Mitä on signaalien digitaalinen käsittely
|
|
- Aku Jääskeläinen
- 9 vuotta sitten
- Katselukertoja:
Transkriptio
1 Mitä on signaalien digitaalinen käsittely Signaalien digitaalinen analyysi: mitä sisältää, esim. mittaustulosten taajuusanalyysi synteesi: signaalien luominen, esim. PC:n äänikortti käsittely: oleellisen poimiminen, suodattaminen Signaali on mikä tahansa suure, joka vaihtelee ajan, paikan tai minkä tahansa muuttujan funktiona: ääni kuva mittalaitteen mittaustulos (c) Antti Kosonen
2 Sovelluksia: häiriöiden poisto mittaussignaalista informaatiota sisältävien taajuuksien poimiminen taajuusanalyysi (mittaustulokset) puheentunnistus audiosovellukset: CD, DVD, DAT, MD, äänikortit kuvankäsittely: pakkaus, hahmontunnistus (c) Antti Kosonen
3 Mitä digitaalinen signaalinkäsittely on käytännössä: Suunnittelua ja toteutusta o sopivan suodattimen valinta ja analyysi näytteenottotaajuus, stabiilius, rakenne jne. o suodattimen toteutus ohjelmallinen (DSP, yleiskäyttöinen tietokone) piiritoteutus (PLD, ASIC, FPGA) rajallisen bittimäärän vaikutukset Analysointia (c) Antti Kosonen
4 Mitä digitaalisen signaalinkäsittelyn opintojaksoilla opiskellaan Signaalien digitaalinen käsittely: Signaalien ja järjestelmien ominaisuudet ja niiden analysointi Suodatinten suunnittelun ja toteuttamisen perusteet DFT:n ja FFT:n perusteet Digitaalinen suodatus: Äärellisen sananpituuden vaikutukset ja niiden estäminen Suodatinten suunnittelu ja toteutus ohjelmallisesti Näytteenottotaajuuden muuttaminen Mediaani ja adaptiiviset suodattimet Säätötekniikan ja signaalinkäsittelyn työkurssi: Edellä oleviin opintojaksoihin liittyviä harjoitus ja laboratoriotöitä Digitaalisen signaalinkäsittelyn erikoiskurssi: Satunnaissignaalien käsittely, spektrin estimointi (c) Antti Kosonen
5 Luentoaiheet 1. Johdanto: näytteenoton periaate 2. Diskreettiaikaiset signaalit ja järjestelmät 3. z muunnos ja sen soveltaminen lineaaristen aikainvarianttien järjestelmien analyysiin 4. Taajuustason analyysimenetelmät 5. Diskreetti Fourier muunnos (DFT) 6. Nopea Fourier muunnos (FFT) (c) Antti Kosonen
6 Signaalit, järjestelmät ja signaalinkäsittely Signaali on mikä tahansa suure, joka vaihtelee ajan, paikan tai minkä tahansa muuttujan tai muuttujien funktiona o Esim ajan funktiona, paikan funktiona Aina signaalin tarkka matemaattinen esittäminen ei ole mahdollista o Esim. puhe tällainen signaali voidaan esittää sinisignaalien summana sin 2π (c) Antti Kosonen
7 Signaaleja saadaan aikaan eri tavoin signaalin lähde järjestelmä, joka vastaa herätteeseen Järjestelmällä tarkoitetaan myös laitetta (eng. hardware), joka käsittelee signaalia o Esim. häiriöiden suodatus Laitteen suorittamaa tehtävää nimitetään signaalinkäsittelyksi Digitaalisen signaalinkäsittelyn yhteydessä järjestelmän määrittelyä on tarkoituksenmukaista laajentaa käsittämään konkreettisten laitteiden lisäksi myös operaatioiden ohjelmalliset toteutukset (eng. software) (c) Antti Kosonen
8 Esimerkki puhesignaalista 1 Amplitudi Aika [s] Kuva. Graduate.wav ääninäyte. graduate.wav (c) Antti Kosonen
9 Digitaalisen signaalinkäsittelyjärjestelmän perusosat ) = C E A JK I EC = = E N = J ) = C E A I EC = = E I EJJA E O = J ) = C E A D J I EC = = E Kuva. Analoginen signaalinkäsittely. ) = C E A = EF I J I = JE ), K K E, EC EJ= = E A I EC = = E I EJJA E, ) K K E ) = C E A = EF I J I = JE %! " # $ Kuva. Digitaalisen signaalinkäsittelyjärjestelmän lohkokaavio. (c) Antti Kosonen
10 Digitaalisen signaalinkäsittelyn edut ja haitat + Joustavuus = muutosten tekeminen helppoa (ohjelman muuttaminen) + Tarkkuus = tarkkuus on määritettävissä matemaattisen tarkasti (bittien lukumäärä jne.) + Tallennettavuus = off line analysointi + Edullisuus = jossain tapauksissa verrattuna analogiseen toteutukseen + Monimutkaisten algoritmien toteutus mahdollista Laajakaistaisten signaalien käsittely (hw ongelma) Ohjelmallisen toteutuksen hitaus (hw ongelma) Kalleus yksinkertaisissa tehtävissä (A/D muunnos) Informaation häviäminen (kvantisointi) (c) Antti Kosonen
11 Signaalien luokittelu monikanavainen ja moniulotteinen signaali Monikanavainen: o Esim. maanpinnan nopeus kolmen akselin suunnassa (kuva) Moniulotteinen (lisäksi monikanavainen) o Esim. TV signaali (kirkkaus paikan ja ajan funktiona),,,,,,,, Kuva. Maanpinnan nopeus. Kolme kanavaa. (c) Antti Kosonen
12 Tällä opintojaksolla käsitellään pääasiassa yksikanavaisia ja yksiulotteisia signaaleja, jotka voivat olla reaalisia tai kompleksisia o Esim. sin 3π cos 3π sin 3π Nämä signaalit voivat olla minkä tahansa riippumattoman muuttujan funktioita, tavallisesti kuitenkin ajan Kuva. Kaksiulotteinen signaali. (c) Antti Kosonen
13 Signaalien luokittelu jatkuva ja diskreettiaikaiset signaalit Jatkuva aikaiset signaalit o Analogiset signaalit: määritelty kaikilla ajanhetkillä jollakin aikavälillä (a,b) Diskreettiaikaiset signaalit o Määritelty vain tiettyinä ajanhetkinä o Tietyt ajanhetket : ajanhetkien ei tarvitse olla tasavälein, mutta usein näin kuitenkin on o Esim. tasavälein, 0, 1, 2,, missä on aikaindeksi ja aikaväli Diskreettiaikaisia signaaleja saadaan 1. Valitsemalla analogisen signaalin arvoja diskreetteinä ajanhetkinä: näytteenotto (eng. sampling). 2. Laskemalla yhteen muuttujan arvoa tietyn aikavälin aikana: esimerkiksi tietä ajavien autojen lukumäärä tunnissa. (c) Antti Kosonen
