Luento 3. Fourier-sarja
|
|
|
- Kaarlo Haapasalo
- 9 vuotta sitten
- Katselukertoja:
Transkriptio
1 Fourier-muuos Rayleigh eoreema Spekriiheys Lueo Fourier-sarja Fourier-sarja avulla pysyii esiämää jaksollie sigaali, joka jaksoaika o. Fourier-sarja Fourier-kompoei Eäpä aperiodise sigaali, joilla jaksoaika? 4..7
2 Fourier-muuos Esieää sigaali Fourier-sarjaa: Raja-arvo : k, d, i k = i V() Euler iegral Fourier-muuos Fourier-muuos Kääeismuuos Dirichle ehdo Fourier muuuvalle eergiasigaalille I: Sigaali o iseisesi iegroiuva v () d< II: Sigaali maksimi- ja miimiarvo ova äärellisiä jokaisella äärellisellä aikavälillä ( a, b) sup {(, )} s( ) ( ), i i i s i a i i b + + < < + i III: Sigaali epäjakuvuuskohia o rajallie määrä lim äärellisessä määrässä ε s ( + ε) v ( ε) piseiä välillä (-,)
3 Symmeria omiaisuude Jos v (), V() o hermiiie: oisi saoe Parillie Asia o helppo odeaa: iπ ( ) iπ ( ) = ( ) = ( ) * * iπ iπ V v e d v e d V ( ) = v ( ) e d = v( ) e d = V( ) v v v * () () = () Vasaavasi, jos v() o imagiäärie, V() o aihermiiie: V V * ( ) = ( ) Pario Symmeria omiaisuude arkasellaa apausa, jossa v () Jos v() o parillie v(-)=v() o reaalie. ällöi * V( ) = V ( ) = V( ) eli V() o reaalie ja parillie Jos v() o pario v(-)=-v() ( π ) V( ) = v( )cos d V( ) = i v( )si( π ) d o imagiäärie. ällöi * V( ) = V ( ) = V( ) eli V() o imagiäärie ja pario
4 Symmeria omiaisuude arkasellaa apausa v () = ivq(), Im v () = vq() Jos v Q () o parillie v Q (-)=v Q () ( π ) V( ) = i vq ( )cos d o imagiäärie. ällöi V( ) = V( ) eli V() o imagiäärie ja parillie. Jos v Q () o pario v Q (-)=-v Q () ( π ) V( ) = vq ( )si d o reaalie. ällöi V( ) = V( ) eli V() o reaalie ja pario { } ( x) cos = cos( x) ( x) si = si( x) Symmeria omiaisuude arkasellaa y apausa yleisä apausa v () Fourier-muuos o lieaarie operaaio, joe Re{v()} Parillie Pario Reaalie Parillie Parillie Pario { ()} = { Re { ()}} + { Im { ()}} F v F v i F v Im{v()} Parillie Pario Imagiaarie Parillie Pario Parillie Re{V()} Parillie Hermiiie Pario Ai-hermiiie Parillie Reaalie Im{V()} Pario Parillie Parillie Imagiaarie Pario Pario Pario Pario
5 Kausaalise sigaali Sigaali o kausaalie, jos v()=, <. Kausaalise sigaali Fourier-muuos Verraaa yksipuolisee Laplace-muuoksee Jos σ= ja ω=π, Laplace-muuoksesa ulee Fourier-muuos Laplace-muuos o olemassa laajemmalle joukolle sigaaleia kui Fourier muuos Esimerkki arkasellaa ekspoeiaalisa sigaalia v () = e a, Fourier muuos: Dirichle eho I:, a a a v () d= e d= e a =, a < a eli Fourier-muuos o olemassa ku -<a< (myöhemmi osoiauuu, eä myös apaus a= o muueavissa) a iπ F{ v() } = e e d =, a< π a+ i Laplace-muuos: a s a e e d = e d =, Re{} s < a a+ s Laplace-muuos löyyy myös apaukselle a>
6 Ampliudi spekriiheys Bode diagrammi Vaihespekriiheys Bode diagrammi: Ampliudi (db) ja vaihe aajuude ukioa 4..7 Esimerkki: Bode diagrammi Fourier-muuos Ampliudi ja vaihe: V( ) = V( ) e V( ) = iarg { V( )} ( π ) + π arg ( ) arca arca { V } = = ( π ) Im V( ) e { V )} i ( arg Re
7 Bode diagram Bode Diagram log ( V() ) Magiude (db) Phase (deg) Frequecy (rad/sec) 3 Rayleigh Eergia eoreema * * Ev = v() v () d = V( ) V ( ) d Spekriiheys * * Ev = v() v () d = v() V ( )exp( iπ ) d d = ( π ) = ( π ) * * v() V ( )exp i d d v()exp i dv ( ) d V( ) * ulkia: V( ) = V( ) V ( ) keroo mie sigaali eergia o jakauuu eri aajuuksille (J/Hz)
8 Pulssi spekriiheys I Pulssi, joka eergia o J s () = Π Fourier-muuos (suoraa määrielmäsä) S( ) = g( )exp( iπ ) d = exp( iπ ) d. Π () = > = exp iπ exp iπ i π ( exp( iπ ) exp( iπ ) ) = π i si ( π ) = = sic( ) π S( ) = sic ( ) sic ( x) si ( π x) = π x Pulssi ehospekri II Fourier-muuos käyäe hyväksi sigaali omiaisuuksia: Pulssi o reaalie ja parillie. Se Fouriermuuos o siis reaalie ja parillie. Fourier-muuos o siis (ks. kalvo 6) ( π ) V( ) = v( )cos d Muuokseksi saadaa ( ) ( π ) = si S( ) = Π ( )cos( π ) d = cos( π ) d = = π si π si ( π ) si ( π ) = = = sic( ) π π S( ) = sic si ( ax) dx = cos( ax) + C a
