Järjestelmän kuvaus aikatasossa

Koko: px
Aloita esitys sivulta:

Download "Järjestelmän kuvaus aikatasossa"

Transkriptio

1 Digitaalinen Signaalinäsittel T25 Luento Man cannot inherit the past; he has to recreate it Arthur Koestler, The act of creation, 964 Järjestelmän uvaus aiatasossa Differenssihtälö = ulostulon lasuaava vrt. differentiaalihtälö jatuva-aiaisille järjestelmille [n-] [n-2] ~ d/dt Lineaariselle aiainvariantille järjestelmälle voidaan differenssihtälö esittää muodossa = a [ n ] = b x[ n ] a =, Jos järjestelmä on ausaalinen, htälö voidaan uudelleenjärjestää muotoon a b [ n] = [ n ] + x[ n ] a a Valitsemalla ertoimet sopivasti saadaan eri termien differenssejä esim. [n-] [n-2] = x[n-] x[n-2] un a =,a 2 =-,b = ja b 2 =-. = = T25/JV 2

2 Järjestelmän uvaus aiatasossa b a = a = a sisäänmenon historia taaisintentä [ n] = x[ n ] [ n ] b = sisäänmenon painoertoimet (vaioita!) a = taaisintennän painoertoimet (a,b ) = järjestelmän parametrit = suodinparametrit = järjestelmän asteluu = pisin järjestelmän aiaviive T25/JV 3 Järjestelmän uvaus aiatasossa Esim. olmen pisteen esiarvon laseva suodin [ n] = ( x[ n] + x[ n ] + x[ n 2] ) = x[ n ] 3 = 3 suodinparametrit a =,b =b =b 2 =/3 2 T25/JV 4 2

3 Järjestelmän uvaus aiatasossa Rataise differenssihtälö -a[n-]= olettaen =, un n < ja =δ[n] Kätännössä tämä taroittaa ssteemin impulssivasteen selvittämistä Rataisu etenee muuttamalla htälö edellisen alvon esittämään muotoon ja rataisemalla perättäisille n arvoille = a[n-] + n =, n =, [] = a[-] + x[] = [] = a[] + x[] = a n = 2, [2] = a[] + x[2] = a 2 un tätä jatetaan, havaitaan että =a n,un n. Kosa ssteemin söte on un n <, impulssivaste on h[n]=a n µ[n] Differenssihtälö voidaan lasennallisesti rataista paljon helpommin uin differentiaalihtälö T25/JV 5 a T Järjestelmän uvaus aiatasossa Järjestelmän impulssivaste on h[n]=a n µ[n],8,7,6,5 Jos a =,7,4,3,2, n a T 6 4 Jos a =,3 = a[n-] Huom! Ei stabiili T25/JV 6 3

4 Impulssivaste Järjestelmän ulostulo un sisäänmenossa on impulssi n δ[n] h[ ] h[n] h [ n] = b δ [ n ] a h[ n ] = = taaisintentä impulssi etenee viivelinjassa T25/JV 7 h h [ n] =, n < h Impulssivaste [ n] = b δ [ n ] a h[ n ] = = = = = Voidaan lasea numeerisesti ausaaliselle järjestelmälle [ ] b δ [ ] a h[ ] = b h [ ] = b δ [ ] a h[ ] = = = b a b T25/JV 8 4

5 Impulssivaste Jos ei taaisintentää, niin h [ n] = b δ [ n ] = n Esim. = /3( + x[n-] + x[n-2]) h[n]=/3(δ[n] + δ[n-] + δ[n-2]) / n T25/JV 9 Impulssivaste Järjestelmät luoitellaan impulssivasteen perusteella. FIR (Finite Impulse Responce) äärellisen impulssivasteen järjestelmät Impulssivaste on päättvä (voi tosin olla pitäin) Järjestelmän asteluu ertoo uina auan ssteemi reagoi muutoseen (sötteeseen) 2. IIR (Infinite Impulse Responce) äärettömän impulssivasteen järjestelmät Päättmätön impulssivaste T25/JV 5

6 FIR Liiuvan esiarvon menetelmä on paljon ätett menetelmä ohinaisen signaalin (esim. pörssiurssit) suodattamisesi Esim. 2 päivän esiarvo määritellään seuraavasti 2 [ n] = { x[ n] + x[ n ] + x[ n 2] + + x[ n 99] } =,5 99 = [ n ] x K Intel Corp. Osaeurssi aluvuodesta 2 Joa erran un uusi näte tulee saataville, joudutaan lasemaan oo esiarvo uudestaan T25/JV FIR P [ n] = b x[ n ] = Järjestelmän asteluu on P, joa määrää järjestelmän impulssivasteen pituuden Mitä suurempi P on, sitä monipuolisempia efetejä järjestelmä enee ulostuloon snnttämään Toisaalta mös järjestelmän lasenta tulee töläämmäsi P nätteen jäleen impulssivaste on Järjestelmän toiminnan määräävät ertoimet b T25/JV 2 6

7 IIR Liiuvan esiarvon lasenta suoraan ei ole lasennallisesti ovin tehoasta Lasennan tulos on melein sama uin edellisenin tulosen, ainoastaan uusin näte on sisälltett lasentaan ja vanhin näte poistettu Tätä hödntämällä voidaan liiuvan esiarvon lasenta järjestellä tehoaammin [ n + ] =,5{ x[ n + ] + x[ n] + x[ n ] + + x[ n 98] } = [ n] +,5{ x[ n + ] x[ n 99] } Tämä hödntää edellistä esiarvoa lasiessaan uuden esiarvon. Kosa lasenta on aiainvarianttia, htälö voidaan saattaa muotoon Tämä on reursiivinen lasentaaava liiuvalle esiarvolle. K [ n] = [ n ] +,5{ x[ n] x[ n 2] } T25/JV 3 P IIR [ n] = b x[ n ] a [ n ] = Kosa mös järjestelmän vanha ulostulo vaiuttaa niseen ulostuloon, järjestelmän aiaansaamat efetit voivat olla monipuolisempia uin samanasteisella FIR-järjestelmällä Huomaa että erroin a = ninen ulostulo ei tietenään vaiuta niseen ulostuloon Vaatii taaisintennän Mutta taaisintentä sinänsä ei taaa että järjestelmä olisi IIR! Q = T25/JV 4 7

