksy 2013. Fysiikan laitos, Ilmakehätieteiden osasto
Kojemeteorologia Sami Haapanala syksy 2013 Fysiikan laitos, Ilmakehätieteiden osasto Kojemeteorologia, 3 op 9 luentoa, 3 laskuharjoitukset ja vierailu mittausasemalle Tentti Oppikirjana Rinne & Haapanala:
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
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
LisätiedotLaskuharjoitus 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.
LisätiedotElektroniikka, kierros 3
Elektroniikka, kierros 3 1. a) Johda kuvan 1 esittämän takaisinkytketyn systeemin suljetun silmukan vahvistuksen f lauseke. b) Osoita, että kun silmukkavahvistus β 1, niin suljetun silmukan vahvistus f
LisätiedotTiedonkeruu ja analysointi
Tiedonkeruu ja analysointi ViDRoM Virtual Design of Rotating Machines Raine Viitala ViDRoM Virtual Design of Rotating Machines Mitataan dynaamista käyttäytymistä -> nopeuden funktiona Puhtaat laakerit,
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
LisätiedotSIGNAALITEORIAN KERTAUSTA OSA 1
1 SIGNAALITEORIAN KERTAUSTA OSA 1 Millainen on signaalin spektri ja miten se lasketaan? SIGNAALIEN JA SPEKTRIN PERUSKÄSITTEITÄ 2 Spektri taajuuden funktiona on kompleksiarvoinen funktio, jonka graafinen
LisätiedotSuccessive approximation AD-muunnin
AD-muunnin Koostuu neljästä osasta: näytteenotto- ja pitopiiristä, (sample and hold S/H) komparaattorista, digitaali-analogiamuuntimesta (DAC) ja siirtorekisteristä. (successive approximation register
LisätiedotMediaanisuodattimet. Tähän asti käsitellyt suodattimet ovat olleet lineaarisia. Niille on tyypillistä, että. niiden ominaisuudet tunnetaan hyvin
Mediaanisuodattimet Tähän asti käsitellyt suodattimet ovat olleet lineaarisia. Niille on tyypillistä, että niiden ominaisuudet tunnetaan hyvin niiden analysointiin on olemassa vakiintuneita menetelmiä
LisätiedotInsinöörimatematiikka D
Insinöörimatematiikka D M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Matematiikan ja tilastotieteen laitos Turun yliopisto 2015 M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Luentokalvot
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
LisätiedotLuento 2. Jaksolliset signaalit
Luento Jaksollisten signaalien Fourier-sarjat Viivaspektri S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio Jaksollinen (periodinen) Jaksolliset signaalit Jaksonaika - / / Perusjakso Amplitudi
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
LisätiedotSäätötekniikkaa. Säätöongelma: Hae (mahdollisesti ulostulon avulla) ohjaus, joka saa systeemin toimimaan halutulla tavalla
Säätötekniikkaa Säätöongelma: Hae (mahdollisesti ulostulon avulla) ohjaus, joka saa systeemin toimimaan halutulla tavalla servo-ongelma: ulostulon seurattava referenssisignaalia mahdollisimman tarkasti,
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 () =
Lisätiedot2. kl:n DY:t. Lause. Yleisesti yhtälöllä ẍ = f(ẋ, x, t) on (sopivin oletuksin) aina olemassa 1-käs. ratkaisu. (ẋ dx/dt, ẍ d 2 x/dt 2.
2. kl:n DY:t Yleisesti yhtälöllä ẍ = f(ẋ, x, t) on (sopivin oletuksin) aina olemassa 1-käs. ratkaisu. (ẋ dx/dt, ẍ d 2 x/dt 2.) Lause Olkoon f(x 2, x 1, t) funktio, ja oletetaan, että f, f/ x 1 ja f/ x
LisätiedotKirjoitetaan 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
LisätiedotELEC-C1230 Säätötekniikka
Johdanto: Digitaalinen (diskreetti, diskreettiaikainen) säätöjärjestelmä ELEC-C1230 Säätötekniikka Luku 10: Digitaalinen säätö, perusteet, jatkuu A/D-muunnoksessa analoginen signaali näytteistetään (sampling);
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
Lisätiedot