9 log S( ) 5 Pulssi ehospekri Pulse = = =3 Specral desiy (db/hz) Frequecy (Hz) Fourier muuokse omiaisuuksia Lieaarisuus (superposiio) { } F av () + a v () = av ( ) + av ( ) Aikasiiro i { ( τ )} = V( ) e F v Aikaskaalaus F{ v( α) } = V α α Kojugaai { } * * F v = V () ( ) Duaalisuus F V () = v( ) { } π τ Derivaaa d F v() ( ) ( ) = i π V d Iegraali τ τ F... v( τ) dτ... dτ = V( ) ( iπ ) Kovoluuio F h( τ) v( τ) dτ = H( ) V( ) Kerolasku { () ()} = ( ) ( ) F hv Hφ V φ dφ
10 Superposiio Fourier muuos o lieaarie operaaori, joe osisa koosuva sigaali voidaa Fourier muuaa osissa { () + ()} = { ()} + { ()} F v u F v F u Esimerkki, sigaali joka eergia o J s() + τ = + τ F s () = Π + Π τ τ Π = sic( ) S( ) = sic( ) + τ sic( τ ) Aikasiiro arkasellaa sigaalia s(), joka Fourier muuos o S() Sigaalia viiväseää τ: verra. s() s(-τ) τ Rakaisaa viiväsey sigaali Fourier-muuos iπ ehdää muuuja vaihdos F{ s( τ) } = s( τ) e d ' = τ = ' + τ, d ' = d i π ( ' + τ) iπ τ i π ' = s(') e d' = e s(') e d' S( ) Aikasiirrey sigaali Fourier-muuos: i { τ } = π τ F s( ) e S( ) 4..7
11 aajuussiro arkasellaa sigaalia s(), joka Fourier muuos o S() aajuussiiro S(- ) S() S(- ) Kääeismuuos iπ { ( ) } = ( ) F S S e d = iπ i π ' e S e d ( ') ' aajuussiirrey sigaali muuospari: iπ iπ { ( )} = { ( )} = ( ) F S F S e s e { } F s() e = S( ) ehdää muuuja vaihdos ' = = ' +, d ' = d iπ 4..7 Lieaarie modulaaio Moduloiu sigaali x() = s()cos ( π c) Voidaa kirjoiaa muooo x () = s () ( e + e ) = se () + se () iπ c iπ c iπ c iπ c Fourier muuos X( ) S( c) S( c) F s() e = S( ) iπ = + + { } Modulaaio siirää sigaali aajuuskaisa c ympärisöö: S() X() - c c 4..7
12 Kaisaleveys Kaisaleveys B määriää millä aajuusalueella merkiävä osa (esim. 95%) sigaali ehosa/eergiasa o. Kaisaleveyde määriämisessä huomioidaa vai posiiivise aajuude. S() X() 95% B s 95% B x Moduloidu sigaali kaisaleveys o kaksikeraie kaaaajuisee sigaalii ähde: B x =B s Kaisaleveys Yksikeraie määrielmä o puoleeho (eergia) kaisaleveys. S() max S( ) max S ( b ) b -3 db B s S( b) = b > max S( ) B B s x = b = b b Kaaaajuie sigaali Moduloiu sigaali
13 Kaisaleveys Pulssi puole-eho kaisaleveys S( b) = sic ( b ) =.9 max S( b) sic( b ) = b Bs = b.. Moduloidu pulssi Bx = b aajuuskaisa o käääe verraollie pulssi piuuee sic() Kaisaleveys Pulse db -6 S() /max( S() ) = -8 = = Frequecy (Hz)
14 Aika- ja aajuusskaalaus Aikaskaalaus aajuusskaalaus a F{ s( a) } = S F { S( a) } = s a a a a a odisus { } iπ F s( a) = s( a) e d ' d ' = a =, d = a a sg( a) i π ' F{ s( a) } = s( ') e d a sg( a) { ( )} F s a = S a a Muuuja vaiho Jos sg(a)=- iegroii raja vaihuva, ällöi arviaa kaavaa b a ( xdx ) = ( xdx ) a b Duaalisuus Jos muuospari Fs (()) = S( ) ueaa, päee sigaalille y = S() F S() = s( ) F s( ) = S( ) { } { } odisus ( ) ( ( )) ( ) i π ( ) i π = = FS Se d Se d = S e d = s = s i π' ( ') ' ( ') ( ) S(): kääeismuuokse määrielmä = =
15 Ideaalie alipääsösuodai Ideaalie kaisapääsösuodai joka aajuuskaisa o B S() S( ) =Π B B Π () = > Vasaava aikaaso sigaali (impulssivasee) Fourier-muuos o S( ) = F Π = sic ( ) Duaalisuudesa seuraa, eä F { S( ) } = F B Π = Bsic( B ) B B ja koska sic o parillie saadaa s() = Bsic( B) Derivoimiskeio Lausuaa sigaali kääeismuuokse avulla s() = F { s() } = S( ) e i π d Sigaali aikaderivaaa d d = d iπ s() = S( ) e d d d iπ S( ) e d d iπ ( π ) = S( ) i e d d F s() d Muuoskaavaksi saadaa Koska iegraali ei ole muuuja suhee, voidaa derivaaa operaaori viedä iegraali sisälle Derivoidu sigaali Fourier-muuos d F s() = ( i π ) S( ) d