8 IIR Esim. =,5[n-] h[n]=δ[n],5h[n-] -,5 T /4 /6 Impulssivaste jatuu äärettömteen n /2 /8 /32 T25/JV 5 Impulssivaste Jos järjestelmässä on taaisintentä, niin impulssivaste tät lasea, jotta selviää ono järjestelmä FIR vai IIR tppinen Esim. =/3(-x[x-3]) + [n-] h[n] = /3(δ[n]- δ[n-3]) + h[n-] h[] = /3 h[] = /3 /3 h[2] = /3 h[3] = ei siis IIR -3 n T25/JV 6 8

9 Impulssivaste ja stabiilisuus Määritelmä: B x B Jos impulssivaste on absoluuttisesti summautuva, niin järjestelmä on stabiili = h [ n] < FIR-järjestelmät ovat stabiileja! B h T25/JV 7 Impulssivaste ja stabiilisuus Esim. h [ n] = δ [ n ] = 2 = h Esim. 3 [ n] = [ n] = x[ n] [ n ] 2 2 = = = 2 = 2 stabiili /4 / n /32 /2 /8 T25/JV 8 9

10 Signaalin uvaaminen impulssien avulla Kuvassa a) on digitaalinen signaali Signaali voidaan uvata impulssien superpositiona, uvat b) f) Joainen siöimpulssi on painotettu :llä ja aiasiirrett n nätettä Esim. uva b) voidaan esittää muodossa x[-2]δ[n+2] Koo signaali voidaan esittää siten muodossa = + x[-2]δ[n+2]+x[- ]δ[n+]+x[]δ[n]+x[]δ[n- ]+x[2]δ[n-2] + tai = [ n] = x[ n] δ [ n ] x Huomaa, että vain hdellä n arvolla impulssi on nollasta poieava, eli impulssi valitsee (tai aiasiirtää) hden nätteen T25/JV 9 Konvoluutio (convolution) Kuvassa a) on neljän nätteen digitaalinen signaali ja uvassa b) on erään järjestelmän impulssivaste Tehtävänä on selvittää järjestelmän vaste annetulla sötteellä Kuvassa c) on digitaalinen signaali esitettnä painotettuina ja aiasiirrettinä impulsseina Kuvan c) impulssit viedään järjestelmän läpi jolloin saadaan uvan oiean reunan vaste Yhden impulssien vaste on helppo lasea, errotaan vain impulssivaste söteimpulssin oreudella (lineaarinen järjestelmä) ja siirretään impulssi alamaan söteimpulssin jäleen (ausaalinen järjestelmä) Kosa järjestelmä lineaarinen, superpositioperiaate on voimassa (vaiutusten summa on summien vaiutus) voidaan aii erillisten impulssien vasteet summata hteen, näin saadaan oo järjestelmän vaste = + x[-2]h[n+2]+x[-]h[n+]+x[]h[n]+x[]h[n- ]+x[2]h[n-2] + tai Konvoluution [ n] = x[ n] h[ n ] x[ n]* h[ n] = merintä = Ko. aava on ns. onvoluutiosumma Ulostulosignaali on painotettujen ja aiasiirrettjen impulssivasteiden summa convolve= iertä,ietoutua T25/JV 2

11 Konvoluutio Konvoluutiosumman lasentaa voidaan havainnollistaa graafisesti oiean puoleisella uvalla Kuvassa on digitaalisen järjestelmän sötesignaali ja järjestelmän impulssivaste h[n] Sen sijaan että tarastelisimme sötesignaalia impulssien jonona, signaali on esitett suoraan Impulssi on esitett taaperin (äänteisenä), alaen siitä n arvosta josta järjestelmän ulostulo halutaan lasettavan Konvoluutio on näiden signaalien tulojen summa, eli [] = = 3 seuraava näte saadaan siirtämällä taaperoista impulssivastetta eteenpäin (oiealle) hden nätteen verran, eli [2] = = Kuva esittää siis onvoluutiosumman lasentaa, un n =, eli [ ] = x[ ] h[ ] = [ n] x[ n] h[ n ] = x[ n]* h[ n] = = htälössä esiintvä on apumuuttuja joa häviää un signaalien välinen ertolasu ja summaus on suoritettu Vaiain onvoluutiosumma on määritelt äärettömän pitille signaaleille, ätännössä lasentaa tarvitsee tehdä vain impulssivasteen pituudelta (jolloin h[n] ) T25/JV 2 Konvoluutio Konvoluutio on ommutatiivinen, eli [ n] = x[ n] h[ n ] = x[ n]* h[ n] = h[ ] x[ n ] = h[ n]* x[ n] = Konvoluutiosummalla voidaan impulssivasteen avulla lasea lineaarisen ja aiainvariantin (LTI = Linear and Time Invariant) järjestelmän ulostulo =h[n]* h[n] = Perusmuodossaan onvoluutio ei vaadi järjestelmän olevan ausaalinen (impulssivaste voi olla h[n] un n < ) T25/JV 22

