6 Lineaarisen ennustuksen sovelluksia
|
|
- Kaarina Järvenpää
- 7 vuotta sitten
- Katselukertoja:
Transkriptio
1 6 Lineaarisen ennustusen sovellusia Lineaarisella ennustusella on hyvin täreä asema monessa puheenäsittelyn sovellusessa. Seuraavassa on esitetty esimerejä siitä miten lineaarista ennustusta voidaan hyödyntää. 6. Formanttien estimointi Formanttien estimointi on seleä lineaarisen ennustusen sovellus johtuen siitä, että lineaarisen ennustusen antaman mallin amplitudivaste pyrii mallintamaan nimenomaan signaalin spetrin verhoäyrän piiit eli tässä tapausessa ääniväylän formantit. Formanttien estimointi LP-mallista perustuu siihen, että napaparilla! #" $&% '(' on amplitudivasteen huippu ulmataajuudella " "!,-./ eli taajuudella )+*, missä )/* on näytteenottotaajuus. Formantin aistanleveys uvaa sitä, uina leveä formantti on. Miäli formantti on hyvin jyrä, sen aistanleveys on pieni, ja päinvastoin. LP-suodattimen napaparin aistanleveys on 2 )+*.4 Tämä on sen aistan leveyden puolias hertseinä, jossa navan amplitudivaste on enintään 5 db masimiarvoaan alempana, uten uva osoittaa. Seuraavasi esitetään menetelmiä, joilla LP-suodattimen formanttien taajuusia voidaan estimoida. 6.. Teijöihin jao Suoraviivainen tapa estimoida formanttitaajuudet on jaaa LP-polynomi /%76 8$ % 9:9;9%<6 >=? teijöihin, jolloin formanttitaajuudet saataisiin em. tavalla teijöiden nollaohtien ulmista. Ongelmana on reaaliaiaisten sovellusten annalta lähinnä juurten etsimisen vaatima lasentateho. Käytännössä teijöiden etsimiseen äytetään jotain iteratiivista algoritmia, esim. Newton-Raphson menetelmää, joa toimii hyvin jos juurten aluarvauset ovat hyviä. Tämän taia annattaa uuden lohon LP-polynomin nollien aluarvoina äyttää edellisen lohon nollia, sillä ääntöväylä ja sen myötä LP-polynomin nollat muuttuvat suhteellisen hitaasti. Kuviossa 2 on nollien jaauma seunnin pituiselle puheelle, un LP-mallin aste on ja näytteenottotaajuus on 8 Hz. Huomaa neljä formanttiesittymää lähellä ysiöympyrää. Kuviossa on esitetty vastaavat formanttitaajuudet. Vertailun vuosi uviossa 4 on vastaavan puheen spetrogrammi Amplitudivasteen masimien etsintä A Toinen tapa selvittää formantit perusteella on lasea siirtofuntion BDCFEHG amplitudivaste; formanttitaajuusien pitäisi olla tämän vasteen masimien ohdalla. Tämä taas saadaan nopeammin lasettua etsimällä :n amplitudivasteen minimiarvot. Tämän A menetelmän 8
2 M W? W L Napaparin amplitudivaste Amplitudivaste db taajuus Hz Kuvio : Napaparin db:n aistanleveys. heious on lähellä toisiaan olevien formanttien sulautuminen, eli matalamman formantin ohdalla ei ole suoranaista piiiä. Kuvio 5 selventää asiaa. Kätevä eino sulautumien erottamiseen on McCandlessin menetelmä, jossa lasetaan järjestelmän amplitudivaste ympyrän muotoisella ehällä ysiöympyrän sisällä, eli evaluoidaan JI K missä LNMOM. Tämän johdosta napojen aiheuttamat amplitudivasteen piiit tulevat terävämmisi ja helpommin eroteltavisi. Lasennallisesti tämä on helpointa evaluoida seuraavasti Ḧ'QPSRTVU 6 \[ Ḧ']PSRTVU X X8Y-Z 6 V[ Q X $ Ḧ'QP X RTVU X8Y-Z Tämä taas on sama uin nollilla jatetun jonon 6 K$ 6 8K$ ' 6 ^K K$? 6 >= ;; DFT. Tuloset on esitetty uvassa 6. Ongelmana on vielä se, että ei ole helppoa menetelmää arvioida oieita :n arvoja joilla formantit voitaisiin erottaa. Kang ja Coulter ehittivät samantyypisen menetelmän, jossa on se etu, että aii nollat siirretään ysiöympyrälle, jolloin ne on helppo erottaa. Huonona puolena on se, että nollat eivät siirry säteittäisesti, jolloin formanttien estimaatteihin tulee pieni vääristymä. Menetelmä toimii siten, että viimeinen heijastuserroin asetetaan yösesi. Voidaan osoittaa, että viimeinen heijastuserroin = LP-polynomin viimeisen termin erroin = LP-polynomin nollaohtien tulo. 9
3 a L W b b a LP polynomien nollien jaauma Kuvio 2: Lohojen LP-polynomien nollien jaauma seunnin puheesta. Nämä nollat vastaavat ääniväyläsuodattimen napoja. Pisteatoviiva uvaa ysiöympyrää. Christensen on esittänyt menetelmää, jossa amplitudivasteen minimien etsimisen sijasta etsitään sen toisen derivaatan masimi. Kosa toinen derivaatta mittaa funtion uperuutta tai overuutta, sen masimiohta osoittaa jyrän äännösen funtion uvaajassa. Tämän menetelmän avulla voidaan arvioida myös formantin aistanleveyttä. LP-perustaisten menetelmien äyttö perustuu luonnollisesti vielä LP-parametrien yyyn mallintaa formantteja. Yleensä LP-malli toimiiin hyvin, tosin oreataajuisen puheen LP-mallissa navat saattavat siirtyä ohti lähintä perustaajuuden harmonista. Tämä johtuu siitä, että LP-spetri pyrii mallintamaan mahdollisimman hyvin aluperäisen puheen spetrin piiit. Jos uitenin puheen perustaajuus on orea (n. 5 Hz), saattaa LP-spetri yetä mallintamaan myös perustaajuudesta johtuvia spetripiiejä. Matalataajuisen puheen tapausessa perustaajuuden harmonisia on yleensä sen verran monta, ettei LP-suodatin pysty niitä mallintamaan. 6.2 LP-ertoimien äyttö perustaajuuden estimoinnissa Puheen perustaajuutta voi ysinertaisimmillaan pyriä lasemaan autoorrelaatiofuntion avulla. Oletetaan, että meillä on iunoitu puheehys _ K _ 8K K ;; _ #` K jolloin sen autoorrelaatio viiveellä a on X8Y _ V[ _ V[ 4 K