16 arkasellaa sigaalia τ y ( )... s( τ) dτ... dτ = kpl Iegroimiskeio ällöi d s() = y() d Derivoimiskeiosa seuraa d S( ) = F s( ) = i π Y( ) = ( π ) { } ( ) Joe Y( ) = S( ) iπ ( ) Muuoskaavaksi saadaa: F s() i S( ) d τ F... s( τ) dτ... dτ = S( ) ( iπ ) kpl Kolmiopulssi (/) Kolmiopulssi A - ( ) A s () = > Kolmiopulssi aikaderivaaa A d + s () A A = Π Π d - -A Π () = >
17 Kolmiopulssi (/) Fourier-muueaa aikaderivaaa d + s () A A = Π Π d F AΠ = Asic( ) i { τ } = π τ F s ( ) e S( ) d F s( ) = Asic( ) e Asic( ) e d = iasic si ( ) ( ) i i s(): Fourier-muuos saadaa y iegroimiskeio avulla τ τ τ τ = kpl d iasic( ) si( ) S( ) = F s( ) = = Asic ( ) π π i d i F... s( ) d... d S( ) ( iπ ) Gaussi pulssi (/4) Gaussi pulssi: s () = Aexp π Pulssi o parillie: s( ) = s( ) Pulssi derivaaa: s() d s() = Aπ exp π = π s() d
18 . Gaussi-pulssi derivaaa: d π s() = s() d. Derivaaa F-muuos Gaussi pulssi (/4) d F s () = i π S( ) d 3. Sovelleaa duaalisuua derivaaa F-muuoksee: F v( ) = V( ) { } d F v() = i π V( ) d d F v( ) = i πv( ) d 4. Huomaaa yheys kohie. ja 3. välillä: s( ) = s( ) d π s() = s() = ( i π) s( ) d i V( ) joe d d F s () = S( ) d i d d v ( ) d d F v( ) d Gaussi pulssi (3/4) 5. Kooaa ulokse yhee Kohda. peruseella d F s () = i π S( ) d ja kohda 4. peruseella d d F s () = S( ) d i d Eli, i d S ( ) = i π S ( ) d 6. Rakaisaa diereiaali yhälö d S ( ) = π S ( ) d ds( ) = π d S( ) l S( ) = π + C S( ) = exp( π )exp( C) k = exp( C) C = l( k) k
19 Gaussi pulssi (4/4) 7. Vakio k määräyyy Rayleigh eergia eoreemasa S( ) d = s( ) d k exp( ) d A exp d ' π = π = ' =, d = d' ' d' k exp π = A exp π d k = A Muuuja vaiho 8. ulokseksi saaii S A ( ) = exp( π ) Gaussi pulssi -II (/) oie apa: Käyeää hyväksi iegroiikaavaa πσ Sigaali s () = Aexp π Fourier-muuos: ( μ ) exp d = σ π ( π ) π π S( ) = Aexp exp i d = Aexp + i d
20 Gaussi pulssi -II (/) äydeeää eliöksi π 4 4 S( ) = Aexp + i + d ( ( i )) ( ( )) i = Aexp( π ) π exp d π π π π = A exp ( π ) = ( μ ) 4..7 πσ 39 exp d = σ Gaussi pulssi Gaussi pulssi Fourier-muuos s () = Aexp π S( ) = Aexp( π ( ) ) =. Pulssi muoo säilyy Fourier-muuoksessa s().5 S()
21 Yksikköpulssi vs Gaussi pulssi s().5 S() Kovoluuio iegraali Kovoluuio y () x () = y( τ ) x ( τ) dτ ulkia x() y () x() peilaaa y-akseli suhee ja liueaa y(): yli τ
22 Kovoluuio iegraali hp:// Kovoluuio iegraali Esimerkki: x() y () x () = muuoi e y () = <
23 Kovoluuio iegraali y () = - < > τ τ τ τ τ y() = e d τ = ( + e ) y() e d τ τ = τ ( ) ( e ) e = + y () x () = y( τ ) x ( τ) dτ.4 Kovoluuio iegraali y()
24 Kovoluuio iegraali arkasellaa kaha eergia sigaalia u() ja h(), joide Fourier-muuokse ova U() ja H(). Sigaalie välie kovoluuio o y(): Sigaali y() Fourier muuos -i Kerolasku arkasellaa kaha eergia sigaalia u() ja h(), joide Fourier-muuokse ova U() ja H(). Sigaalie ulo y () = uh () () Sigaalie ulo Fourier-muuos: iπ iπφ iπ F { uh () ()} = uhe () () d= U( φ) e dφ he () d H( φ ) Muuos o kovoluuio iegraali u () iπ( φ) = U( φ) h( ) e d dφ = U( φ) H( φ) dφ { } F u() h() = U( φ) H( φ) dφ 4
25 Kakaisu sigaali arkasellaa sigaalia s(), joka Fourier-muuos o S(). Kakaisaa sigaalisa jakso (-/,/). Kakaisu sigaali y () =Π s () Kakaisu sigaali Fourier-muuos ( ) Y( ) = S( φ) sic ( φ) dφ o sigaali Fourier-muuokse ja sic-ukio kovoluuio Kakaisu siisigaali Siimuooie sigaali s () = cos π [, ] ( ) c S( ) Kakaisu sigaali Y( ) cos( π c ) y () = > Joa spekri ei kakaisessa leviäisi, käyeää kakaisuu ikkuaukioia
Luento 3. Fourier-sarja
Fourier muuos Rayleigh eoreema Spekriiheys Lueo 3 4..6 Fourier-sarja Fourier-sarja avulla pysyii esiämää jaksollie sigaali, joka jaksoaika o. Fourier-sarja Fourier-kompoei Eäpä aperiodise sigaali, joilla
( ) ( ) x t. 2. Esitä kuvassa annetun signaalin x(t) yhtälö aikaalueessa. Laske signaalin Fourier-muunnos ja hahmottele amplitudispektri.