12 Konvoluutio Konvoluutiosumman aavasta nähdään että sen toteuttaminen vaatii ertolasujen ja hteenlasujen lasentaa hden nätteenottovälin aiana impulssivasteen pituuden verran Eli htä ulostulon nätettä ohden joudutaan lasemaan useampia ertolasu/hteenlasupareja Konvoluutiosumma voidaan lasea leisättöisellä prosessorilla Ongelmana on uitenin leensä muistin aistanleveden riittäminen Seä ohjelmassa olevan ontrollioodin ja osoittimien päivittämisen hitaus Ja lisäsi mahdollisesti hidas ertolasu Audiojärjestelmissä on leensä ätössä 96 Hz nätteenottotaajuus (tai pienempi), nätteiden väli on silloin,4 µs Jos audiosignaalinäsitteljärjestelmän impulssivasteen pituus on nätettä, hden järjestelmän ulostulon nätteen lasemiseen tarvitaan ertolasua ja hteenlasua; aiaa tähän saa ulua vain hden nätteen verran, eli,4 µs Silloin ertolasun ja hteenlasun suorittamiseen saa ulua aiaa vain 4 ns Digitaalisessa uvanäsittelssä nätteenottotaajuus voi olla luoaa 4 Mhz ja uvanäsitteljärjestelmien impulssivasteiden pituudet nätteen verran Silloin ertolasun ja hteenlasun suorittamiseen saa ulua aiaa vain 723 ps! =h[n]* h[n] = [ n] = x[ n] h[ n ] osoittimien päivits silmuan ontrollioodi T25/JV 23 Konvoluutio Signaaliprosessorissa em. haittoja on pritt minimoimaan Kovoertoja (ns. MAC-siö) Kertolasun ja hteenlasun hteisoperaatiota utsutaan multipl-and-accumulate (MAC) operaatiosi Signaalinäsitteln sopivat osoitusmuodot (rengaspusuri) Useita väliä esussiön ja muistin välillä Signaaliprosessorien lasentateho onvoluution tppisissä ongelmissa on n. ertainen verrattuna leisprosessoreihin x [ n]* h[ n] = =h[n]* h[n] = [ n] h[ n ] x ; Data pointed b r is convolved b r4, result will be in accumulator a ; Motorola DSP56 signal processor implementation P:6C 23 clr a P:6D F88 move x:(r)+n,x :(r4)+, P:6E 63FA rep #taps- P:6F F88D2 mac x,,a x:(r)+n,x :(r4)+, P:7 25AD3 macr x,,a T25/JV 24 2

13 Konvoluutio Tehoaissa leisprosessoreissain on vetoroivia äsantoja (esim. AMD & Intel SSE3) jota nopeuttavat huomattavasti onvoluution lasentaa Intelin Integrated Performance Primitives 5. ohjelmistoirjasto hödntää prosessorin ominaisuusia tarjoten ättäjälle sinertaisen liiittmän Esim. onvoluution lasenta status = ippsfir_32f( x, z, UMITERS, fctx ); x [ n]* h[ n] = =h[n]* h[n] = [ n] h[ n ] x Ideana on piloa 64-bittinen ALU useampaan pienempään rinnaain lasettavaan osaan Vetoroidussa ässsä T25/JV operaatio suoritetaan usealle 25 operandille rinnaaisesti Konvoluutio Konvoluutio on digitaalisen suodatusen perusta Esim. miä on järjestelmän h[n] = /3(δ[n] + δ[n-] + δ[n-2]) aselvaste? µ[n] h[n] u[n] Konvoluutiolla voidaan lasea järjestelmän vaste u[n] = µ[n] * h[n] T25/JV 26 3

14 u Konvoluutio 3 [ n] ( δ [ ] + δ [ ] + δ [ 2] ) µ [ n ] = = = µ 3, un =, un 3 3 [ n] + µ [ n ] + µ [ n 2] n alipäästösuodatin 2/3 / n T25/JV 27 Lohoaavio Lohoaavio ~ järjestelmän toteutus = implementaatio Kertoo millä lailla järjestelmä on toteutettu Kertoo mitä perussignaaliäsittelsiöitä (oiealla) järjestelmässä on ja miten ne ovat tett toisiinsa Graafisena esitsmuotona antaa nopeasti hvän leisuvan järjestelmästä Kätetään mös termiä vuoaavio Kertolasu vaatii toteutusessa ertolasusiön Yhteenlasu vaatii summaimen Viive vaatii muistipaian (jossa nätettä pidetään talletettuna haluttu aia) a x [n] x 2 [n] a T x [n]+x 2 [n] x [n] x 2 [n] x[n-] x [n] x 2 [n] T25/JV 28 4

15 Direct Form I Äärettömän impulssivasteen järjestelmä voidaan uvata htälöllä [ n] = b x[ n ] a [ n ] = Suoraviivaista htälön toteutusta utsutaan Direct Form I tpin realisaatiosi = = b x [ n ] T25/JV a [ n ] 29 = Direct Form ehittelä Kosa järjestelmä lineaarinen, Direct Form I toteutus voidaan jaaa ahteen eri osaan ja vaihtaa niiden järjeststä Järj. Järj. 2 T25/JV 3 5

16 Direct Form II Viiveet voidaan hdistää, jolloin saadaan saman IIRjärjestelmän htälön toinen realisaatio, Direct Form II Tämä toteutus vaatii puolet vähemmän muistia uin Direct Form I toteutus (osa viivelementtien määrä on puolet pienempi) T25/JV 3 Järjestelmän eri muodot Samalla järjestelmällä (joa on LTI, lineaarinen ja aiainvariantti) Ysi impulssivaste (määrää siäsitteisesti järjestelmän toiminnan) Voi olla monta differenssihtälöä Hvin monta eri vuoaaviota Esim. h[n]=/3(δ[n] + δ[n-] + δ[n-2]). = /3( + x[n-] + x[n-2]) 2. = /3(- x[n-3]) + [n-] T25/JV 32 6