4 4 LP ertoimista estimoidut formantit 5 25 taajuus, Hz aia, s Kuvio : Formantit lohoittain Frequency Time Kuvio 4: Spetrogrammi. missä _ \[ L, jos [ McL tai [edf`. Tämä autoorrelaation lasentatapa antaa esimäärin liian pieniä arvoja suurille viiveille, sillä nollasta eroavia tappeja tulee vähemmän summaan muaan. Tätä 4
5 Magnitude Response (db) Normalized frequency (Nyquist == ) Imaginary part Real part Kuvio 5: Formanttien sulautuminen. 8 Siirtofuntio ysiöympyrän sisällä amplitudivaste db taajuus Kuvio 6: Formanttien erottaminen McCandlessin menetelmällä. 42
6 a K K L a voi ompensoida ertomalla a termillä eg jolloin tulos esiarvotetaan aiien termien yli. Tässä tapausessa vastaavasti estimaatti on epätarempi suurilla viiveillä, ja lisäsi ei välttämättä ole voimassa ihf, uten on ensimmäisellä menetelmällä. Matlabissa nämä saalauset saadaan autoorrelaation xcorr eri optioilla. Autoorrelaatiota voidaan soveltaa perustaajuuden määrittämisessä sen perusteella, että jos autoorrelaatio jollain viiveellä on suuri, signaali tällä viiveellä muistuttaa viivästämätöntä signaalia. Toisin sanoen jos puheehysestä lasetaan autoorrelaatio ja etsitään tämän masimi jollain järevällä viivealueella, tätä masimia vastaava viive on hyvä ehdoas ehysen perustaajuudesi. Kuvassa 7 on esitetty puheehys, jona perustaajuus on 25 Hz, seä ehysen autoorrelaatiofuntio.. Äänne, Fs=8 Hz, perustaajuus 64 näytettä = 25 Hz Kehysen autoorrelaatio, saalattu ja saalaamaton Viive, näytettä Kuvio 7: Puheehys ja sen autoorrelaatio. Ysi suurimmista ongelmista suoraviivaisessa perustaajuuden määrittämisessä autoorrelaatiomenetelmällä on formanttien aiheuttamat valehuiput. Kosa LP-äänteissuodatus on hyvä menetelmä spetrin tasaamiseen, sen avulla voidaan vähentää formanttien vaiutusta ja näin parantaa perustaajuusestimaattia. Perusajatusena on ysinertaisesti esisuodattaa puhe LP-parametreista saadulla äänteissuodattimella ennen autoorrelaation lasentaa. Toisin sanoen, un puhemallimme on A j A l A A ja olemme saaneet estimoitua (formantit) lineaarisen ennustusen avulla, voimme estimoida A A :n suodattamalla puheen : A j A A 4
7 g Nyt signaalista A V[ pitäisi olla helpompaa arvioida perustaajuus uin puhesignaalista m, osa spetrin verhoäyrä on melo tasainen. Tämä menetelmä tunnetaan nimellä SIFT (simple inverse filter tracing). Menetelmän toimintaa voi atsella uvista 8 ja 9..5 x 4 puhesignaali x 9 autoorrelaatio viive Kuvio 8: Normaali puhesignaalin autoorrelaatio. 6. Perustaajuuden estimointi epstrin avulla Esitämme vielä epstriin perustuvan perustaajuuden estimointimenetelmän, joa toimii hyvin silloin un signaali-ohinasuhde on orea. Signaalin _ \[ epstri määritellään aavalla n \[ po q rog o q _ \[ (stgfsak missä o on DTFT-operaattori. Näyttää pelottavalta, mutta perusidea on seuraava: Oletetaan, että meillä on signaali _ \[ V[ /uwv V[ ja haluaisimme selvittää \[ :n (tai v V[ :n) vaiutusen signaaliin _ \[ V[. Tätä voi hyvin verrata tilanteeseen, jossa m yx V[ z% { \[, missä x V[ on alipäästö- ja { \[ ylipäästösignaali, jossa tapausessa saamme signaalin x \[ V[ suurin piirtein selville un suodatamme m :n sopivalla alipäästösuodattimella. Toisin sanoen signaalin m V[ spetristä voidaan erottaa toisistaan signaalit x V[ ja { V[ jos ne ovat eri taajuusaistoilla. Kepstrin avulla voidaan vastaavasti areasti erottaa signaalien \[ ja v \[ vaiutus signaaliin _ \[. Oloon o q V[ s ~} ja o q v V[ s \}. Nyt g o q \[ &uwv V[ stg g ~} \} :g ~} :g2g \} :g 44
8 o 6 Käänteissuodatettu puhesignaali x autoorrelaatio viive Kuvio 9: SIFT-esisuodatetun signaalin autoorrelaatio. Logaritmin avulla tämä saadaan lineaarisesi:!r g ~} :g2g \} :g r g \} :g &%!r g \} ;g Tässä on siis ahden signaalin summa josta haluaisimme selvittää sen osien vaiutusen. Tämän taas osaamme jo rataista ottamalla signaalista spetrin: q!r g \} ;g2g \} ;g s Kosa signaali josta lasemme spetrin on reaalinen ja symmetrinen, tämä on sama uin o q!r g \} ;g2g \} ;g s Herää vielä ysymys siitä, sijaitsevato r g \} :g ja!r g \} ;g eri taajuusaistoilla. Puheenäsittelyssä signaali V[ on urunpää-ääni, joa voidaan tässä olettaa jasollisesi (osa olemme haemassa perustaajuutta joa on mieleäs äsite vain soinnillisille äänteille), un taas v \[ on ääniväylän impulssivaste. Miä on jasollisen urunpää-äänen amplitudispetrin logaritmin spetri? Vastaus: oreataajuinen impulssijono. Vastaavasti ääniväylän spetri on suhteellisen hitaasti muuttuva, joten sen spetri sisältää lähinnä matalia taajuusia. Kuviossa on esitetty ehysen verran voaalia ja sen epstri. Havaitaan, että ääniväylän ja herätteen vasteet ovat seleästi erillään ja puheen perustaajuus saadaan suoraan epstrin ensimmäisen sopivan piiin indesistä. Tämän menetelmän huono puoli on sen suhteellisen huono ohinasietoisuus additiiviselle ohinalle. Kuvassa on sama puhe johon on lisätty valoista ohinaa siten että signaali-ohina suhde on db. 45
9 .5 x puheloho epstri Kuvio : Puhe+epstri. 2 x 4 ohinainen puheloho epstri Kuvio : puhe+ohina+epstri. 46
2 Taylor-polynomit ja -sarjat
2 Taylor-polynomit ja -sarjat 2. Taylor-polynomi Taylor-polynomi P n (x; x 0 ) funtion paras n-asteinen polynomiapprosimaatio (derivoinnin annalta) pisteen x 0 lähellä. Maclaurin-polynomi: tapaus x 0 0.