14 Esimerkki diskreettiaikaisesta signaalista Signaalin diskreettiaikaisuutta voidaan korostaa merkitsemällä signaalia :llä :n sijasta Esim. 0,8, jos 0 0, muuten 1 x(n) n Kuva. Diskreettiaikaisen signaalin graafinen esitys. (c) Antti Kosonen
15 Signaalien luokittelu jatkuva ja diskreettiarvoiset signaalit Signaalin arvot voivat olla jatkuvia tai diskreettejä: Jatkuva aikainen, jatkuva( arvoinen) signaali Jatkuva aikainen, diskreetti(arvoinen) signaali Diskreetti aikainen, jatkuva( arvoinen) signaali Diskreetti aikainen, diskreetti(arvoinen) signaali x a (t) 0 x a (t) t t (a) (b) x(n) 0 x(n) n n (c) Kuva. Signaalin neljä eri kategoriaa sen aikamuuttujan ja arvojen suhteen. (d) (c) Antti Kosonen
16 Signaalien luokittelu deterministiset ja satunnaissignaalit Deterministiset Matemaattinen malli Signaali tunnetaan tarkasti ilman epävarmuutta Satunnaiset Tilastollinen käsittely Ei ennustettavissa käytännössä Ei voida kuvata matemaattisesti Luokittelu tärkeää Voi johtaa vääränlaisiin tuloksiin, koska jotkut menetelmät soveltuvat ainoastaan deterministisille ja toiset vain satunnaisille signaaleille (c) Antti Kosonen
17 Jatkuva ja diskreettiaikaisten signaalien taajuus Jatkuva aikaiset sinisignaalit cos ΩΘ, cos 2πΘ, missä alaindeksi a merkitsee analogista on amplitudi Ω on kulmataajuus [rad/s] Θ on (nolla)vaihekulma [rad] Ω2π(huom! Iso kirjain ) N = J 6 F. ) )? I 3 J Kuva. Analoginen sinisignaali. (c) Antti Kosonen
18 Jatkuva aikaisella sinisignaalilla on seuraavat ominaisuudet: 1. Signaali on jaksollinen 1 on sinisignaalin perusjakso 2. Eritaajuiset sinisignaalit ovat eri signaaleita. 3. Taajuuden kasvattaminen johtaa värähdysten lukumäärän kasvamiseen tiettynä aikavälinä. Samat ominaisuudet pätevät myös kompleksisille signaaleille cossin Taajuus voi olla myös negatiivinen (matemaattisessa mielessä) (c) Antti Kosonen
19 cos Ω Θ 2 Analogisen signaalin taajuusalue on siis 2 1 ) 9 9 J 3 9 J 3 4 A ) Kuva. Kosinifunktion esittäminen kahdella vaiheosoittimella. 9 (c) Antti Kosonen
20 Diskreettiaikaiset sinisignaalit cos,, cos 2π,, missä on amplitudi on kulmataajuus [rad/s] on (nolla)vaihekulma [rad] 2π(huom! Pieni kirjain ) N ) Kuva. Diskreettiaikainen sinisignaali, kun π 6ja π 3. (c) Antti Kosonen
21 Diskreettiaikaisella sinisignaalilla on seuraavat ominaisuudet: 1. Diskreettiaikainen signaali on jaksollinen, jos, Pienin jakso, jolle yo. yhtälö pätee, on perusjakso. Todistus Yo. yhtälön mukaan pitää olla cos 2π cos 2π Yhtälö pätee, jos on olemassa vakio, jolloin eli jos 2π 2π Siten diskreettiaikainen signaali on jaksollinen vain, jos sen taajuus voidaan ilmaista kahden kokonaisluvun suhteena (siis on rationaaliluku). (c) Antti Kosonen
22 Perusjakson selvittämiseksi :stä on supistettava yhteiset tekijät. Esimerkiksi, jos , mutta Diskreettiaikaiset sinisignaalit, joiden taajuuksien ero on 2π:n monikerta, ovat samoja Todistus Tarkastellaan signaalia cos : cos 2π cos 2π cos Siten siis kaikki sinimuotoiset sekvenssit cos, 0, 1, 2, 2π, π π ovat yhtäsuuria. Toisaalta kaksi eritaajuista sekvenssiä väliltä π πtai ovat eri sekvenssejä Sinisignaalilla, jonka πtai 1 2, on ekvivalenttinen signaali, jonka π. Signaalia πnimitetään vastaavan signaalin π laskostumaksi (eng. alias). (c) Antti Kosonen
23 3. Diskreettiaikaisen sinisignaalin suurin värähtelytaajuus saadaan, kun π(tai π) tai vastaavasti (tai ). Seuraa ominaisuudesta 2 Matlab esimerkki (c) Antti Kosonen
24 Diskreettiaikaisten signaalien ominaisuudet demonstraatio % jaksollisuus.m % % Demonstroi diskreettien sinisignaalien ominaisuuksia: % % - laskostuminen % - maksimitaajuus % - laskostuminen % Nmax = 40; n = 0:Nmax; f = [0 1/32 1/16 1/8 1/4 1/2 3/4 7/8 15/16 31/32 1]; Nf = length(f); for i = 1:Nf x = cos(2*pi*f(i)*n); stem(n,x) title(['\itf\rm_0 = ' num2str(f(i))]); axis([0 Nmax ]); grid on pause end (c) Antti Kosonen
25 Harmonisessa suhteessa toisiinsa olevat kompleksiset eksponenttifunktiot Joukko jaksollisia kompleksisia eksponenttisignaaleja, jotka ovat yksittäisen positiivisen taajuuden monikertoja Jatkuva aikaiset harmoniset eksponenttisignaalit, 0, 1, 2, Jaksollisen signaalin ominaistaajuus on Jaksonpituus on 1 Kaikilla :n kokonaislukuarvoilla saatavat signaalit voidaan erottaa toisistaan, eli jos, niin Peruseksponenttisignaaleista voidaan muodostaa lineaarikombinaatio missä, 0,1,2, ovat kompleksisia vakioita (c) Antti Kosonen
26 Signaalin perusjakso on 1 Edellä ollutta summalauseketta kutsutaan :n Fourier sarjaksi Vastaavat harmoniset eksponenttisignaalit voidaan muodostaa diskreettiaikaisille eksponenttisignaaleille Koska diskreettiaikainen kompleksinen eksponenttisignaali on jaksollinen, jos sen taajuus on rationaaliluku, valitaan 1 Toisaalta, 0, 1, 2, Siten onkin olemassa vain kappaletta toisistaan erotettavissa olevaa jaksollista kompleksista eksponenttisignaalia, 0,1,2,,1 (c) Antti Kosonen
27 Lineaarikombinaatio on jaksollinen funktio, jonka perusjakso on Tämä on jaksollisen diskreettiaikaisen signaalin Fourier sarja (c) Antti Kosonen