17 Järjestelmän eri muodot /3 /3 T T /3 = /3( + x[n-] + x[n-2]) T T /3 /3 T /3 3 T - T 3 T = /3(- x[n-3]) + [n-] T25/JV 33 - Lohoaavion analsointi Lohoaaviosta differenssihtälö. Seurataan sisäänmenosignaalin ja taaisintennän vaiutusta 2. Sisääiset silmuat voidaan rataista apumuuttujan avulla T25/JV 34 7

18 Lohoaavion analsointi w[n]-,5w[n-] -,5 w[n] T T,6 w[n-] w[n-2],6w[n-2],4,4w[n-]. Apumuuttuja w[n] 2. Seurataan w[n]:ä 3. w[n]=+,4w[n-] w[n]-,4w[n-]= 4. Seurataan lisää 5. =w[n]-,5w[n-]+,6w[n-2] 6. Eliminoidaan apumuuttuja lasemalla -,4[n-]: = w[n],5w[n-] +,6w[n-2] -,4 ([n-] = w[n-],5w[n-2] +,6w[n-3]) w[n]-,4w[n-],4[n-] =,5x[n-] +,6x[n-2] (=) -,5(w[n-]-,4w[n-2]) (=x[n-]),6(w[n-2]-,4w[n-3]) (=x[n-2]) T25/JV 35 Järjestelmä aiatasossa Differenssihtälö Lasuaava Disreettiaiainen esits a = [ n ] = b x[ n ] = Toteutus Lohoaavio Impulssivaste Aiatason ominaisuudet Stabiilisuus Konvoluutio δ[n] h[ ] h[n] T25/JV 36 8

järjestelmät Diskreettiaikaiset järjestelmät aikatason analyysi DEE Lineaariset järjestelmät Risto Mikkonen

järjestelmät Diskreettiaikaiset järjestelmät aikatason analyysi DEE Lineaariset järjestelmät Risto Mikkonen DEE- Lineaariset järjestelmät Disreettiaiaiset järjestelmät aiatason analsi DEE- Lineaariset järjestelmät Risto Mionen Disreettiaiaiset järjestelmät 7 3 5 Lineaaristen, vaioertoimisten differenssihtälöiden

Lisätiedot

järjestelmät Luku 2 Diskreettiaikaiset järjestelmät - aikataso DEE Lineaariset järjestelmät Risto Mikkonen

järjestelmät Luku 2 Diskreettiaikaiset järjestelmät - aikataso DEE Lineaariset järjestelmät Risto Mikkonen DEE- Lineaariset järjestelmät Luu 2 Disreettiaiaiset järjestelmät - aiataso DEE- Lineaariset järjestelmät Risto Mionen 6.9.26 Diseettiaiainen vs jatuva-aiainen Jatuvan signaalin u(t) nätteistäminen disreetisi

Lisätiedot

DEE Lineaariset järjestelmät Harjoitus 2, ratkaisuehdotukset. Johdanto differenssiyhtälöiden ratkaisemiseen

DEE Lineaariset järjestelmät Harjoitus 2, ratkaisuehdotukset. Johdanto differenssiyhtälöiden ratkaisemiseen D-00 Lineaariset järjestelmät Harjoitus, rataisuehdotuset Johdanto differenssiyhtälöiden rataisemiseen Differenssiyhtälöillä uvataan disreettiaiaisten järjestelmien toimintaa. Disreettiaiainen taroittaa

Lisätiedot

Kun annettu differenssiyhtälö z-muunnetaan puolittain, saadaan: 1 1 z Y z zy z z/4 4

Kun annettu differenssiyhtälö z-muunnetaan puolittain, saadaan: 1 1 z Y z zy z z/4 4 DEE- Lineaariset järjestelmät Harjoits 8, rataisehdotset Tämän harjoitsen ideana on opetella -mnnosen ättöä differenssihtälöiden rataisemisessa. Lisäsi ätetään -mnnosen ehäpä hödllisintä ominaistta, eli

Lisätiedot

DEE Lineaariset järjestelmät Harjoitus 5, harjoitustenpitäjille tarkoitetut ratkaisuehdotukset

DEE 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

Lisätiedot

Tehtävä 2 Todista luennoilla annettu kaava: jos lukujen n ja m alkulukuesitykset. ja m = k=1

Tehtävä 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

Lisätiedot

Todennäköisyysjakaumat 1/5 Sisältö ESITIEDOT: todennäköisyyslaskenta, määrätty integraali

Todennäköisyysjakaumat 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

Lisätiedot

M y. u w r zi. M x. F z. F x. M z. F y

M 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

Lisätiedot

Johdatus lukuteoriaan Harjoitus 1 syksy 2008 Eemeli Blåsten. Ratkaisuehdotelma

Johdatus lukuteoriaan Harjoitus 1 syksy 2008 Eemeli Blåsten. Ratkaisuehdotelma Johdatus luuteoriaan Harjoitus 1 ss 008 Eemeli Blåsten Rataisuehdotelma Tehtävä 1 Oloot a ja b positiivisia oonaisluuja. Osoita, että on olemassa siäsitteinen luu h ('luujen a ja b pienin hteinen jaettava',

Lisätiedot

Projekti 5 Systeemifunktiot ja kaksiportit. Kukin ryhmistä tarkastelee piiriä eri taajuuksilla. Ryhmäni taajuus on

Projekti 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

Lisätiedot

Ennen kuin mennään varsinaisesti tämän harjoituksen asioihin, otetaan aluksi yksi merkintätekninen juttu. Tarkastellaan differenssiyhtälöä

Ennen 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

Lisätiedot

Luento 2 / 12. SMG-1200 Piirianalyysi II Risto Mikkonen

Luento 2 / 12. SMG-1200 Piirianalyysi II Risto Mikkonen SMG-00 Piirianalsi II Lento / SMG-00 Piirianalsi II Risto Mionen 6.8.03 ) ( ) ( ) ( L L L L L ) ( ) ( Additiiviss Homogeeniss ) ( ) ( ) ( L L L Lineaariss 6.8.03 SMG-00 Piirianalsi II Risto Mionen Aiainvarianttiss

Lisätiedot

ELEMENTTIMENETELMÄN PERUSTEET SESSIO 12: Tasokehän palkkielementti, osa 2.