LisätiedotDISKREETIN MATEMATIIKAN SOVELLUKSIA: KANAVA-EKVALISOINTI TIEDONSIIRROSSA. Taustaa
Disreetin matematiian excursio: anava-evalisointi tiedonsiirrossa / DISKREETIN MATEMATIIKAN SOVELLUKSIA: KANAVA-EKVALISOINTI TIEDONSIIRROSSA Taustaa Disreetin matematiian excursio: anava-evalisointi tiedonsiirrossa
Lisätiedot2.8 Mallintaminen ensimmäisen asteen polynomifunktion avulla
MAB Matemaattisia malleja I.8. Mallintaminen ensimmäisen asteen.8 Mallintaminen ensimmäisen asteen polynomifuntion avulla Tutustutaan mallintamiseen esimerien autta. Esimeri.8. Määritä suoran yhtälö, un
Lisätiedot[ ] [ 2 [ ] [ ] ( ) [ ] Tehtävä 1. ( ) ( ) ( ) ( ) ( ) ( ) 2( ) = 1. E v k 1( ) R E[ v k v k ] E e k e k e k e k. e k e k e k e k.
ehtävä. x( + ) x( y x( + e ( y x( + e ( E v E e ( ) e ( R E[ v v ] E e e e e e e e e 6 estimointivirhe: ~ x( x( x$( x( - b y ( - b y ( estimointivirheen odotusarvo: x( - b x( - b e ( - b x( - b e ( ( -
LisätiedotDEE Lineaariset järjestelmät Harjoitus 5, harjoitustenpitäjille tarkoitetut ratkaisuehdotukset
DEE- Lineaariset järjestelmät Harjoitus 5, harjoitustenpitäjille taroitetut rataisuehdotuset Tämän harjoitusen ideana on opetella -muunnosen äyttöä differenssiyhtälöiden rataisemisessa Lisäsi äytetään
LisätiedotMatemaattinen Analyysi
Vaasan yliopisto, evät 05 / ORMS00 Matemaattinen Analyysi 6. harjoitus. Approsimoi toisen asteen polynomilla P(x) = b 0 +b x+b x oheisen tauluon muaisia havaintoja. (Teorian löydät opetusmonisteen sivuilta
Lisätiedotfunktiojono. Funktiosarja f k a k (x x 0 ) k
SARJAT JA DIFFERENTIAALIYHTÄLÖT 2003 3 4. Funtiosarjat Tässä luvussa esitettävissä funtiosarjojen tulosissa yhdistämme luujen 3 teoriaa. Esimeri 4.. Geometrinen sarja x suppenee aiilla x ], [ ja hajaantuu
LisätiedotTalousmatematiikan verkkokurssi. Koronkorkolaskut
Sivu 1/7 oronorolasuja sovelletaan tapausiin, joissa aia on pidempi uin ysi oonainen orojaso, eli aia, jolle oroanta ilmoittaa oron määrän. orolasu: enintään yhden orojason pituisille oroajoille; oronorolasu:
LisätiedotEnnen kuin mennään varsinaisesti tämän harjoituksen asioihin, otetaan aluksi yksi merkintätekninen juttu. Tarkastellaan differenssiyhtälöä
DEE-00 Lineaariset järjestelmät Harjoitus, rataisuehdotuset Ennen uin mennään varsinaisesti tämän harjoitusen asioihin, otetaan alusi ysi merintäteninen juttu Tarastellaan differenssiyhtälöä y y y 0 Vaihtoehtoinen
LisätiedotTodennäköisyysjakaumat 1/5 Sisältö ESITIEDOT: todennäköisyyslaskenta, määrätty integraali
Todennäöissjaaumat /5 Sisältö ESITIEDOT: lasenta, määrätt Haemisto KATSO MYÖS: tilastomatematiia P (X = )=p. Nämä ovat 0 ja niiden summa on p =. Pistetodennäöisdet voidaan graafisesti esittää pstsuorien
LisätiedotHanoin tornit. Merkitään a n :llä pienintä tarvittavaa määrää siirtoja n:lle kiekolle. Tietysti a 1 = 1. Helposti nähdään myös, että a 2 = 3:
Hanoin tornit Oloot n ieoa asetettu olmeen tanoon uvan osoittamalla tavalla (uvassa n = 7). Siirtämällä yhtä ieoa errallaan, ieot on asetettava toiseen tanoon samaan järjestyseen. Isompaa ieoa ei missään
LisätiedotTehtävä 2 Todista luennoilla annettu kaava: jos lukujen n ja m alkulukuesitykset. ja m = k=1
Luuteoria Harjoitus 1 evät 2011 Alesis Kosi 1 Tehtävä 1 Näytä: jos a ja b ovat positiivisia oonaisluuja joille (a, b) = 1 ja a c, seä lisäsi b c, niin silloin ab c. Vastaus Kosa a c, niin jaollisuuden
LisätiedotDifferentiaali- ja integraalilaskenta 1 Ratkaisut 1. viikolle /
MS-A8 Differentiaali- ja integraalilasenta, V/27 Differentiaali- ja integraalilasenta Rataisut. viiolle /. 3.4. Luujonot Tehtävä : Mitä ovat luujonon viisi ensimmäistä termiä, un luujono on a) (a n ) n=,
LisätiedotMatematiikan tukikurssi