28 A/D ja D/A muunnokset A/D muunnos voidaan jakaa kolmeen vaiheeseen 1. Näytteenotto:, missä on näytteenottoväli 2. Kvantisointi: Kvantisointivirhe: 3. Koodaus: bittinen binääriluku ), K K E N = J O JJA A JJ N L = JEI E JE N = K I ) = C E A I EC = = E, EI HA A JJE= E = E A I EC = = E L = JEI EJK I EC = = E, EC EJ= = E A I EC = = E Kuva. A/D muuntimen perusosat. (c) Antti Kosonen
29 D/A muunnosta ei tarvita kaikissa sovelluksissa D/A muunnos yhdistää diskreettiaikaisen signaalin pisteet jatkuva aikaiseksi käyttäen jonkinlaista interpolointia Nollannen asteen pitopiiri on yksinkertaisin (eng. zero order hold) Lineaarinen interpolaattori on toinen vaihtoehto ) F E 6 " 6 $ 6 & 6 ) E = Kuva. Nollannen asteen pitopiiri (D/A muunnos), missä alkuperäinen signaali on katkoviivalla ja porrasapproksimaatio yhtenäisellä viivalla. (c) Antti Kosonen
30 Näytteenotto Jaksollinen näytteenotto,, missä on näytteenottoväli 1 on näytteenottotaajuus [Hz] Jatkuva aikaisen signaalin aikamuuttujan ja diskreettiaikaisen signaalin aikaindeksin välillä on yhteys O JJA A JJ ) = C E A I EC = = E N = J N = J. I 6 N N N = 6 N = J, EI HA A JJE= E = E A I EC = = E N N = 6 J! " # $ % & ' 6 6 # 6 ' 6 J 6 Kuva. Analogisen signaalin jaksollinen näytteistys. (c) Antti Kosonen
31 Mikä on taajuusmuuttujien (tai Ω) ja (tai ) välinen riippuvuussuhde cos 2π Θ cos 2π cos 2π Toisaalta cos 2π. Siten 2π 2π 2πΩ Ω Edeltä muistetaan taajuusalueet (c) Antti Kosonen
32 Ω ππ Kun nyt tunnetaan yhteydet ja Ωsaadaan diskreettiaikaisen signaalin taajuusrajoituksista rajoitukset näytteenottotaajuudella näytteitettävälle analogiasignaalille tai 2 2 π Ωπ näytteenottoteoreema (c) Antti Kosonen
33 Näytteenottoteoreema Jos analogiasignaalin sisältämä suurin taajuus on ja signaalista otetaan näytteitä taajuudella 2 2, niin voidaan rekonstruoida tarkasti näytearvoistaan, kun käytetään interpolointifunktiota sin 2π sinc 2 2π Matlab esimerkki interpolointifunktiosta: % Interpolointifunktio % t = -5:1e-3:5; B = 1; g = sinc(2*b.*t); figure plot(t,g); title('interpolointifunktio') grid on (c) Antti Kosonen
34 Näytteenottoteoreema jatkuu Näytteenottoteoreeman perusteella rekonstruoitu signaali voidaan ilmaista muodossa N = J O JA N = JI J= missä Jos näytteenottotaajuus on minimiarvo 2 sin 2π 2 2 2π Kuva. Ideaalinen D/Amuunnos (interpolointi). Tällainen rekonstruointi on ideaalinen, mutta vaadittu näytteiden ääretön määrä tekee käytännön toteuttamisen mahdottomaksi J Näytteenottotaajuutta 22 kutsutaan Nyquist taajuudeksi (c) Antti Kosonen
35 Näytteenotto esimerkki Esimerkki Analogiasignaalin kuvaa funktio 3cos 50π 10 sin 300π cos 100π Mikä on signaalin Nyquist taajuus? (c) Antti Kosonen
36 Näytteenotto ratkaisu Ratkaisu Signaali sisältää taajuudet 25 Hz, 150 Hz, 50 Hz Siten 150 Hz ja Nyquist taajuus 2. Siten 300 Hz Huomaa, jos 300 Hz, niin 3cos 50π 300π 100π 10sin cos valitaan 300 Hz 3cos π 10sin π 6 cos π 3 (c) Antti Kosonen
37 Laskostuminen Mitä tapahtuu analogiasignaalin taajuuksille 2 ne laskostuvat taajuusalueelle 2 Olkoon cos 2π Θ, jota näytteistetään taajuudella 1 cos 2π missä (olkoon 2 2) Tarkastellaan sitten signaaleja, joiden taajuus on, 1,2, cos 2π Θ (c) Antti Kosonen
38 Näytteistettävä signaali on siten cos 2π cos 2π 2π cos 2π Taajuudet ( 2) näyttävät samalta kuin taajuus (c) Antti Kosonen
39 B M F. I. I. I. I. F 1 Kuva. Yhteys jatkuva ja diskreettiaikaisten signaalien taajuusmuuttujien välillä jaksollisessa näytteenotossa. Amplitudi Aika [s] Kuva. Laskostumisen havainnollistaminen. (c) Antti Kosonen
40 Laskostuminen esimerkki Esimerkki Tarkastellaan analogista signaalia 3cos 2000π 5 sin 6000π 10 cos 12000π a) Mikä on signaalin Nyquist taajuus? b) Signaalista otetaan näytteitä näytteenottotaajuudella 5000 Hz. Mitä taajuuksia saatava diskreettiaikainen signaali sisältää? Jos tapahtuu laskostumista, miltä taajuuksilta laskostuvat taajuudet näyttävät? c) Mikä analoginen signaali saadaan signaalista, jos käytettävissä on ideaalinen interpolaattori? Ratkaisu Esitetään luennolla. (c) Antti Kosonen
41 Laskostuminen esimerkki Esimerkki Eräästä signaalista tiedetään, että sen sisältämä energia on kokonaan taajuuksien 90 MHzja 100 MHz välissä. Signaalista muodostetaan näytteenotolla digitaalinen signaali. Mikä on tarvittava miniminäytteistystaajuus? Ratkaisu Signaalin taajuuskaista 10MHz. Koska alkuperäinen taajuuskaista on tunnettu, eikä signaali sisällä muita taajuuksia, voidaan käyttää näytteenottotaajuutta 2, koska tällöin kaikki signaalin taajuuskomponentit laskostuvat taajuusalueelle 0 2. Siten, 20 MHz. (c) Antti Kosonen
42 Kvantisointi Kvantisointivirhe signaalin kvantisointi hävittää informaatiota Pyöristyksessä missä Δ 2 Δ 2 Δ 1 missä on kvantisointitasojen lukumäärä :n kasvattaminen pienentää kvantisointiporrasta Δ kvantisointivirhe pienenee ja tarkkuus kasvaa Analogisten signaalien kvantisointi hävittää aina informaatiota Kvantisointivirheen suuruutta voidaan kuvata signaali kvantisointikohinasuhteen (eng. signal to quantization noise ratio, SQNR) avulla (c) Antti Kosonen