ELEC-A7 Signaali ja järjeselmä Laskuharjoiukse LASKUHARJOIUS Sivu 1/11 1. Johda anneun pulssin Fourier-muunnos ja hahmoele ampliudispekri. Käyä esim. derivoinieoreemaa, ja älä unohda 1. derivaaan epäjakuvuuskohia!
Luento 4. Fourier-muunnos
Lueno 4 Erikoissignaalien Fourier-muunnokse Näyeenoo 4..6 Fourier-muunnos Fourier-muunnos Kääneismuunnos Diricle n edo Fourier muunuvalle energiasignaalille I: Signaali on iseisesi inegroiuva v ( d< II:
( ) ( ) 2. Esitä oheisen RC-ylipäästösuotimesta, RC-alipäästösuotimesta ja erotuspiiristä koostuvan lineaarisen järjestelmän:
ELEC-A700 Signaali ja järjeselmä Laskuharjoiukse LASKUHARJOIUS 3 Sivu /8. arkasellaan oheisa järjeselmää bg x Yksikköviive + zbg z bg z d a) Määriä järjeselmän siirofunkio H Y = X b) Määriä järjeselmän
S Signaalit ja järjestelmät Tentti
S-7. Signaali ja järjeselmä eni..6 Vasaa ehävään, ehävisä 7 oeaan huomioon neljä parhaien suorieua ehävää.. Vasaa lyhyesi seuraaviin osaehäviin, käyä arviaessa kuvaa. a) Mikä kaksi ehoa kanaunkioiden φ
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
Luento 4 Fourier muunnos
Luento 4 Luento 4 Fourier muunnos 4. F muunnos F muunnos Oppenheim 4. 4. Energiaspektri (spektritiheys) Rayleigh'n energia teoreema, energiaspektri Kaistanleveys Boden diagrammi 4.3 F muunnoksen ominaisuudet,
Juuri 13 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty Kertaus. K1. A: III, B: I, C: II ja IV.
Juuri Tehävie rakaisu Kusausosakeyhiö Oava päiviey 9.8.8 Keraus K. A: III, B: I, C: II ja IV Kuvaaja: I II III IV Juuri Tehävie rakaisu Kusausosakeyhiö Oava päiviey 9.8.8 K. a) lim ( ) Nimiäjä ( ) o aia
KULMAMODULOITUJEN SIGNAALIEN SPEKTRIN LASKEMINEN
1 KULMMODULOITUEN SIGNLIEN SPEKTRIN LSKEMINEN Mie laskea eroaa lieaarise odulaaioide apauksesa? Milä spekri äyää epälieaarise prosessi jälkee? 51357 Tieoliikeeekiikka I Osa 15 Kari Kärkkäie Kevä 015 SPEKTRIN
Konvoluution laskeminen vaihe vaiheelta Sivu 1/5
S-72. Signaali ja järjeselmä Laskuharjoiukse, syksy 28 Konvoluuion laskeminen vaihe vaiheela Sivu /5 Konvoluuion laskeminen vaihe vaiheela Konvoluuion avulla saadaan laskeua aika-alueessa järjeselmän lähösignaali,
Silloin voidaan suoraan kirjoittaa spektrin yhtälö käyttämällä hyväksi suorakulmaisen pulssin Fouriermuunnosta sekä viiveen vaikutusta: ( ) (
TT/TV Inegraalimuunnokse Fourier-muunnos, ehäviä : Vasauksia Meropolia/. Koivumäki v(. Määriä oheisen signaalin Fourier-muunnos. Vinkki: Superposiio, viive. Voidaan sovelaa superposiioperiaaea, koska signaalin
TKK Tietoliikennelaboratorio Seppo Saastamoinen Sivu 1/5 Konvoluution laskeminen vaihe vaiheelta
KK ieoliikennelaboraorio 7.2.27 Seppo Saasamoinen Sivu /5 Konvoluuion laskeminen vaihe vaiheela Konvoluuion avulla saadaan laskeua aika-alueessa järjeselmän lähösignaali, kun ulosignaali ja järjeselmän
Tietoliikennesignaalit
ieoliikennesignaali 1 ieoliikenne inormaaion siiroa sähköisiä signaaleja käyäen. Signaali vaiheleva jännie ms., jonka vaiheluun on sisällyey inormaaioa. Signaalin ominaisuuksia voi ukia a aikaasossa ime
Luento 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
Luento 11. tietoverkkotekniikan laitos
Lueno Lueno Sokasise signaali ja prosessi II. Sokasise prosessi Pruju Saionaarisuus, ergodisuus Auo ja risikorrelaaio ehospekri.3 Kohinan suodaaminen Sokasinen raja arvo ja derivaaa Winer Khinchin eoreema.3
Luento 2. S Signaalit ja järjestelmät 5 op TKK Tietoliikenne Laboratorio 1. Jean Baptiste Joseph Fourier ( )
Luento Jasollisten signaalien Fourier-sarjat Viivaspetri S-.7. Signaalit ja järjestelmät 5 op KK ietoliienne Laboratorio Jean Baptiste Joseph Fourier (768-83) Ransalainen matemaatio ja fyysio. Esitti Fourier-sarjat
5. Vakiokertoiminen lineaarinen normaaliryhmä
1 MAT-145 LAAJA MATEMATIIKKA 5 Tampereen eknillinen yliopiso Riso Silvennoinen Kevä 21 5. Vakiokeroiminen lineaarinen normaaliryhmä Todeaan ensin ilman odisuksia (ulos on syvällinen) rakaisujen olemassaoloa
SIGNAALITEORIAN KERTAUSTA 2. Tietoliikennetekniikka I A Kari Kärkkäinen Osa 3
SIGNAALITEORIAN KERTAUSTA 2 Tieoliikenneekniikka I 521359A Kari Kärkkäinen Osa 3 Konvoluuio ja kerolasku ajassa ja aajuudessa Kanaaajuussignaali baseband sanomasignaali sellaisenaan ilman modulaaioa Kaisanpääsösignaali
Johda jakauman momenttiemäfunktio ja sen avulla jakauman odotusarvo ja varianssi.