Matematiian tuiurssi Kurssierta 5 Sarjojen suppeneminen Kiinnostusen ohteena on edelleen sarja a n = a + a 2 + a 3 + a 4 + n= Tämä summa on mahdollisesti äärellisenä olemassa, jolloin sanotaan että sarja
LisätiedotVÄRÄHTELYMEKANIIKKA SESSIO 19: Usean vapausasteen systeemin liikeyhtälöiden johto Newtonin lakia käyttäen
9/ VÄRÄHTELYMEKANIIKKA SESSIO 9: Usean vapausasteen systeemin liieyhtälöiden johto Newtonin laia äyttäen JOHDANTO Usean vapausasteen systeemillä taroitetaan meaanista systeemiä, jona liietilan uvaamiseen
LisätiedotV. POTENSSISARJAT. V.1. Abelin lause ja potenssisarjan suppenemisväli. a k (x x 0 ) k M
V. POTENSSISARJAT Funtioterminen sarja V.. Abelin lause ja potenssisarjan suppenemisväli P a x x, missä a, a, a 2,... R ja x R ovat vaioita, on potenssisarja, jona ertoimet ovat luvut a, a,... ja ehitysesus
LisätiedotBINÄÄRISET TIEDONSIIRTOMENETELMÄT TÄRKEIMPIEN ASIOIDEN KERTAUS A Tietoliikennetekniikka II Osa 11 Kari Kärkkäinen Syksy 2015
BINÄÄRISET TIEDONSIIRTOMENETELMÄT TÄRKEIMPIEN ASIOIDEN KERTAUS 536A Tietoliienneteniia II Osa Kari Käräinen Sysy 5 Kantataajuusjärjestelmä lähettää ±A -tasoisia symboleita T:n välein. Optimaalinen vastaanotin
LisätiedotLuento 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
LisätiedotDEE Lineaariset järjestelmät Harjoitus 2, ratkaisuehdotukset. Johdanto differenssiyhtälöiden ratkaisemiseen
D-00 Lineaariset järjestelmät Harjoitus, rataisuehdotuset Johdanto differenssiyhtälöiden rataisemiseen Differenssiyhtälöillä uvataan disreettiaiaisten järjestelmien toimintaa. Disreettiaiainen taroittaa
Lisätiedot7.1 Taustamelun estimoinnista
7 Puheen ehostus Puheen ehostamisea taroitetaan seaisia menetemiä, joia puheen aatua pyritään parantamaan. Kuuostaa ysinertaiseta, mutta mitä sitten taroitetaan aadua? Siä voidaan taroittaa ainain seeyttä
LisätiedotJ1 (II.6.9) J2 (X.5.5) MATRIISILASKENTA(TFM) MALLIT AV 6
MATRIISILASKENTA(TFM) MALLIT AV 6 J (II.6.9) Päättele, että avaruusvetorit a, b ja c ovat lineaarisesti riippuvat täsmälleen un vetoreiden virittämän suuntaissärmiön tilavuus =. Tuti tällä riteerillä ovato
LisätiedotEksponentti- ja logaritmiyhtälö
Esponentti- ja logaritmiyhtälö Esponenttifuntio Oloon a 1 positiivinen reaaliluu. Reaalifuntiota f() = a nimitetään esponenttifuntiosi ja luua a sen antaluvusi. Jos a > 1, niin esponenttifuntio f : R R,
LisätiedotMS-A0402 Diskreetin matematiikan perusteet
MS-A0402 Disreetin matematiian perusteet Osa 3: Kombinatoriia Riia Kangaslampi 2017 Matematiian ja systeemianalyysin laitos Aalto-yliopisto Kombinatoriia Summaperiaate Esimeri 1 Opetusohjelmaomiteaan valitaan
LisätiedotYlioppilastutkintolautakunta S tudentexamensnämnden
Ylioppilastutintolautaunta S tudenteamensnämnden MATEMATIIKAN KOE, PITKÄ OPPIMÄÄRÄ 0..0 HYVÄN VASTAUKSEN PIIRTEITÄ Alla oleva vastausten piirteiden ja sisältöjen luonnehdinta ei sido ylioppilastutintolautaunnan
LisätiedotOlkoot X ja Y riippumattomia satunnaismuuttujia, joiden odotusarvot, varianssit ja kovarianssi ovat
Mat-.3 Koesuunnittelu ja tilastolliset mallit. harjoituset Mat-.3 Koesuunnittelu ja tilastolliset mallit. harjoituset / Rataisut Aiheet: Avainsanat: Satunnaismuuttujat ja todennäöisyysjaaumat Kertymäfuntio
LisätiedotNaulalevylausunto Kartro PTN naulalevylle
LAUSUNTO NRO VTT-S-04256-14 1 (6) Tilaaja Tilaus Yhteyshenilö ITW Construction Products Oy Jarmo Kytömäi Timmermalmintie 19A 01680 Vantaa 18.9.2014 Jarmo Kytömäi VTT Expert Services Oy Ari Kevarinmäi PL
LisätiedotTehtävä 3. Määrää seuraavien jonojen raja-arvot 1.
Jonotehtävät, 0/9/005, sivu / 5 Perustehtävät Tehtävä. Muotoile matemaattiset vastineet seuraavien väitteiden negaatioille (ts. vastaohdat).. Jono (a n ) suppenee ohti luua a.. Jono (a n ) on asvava. 3.