ELEMENTTIMENETELMÄN 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,

Lisätiedot

2 Taylor-polynomit ja -sarjat

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.

Lisätiedot

Matematiikan tukikurssi

Matematiikan 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

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.

[ ] [ 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 ( ( -

Lisätiedot

JOHDATUS LUKUTEORIAAN (syksy 2017) HARJOITUS 1, MALLIRATKAISUT

JOHDATUS 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

Lisätiedot

järjestelmät Luku 1 Johdanto; termit ja käsitteet 1 DEE Lineaariset järjestelmät Risto Mikkonen

järjestelmät Luku 1 Johdanto; termit ja käsitteet 1 DEE Lineaariset järjestelmät Risto Mikkonen DEE-00 Lineaariset järjestelmät Luu Johdanto; termit ja äsitteet DEE-00 Lineaariset järjestelmät Risto Mionen DEE-00 Lineaariset järjestelmät I+II periodi Luennot, Risto Mionen, SH 3 Harjoituset, Tiina

Lisätiedot

Projekti 5 Systeemifunktiot ja kaksiportit. Kukin ryhmistä tarkastelee piiriä eri taajuuksilla. Ryhmäni taajuus on

Projekti 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

Lisätiedot

2.8 Mallintaminen ensimmäisen asteen polynomifunktion avulla

2.8 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

Hanoin 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. 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

Lisätiedot

Talousmatematiikan verkkokurssi. Koronkorkolaskut

Talousmatematiikan 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:

Lisätiedot

Differentiaali- ja integraalilaskenta 1 Ratkaisut 1. viikolle /

Differentiaali- 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=,

Lisätiedot

TAMPEREEN YLIOPISTO Pro gradu -tutkielma. Hannu Pajula. Stirlingin luvuista

TAMPEREEN 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

Lisätiedot

6 Lineaarisen ennustuksen sovelluksia

6 Lineaarisen ennustuksen sovelluksia 6 Lineaarisen ennustusen sovellusia Lineaarisella ennustusella on hyvin täreä asema monessa puheenäsittelyn sovellusessa. Seuraavassa on esitetty esimerejä siitä miten lineaarista ennustusta voidaan hyödyntää.

Lisätiedot

Valon diffraktio yhdessä ja kahdessa raossa

Valon 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

Lisätiedot

T SKJ - TERMEJÄ

T 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

Lisätiedot

KJR-C2002 Kontinuumimekaniikan perusteet, viikko 45/2017

KJR-C2002 Kontinuumimekaniikan perusteet, viikko 45/2017 KJR-C00 Kontinuumimeaniian perusteet viio 45/017 1. Oloon f t ) alojen onsentraatio [ f ] < g/m ) joessa joa riippuu siis seä paiasta että ajasta. Havaitsija on veneessä ja mittaa onsentraatiota suoraan

Lisätiedot

MS-A0402 Diskreetin matematiikan perusteet

MS-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

Lisätiedot

Todennäköisyyslaskenta IIa, syys lokakuu 2019 / Hytönen 1. laskuharjoitus, ratkaisuehdotukset

Todennäköisyyslaskenta 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)

Lisätiedot

3. Markovin prosessit ja vahva Markovin ominaisuus

3. 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

Lisätiedot

Vakuutusteknisistä riskeistä johtuvien suureiden laskemista varten käytettävä vakuutuslajiryhmittely.

Vakuutusteknisistä 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

Lisätiedot

Missä mennään. systeemi. identifiointi. mallikandidaatti. validointi. malli. (fysikaalinen) mallintaminen. mallin mallin käyttötarkoitus, reunaehdot

Missä 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

Lisätiedot

± r = 1e 2 2 ±

± r = 1e 2 2 ± SMG- Piirianalyysi II Ehdotuset harjoitusen asi rataisuisi 3 (a) d y ( t) dy ( t) 7 4 y ( t) 4 r + + = y(t) = e rt r r ( ) + 4r + 7 / 4 = KY ± r = 4 4 4 7 / 4 e rt + 4 e rt + 7 / 4 e rt = : e rt r = /

Lisätiedot

MAB7 Talousmatematiikka. Otavan Opisto / Kati Jordan

MAB7 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

Lisätiedot

Sattuman matematiikkaa III

Sattuman 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

Lisätiedot

Olkoot X ja Y riippumattomia satunnaismuuttujia, joiden odotusarvot, varianssit ja kovarianssi ovat

Olkoot 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

Lisätiedot

DISKREETIN MATEMATIIKAN SOVELLUKSIA: KANAVA-EKVALISOINTI TIEDONSIIRROSSA. Taustaa

DISKREETIN 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

Lisätiedot

J1 (II.6.9) J2 (X.5.5) MATRIISILASKENTA(TFM) MALLIT AV 6

J1 (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

Lisätiedot

VÄRÄHTELYMEKANIIKKA SESSIO 21: Usean vapausasteen systeemin liikeyhtälöiden johto Lagrangen

VÄRÄHTELYMEKANIIKKA 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

Lisätiedot

Kalman-suodin. AS , Automaation signaalinkäsittelymenetelmät. Laskuharjoitus 3

Kalman-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( )

Lisätiedot

z 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

z 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

Lisätiedot

Pyramidi 3 Analyyttinen geometria tehtävien ratkaisut sivu 139 Päivitetty a) 402 Suplementtikulmille on voimassa

Pyramidi 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

Lisätiedot

MAATALOUSYRITTÄJÄN ELÄKELAIN MUKAISEN VAKUUTUKSEN PERUSTEET

MAATALOUSYRITTÄJÄN 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

Lisätiedot

Tehtävä 3. Määrää seuraavien jonojen raja-arvot 1.