43 Esim. diskreettiaikainen signaali: 0,9, 0 0, 0 saadaan ottamalla näytteitä analogisesta eksponenttisignaalista 0,9, 0 taajuudella 1 Hz & $ " N ' N = J ' J L = JE I E JE = K A & $ " N = J ' J N G, L = JEI E JE J= I L = JEI E JE = I A! " # $ % & 6 Kuva. Näytteitä analogisesta signaalista.! " # $ % & 6 Kuva. Kvantisoidut näytteet analogisesta signaalista pyöristämällä. (c) Antti Kosonen
44 Sinimuotoiselle signaalille voidaan johtaa desibeleinä SQNR SQNR db 10 log SQNR 3 10log 2 2 1,766,02 Sananpituuden kasvattaminen yhdellä bitillä kasvattaa signaalikvantisointikohinasuhdetta siis noin 6 db Esim. CD: 16 bittiä 96 db ) F E ",!,,,,,!, ", ) F EI HA J E JE L = JEI EJK O JA N G 6 ) E EI HA J E JE L = JEI E = J O JA N = 6 ) K F A H E A = = C E= I EC = = E N = J, ) K K JE A D J 0 N G J 6 6! 6 " 6 # 6 $ 6 % 6 & 6 ' 6 ) E = Kuva. Sinimuotoisen signaalin näytteenotto ja kvantisointi. J, L = JEI E JE = I A L = JEI E JE = K A L = JEI E JE J= I (c) Antti Kosonen
45 Kvantisointisoitujen tasojen koodaminen Koodauksessa kukin kvantisointitaso kuvataan omalla binääriluvulla Jos kvantisointitasoja on kappaletta, tarvitaan vähintään eri binäärilukua Sananpituudella bittiä voidaan kuvata 2 eri binäärilukua Siten on oltava 2, joten tarvitaan vähintään log bittiä (c) Antti Kosonen
46 Näytteistys esimerkki Esimerkki PCM (eng. pulse code modulation) äänen välitykseen on käytössä kanava, missä bps. Etsi sopivat arvot kvantisoinnissa käytettävälle bittimäärälle, kvantisointitasoille ja näytteistystaajuudelle oletuksella 3,2 khz. (c) Antti Kosonen
47 Näytteistys ratkaisu Ratkaisu Kavavalle bps, Hz joten b s s 5,6 5 ja , 7,2kHz CD standardi: 16, 44,1 khz 705,6 kbps kaksi kanavaa (stereo) 2 1,4112 Mbps 20 log 2 96 db(dynaaminen alue) Lisäksi virheenkorjausinformaatio yms. (c) Antti Kosonen
Signaalien digitaalinen käsittely
Signaalien digitaalinen käsittely Antti Kosonen Syksy 25 LUT Energia Sähkötekniikka Alkulause Luentomoniste pohjautuu kirjaan Digital Signal Processing: Principles, Algorithms, and Applications, Proakis
LisätiedotDigitaalinen signaalinkäsittely Johdanto, näytteistys
Digitaalinen signaalinkäsittely Johdanto, näytteistys Teemu Saarelainen, teemu.saarelainen@kyamk.fi Lähteet: Ifeachor, Jervis, Digital Signal Processing: A Practical Approach H.Huttunen, Signaalinkäsittelyn
LisätiedotSpektri- ja signaalianalysaattorit
Spektri- ja signaalianalysaattorit Pyyhkäisevät spektrianalysaattorit Suora pyyhkäisevä Superheterodyne Reaaliaika-analysaattorit Suora analoginen analysaattori FFT-spektrianalysaattori DFT FFT Analysaattoreiden
LisätiedotAlla olevassa kuvassa on millisekunnin verran äänitaajuisen signaalin aaltomuotoa. Pystyakselilla on jännite voltteina.
TT12S1E Tietoliikenteen perusteet Metropolia/A. Koivumäki 1 Kirjan lukuun 3 liittyvää lisäselitystä ja esimerkkejä Kirjan luvussa 3 (Signals Carried over the Network) luodaan katsaus siihen, minkälaisia
LisätiedotVirheen kasautumislaki
Virheen kasautumislaki Yleensä tutkittava suure f saadaan välillisesti mitattavista parametreistä. Tällöin kokonaisvirhe f määräytyy mitattujen parametrien virheiden perusteella virheen kasautumislain
LisätiedotTietoliikennesignaalit & spektri
Tietoliikennesignaalit & spektri 1 Tietoliikenne = informaation siirtoa sähköisiä signaaleja käyttäen. Signaali = vaihteleva jännite (tms.), jonka vaihteluun on sisällytetty informaatiota. Signaalin ominaisuuksia
LisätiedotELEC-C5070 Elektroniikkapaja (5 op)
(5 op) Luento 5 A/D- ja D/A-muunnokset ja niiden vaikutus signaaleihin Signaalin A/D-muunnos Analogia-digitaalimuunnin (A/D-muunnin) muuttaa analogisen signaalin digitaaliseen muotoon, joka voidaan lukea
LisätiedotSignaalien datamuunnokset
Signaalien datamuunnokset Datamuunnosten teoriaa Muunnosten taustaa Muunnosten teoriaa Muunnosten rajoituksia ja ongelmia Petri Kärhä 06/02/2004 Luento 4a: Signaalien datamuunnokset 1 Digitaalitekniikan
LisätiedotSignaalien datamuunnokset. Digitaalitekniikan edut
Signaalien datamuunnokset Datamuunnosten teoriaa Muunnosten taustaa Muunnosten teoriaa Muunnosten rajoituksia ja ongelmia Petri Kärhä 09/02/2009 Signaalien datamuunnokset 1 Digitaalitekniikan edut Tarkoituksena
LisätiedotLaskuharjoitus 4 ( ): Tehtävien vastauksia
TT12S1E Tietoliikenteen perusteet Metropolia/A. Koivumäki Laskuharjoitus 4 (2.10.2013): Tehtävien vastauksia 1. Tutkitaan signaalista näytteenotolla muodostettua PAM (Pulse Amplitude Modulation) -signaalia.
Lisätiedot1 Diskreettiaikainen näytteistys. 1.1 Laskostuminen. Laskostuminen
AD/DA muunnos Lähteet: Pohlman. (1995). Principles of digital audio (3rd ed). Zölzer. (008). Digital audio signal processing (nd ed). Reiss. (008), Understanding sigma-delta modulation: The solved and
Lisätiedot1. Määritä pienin näytelauseen ehdon mukainen näytetaajuus taajuus seuraaville signaaleille:
TL61, Näytejonosysteemit (K00) Harjoitus 1. Määritä pienin näytelauseen ehdon mukainen näytetaajuus taajuus seuraaville signaaleille: a) 1 (t) = cos(000πt) + sin(6000πt) + cos(00πt) ja ) (t) = cos(00πt)cos(000πt).
LisätiedotIIR-suodattimissa ongelmat korostuvat, koska takaisinkytkennästä seuraa virheiden kertautuminen ja joissakin tapauksissa myös vahvistuminen.