LisätiedotProjekti 5 Systeemifunktiot ja kaksiportit. Kukin ryhmistä tarkastelee piiriä eri taajuuksilla. Ryhmäni taajuus on
EPOP Kevät 2012 Projeti 5 Systeemifuntiot ja asiportit Tämä projeti tehdään 3 hengen ryhmissä. Ryhmääni uuluvat Kuin ryhmistä tarastelee piiriä eri taajuusilla. Ryhmäni taajuus on Seuraavan projetin aiana
LisätiedotProjekti 5 Systeemifunktiot ja kaksiportit. Kukin ryhmistä tarkastelee piiriä eri taajuuksilla. Ryhmäni taajuus on
EPOP Kevät 2012 Projeti 5 Systeemifuntiot ja asiportit Tämä projeti tehdään 3 hengen ryhmissä. yhmääni uuluvat Kuin ryhmistä tarastelee piiriä eri taajuusilla. yhmäni taajuus on Seuraavan projetin aiana
LisätiedotHARMONINEN VÄRÄHTELIJÄ
Oulun yliopisto Fysiian opetuslaboratorio Fysiian laboratoriotyöt 1 1 HARMONINEN VÄRÄHELIJÄ 1. yön tavoitteet 1.1 Mittausten taroitus ässä työssä tutustut jasolliseen, määrätyin aiavälein toistuvaan liieeseen,
LisätiedotSGN-4010, Puheenkäsittelyn menetelmät Harjoitus 6, 18. ja
SGN-4010, Puheenkäsittelyn menetelmät Harjoitus 6, 18. ja 21.2.2010 1. (Matlab, 2 pistettä) Vokaalit ja soinnilliset konsonantit ovat lähes jaksollisia ja niillä on äänihuulten värähtelystä johtuva perustaajuus.
LisätiedotOrganization of (Simultaneous) Spectral Components
Organization of (Simultaneous) Spectral Components ihmiskuulo yrittää ryhmitellä ja yhdistää samasta fyysisestä lähteestä tulevat akustiset komponentit yhdistelyä tapahtuu sekä eri- että samanaikaisille
LisätiedotEETU OJANEN SIGNAALIN ENNUSTAMINEN KALMAN-SUOTIMELLA. Kandidaatintyö
EETU OJANEN SIGNAALIN ENNUSTAMINEN KALMAN-SUOTIMELLA Kandidaatintyö Tarastaja: Lehtori Konsta Koppinen Jätetty tarastettavasi 11. tououuta 2009 2 TIIVISTELMÄ TAMPEREEN TEKNILLINEN YLIOPISTO Tietoliienne-
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,
LisätiedotRunkomelu. Tampereen kaupunki Juha Jaakola PL Tampere
Tampereen aupuni Juha Jaaola PL 487 33101 Tampere LAUSUNTO RAIDELIIKENTEEN NOPEUDEN KASVATTAMISESTA RANTA- TAMPELLAN ALUEEN RUNKOMELU- JA TÄRINÄRISKIIN Ranta-Tampellan alueen tärinää on arvioitu selvitysessä
LisätiedotVakuutusmatematiikan sovellukset 20.11.2008 klo 9-15
SHV-tutinto Vauutusmatematiian sovelluset 20.11.2008 lo 9-15 1(7) Y1. Seuraava tauluo ertoo vauutusyhtiön masamat orvauset vahinovuoden ja orvausen masuvuoden muaan ryhmiteltynä (tuhansina euroina): Vahinovuosi
LisätiedotJOHDATUS LUKUTEORIAAN (syksy 2017) HARJOITUS 1, MALLIRATKAISUT
JOHDATUS LUKUTEORIAAN (sysy 2017) HARJOITUS 1, MALLIRATKAISUT Tehtävä 1. (i) Etsi luvun 111312 aii teijät. (ii) Oloot a ja b positiivisia oonaisluuja joilla a b ja b a. Osoita, että silloin a = b. Rataisu
LisätiedotVakuutusteknisistä riskeistä johtuvien suureiden laskemista varten käytettävä vakuutuslajiryhmittely.
1144/2011 7 Liite 1 Vauutustenisistä riseistä johtuvien suureiden lasemista varten äytettävä vauutuslajiryhmittely. Vauutuslajiryhmä Vauutusluoat Ensivauutus 1 Laisääteinen tapaturma 1 (laisääteinen) 2
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,
LisätiedotEstimointi Laajennettu Kalman-suodin. AS , Automaation signaalinkäsittelymenetelmät Laskuharjoitus 4
Estimointi Laajennettu Kalman-suodin AS-84.2161, Automaation signaalinäsittelymenetelmät Lasuharjoitus 4 Estimointi Systeemin tilaa estimoidaan, un prosessin tilamalli tunnetaan Tilamalli voi olla lineaarinen
LisätiedotMS-A0402 Diskreetin matematiikan perusteet Esimerkkejä ym., osa I
MS-A00 Disreetin matematiian perusteet Esimerejä ym., osa I G. Gripenberg Jouo-oppi ja logiia Todistuset logiiassa Indutioperiaate Relaatiot ja funtiot Funtiot Aalto-yliopisto. maalisuuta 0 Kombinatoriia
Lisätiedotz z 0 (m 1)! g(m 1) (z0) k=0 Siksi kun funktioon f(z) sovelletaan Cauchyn integraalilausetta, on voimassa: sin(z 2 dz = (z i) n+1 k=0
TKK, Matematiian laitos v.pfaler/pursiainen Mat-.33 Matematiian perusurssi KP3-i sysy 2007 Lasuharjoitus 4 viio 40 Tehtäväsarja A viittaa aluviion ja L loppuviion tehtäviin. Valmistauu esittämään nämä
Lisätiedottermit on luontevaa kirjoittaa summamuodossa. Tällöin päädymme lukusarjojen teoriaan: a k = s.
SARJAT JA DIFFERENTIAALIYHTÄLÖT 2003 7 3. Luusarjat Josus luujonon (b ) termit on luontevairjoittaa summamuodossa. Tällöin päädymme luusarjojen teoriaan: Määritelmä 3.. Oloon ( ), R luujono. Symboli (3.)