/ Raaisu Aihee: Avaisaa: Momeiemäfuio Sauaismuuujie muuose ja iide jaauma Kovergessiäsiee ja raja-arvolausee Biomijaauma, Espoeijaauma, Geomerie jaauma, Jaaumaovergessi, Jauva asaie jaauma, Kolmiojaauma,
KANTATAAJUINEN BINÄÄRINEN SIIRTOJÄRJESTELMÄ AWGN-KANAVASSA
KJUI BIÄÄRI SIIROJÄRJSLMÄ WG-KVSS Kaajaajui siiro iformaaio siiro johdossa sllaisaa ilma kaoaalo- ai pulssimodulaaioa 536 ioliikkiikka II Osa 3 Kari Kärkkäi Syksy 5 JÄRJSLMÄMLLI Bii kso. Symboli {} ja
Luento 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 () =
Dynaaminen optimointi ja ehdollisten vaateiden menetelmä
Dynaaminen opimoini ja ehdollisen vaaeiden meneelmä Meneelmien keskinäinen yheys S yseemianalyysin Laboraorio Esielmä 10 - Peni Säynäjoki Opimoiniopin seminaari - Syksy 2000 / 1 Meneelmien yhäläisyyksiä
2. Suoraviivainen liike
. Suoraviivainen liike . Siirymä, keskinopeus ja keskivauhi Aika: unnus, yksikkö: sekuni s Suoraviivaisessa liikkeessä kappaleen asema (paikka) ilmoieaan suoralla olevan piseen paikkakoordinaain (unnus
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.
Älä tee mitään merkintöjä kaavakokoelmaan!
AS-74. Alogie ääö vkokoelm v. Plu ei jälkee! Trk kokoelm ivumäärä! Älä ee miää merkiöjä kvkokoelm! Dymie mllie perukompoei. Sähköie kompoei Vu (reii) u() Ri() el (iduki) u() L di() d odeori i() C du()
z = Amplitudi = itseisarvo ja vaihe = argumentti (arg). arg Piirretään vielä amplitudi- ja vaihespektri:
Määriä suraavi komplksiluku/siaali ampliudi- a vaiharvo. Piirrä b-kohdassa ampliudi a vaih aauud fukioa ampliudi- a vaihspkri. 6p 8 a z 7, z 8 a z. { } b z cos. Ampliudi isisarvo a vaih arumi ar. a z 7
Diskreetillä puolella impulssi oli yksinkertainen lukujono:
DEE-00 ineaarise järjeselmä Harjoius 5, rakaisuehdoukse [johdano impulssivaseeseen] Jakuva-aikaisen järjeselmän impulssivase on vasaavanlainen järjeselmäyökalu kuin diskreeillä puolellakin: impulssivase
Satunnaismuuttujien muunnokset ja niiden jakaumat. Satunnaismuuttujien muunnokset ja niiden jakaumat
TKK (c) Ilkka Melli (4) Satuaismuuttujie muuokset ja iide jakaumat Satuaismuuttujie muuoste jakaumat Kaksiulotteiste satuaismuuttujie muuoste jakaumat Riippumattomie satuaismuuttujie summa jakauma Riippumattomie
Kompleksilukujen alkeet
Kompleksilukuje alkeet Samuli Reuae Soja Kouva Kuva 1: Abraham De Moivre (1667-175) Sisältö 1 Kompleksiluvut ja kompleksitaso 1.1 Yhtee- ja väheyslasku...................... 1. Kertolasku ja z = x + yi
2. Systeemi- ja signaalimallit
2. Syseemi- ja signaalimalli Malliyyppejä: maemaainen malli: muuujien välise suhee kuvau maemaaisesi yhälöin lohkokaaviomalli: syseemin oiminojen looginen jako lohkoihin, joiden välisiä vuorovaikuuksia
Huomaa, että aika tulee ilmoittaa SI-yksikössä, eli sekunteina (1 h = 3600 s).