TL536DSK-algoritmit (J. Laitinen)..5 Välikoe, ratkaisut Millaisia ongelmia kvantisointi aiheuttaa signaalinkäsittelyssä? Miksi ongelmat korostuvat IIR-suodatinten tapauksessa? Tarkastellaan Hz taajuista
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
LisätiedotNumeeriset menetelmät
Numeeriset menetelmät Luento 13 Ti 18.10.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 13 Ti 18.10.2011 p. 1/43 p. 1/43 Nopeat Fourier-muunnokset Fourier-sarja: Jaksollisen funktion esitys
LisätiedotSGN-1200 Signaalinkäsittelyn menetelmät, Tentti
SG-1200 Signaalinkäsittelyn menetelmät, Tentti 21.3.2006 Kirjoita nimesi ja opiskelijanumerosi jokaiseen paperiin. Vastauspaperit tullaan irrottamaan toisistaan. Jos tila ei riitä, jatka kääntöpuolelle
LisätiedotSGN-1200 Signaalinkäsittelyn menetelmät, Tentti
SG-00 Signaalinkäsittelyn menetelmät, Tentti 6.3.006 Kirjoita nimesi ja opiskelijanumerosi jokaiseen paperiin. Vastauspaperit tullaan irrottamaan toisistaan. Jos tila ei riitä, jatka kääntöpuolelle ja
LisätiedotSIGNAALITEORIAN KERTAUSTA 1
SIGNAALITEORIAN KERTAUSTA 1 1 (26) Fourier-muunnos ja jatkuva spektri Spektri taajuuden funktiona on kompleksiarvoinen funktio, jonka esittäminen graafisesti edellyttää 3D-kuvaajan piirtämisen. Yleensä
LisätiedotSIGNAALITEORIAN KERTAUSTA OSA 2
1 SIGNAALITEORIAN KERTAUSTA OSA 2 Miten spektri lasketaan moduloiduille ja näytteistetyille tietoliikennesignaaleille? KONVOLUUTIO JA KERTOLASKU 2 Kantataajuussignaali (baseband) = sanomasignaali ilman
LisätiedotDigitaalinen audio & video I
Digitaalinen audio & video I Johdanto Digitaalinen audio + Psykoakustiikka + Äänen digitaalinen esitys Digitaalinen kuva + JPEG 1 Johdanto Multimediassa hyödynnetään todellista ääntä, kuvaa ja videota
LisätiedotTuntematon järjestelmä. Adaptiivinen suodatin
1 1 Vastaa lyhyesti seuraaviin a) Miksi signaaleja ylinäytteistetään AD- ja DA-muunnosten yhteydessä? b) Esittele lohkokaaviona adaptiiviseen suodatukseen perustuva tuntemattoman järjestelmän mallinnus.
LisätiedotSGN-1200 Signaalinkäsittelyn menetelmät Välikoe
SGN-100 Signaalinkäsittelyn menetelmät Välikoe 6.4.010 Sivuilla 1- on. Älä vastaa siihen, jos et ollut ensimmäisessä välikokeessa. Tentin kysymykset ovat sivuilla 3-4. Vastaa vain jompaan kumpaan kokeeseen,
LisätiedotSGN-1200 Signaalinkäsittelyn menetelmät, Tentti
SGN-1200 Signaalinkäsittelyn menetelmät, Tentti 18.3.2008 Kirjoita nimesi ja opiskelijanumerosi jokaiseen paperiin. Vastauspaperit tullaan irrottamaan toisistaan. Jos tila ei riitä, jatka kääntöpuolelle
Lisätiedot12. Laskostumisen teoria ja käytäntö
12.1. Aliakset eli laskostuminen ja näytteistys 12. Laskostumisen teoria ja käytäntö Monet seikat vaikuttavat kuvien laatuun tietokonegrafiikassa. Mallintamisesta ja muista tekijöistä syntyy myös artefakteja,
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,
LisätiedotT140103 Sähkömittaustekniikka
T140103 Sähkömittaustekniikka Pekka Rantala Kevät 2015 (9.3.2015) Vaadittavat suoritukset Välikokeiden tai tentin hyväksytty suorittaminen Harjoituksissa/labrassa läsnäolo (100 %) Harjoitusten/labrojen
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
LisätiedotAlias-ilmiö eli taajuuden laskostuminen
Prosessiorientoituneet mallit Todellista hybridijärjestelmää ELEC-C1230 Säätötekniikka Luku 12: Näytteenottoteoreema ja jatkuvien säätimien diskreetit approksimaatiot Prosessiorientoituneet mallit katsotaan
LisätiedotSäätötekniikan ja signaalinkäsittelyn työkurssi
Säätötekniikan ja signaalinkäsittelyn työkurssi Työ D102: Sinimuotoisen signaalin suodattaminen 0.4 op. Julius Luukko Lappeenrannan teknillinen yliopisto Sähkötekniikan osasto/säätötekniikan laboratorio
LisätiedotOhjelmistoradio. Mikä se on:
1 Mikä se on: SDR = Software Defined Radio radio, jossa ohjelmisto määrittelee toiminnot ja ominaisuudet: otaajuusalue olähetelajit (modulaatio) olähetysteho etuna joustavuus, jota tarvitaan sovelluksissa,
LisätiedotSGN-1200 Signaalinkäsittelyn menetelmät, Tentti
SG-1200 Signaalinkäsittelyn menetelmät, Tentti 30.1.2006 Kirjoita nimesi ja opiskelijanumerosi jokaiseen paperiin. Vastauspaperit tullaan irrottamaan toisistaan. Jos tila ei riitä, jatka kääntöpuolelle
LisätiedotSGN Signaalinkäsittelyn perusteet Välikoe Heikki Huttunen
SGN-11 Signaalinkäsittelyn perusteet Välikoe 3.5.16 Heikki Huttunen Laskimen käyttö sallittu. Muiden materiaalien käyttö ei sallittu. Tenttikysymyksiä ei tarvitse palauttaa. Sivuilla 1-3 on. Sivuilla 4-5
LisätiedotDiskreetti Fourier-muunnos ja sen hyödyntäminen signaalien spektrien muodostamisessa. Pentti Romppainen
Diskreetti Fourier-muunnos ja sen hyödyntäminen signaalien spektrien muodostamisessa Pentti Romppainen Kajaanin ammattikorkeakoulu Oy Kajaani University of Applied Sciences Diskreetti Fourier-muunnos ja
LisätiedotELEC-C5340 - Sovellettu digitaalinen signaalinkäsittely. Äänisignaalien näytteenotto ja kvantisointi Dither Oskillaattorit Digitaalinen suodatus
L1: Audio Prof. Vesa Välimäki ELEC-C5340 - Sovellettu digitaalinen signaalinkäsittely Luennon sisältö Äänisignaalien näytteenotto ja kvantisointi Dither Oskillaattorit Digitaalinen suodatus Lyhyt FIR-suodin
LisätiedotJaksollisen signaalin spektri
Jaksollisen signaalin spektri LuK-tutkielma Topi Suviaro 2257699 Matemaattisten tieteiden laitos Oulun yliopisto Syksy 215 Sisältö Johdanto 2 1 Jaksollisuudesta 2 2 Spektristä 3 2.1 Symmetrian vaikutuksesta
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?