LisätiedotValon diffraktio yhdessä ja kahdessa raossa
Jväslän Ammattioreaoulu, IT-instituutti IXPF24 Fsiia, Kevät 2005, 6 ECTS Opettaja Pasi Repo Valon diffratio hdessä ja ahdessa raossa Laatija - Pasi Vähämartti Vuosiurssi - IST4S1 Teopäivä 2005-2-17 Palautuspäivä
LisätiedotPyramidi 3 Analyyttinen geometria tehtävien ratkaisut sivu 139 Päivitetty a) 402 Suplementtikulmille on voimassa
Pyramidi Analyyttinen geometria tehtävien rataisut sivu 9 Päivitetty 9..6 4 a) 4 Suplementtiulmille on voimassa b) a) α + β 8 α + β 8 β 6 c) b) c) α 6 6 + β 8 β 8 6 β 45 β 6 9 α 9 9 + β 8 β 8 + 9 β 7 Pyramidi
LisätiedotH(s) + + _. Ymit(s) Laplace-tason esitykseksi on saatu (katso jälleen kalvot):
ELEC-C3 Säätötekniikka 5. laskuharjoitus Vastaukset Quiz: Luennon 4 luentokalvojen (luku 4) lopussa on esimerkki: Sähköpiiri (alkaa kalvon 39 tienoilla). Lue esimerkki huolellisesti ja vastaa seuraavaan:
LisätiedotInteraktiiviset menetelmät
Interatiiviset menetelmät. Johdanto. Interatiivinen SWT-menetelmä 3. GDF-menetelmä 4. Yhteenveto Optimointiopin seminaari - Kevät 000 /. Johdanto Interatiivisissa menetelmissä päätösenteijä ja analyytio
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
LisätiedotSYMBOLIVIRHETODENNÄKÖISYYDESTÄ BITTIVIRHETODENNÄKÖISYYTEEN
SYMBOLIVIRHETODENNÄKÖISYYDESTÄ BITTIVIRHETODENNÄKÖISYYTEEN Miten modulaation P S P B? 536A Tietoliienneteniia II Osa 4 Kari Käräinen Sysy 05 SEP VS. BEP D-SIGNAALIAVARUUDESSA Kullein modulaatiolle johdetaan
Lisätiedot1. YKSISUUNTAINEN VARIANSSIANALYYSI: AINEISTON ESITYSMUODOT
imat-2.104 Tilastollisen analyysin perusteet / Tehtävät Aiheet: Avainsanat: Ysisuuntainen varianssianalyysi Bartlettin testi, Bonferronin menetelmä, F-testi, Jäännösneliösumma, χ 2 -testi, Koonaisesiarvo,
Lisätiedot4.7 Todennäköisyysjakaumia
MAB5: Todeäöisyyde lähtöohdat.7 Todeäöisyysjaaumia Luvussa 3 Tuusluvut perehdyimme jo jaauma äsitteesee yleesä ja ormaalijaaumaa vähä taremmi. Lähdetää yt tutustumaa biomijaaumaa ja otetaa se jälee ormaalijaauma
Lisätiedot(1 + i) + JA. t=1. t=1. (1 + i) n (1 + i) n. = H + k (1 + i)n 1 i(1 + i) n + JA
Investoinnin annattavuuden mittareita Opetusmonisteessa on asi sivua, joilla on hyvin lyhyesti uvattu jouo mittareita. Seuraavassa on muutama lisäommentti ja aavan-johto. Tarastelemme projetia, jona perusinvestointi
LisätiedotKertausosa. Kertausosa. 4. Sijoitetaan x = 2 ja y = 3 suoran yhtälöön. 1. a) Tosi Piste (2,3) on suoralla. Epätosi Piste (2, 3) ei ole suoralla. 5.
Kertausosa. Sijoitetaan ja y suoran yhtälöön.. a) d, ( ) ( ),0... d, ( 0 ( ) ) ( ) 0,9.... Kodin oordinaatit ovat (-,0;,0). Kodin ja oulun etäisyys d, (,0 0) (,0 0),0,...,0 (m) a) Tosi Piste (,) on suoralla.
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
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
Lisätiedot5 Lineaarinen ennustus
5 Lineaarinen ennustus Lineaarinen ennustus (linear prediction, LP) on yksi tärkeimmistä puheenkäsittelyn työkaluista Sitä voidaan eri tilanteessa käyttää eri tavoilla, mutta puheenkäsittelyn kannalta
LisätiedotNaulalevylausunto LL13 naulalevylle
LAUSUNTO NRO VTT-S-3259-12 1 (4) Tilaaja Tilaus Yhteyshenilö Lahti Levy Oy Asonatu 11 151 Lahti 27.4.212 Simo Jouainen VTT Expert Services Oy Ari Kevarinmäi PL 11, 244 VTT Puh. 2 722 5566, Fax. 2 722 73
LisätiedotPerustehtäviä. Sarjateorian tehtävät 10. syyskuuta 2005 sivu 1 / 24
Sarjateorian tehtävät 0. syysuuta 2005 sivu / 24 Perustehtäviä. Muunna sarja telesooppimuotoon ja osoita, että se suppenee. Lase myös sarjan summa. ( + ) = 2 + 6 + 2 +... 2. Osoita suoraan määritelmään
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
Lisätiedot802328A LUKUTEORIAN PERUSTEET OSA II BASICS OF NUMBER THEORY PART II. Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO
802328A LUKUTEORIAN PERUSTEET OSA II BASICS OF NUMBER THEORY PART II Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO SYKSY 2016 Sisältö 1 KERTOMAT, BINOMIKERTOIMET 2 1.0.1 Kertoma/Factorial......................