DEE- Piirianalyysi Ykkösharkan ehävien rakaisuehdoukse. askeaan ensin, kuinka paljon äyeen ladaussa akussa on energiaa. Tämä saadaan laskeua ehäväpaperissa anneujen akun ieojen 8.4 V ja 7 mah avulla. 8.4
Luento 7. Järjestelmien kokoaminen osista
Luento 7 Lineaaristen järjestelmien analyysi Järjestelmä yhdistelmät, takaisinkytkentä Taajuusvaste Stabiilisuus analyysi taajuustasossa 8..6 Järjestelmien kokoaminen osista Lineaaristen järjestelmien
9. Epäoleelliset integraalit; integraalin derivointi parametrin suhteen. (x + y)e x y dxdy. e (ax+by)2 da. xy 2 r 4 da; r = x 2 + y 2. b) A.
9. Epäoleellise inegraali; inegraalin derivoini paramerin suheen 9.. Epäoleellise aso- ja avaruusinegraali 27. Olkoon = {(x, y) x, y }. Osoia hajaanuminen ai laske arvo epäoleelliselle asoinegraalille
Luento 9. Epälineaarisuus
Lueno 9 Epälineaarisuus 9..7 Epälineaarisuus Tarkasellaan passiivisa epälineaarisa komponenia u() y() f( ) Taylor-sarjakehielmä 3 y f( x) + f '( x) ( x x) + f ''( x) ( x x) + f ''( x) ( x x) +...! 3! 4!
b) Ei ole. Todistus samaan tyyliin kuin edellinen. Olkoon C > 0 ja valitaan x = 2C sekä y = 0. Tällöin pätee f(x) f(y)
Maemaiikan ja ilasoieeen osaso/hy Differeniaaliyhälö II Laskuharjoius 1 malli Kevä 19 Tehävä 1. Ovako seuraava funkio Lipschiz-jakuvia reaaliakselilla: a) f(x) = x 1/3, b) f(x) = x, c) f(x) = x? a) Ei
DEE Lineaariset järjestelmät Harjoitus 4, ratkaisuehdotukset
D-00 ineaarise järjeselmä Harjoius 4, rakaisuehdoukse nnen kuin mennään ämän harjoiuksen aihepiireihin, käydään läpi yksi huomionarvoinen juu. Piirianalyysin juuri suorianee opiskelija saaava ihmeellä,
Johda jakauman momenttiemäfunktio ja sen avulla jakauman odotusarvo ja varianssi.
Mat-2.090 Sovellettu todeäköisyyslasku A Mat-2.090 Sovellettu todeäköisyyslasku A / Pistetehtävät 2, 4, 6, 8, 0 Aiheet: Avaisaat: Momettiemäfuktio Satuaismuuttujie muuokset ja iide jakaumat Kovergessikäsitteet
VÄRÄHTELYMEKANIIKKA SESSIO 18: Yhden vapausasteen pakkovärähtely, transienttikuormituksia
8/ VÄRÄHTELYMEKANIIKKA SESSIO 8: Yhen vapausaseen paovärähely, ransieniuormiusia JOHDANTO c m x () Kuva. Syseemi. Transieniuormiusella aroieaan uormiusheräeä, joa aiheuaa syseemiin lyhyaiaisen liieilan.
3 SIGNAALIN SUODATUS 3.1 SYSTEEMIN VASTE AIKATASOSSA
S I G N A A L I T E O R I A, O S A I I I TL98Z SIGNAALITEORIA, OSA III 44 3 Signaalin suodaus...44 3. Sysmin vas aikaasossa... 44 3. Kausaalisuus a sabiilisuus... 46 3.3 Vas aauusasossa... 46 3.4 Ampliudivas
ELEC C4140 Kenttäteoria (syksy 2015)
ELEC C4140 Kenttäteoria (syksy 2015) Henrik Wallén Luentoviiko 3 / versio 23. syyskuuta 2015 Vektorianalyysi (Ulaby, luku 3) Koordinaatistot Viiva-, pinta- ja tilavuusalkiot Koordinaattimuunnokset Nablaoperaatiot
Kompleksianalyysi, viikko 6
Kompleksianalyysi, viikko 6 Jukka Kemppainen Mathematics Division Funktion erikoispisteet Määr. 1 Jos f on analyyttinen pisteen z 0 aidossa ympäristössä 0 < z z 0 < r jollakin r > 0, niin sanotaan, että
Ilkka Mellin Todennäköisyyslaskenta. Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat. Momenttiemäfunktio ja karakteristinen funktio
Ilkka Mellin Todennäköisyyslaskenta Osa : Satunnaismuuttujat ja todennäköisyysjakaumat Momenttiemäfunktio ja karakteristinen funktio TKK (c) Ilkka Mellin (7) 1 Momenttiemäfunktio ja karakteristinen funktio
763306A JOHDATUS SUHTEELLISUUSTEORIAAN 2 Ratkaisut 2 Kevät 2017
763306A JOHDATUS SUHTEELLISUUSTEORIAAN 2 Ratkaisut 2 Kevät 207. Nelinopeus ympyräliikkeessä On siis annettu kappaleen paikkaa kuvaava nelivektori X x µ : Nelinopeus U u µ on määritelty kaavalla x µ (ct,
joka on separoituva yhtälö, jolla ei ole reaalisia triviaaliratkaisuja. Ratkaistaan: z z(x) dx =
HY / Maemaiikan ja ilasoieeen laios Differeniaalihälö I kevä 09 Harjois 4 Rakaisehdoksia. Rakaise differeniaalihälö = (x + + Rakais: Tehdään differeniaalihälöön lineaarinen mnnos z(x = x + (x + jolloin
Osittaisdifferentiaaliyhtälöt