Tehtävä 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.

Lisätiedot

SYMBOLIVIRHETODENNÄKÖISYYDESTÄ BITTIVIRHETODENNÄKÖISYYTEEN

SYMBOLIVIRHETODENNÄKÖISYYDESTÄ 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

Lisätiedot

5. Z-muunnos ja lineaariset diskreetit systeemit. z n = z

5. 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

Lisätiedot

EETU OJANEN SIGNAALIN ENNUSTAMINEN KALMAN-SUOTIMELLA. Kandidaatintyö

EETU 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-

Lisätiedot

Joulukuun vaativammat valmennustehtävät ratkaisut

Joulukuun 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

Lisätiedot

K-KS vakuutussumma on kiinteä euromäärä

K-KS vakuutussumma on kiinteä euromäärä Kesinäinen Henivauutusyhtiö IIIELLA TEKNIIKALLA LAKUPERUTE H-TUTKINTOA ARTEN HENKIAKUUTU REKURIIIELLA TEKNIIKALLA OIMAAOLO 2 AIKALAKU JA AKUUTUIKÄ Tätä lasuperustetta sovelletaan..25 alaen myönnettäviin

Lisätiedot

b 4i j k ovat yhdensuuntaiset.

b 4i j k ovat yhdensuuntaiset. MAA5. 1 Koe 29.9.2012 Jussi Tyni Valitse 6 tehtävää! Muista tehdä pisteytysruuduo ensimmäisen onseptin yläreunaan! Perustele vastausesi välivaiheilla! 1. Oloon vetorit a 2i 6 j 3 ja b i 4 j 3 a) Määritä

Lisätiedot

V. POTENSSISARJAT. V.1. Abelin lause ja potenssisarjan suppenemisväli. a k (x x 0 ) k M

V. 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

Lisätiedot

M 2 M = sup E M 2 t. E X t = lim. niin martingaalikonvergenssilauseen oletukset ovat voimassa, eli löydämme satunnaismuuttujan M, joka toteuttaa ehdon

M 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

Lisätiedot

Ylioppilastutkintolautakunta S tudentexamensnämnden

Ylioppilastutkintolautakunta S tudentexamensnämnden Ylioppilastutintolautaunta S tudenteamensnämnden MATEMATIIKAN KOE, PITKÄ OPPIMÄÄRÄ 0..0 HYVÄN VASTAUKSEN PIIRTEITÄ Alla oleva vastausten piirteiden ja sisältöjen luonnehdinta ei sido ylioppilastutintolautaunnan

Lisätiedot

SGN-1200 Signaalinkäsittelyn menetelmät Välikoe

SGN-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,

Lisätiedot

Dynaamisten systeemien identifiointi 1/2

Dynaamisten 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

Lisätiedot

STOKASTISET DIFFERENTIAALIYHTÄLÖT 7

STOKASTISET DIFFERENTIAALIYHTÄLÖT 7 STOKASTISET DIFFERENTIAALIYHTÄLÖT 7 1. Todennäöisyyslasennasta ja merinnöistä Palautamme seuraavassa lyhyesti mieleen todennäöisyyslasennan äsitteitä ja esittelemme myös muutamia urssilla äytettäviä merintätapoja.

Lisätiedot

OHJ-2300 Johdatus tietojenkäsittelyteoriaan Syksy 2008

OHJ-2300 Johdatus tietojenkäsittelyteoriaan Syksy 2008 OHJ-2300 Johdatus tietojenäsittelyteoriaan Sysy 2008 1 2 Organisaatio & aiataulu Luennot: prof. Tapio Elomaa P1: Ti 14-16 TC 103 ja to 14 16 TC 133 P2: Ti 14-16 TB 219 ja to 12 14 TB 224 26.8. 20.11. Jussi

Lisätiedot

Kertausosa. 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. 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.

Lisätiedot

VÄRÄHTELYMEKANIIKKA SESSIO 19: Usean vapausasteen systeemin liikeyhtälöiden johto Newtonin lakia käyttäen

VÄRÄHTELYMEKANIIKKA 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

Lisätiedot

9 Lukumäärien laskemisesta

9 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

Lisätiedot

z muunnos ja sen soveltaminen LTI järjestelmien analysointiin

z 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

Lisätiedot

Luku 1: Järjestelmien lineaarisuus, differenssiyhtälöt, differentiaaliyhtälöt

Luku 1: Järjestelmien lineaarisuus, differenssiyhtälöt, differentiaaliyhtälöt SMG-00 Piirianalyysi II Harjoitustehtävät Luu : Järjestelmien lineaarisuus, differenssiyhtälöt, differentiaaliyhtälöt Järjestelmien lineaarisuus: Järjestelmä on lineaarinen, jos T u u T u T u, jossa ja

Lisätiedot

VALIKOITUJA KOHTIA LUKUTEORIASTA

VALIKOITUJA 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

Lisätiedot

T Digitaalinen signaalinkäsittely ja suodatus

T Digitaalinen signaalinkäsittely ja suodatus T-63 Digitaalinen signaalinkäsittely ja suodatus 2 välikoe / tentti Ke 4528 klo 6-9 Sali A (A-x) ja B (x-ö)m 2 vk on oikeus tehdä vain kerran joko 75 tai 45 Tee välikokeessa tehtävät, 2 ja 7 (palaute)