LisätiedotMuuntavat analogisen signaalin digitaaliseksi Vertaa sisääntulevaa signaalia referenssijännitteeseen Sarja- tai rinnakkaismuotoinen Tyypilliset
Muuntavat analogisen signaalin digitaaliseksi Vertaa sisääntulevaa signaalia referenssijännitteeseen Sarja- tai rinnakkaismuotoinen Tyypilliset valintakriteerit resoluutio ja nopeus Yleisimmät A/D-muunnintyypit:
LisätiedotLABORATORIOTYÖ 2 A/D-MUUNNOS
LABORATORIOTYÖ 2 A/D-MUUNNOS 2-1 2. A/D-muunnos Työn tarkoitus Tässä työssä demotaan A/D-muunnoksen ominaisuuksia ja ongelmia. Tarkoitus on osoittaa käytännössä, miten bittimäärä ja näytteenottotaajuus
LisätiedotDigitaalinen audio & video, osa I. Johdanto. Digitaalisen audion sovellusalueet. Johdanto. Taajuusalue. Psykoakustiikka. Johdanto Digitaalinen audio
Digitaalinen audio & video, osa I Johdanto Digitaalinen audio + Psykoakustiikka + Äänen digitaalinen esitys Digitaalinen kuva +JPEG Petri Vuorimaa 1 Johdanto Multimediassa hyödynnetään todellista ääntä,
LisätiedotDigitaalinen audio & video, osa I
Digitaalinen audio & video, osa I Johdanto Digitaalinen audio + Psykoakustiikka + Äänen digitaalinen esitys Digitaalinen kuva +JPEG Petri Vuorimaa 1 Johdanto Multimediassa hyödynnetään todellista ääntä,
LisätiedotLABORATORIOTYÖ 2 A/D-MUUNNOS
LABORATORIOTYÖ 2 A/D-MUUNNOS Päivitetty: 23/01/2009 TP 2-1 2. A/D-muunnos Työn tarkoitus Tässä työssä demotaan A/D-muunnoksen ominaisuuksia ja ongelmia. Tarkoitus on osoittaa käytännössä, miten bittimäärä
LisätiedotSignaalit ja järjestelmät aika- ja taajuusalueissa
Signaalit ja järjestelmät aika- ja taajuusalueissa Signaalit aika ja taajuusalueissa Muunnokset aika ja taajuusalueiden välillä Fourier sarja (jaksollinen signaali) Fourier muunnos (jaksoton signaali)
Lisätiedot6. Analogisen signaalin liittäminen mikroprosessoriin 2 6.1 Näytteenotto analogisesta signaalista 2 6.2. DA-muuntimet 4
Datamuuntimet 1 Pekka antala 19.11.2012 Datamuuntimet 6. Analogisen signaalin liittäminen mikroprosessoriin 2 6.1 Näytteenotto analogisesta signaalista 2 6.2. DA-muuntimet 4 7. AD-muuntimet 5 7.1 Analoginen
LisätiedotKON-C3004 Kone- ja rakennustekniikan laboratoriotyöt Tiedonkeruu ja analysointi Panu Kiviluoma
KON-C34 Kone- ja rakennustekniikan laboratoriotyöt Tiedonkeruu ja analysointi Panu Kiviluoma Mitattava suure Tarkka arvo Mittausjärjestelmä Mitattu arvo Ympäristö Mitattava suure Anturi Signaalinkäsittely
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
Lisätiedotpuheen laatu kärsii koodauksesta mahdollisimman vähän. puhe pakkautuu mahdollisimman pieneen määrään bittejä.
Luku 1 Puheen koodaus Puheen koodauksella tarkoitetaan puhesignaalin esittämiseen tarvittavan bittimäärän pienentämistä sillä tavalla, että puhesignaalin laatu ja ymmärrettävyys kärsivät mahdollisimman
Lisätiedot8. Kuvaustekniikat. Tämän kuvauksen esittäminen ei ole kuitenkaan suoraviivaista. Niinpä se käydään läpi kaksivaiheisena
8. Kuvaustekniikat Tietokonegrafiikassa hyödynnetty termi tekstuuri on oikeastaan hieman kehno, sillä se on jossakin määrin sekoittava eikä tarkoita pinnan pienimittakaavaisen geometrian käsittelyä sanan
LisätiedotAD/DA muunnos Lähteet: Pohlman. (1995). Principles of digital audio (3rd ed). Zölzer. (1997). Digital audio signal processing
AD/DA muunnos Lähteet: Pohlman. (1995). Principles of digital audio (3rd ed). Zölzer. (1997). Digital audio signal processing Sisältö: Näytteistys, laskostuminen Kvantisointi, kvantisointivirhe, kvantisointisärö,
LisätiedotSÄÄTÖJÄRJESTELMIEN SUUNNITTELU
ENSO IKONEN PYOSYS 1 SÄÄTÖJÄRJESTELMIEN SUUNNITTELU Enso Ikonen professori säätö- ja systeemitekniikka http://cc.oulu.fi/~iko Oulun yliopisto Älykkäät koneet ja järjestelmät, Systeemitekniikka Feb 2019
LisätiedotMatlab-tietokoneharjoitus
Matlab-tietokoneharjoitus Tämän harjoituksen tavoitteena on: Opettaa yksinkertaisia piirikaavio- ja yksikkömuunnoslaskuja. Opettaa Matlabin perustyökaluja mittausten analysoimiseen. Havainnollistaa näytteenottotaajuuden,
LisätiedotTL5503 DSK, laboraatiot (1.5 op) Audiosignaalit (ver 1.0) Jyrki Laitinen
TL5503 DSK, laboraatiot (1.5 op) Audiosignaalit (ver 1.0) Jyrki Laitinen TL5503 DSK, laboraatiot (1.5 op), K2005 1 Suorita oheisten ohjeiden mukaiset tehtävät Matlab- ja SPDemo-ohjelmistoja käyttäen. Kokoa
LisätiedotJohdanto tieto- viestintäteknologian käyttöön: Äänitystekniikka. Vfo135 ja Vfp124 Martti Vainio
Johdanto tieto- viestintäteknologian käyttöön: Äänitystekniikka Vfo135 ja Vfp124 Martti Vainio Akustiikka Äänityksen tarkoitus on taltioida paras mahdo!inen signaali! Tärkeimpinä kolme akustista muuttujaa:
LisätiedotDigitaalinen audio
8003203 Digitaalinen audio Luennot, kevät 2005 Tuomas Virtanen Tampereen teknillinen yliopisto Kurssin tavoite Johdanto 2 Tarjota tiedot audiosignaalinkäsittelyn perusteista perusoperaatiot, sekä niissä
LisätiedotLuento 2. Jaksolliset signaalit
Luento Jaksollisten signaalien Fourier-sarjat Viivaspektri S-.7. Signaalit ja järjestelmät 5 op KK ietoliikennelaboratorio Jaksollinen (periodinen) Jaksolliset signaalit Jaksonaika - / / Perusjakso Amplitudi
LisätiedotKompleksiluvut signaalin taajuusjakauman arvioinnissa
Kompleksiluvut signaalin taajuusjakauman arvioinnissa Vierailuluento IMA-kurssilla Heikki Huttunen Lehtori, TkT Signaalinkäsittely, TTY heikki.huttunen@tut.fi Department of Signal Processing Fourier-muunnos