Osittaisdifferentiaaliyhtälöt Harjoituskokoelmat 4 ja 5, kevät 2011 Palautus Eemeli Blåstenille to 23.6. klo 16.00 mennessä 1. Ratkaise Dirichlet ongelma u(x, y) = 0, x 2 + y 2 < 1, u(x, y) = y + x 2,
Sovellettu todennäköisyyslaskenta B
Sovellettu todennäköisyyslaskenta B Antti Rasila 21. syyskuuta 2007 Antti Rasila () TodB 21. syyskuuta 2007 1 / 19 1 Satunnaismuuttujien riippumattomuus 2 Jakauman tunnusluvut Odotusarvo Odotusarvon ominaisuuksia
YKSISIVUKAISTAMODULAATIO (SSB)
YKSISIVUKAISTAODULAATIO SSB ien kaisaa voi sääsää verrauna DSB- a A-modulaaioihin? ikä on Hilber-munnin? 5357A Tieoliikenneekniikka I Osa 9 Kari Kärkkäinen Kevä 05 YKSISIVUKAISTAODULAATION IDEA DSB & A-inormaaio
5 YHDEN VAPAUSASTEEN YLEINEN PAKOTETTU LIIKE
Värähelymeaiia 5. 5 YHDEN VAPAUSASTEEN YLEINEN PAKOTETTU LIIKE 5. Johao Luvussa 4 araselii yhe vapausasee syseemii harmoisesa heräeesä aiheuuvaa vasea ja havaiii se riippuva pääasiassa syseemi vaimeusesa
Taustaa KOMPLEKSILUVUT, VÄRÄHTELIJÄT JA RADIOSIGNAALIT. Jukka Talvitie, Toni Levanen & Mikko Valkama TTY / Tietoliikennetekniikka
IMA- Exurso: Kompleksluvu ja radosgnaal / KOMPLEKSILUVUT, VÄRÄHTELIJÄT JA RADIOSIGNAALIT Tausaa IMA- Exurso: Kompleksluvu ja radosgnaal / Kakk langaon vesnä ja radoeolkenne (makapuhelme, WLAN, ylesrado
Johdatus todennäköisyyslaskentaan Satunnaismuuttujien muunnokset ja niiden jakaumat. TKK (c) Ilkka Mellin (2004) 1
Johdatus todennäköisyyslaskentaan Satunnaismuuttujien muunnokset ja niiden jakaumat TKK (c) Ilkka Mellin (2004) 1 Satunnaismuuttujien muunnokset ja niiden jakaumat Satunnaismuuttujien muunnosten jakaumat
Signaalit aika- ja taajuustasossa
Sili lomuoo Sili ik- uussoss Alomuoo kuv sili käyäyymisä fukio li iksoss. Ylsä lomuoo rksll simrkiksi oskilloskoopi äyöllä. Siimuooi sili Asiφ Asiπf φ i Acosφ Acosπf φ muodos prus kikki sili uussisällö
Aineaaltodynamiikka. Aikariippuva Schrödingerin yhtälö. Stationääriset tilat. Ei-stationääriset tilat
Aieaaltodyamiikka Aikariiuva Scrödigeri ytälö Aieaaltoketä aikariiuvuude määrää ytälö Aieaaltokettie riiuvuus ajasta aikariiuva Scrödigeri ytälö Statioääriset ja ei-statioääriset tilat Aaltoaketit Kvattimekaiika
Satunnaismuuttujien muunnokset ja niiden jakaumat
Ilkka Mellin Todennäköisyyslaskenta Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat Satunnaismuuttujien muunnokset ja niiden jakaumat TKK (c) Ilkka Mellin (2007) 1 Satunnaismuuttujien muunnokset ja
Rahoitusriskit ja johdannaiset Matti Estola. luento 13 Black-Scholes malli optioiden hinnoille
Rahoiusriski ja johannaise Mai Esola lueno 3 Black-choles malli opioien hinnoille . Ion lemma Japanilainen maemaaikko Kiyoshi Iō oisi seuraavana esieävän lemman vuonna 95 arikkelissaan: On sochasic ifferenial
3. Teoriaharjoitukset
3. Teoriaharjoitukset Demotehtävät 3.1 a Olkoot u ja v satunnaumuuttujia, joilla on seuraavat ominaisuudet: E(u = E(v = 0 Var(u = Var(v = σ 2 Cov(u, v = E(uv = 0 Näytä että deterministinen prosessi. x
ELEC-A7200 Signaalit ja järjestelmät 5 op
Luennoisija Prof. Riku Jäni Pääassiseni Seppo Saasamoinen S-posi: [email protected] Puh. 5 597 8588 E9 Vasaanoo ma klo 9- S-posi: [email protected] Puh. 5 365 376 hps://noppa.aalo.fi/noppa/kurssi/elec-a7/eusivu
l 1 2l + 1, c) 100 l=0 AB 3AC ja AB AC sekä vektoreiden AB ja
MATEMATIIKAN PERUSKURSSI I Harjoitustehtäviä syksy 7. Millä reaaliluvun arvoilla a) 9 =, b) + 5 + +, e) 5?. Kirjoita Σ-merkkiä käyttäen summat 4, a) + + 5 + + 99, b) 5 + 4 65 + + n 5 n, c) +
ELEC C4140 Kenttäteoria (syksy 2016)
ELEC C4140 Kenttäteoria (syksy 2016) Henrik Wallén / versio 15. syyskuuta 2016 Vektorianalyysi (Ulaby, luku 3) Viiva-, pinta- ja tilavuusalkiot Nablaoperaatiot Gaussin ja Stokesin lauseet Nabla on ystävä
l 1 2l + 1, c) 100 l=0
MATEMATIIKAN PERUSKURSSI I Harjoitustehtäviä syksy 5. Millä reaaliluvun arvoilla a) 9 =, b) 5 + 5 +, e) 5?. Kirjoita Σ-merkkiä käyttäen summat 4, a) + + 5 + + 99, b) 5 + 4 65 + + n 5 n, c)
MS-A0305 Differentiaali- ja integraalilaskenta 3 Luento 8: Divergenssi ja roottori. Gaussin divergenssilause.