LisätiedotMekaniikan jatkokurssi Fys102
Meaniian jatourssi Fys10 Sysy 009 Jua Maalampi LUENTO 6 Harmonisen värähdysliieen energia Jousen potentiaalienergia on U ( x missä on jousivaio ja Dx on poieama tasapainosta. Valitaan origo tasapainopisteeseen,
LisätiedotJoulukuun vaativammat valmennustehtävät ratkaisut
Jouluuun vaativammat valmennustehtävät rataisut. Tapa. Pätee z = x + y, joten z = (x + y = x + y, josta sieventämällä seuraa xy 4x 4y + 4 = 0. Siispä (x (y =. Tästä yhtälöstä saadaan suoraan x =, y = 4
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
LisätiedotM y. u w r zi. M x. F z. F x. M z. F y
36 5.3 Tuipaalutusen lasenta siitmämenetelmällä 5.3.1 Yleistä Jos paaluvoimia ei voida määittää suoaan tasapainohtälöistä (uten ohdassa 5.), on smsessä staattisesti määäämätön paalutus, jona paaluvoimien
LisätiedotM 2 M = sup E M 2 t. E X t = lim. niin martingaalikonvergenssilauseen oletukset ovat voimassa, eli löydämme satunnaismuuttujan M, joka toteuttaa ehdon
Matematiian ja tilastotieteen laitos Stoastiset differentiaaliyhtälöt Rataisuehdotelma Harjoituseen 7 1. Näytä, että uvaus M M M 2, un M 2 M = sup E M 2 t 2 t 0 on normi jouossa M 2 = { M : M on martingaali
LisätiedotMAATALOUSYRITTÄJÄN ELÄKELAIN MUKAISEN VAKUUTUKSEN PERUSTEET
5 TLOUYRTTÄJÄN ELÄKELN UKEN VKUUTUKEN PERUTEET PERUTEDEN OVELTNEN Näitä perusteita soelletaan..009 lähtien maatalousrittäjän eläelain 80/006 YEL muaisiin auutusiin. VKUUTUKU Vauutusmasu uodelta on maatalousrittäjän
LisätiedotSattuman matematiikkaa III
Sattuman matematiiaa III Kolmogorovin asioomat ja frevenssitulinta Tommi Sottinen Tutija Matematiian ja tilastotieteen laitos, Helsingin yliopisto Laboratoire de Probabilités et Modèles Aléatoires, Université
LisätiedotVALIKOITUJA KOHTIA LUKUTEORIASTA
VALIKOITUJA KOHTIA LUKUTEORIASTA ARI LEHTONEN 1. Laajennettu Euleideen algoritmi 1.1. Jaoyhtälö. Oloot r 0, r 1 Z, r 0 r 1 > 0. Tällöin on olemassa ysiäsitteiset luvut q 1 ja r 2 Z siten, että r 0 = q
Lisätiedot3. Markovin prosessit ja vahva Markovin ominaisuus
30 STOKASTISET DIFFERENTIAALIYHTÄLÖT 3. Marovin prosessit ja vahva Marovin ominaisuus Aloitamme nyt edellisen appaleen päättäneen esimerin yleistämisen Brownin liieelle. Käymme ysitellen läpi esimerin
Lisätiedot9 Lukumäärien laskemisesta
9 Luumäärie lasemisesta 9 Biomiertoimet ja osajouoje luumäärä Määritelmä 9 Oletetaa, että, N Biomierroi ilmaisee, uia mota -alioista osajouoa o sellaisella jouolla, jossa o aliota Meritä luetaa yli Lasimesta
LisätiedotIII. SARJATEORIAN ALKEITA. III.1. Sarjan suppeneminen. x k = x 1 + x 2 + x ,
III. SARJATEORIAN ALKEITA Sarja on formaali summa III.. Sarjan suppeneminen = x + x 2 + x 3 +..., missä R aiilla N (merintä ei välttämättä taroita mitään reaaliluua). Luvut x, x 2,... ovat sarjan yhteenlasettavat
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
LisätiedotC (4) 1 x + C (4) 2 x 2 + C (4)
http://matematiialehtisolmu.fi/ Kombiaatio-oppia Kuia mota erilaista lottoriviä ja poeriättä o olemassa? Lotossa arvotaa 7 palloa 39 pallo jouosta. Poeriäsi o viide orti osajouo 52 orttia äsittävästä paasta.
LisätiedotVALON DIFFRAKTIO JA POLARISAATIO
Oulun yliopisto Fysiian opetuslaboratorio Fysiian laboratoriotyöt 1 1 1. Työn tavoitteet 1.1 Mittausten taroitus Tässä työssä tutit valoa aaltoliieenä. Ensimmäisessä osassa tutustut valon taipumiseen eli
LisätiedotMiehitysluvuille voidaan kirjoittaa Maxwell Boltzmann jakauman mukaan. saamme miehityslukujen summan muodossa
S-4.7 Fysiia III (EST) Tetti..6. Tarastellaa systeemiä, jossa ullai hiuasella o olme mahdollista eergiatasoa, ε ja ε, missä ε o eräs vaio. Oletetaa, että systeemi oudattaa Maxwell-Boltzma jaaumaa ja, että
LisätiedotONKO SUOMALAINEN VAHINKOVAKUUTUSYHTIÖ TASOITUSVASTUUNSA VANKI? fil. tri Martti Pesonen, SHV. Suomen Aktuaariyhdistyksen vuosikokousesitelmä
ONKO SUOMALAINEN VAHINKOVAKUUTUSYHTIÖ TASOITUSVASTUUNSA VANKI? fil. tri Martti Pesonen, SHV Suomen Atuaariyhdistysen vuosioousesitelmä 27.2.2006 2 Sisällysluettelo: sivu 1. Tasoitusvastuujärjestelmän uvaus
LisätiedotTodennäköisyyslaskenta IIa, syys lokakuu 2019 / Hytönen 1. laskuharjoitus, ratkaisuehdotukset
Todennäöisyyslasenta IIa, syys loauu 019 / Hytönen 1. lasuharjoitus, rataisuehdotuset 1. ( Klassio ) Oloot A ja B tapahtumia. Todista lasuaavat (a) P(A B) P(A) + P(B \ A), (b) P(B) P(A B) + P(B \ A), (c)
LisätiedotVÄRÄHTELYMEKANIIKKA SESSIO 21: Usean vapausasteen systeemin liikeyhtälöiden johto Lagrangen
/ ÄRÄHELYMEKANIIKKA SESSIO : Usean vapausasteen systeein liieyhtälöien johto Lagrangen yhtälöillä JOHDANO Kirjoitettaessa liieyhtälöitä suoraan Newtonin laeista äytetään systeeistä irrotettujen osien tai
Lisätiedot1974 N:o 622. Vakuutusteknisistä riskeistä johtuvien suureiden laskemista varten käytettävä vakuutuslajiryhmittely. Liite 1.