LisätiedotT-61.246 DSP: GSM codec
T-61.246 DSP: GSM codec Agenda Johdanto Puheenmuodostus Erilaiset codecit GSM codec Kristo Lehtonen GSM codec 1 Johdanto Analogisen puheen muuttaminen digitaaliseksi Tiedon tiivistäminen pienemmäksi Vähentää
LisätiedotFlash AD-muunnin. Ominaisuudet. +nopea -> voidaan käyttää korkeataajuuksisen signaalin muuntamiseen (GHz) +yksinkertainen
Flash AD-muunnin Koostuu vastusverkosta ja komparaattoreista. Komparaattorit vertailevat vastuksien jännitteitä referenssiin. Tilanteesta riippuen kompraattori antaa ykkösen tai nollan ja näistä kootaan
Lisätiedot4. Fourier-analyysin sovelletuksia. Funktion (signaalin) f(t) näytteistäminen tapahtuu kertomalla funktio näytteenottosignaalilla
4.1 Näytteenottolause 4. Fourier-analyysin sovelletuksia Näyttenottosignaali (t) = k= δ(t kt). T on näytteenottoväli, ja ω T = 1 T on näyttenottotaajuus. Funktion (signaalin) f(t) näytteistäminen tapahtuu
LisätiedotSignaalimallit: sisältö
Signaalimallit: sisältö Motivaationa häiriöiden kuvaaminen ja rekonstruointi Signaalien kuvaaminen aikatasossa, determinisitinen vs. stokastinen Signaalien kuvaaminen taajuustasossa Fourier-muunnos Deterministisen
LisätiedotPuheenkoodaus. Olivatpa kerran iloiset serkukset. PCM, DPCM ja ADPCM
Puheenkoodaus Olivatpa kerran iloiset serkukset PCM, DPCM ja ADPCM PCM eli pulssikoodimodulaatio Koodaa jokaisen signaalinäytteen binääriseksi (eli vain ykkösiä ja nollia sisältäväksi) luvuksi kvantisointitasolle,
LisätiedotDigitaalinen Audio & Video I
Digitaalinen Audio & Video I Johdanto Digitaalinen audio Psykoakustiikka Äänen digitaalinen esitys Monikanavaääni ja äänen digitaalinen siirto Digitaalinen kuva Diskreetti kosiinimuunnos JPEG 1 Johdanto
LisätiedotDSP:n kertausta. 1 Spektri, DFT, DTFT ja aika-taajuusresoluutio
DSP:n kertausta Kerrataan/käydään läpi: ffl Spektri, DFT, DTFT ja FFT ffl signaalin jaksollisuuden ja spektrin harmonisuuden yhteys ffl aika-taajuusresoluutio Spektri, DFT, DTFT ja aika-taajuusresoluutio
LisätiedotT SKJ - TERMEJÄ
T-61140 SKJ - termit Sivu 1 / 7 T-61140 SKJ - TERMEJÄ Nimi Opnro Email Signaalinkäsittelyyn liittyviä termejä ja selityksiä Kevät 2005 Täytä lomaketta kevään aikana ja kerää mahdollisesti puuttuvia termejä
LisätiedotDigitaalitekniikan matematiikka Luku 1 Sivu 1 (19) Johdatus digitaalitekniikkaan
Digitaalitekniikan matematiikka Luku 1 Sivu 1 (19) Digitaalitekniikan matematiikka Luku 1 Sivu 2 (19) Johdanto Tässä luvussa esitellään tiedon lajeja ja tiedolle tehtävää käsittelyä käsitellään tiedon
LisätiedotKojemeteorologia. Sami Haapanala syksy 2013. Fysiikan laitos, Ilmakehätieteiden osasto
Kojemeteorologia Sami Haapanala syksy 2013 Fysiikan laitos, Ilmakehätieteiden osasto Datan käsittely ja tallentaminen Käytännössä kaikkien mittalaitteiden ensisijainen signaali on analoginen Jotta tämä
LisätiedotSGN-4200 Digitaalinen audio
SGN-4200 Digitaalinen audio Luennot, kevät 2013, periodi 4 Anssi Klapuri Tampereen teknillinen yliopisto Kurssin tavoite Johdanto 2! Tarjota tiedot audiosignaalinkäsittelyn perusteista perusoperaatiot,
Lisätiedot11. kierros. 1. Lähipäivä
11. kierros 1. Lähipäivä Viikon aihe AD/DA-muuntimet Signaalin digitalisointi Kvantisointivirhe Kvantisointikohina Kytkinkapasitanssipiirit Mitoitus Kontaktiopetusta: 6 tuntia Kotitehtäviä: 4 tuntia Tavoitteet:
LisätiedotA/D-muuntimia. Flash ADC
A/D-muuntimia A/D-muuntimen valintakriteerit: - bittien lukumäärä instrumentointi 6 16 audio/video/kommunikointi/ym. 16 18 erikoissovellukset 20 22 - Tarvittava nopeus hidas > 100 μs (
LisätiedotLaskuharjoitus 2 ( ): Tehtävien vastauksia
TT12S1E Tietoliikenteen perusteet Metropolia/A. Koivumäki Laskuharjoitus 2 (11.9.2013): Tehtävien vastauksia 1. Eräässä kuvitteellisessa radioverkossa yhdessä radiokanavassa voi olla menossa samanaikaisesti
LisätiedotPuhetie, PCM järjestelmä, johtokoodi
Puhetie, PCM järjestelmä, johtokoodi PCM~PulseCodeModulation Näytteenotto Kvantisointi ÿ Lineaarinen ÿ Epälineaarinen Kvantisointisärö TDM-kanavointi PCM-kehysrakenne, CRC -ylikehys PCM, PCM, PCM 8, PCM
LisätiedotELEC-C1230 Säätötekniikka
Johdanto: Digitaalinen (diskreetti, diskreettiaikainen) säätöjärjestelmä ELEC-C1230 Säätötekniikka Luku 10: Digitaalinen säätö, perusteet, jatkuu A/D-muunnoksessa analoginen signaali näytteistetään (sampling);
LisätiedotSIGNAALITEORIAN KERTAUSTA OSA 1
1 SIGNAALITEORIAN KERTAUSTA OSA 1 Millainen on signaalin spektri ja miten se lasketaan? SIGNAALIEN JA SPEKTRIN PERUSKÄSITTEITÄ 2 Spektri taajuuden funktiona on kompleksiarvoinen funktio, jonka graafinen
LisätiedotTiedonkeruu ja analysointi
Tiedonkeruu ja analysointi ViDRoM Virtual Design of Rotating Machines Raine Viitala 30.9.2015 ViDRoM Virtual Design of Rotating Machines Mitataan dynaamista käyttäytymistä -> nopeuden funktiona Puhtaat
LisätiedotTekniikka ja liikenne (5) Tietoliikennetekniikan laboratorio
Tekniikka ja liikenne 4.4.2011 1 (5) Tietoliikennetekniikan laboratorio Työ 1 PCM-työ Työn tarkoitus Työssä tutustutaan pulssikoodimodulaation tekniseen toteutustapaan. Samalla nähdään, miten A/Dmuunnin
LisätiedotSuccessive approximation AD-muunnin
AD-muunnin Koostuu neljästä osasta: näytteenotto- ja pitopiiristä, (sample and hold S/H) komparaattorista, digitaali-analogiamuuntimesta (DAC) ja siirtorekisteristä. (successive approximation register