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

(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

Lisätiedot

Vakuutusmatematiikan sovellukset 20.11.2008 klo 9-15

Vakuutusmatematiikan 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

Lisätiedot

DI matematiikan opettajaksi: Täydennyskurssi, kevät 2010 Luentorunkoa ja harjoituksia viikolle 11: ti klo 13:00-15:30

DI matematiikan opettajaksi: Täydennyskurssi, kevät 2010 Luentorunkoa ja harjoituksia viikolle 11: ti klo 13:00-15:30 DI matematiikan opettajaksi: Tädennskurssi, kevät Luentorunkoa ja harjoituksia viikolle : ti 6 klo :-5: Kädään läpi: funktioita f : D f R n R m ja integrointia R n :ssä Oletetaan, että, R n ovat mielivaltaisia

Lisätiedot

funktiojono. Funktiosarja f k a k (x x 0 ) k

funktiojono. 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

Lisätiedot

q =, r = a b a = bq + r, b/2 <r b/2.

q =, r = a b a = bq + r, b/2 <r b/2. Luuteoria I Harjoitusia 2009 1 Osoita, että (a x = x x R, (b x x< x +1 x R, (c x + = x + x R, Z, (d x + y x + y x, y R, (e x y xy x, y R 0 2 Oloot a, b, q, r Z ja a = qb + r, 0 r< b Näytä, että a a q =,

Lisätiedot

VÄRÄHTELYMEKANIIKKA SESSIO 02: Vapausasteet, värähtelyiden analysointi

VÄRÄHTELYMEKANIIKKA SESSIO 02: Vapausasteet, värähtelyiden analysointi 02/1 VÄRÄHTELYMEKANIIKKA SESSIO 02: Vapausasteet, värähtelyiden analysointi VAPAUSASTEET Valittaessa systeeille lasentaallia tulee yös sen vapausasteiden luuäärä äärätysi. Tää taroittaa seuraavaa: Lasentaallin

Lisätiedot

102 Käyrä. Piste ( 3,0 ) on käyrällä, jos ja vain jos sen koordinaatit. Siis piste ( 1, 2) Siis piste ( 3,0 ) ei ole käyrällä.

102 Käyrä. Piste ( 3,0 ) on käyrällä, jos ja vain jos sen koordinaatit. Siis piste ( 1, 2) Siis piste ( 3,0 ) ei ole käyrällä. Pramidi 4 Analttinen geometria tehtävien ratkaisut sivu 1 Päivitett 19..6 11 Todistus 1 Kärä x + = x + 4 5 3 31 = x x+ 4, jos ja vain jos pisteen 3,7 koordinaatit toteuttavat kärän htälön. Kun x = 3 ja

Lisätiedot

järjestelmät Luento 8

järjestelmät 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

Lisätiedot

1974 N:o 622. Vakuutusteknisistä riskeistä johtuvien suureiden laskemista varten käytettävä vakuutuslajiryhmittely. Liite 1.

1974 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

Lisätiedot

Matemaattinen Analyysi

Matemaattinen 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

Lisätiedot

BINÄÄRISET TIEDONSIIRTOMENETELMÄT TÄRKEIMPIEN ASIOIDEN KERTAUS A Tietoliikennetekniikka II Osa 11 Kari Kärkkäinen Syksy 2015

BINÄÄRISET 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

Lisätiedot

Säätötekniikan ja signaalinkäsittelyn työkurssi

Säätötekniikan ja signaalinkäsittelyn työkurssi Säätötekniikan ja signaalinkäsittelyn työkurssi Työ D102: Sinimuotoisen signaalin suodattaminen 0.4 op. Julius Luukko Lappeenrannan teknillinen yliopisto Sähkötekniikan osasto/säätötekniikan laboratorio

Lisätiedot

SGN-1200 Signaalinkäsittelyn menetelmät, Tentti

SGN-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

Lisätiedot

Luku 1: Järjestelmien lineaarisuus, differenssiyhtälöt, differentiaaliyhtälöt

Luku 1: Järjestelmien lineaarisuus, differenssiyhtälöt, differentiaaliyhtälöt SMG-00 Piirianalyysi II Luentomonisteen harjoitustehtävien vastauset Luu : Järjestelmien lineaarisuus, differenssiyhtälöt, differentiaaliyhtälöt. Järjestelmien lineaarisuus: Järjestelmä on lineaarinen,

Lisätiedot

1. YKSISUUNTAINEN VARIANSSIANALYYSI: AINEISTON ESITYSMUODOT

1. 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,

Lisätiedot

4.7 Todennäköisyysjakaumia

4.7 Todennäköisyysjakaumia MAB5: Todeäöisyyde lähtöohdat.7 Todeäöisyysjaaumia Luvussa 3 Tuusluvut perehdyimme jo jaauma äsitteesee yleesä ja ormaalijaaumaa vähä taremmi. Lähdetää yt tutustumaa biomijaaumaa ja otetaa se jälee ormaalijaauma

Lisätiedot

Digitaalinen signaalinkäsittely Desibeliasteikko, suotimen suunnittelu

Digitaalinen signaalinkäsittely Desibeliasteikko, suotimen suunnittelu Digitaalinen signaalinkäsittely Desibeliasteikko, suotimen suunnittelu Teemu Saarelainen, teemu.saarelainen@kyamk.fi Lähteet: Ifeachor, Jervis, Digital Signal Processing: A Practical Approach H.Huttunen,

Lisätiedot

SGN-1200 Signaalinkäsittelyn menetelmät Välikoe

SGN-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,

Lisätiedot

Eksponentti- ja logaritmiyhtälö

Eksponentti- 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,

Lisätiedot

SÄÄTÖJÄRJESTELMIEN SUUNNITTELU

SÄÄTÖJÄRJESTELMIEN SUUNNITTELU ENSO IKONEN PYOSYS SÄÄÖJÄRJESELMIEN SUUNNIELU Enso Ionen professori säätö- ja ssteemiteniia http://cc.oulu.fi/~io Oulun liopisto Äläät oneet ja järjestelmät helmiuu 209 ENSO IKONEN PYOSYS 2 Oppimistavoitteet