1974 N:o 622 Liite 1 Vauutustenisistä riseistä johtuvien suureiden lasemista varten äytettävä vauutuslajiryhmittely Vauutuslajiryhmä Vauutusluoat Ensivauutus Laisääteinen tapaturma 1 (laisääteinen) Muu
LisätiedotTAMPEREEN YLIOPISTO Pro gradu -tutkielma. Hannu Pajula. Stirlingin luvuista
TAMPEREEN YLIOPISTO Pro gradu -tutielma Hannu Pajula Stirlingin luvuista Informaatiotieteiden ysiö Matematiia Maalisuu 2014 Tampereen yliopisto Informaatiotieteiden ysiö PAJULA, HANNU: Stirlingin luvuista
LisätiedotYRITTÄJIEN ELÄKELAIN (YEL) MUKAISEN LISÄELÄKEVAKUUTUKSEN PERUSTEET. Kokooma 30.3.2006. Viimeisin perustemuutos vahvistettu 20.12.2004.
YITTÄJIN LÄKLAIN (YL) MUKAISN LISÄLÄKVAKUUTUKSN PUSTT Koooma 30.3.2006. Viimeisin perustemuutos vahvistettu 20.12.2004. SISÄLTÖ YITTÄJIN LÄKLAIN (YL) MUKAISN LISÄLÄKVAKUUTUKSN PUSTT 1. PUSTIDN SOVLTAMINN...
LisätiedotAntti Somppi Paloittain päivittävä Kalmanin suodatin. Kandidaatintyö
Antti Somppi Paloittain päivittävä Kalmanin suodatin Kandidaatintyö I TIIVISTELMÄ TAMPEREEN TEKNILLINEN YLIOPISTO Tenis-luonnontieteellinen oulutusohjelma TEKIJÄN NIMI: Antti Somppi Kandidaatintyö 15 sivua,
LisätiedotSGN-4200 Digitaalinen Audio Harjoitustyö-info
1 SGN-4200 Digitaalinen Audio Harjoitustyö-info 04.04.2012 Joonas Nikunen Harjoitystyö - 2 Suorittaminen ja Käytännöt Kurssin pakollinen harjoitustyö: Harjoitellaan audiosignaalinkäsittelyyn tarkoitetun
LisätiedotELEMENTTIMENETELMÄN PERUSTEET SESSIO 12: Tasokehän palkkielementti, osa 2.
/ ELEMENTTIMENETELMÄN PERUSTEET SESSIO : Tasoehän palielementti, osa. NELJÄN VAPAUSASTEEN PALKKIELEMENTTI Kun ahden vapausasteen palielementin solmuihin lisätään loaalin -aselin suuntaiset siirtmämittauset,
LisätiedotKalman-suodin. AS , Automaation signaalinkäsittelymenetelmät. Laskuharjoitus 3
Kalman-suodin AS-84.2161, Automaation signaalinäsittelmenetelmät Lasuhajoitus 3 Ideaalisen posessin tilamalli x( 1) x( ) Ax( ) Bu( ) u B A x Slide 2 Ideaalisen posessin tilamalli x( 1) x( ) Ax( ) Bu( )
LisätiedotNäkymäalueanalyysi. Joukhaisselkä Tuore Kulvakkoselkä tuulipuisto 29.03.2012. Annukka Engström
Näyäalueanalyysi Jouhaisselä Tuore Kulvaoselä tuulipuisto 29032012 Annua Engströ Näyäalueanalyysin uodostainen Näeäalueanalyysilla saadaan yleisuva siitä, ihin tuulivoialat äytettyjen lähtötietojen perusteella
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
LisätiedotBLY. Paalulaattojen suunnittelu kuitubetonista. Petri Manninen 24.1.2011
BLY Paalulaattojen suunnittelu uitubetonista Petri Manninen BY 56 Paalulaatta - Yleistä Käytetään tyypillisesti peheillä, noraali- tai lievästi ylionsolidoituneilla savioilla ja uilla peheiöillä Mitoitustietojen
LisätiedotURH - Venttiili. Halton URH. Venttiili
Halton URH Venttiili ilmaventtiili, jossa on painehäviön säätömahdollisuus. Seinä- tai attoasennus erillisen asennusehysen avulla. Kanavamelun vaimennus. Laitteessa on ilman tilavuusvirran mittaus- ja
LisätiedotVÄRÄHTELYMEKANIIKKA 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.
LisätiedotTHE audio feature: MFCC. Mel Frequency Cepstral Coefficients
THE audio feature: MFCC Mel Frequency Cepstral Coefficients Ihmiskuulo MFCC- kertoimien tarkoituksena on mallintaa ihmiskorvan toimintaa yleisellä tasolla. Näin on todettu myös tapahtuvan, sillä MFCC:t
LisätiedotLuento 8. Suodattimien käyttötarkoitus
Luento 8 Lineaarinen suodatus Ideaaliset alipäästö, ylipäästö ja kaistanpäästösuodattimet Käytännölliset suodattimet 8..006 Suodattimien käyttötarkoitus Signaalikaistan ulkopuolisen kohinan ja häiriöiden
LisätiedotMAB7 Talousmatematiikka. Otavan Opisto / Kati Jordan
3.3 Laiat MAB7 Talousmatematiia Otava Opisto / Kati Jorda Laia ottamie Suuri osa ihmisistä ottaa laiaa jossai elämävaiheessa. Pailaiaa tarvitaa yleesä vauusia ja/tai taausia. Laiatulle pääomalle masetaa
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?
LisätiedotKaupunkisuunnittelu 17.8.2015
VANTAAN KAUPUNKI MIEIPITEIDEN KOONTI Kaupunisuunnittelu..0 MR :N MUKAISEEN KUUEMISKIRJEESEEN..0 VASTAUKSENA SAADUT MIEIPITEET JA KANNANOTOT ASEMAKAAVAN MUUTOKSESTA NRO 009, MARTINAAKSO YHTEENSÄ KANNANOTTOJA
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
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
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
Lisätiedot5. Potenssisarjat 5.1. Määritelmä ja suppeneminen 84. 85. 86. 87. 88. 89.
5. Potenssisarjat 5.1. Määritelmä ja suppeneminen 84. Määritä seuraavien potenssisarjojen suppenemisympyrät: a) ( ) z + 3, b) 2 [ z 2 + ( 1) ], c) a) Koo omplesitaso; b) z =, R = 1; c) z = i, R = 4. 85.
Lisätiedot