MS-A0305 Differentiaali- ja integraalilaskenta 3 Luento 8: Divergenssi ja roottori. Gaussin divergenssilause. Antti Rasila Aalto-yliopisto Syksy 2015 Antti Rasila (Aalto-yliopisto) MS-A0305 Syksy 2015
Kompleksianalyysi, viikko 4
Kompleksianalyysi, viikko 4 Jukka Kemppainen Mathematics Division Reaalimuuttujan kompleksiarvoisen funktion integraali Aloitetaan reaalimuuttujan kompleksiarvoisen funktion integraalin määrittelyllä,
8 USEAN VAPAUSASTEEN SYSTEEMIN VAIMENEMATON PAKKOVÄRÄHTELY
Värähelymeaa 8. 8 USEAN VAPAUSASEEN SYSEEMIN VAIMENEMAON PAKKOVÄRÄHELY 8. Normaalmuoomeeelmä Usea vapausasee syseem leyhälöde (7.) raaseme vaa aava (7.7) a (7.8) homogeese yhälö ylese raasu { } lsäs paovomaveora
BINÄÄRINEN SYNKRONINEN TIEDONSIIRTO KAISTARAJOITTAMATTOMILLA MIELIVALTAISILLA PULSSIMUODOILLA SOVITETTU SUODATIN JA SEN SUORITUSKYKY AWGN-KANAVASSA
BINÄÄRINN SYNKRONINN IDONSIIRO KAISARAJOIAMAOMILLA MILIVALAISILLA PULSSIMUODOILLA SOVIU SUODAIN JA SN SUORIUSKYKY AWGN-KANAVASSA Millaiia aalomuooja perupuleja yypilliei käyeään? 536A ieoliikenneekniikka
Systeemimallit: sisältö
Syseemimalli: sisälö Malliyypi ja muuuja Inpu-oupu -uvaus ja ilayhälömalli, ila Linearisoini Jauva-aiaisen lineaarisen järjeselmän siirofunio, sabiilisuus Laplace-muunnos Disreeiaiaisen lineaarisen järjeselmän
6.2.3 Spektrikertymäfunktio
ja prosessin (I + θl + + θl q )ε t spektritiheysfunktio on Lemman 6. ja Esimerkin 6.4 nojalla σ π 1 + θ 1e iω + + θ q e iqω. Koska viivepolynomien avulla määritellyt prosessit yhtyvät, niin myös niiden
Johdatus todennäköisyyslaskentaan Momenttiemäfunktio ja karakteristinen funktio. TKK (c) Ilkka Mellin (2005) 1
Johdatus todennäköisyyslaskentaan Momenttiemäfunktio ja karakteristinen funktio TKK (c) Ilkka Mellin (5) 1 Momenttiemäfunktio ja karakteristinen funktio Momenttiemäfunktio Diskreettien jakaumien momenttiemäfunktioita
LUKU 7. Perusmuodot Ensimmäinen perusmuoto. Funktiot E, F ja G ovat tilkun ϕ ensimmäisen perusmuodon kertoimet ja neliömuoto
LUKU 7 Perusmuodot 7 Ensimmäinen perusmuoto Määritelmä 7 Olkoon ϕ: U R 3 tilkku Määritellään funktiot E, F, G: U R asettamalla (7) E := ϕ ϕ, F := ϕ, G := ϕ u u u u Funktiot E, F G ovat tilkun ϕ ensimmäisen
Osa 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
6 JÄYKÄN KAPPALEEN TASOKINETIIKKA
Dyamiia 6. 6 JÄYKÄN KAPPALEEN TASKINETIIKKA 6. Yleisä Jäyä appalee ieiiassa arasellaa appaleesee aiuaie uloise oimie ja seurausea olea liiee (raslaaio ja roaaio) älisiä yheysiä. Voimie äsielyssä ariaa
MATEMATIIKAN PERUSKURSSI I Harjoitustehtäviä syksy Millä reaaliluvun x arvoilla. 3 4 x 2,
MATEMATIIKAN PERUSKURSSI I Harjoitustehtäviä syksy 6. Millä reaaliluvun arvoilla a) 9 =, b) + + + 4, e) 5?. Kirjoita Σ-merkkiä käyttäen summat 4, a) + 4 + 6 + +, b) 8 + 4 6 + + n n, c) + + +
T Signaalinkäsittelyjärjestelmät Kevät 2004
T-6. KJ Esimerkkitehtäviä ivu / 7 Tehtäviä alkae sivulta. Vastauksia alkae sivulta 9. Kaavakokoelma alkae sivulta 7. T-6. igaalikäsittelyjärjestelmät Kevät Esimerkkejä laskutehtävistä Virheistä ja parausehtotuksista