Lisätiedot

Kompleksianalyysi, viikko 7

Kompleksianalyysi, 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

Lisätiedot

Usean muuttujan funktiot

Usean muuttujan funktiot Usean muuttujan funktiot Johdantoa Kertauksen vuoksi seuraavassa kuviossa on joitakin asioita, joita olemme laskeneet hden muuttujan funktioista f() : [a, b] R Kuvion kärä on funktion f() kuvaaja = f()

Lisätiedot

APTEEKKIEN ELÄKEKASSAN TEL:N MUKAISEN LISÄ- ELÄKEVAKUUTUKSEN LASKUPERUSTEET

APTEEKKIEN ELÄKEKASSAN TEL:N MUKAISEN LISÄ- ELÄKEVAKUUTUKSEN LASKUPERUSTEET APTEEKKIEN ELÄKEKASSAN TEL:N MUKAISEN LISÄ- ELÄKEVAKUUTUKSEN LASKUPEUSTEET Koooma 28.3.2006. Viimeisin perustemuutos on ahistettu 16.1.2003. APTEEKKIEN ELÄKEKASSAN TEL:N MUKAISEN LISÄELÄKEVAKUUTUKSEN LASKU-

Lisätiedot

1 Vastaa seuraaviin. b) Taajuusvasteen

1 Vastaa seuraaviin. b) Taajuusvasteen Vastaa seuraaviin a) Miten määritetään digitaalisen suodattimen taajuusvaste sekä amplitudi- ja vaihespektri? Tässä riittää sanallinen kuvaus. b) Miten viivästys vaikuttaa signaalin amplitudi- ja vaihespektriin?

Lisätiedot

1. Harjoituskoe. Harjoituskokeet. 1. a) Valitaan suorilta kaksi pistettä ja määritetään yhtälöt. Suora s: (x 1, y 1 ) = (0, 2) (x 2, y 2 ) = (1, 2)

1. Harjoituskoe. Harjoituskokeet. 1. a) Valitaan suorilta kaksi pistettä ja määritetään yhtälöt. Suora s: (x 1, y 1 ) = (0, 2) (x 2, y 2 ) = (1, 2) . Harjoitusoe. a) Valitaan suorilta asi pistettä ja määritetään yhtälöt. Suora s: (, y ) = (0, ) (, y ) = (, ) 0 0 0 Suoran yhtälö on y. Suora t: (, y ) = (0, ) (, y ) = (, ) ( ) 0 Suoran yhtälö on y.

Lisätiedot

YRITTÄJIEN ELÄKELAIN (YEL) MUKAISEN LISÄELÄKEVAKUUTUKSEN PERUSTEET. Kokooma 30.3.2006. Viimeisin perustemuutos vahvistettu 20.12.2004.

YRITTÄJIEN 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...

Lisätiedot

S-114.240 Hahmontunnistus ihmisläheisissä käyttöliittymissä Kasvojen tunnistus ja identiteetin tarkistus: ZN-Face

S-114.240 Hahmontunnistus ihmisläheisissä käyttöliittymissä Kasvojen tunnistus ja identiteetin tarkistus: ZN-Face S-114.240 Hahmontunnistus ihmisläheisissä äyttöliittymissä Kasvojen tunnistus ja identiteetin taristus: ZN-Face Kalle Korhonen sorhon@cc.hut.fi 13.4.2000 Tiivistelmä: Raportissa tutustutaan aupalliseen

Lisätiedot

SGN-1200 Signaalinkäsittelyn menetelmät, Tentti

SGN-1200 Signaalinkäsittelyn menetelmät, Tentti SG-00 Signaalinkäsittelyn menetelmät, Tentti 6.3.006 Kirjoita nimesi ja opiskelijanumerosi jokaiseen paperiin. Vastauspaperit tullaan irrottamaan toisistaan. Jos tila ei riitä, jatka kääntöpuolelle ja

Lisätiedot

Mediaanisuodattimet. 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 Mediaanisuodattimet Tähän asti käsitellyt suodattimet ovat olleet lineaarisia. Niille on tyypillistä, että niiden ominaisuudet tunnetaan hyvin niiden analysointiin on olemassa vakiintuneita menetelmiä

Lisätiedot

Naulalevylausunto Kartro PTN naulalevylle

Naulalevylausunto 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

Lisätiedot

III. SARJATEORIAN ALKEITA. III.1. Sarjan suppeneminen. x k = x 1 + x 2 + x ,

III. 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

Lisätiedot

SGN-1200 Signaalinkäsittelyn menetelmät, Tentti

SGN-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

Lisätiedot

Perustehtäviä. Sarjateorian tehtävät 10. syyskuuta 2005 sivu 1 / 24

Perustehtäviä. 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

Lisätiedot

Matemaattinen Analyysi

Matemaattinen Analyysi Vaasan liopisto, kevät 2015 / ORMS1010 Matemaattinen Analsi 8. harjoitus, viikko 18 R1 ma 16 18 D115 (27.4.) R2 ke 12 14 B209 (29.4.) 1. Määritä funktion (x) MacLaurinin sarjan kertoimet, kun (0) = 2 ja

Lisätiedot

Alipäästösuotimen muuntaminen muiksi perussuotimiksi

Alipäästösuotimen muuntaminen muiksi perussuotimiksi Alipäästösuotimen muuntaminen muiksi perussuotimiksi Usein suodinsuunnittelussa on lähtökohtana alipäästösuodin (LPF), josta voidaan yksinkertaisilla operaatioilla muodostaa ylipäästö- (HPF), kaistanpäästö-

Lisätiedot