LisätiedotHeikki Huttunen Signaalinkäsittelyn sovellukset
Tampereen teknillinen yliopisto. Signaalinkäsittelyn laitos. Opetusmoniste 2: Tampere University of Technology. Department of Signal Processing. Lecture Notes 2: Heikki Huttunen Signaalinkäsittelyn sovellukset
LisätiedotJuha Henriksson. Digitaalinen äänentallennus. 5.12.2005 Dr. Juha Henriksson Finnish Jazz & Pop Archive
Juha Henriksson Digitaalinen äänentallennus 1 Äänen korkeus Ääni on värähtelyä, joka etenee ilmassa ilmamolekyylien harventumina ja tiivistyminä Äänen korkeutta kutsutaan äänen taajuudeksi Taajuuden yksikkö
LisätiedotSEBASTIAN RINTALA SIGNAALIN DOMINOIVAN TAAJUUDEN ARVIOINTI
SEBASTIAN RINTALA SIGNAALIN DOMINOIVAN TAAJUUDEN ARVIOINTI Kandidaatintyö Tarkastaja: yliopistonlehtori Heikki Huttunen ii TIIVISTELMÄ TAMPEREEN TEKNILLINEN YLIOPISTO Signaalinkäsittelyn ja tietoliikennetekniikan
LisätiedotAV-muotojen migraatiotyöpaja - ääni. KDK-pitkäaikaissäilytys 2013 -seminaari 6.5.2013 / Juha Lehtonen
AV-muotojen migraatiotyöpaja - ääni KDK-pitkäaikaissäilytys 2013 -seminaari 6.5.2013 / Juha Lehtonen Äänimuodot Ääneen vaikuttavia asioita Taajuudet Äänen voimakkuus Kanavien määrä Näytteistys Bittisyvyys
LisätiedotKOHINA LÄMPÖKOHINA VIRTAKOHINA. N = Noise ( Kohina )
KOHINA H. Honkanen N = Noise ( Kohina ) LÄMÖKOHINA Johtimessa tai vastuksessa olevien vapaiden elektronien määrä ei ole vakio, vaan se vaihtelee satunnaisesti. Nämä vaihtelut aikaansaavat jännitteen johtimeen
LisätiedotSISÄLLYS - DIGITAALITEKNIIKKA
SISÄLLYS - DIGITAALITEKNIIKKA Digitaalitekniikan perusteita...2 Bitti (bit)...2 Tavu (bytes)...2 Sana (word)...2 Yksiköt...2 Binääri järjestelmän laskutapa...2 Esimerkki: Digikuvan siirron kestoaika...2
LisätiedotSpektrianalysaattori. Spektrianalysaattori
Mittaustekniikan perusteet / luento 9 Spektrianalysaattori Spektrianalyysi Jean Baptiste Fourier (1768-1830): Signaali voidaan esittää taajuudeltaan ja amplitudiltaan (sekä vaiheeltaan) erilaisten sinien
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
LisätiedotKanavointi ja PCM järjestelmä
Kanavointi ja PCM järjestelmä Kanavointi PCM ~ Pulse Code Modulation ƒ Näytteenotto ƒ Kvantisointi y Lineaarinen y Epälineaarinen ƒ Kvantisointisärö TDM-kanavointi ƒ PCM 0, PCM 0, PCM 80, PCM 90 Rka/ML
LisätiedotTiedonkeruu ja analysointi
Tiedonkeruu ja analysointi ViDRoM Virtual Design of Rotating Machines Raine Viitala ViDRoM Virtual Design of Rotating Machines Mitataan dynaamista käyttäytymistä -> nopeuden funktiona Puhtaat laakerit,
Lisätiedot1. Perusteita. 1.1. Äänen fysiikkaa. Ääniaalto. Aallonpituus ja amplitudi. Taajuus (frequency) Äänen nopeus
1. Perusteita 1. Äänen fysiikkaa 2. Psykoakustiikka 3. Äänen syntetisointi 4. Samplaus ja kvantisointi 5. Tiedostoformaatit 1.1. Äänen fysiikkaa ääni = väliaineessa etenevä mekaaninen värähtely (aaltoliike),
LisätiedotTL5503 DSK, laboraatiot (1.5 op) Suodatus 2 (ver 1.0) Jyrki Laitinen
TL5503 DSK, laboraatiot (1.5 op) Suodatus 2 (ver 1.0) Jyrki Laitinen TL5503 DSK, laboraatiot (1.5 op), K2005 1 Suorita oheisten ohjeiden mukaiset tehtävät Matlab-ohjelmistoa käyttäen. Kokoa erilliseen
Lisätiedot2. Fourier-sarjoista. Aaltoliikkeen ja lämmöjohtumisen matemaattinen tarkastelu
2. Fourier-sarjoista Fourier-analyysi: Aaltoliikkeen ja lämmöjohtumisen matemaattinen tarkastelu Matemaattisen analyysin täkein työväline "Jokainen funktio" voidaan esittää harmonisten värähtelyjen, so.
LisätiedotTL5503 DSK, laboraatiot (1.5 op) Suodatus 1 (ver 1.0) Jyrki Laitinen
TL5503 DSK, laboraatiot (1.5 op) Suodatus 1 (ver 1.0) Jyrki Laitinen TL5503 DSK, laboraatiot (1.5 op), K2005 1 Suorita oheisten ohjeiden mukaiset tehtävät Matlab-ohjelmistoa käyttäen. Kokoa erilliseen
LisätiedotSGN Signaalinkäsittelyn perusteet Välikoe Heikki Huttunen
SGN- Signaalinkäsittelyn perusteet Välikoe.5.4 Heikki Huttunen Tentissä ja välikokeessa saa käyttää vain tiedekunnan laskinta. Tenttikysymyksiä ei tarvitse palauttaa. Sivuilla -3 on. Sivuilla 4-5 on. Sivulla
LisätiedotKotitehtävät 1-6: Vastauksia
/V Integraalimuunnokset Metropolia/. Koivumäki Kotitehtävät -6: Vastauksia. Merkitse kompleksitasoon näiden kompleksilukujen sijainti: a = 3 j b = 3 35 (3 kulmassa 35 ) jπ / c = d = 3 e j 9.448 e cos(
LisätiedotKohina. Havaittujen fotonien statistinen virhe on kääntäen verrannollinen havaittujen fotonien lukumäärän N neliö juureen ( T 1/ N)
Kohina Havaittujen fotonien statistinen virhe on kääntäen verrannollinen havaittujen fotonien lukumäärän N neliö juureen ( T 1/ N) N on suoraan verrannollinen integraatioaikaan t ja havaittuun taajuusväliin
Lisätiedot3 Ikkunointi. Kuvio 1: Signaalin ikkunointi.
3 Ikkunointi Puhe ei ole stationaarinen signaali, vaan puheen ominaisuudet muuttuvat varsin nopeasti ajan myötä. Tämä on täysin luonnollinen ja hyvä asia, mutta tämä tekee sellaisten signaalinkäsittelyn
LisätiedotR = Ω. Jännite R:n yli suhteessa sisäänmenojännitteeseen on tällöin jännitteenjako = 1
Fysiikan mittausmenetelmät I syksy 206 Laskuharjoitus 4. Merkitään kaapelin resistanssin ja kuormaksi kytketyn piirin sisäänmenoimpedanssia summana R 000.2 Ω. Jännite R:n yli suhteessa sisäänmenojännitteeseen
LisätiedotPerusmittalaitteet. Oskilloskooppi. Oskilloskooppi. Mittaustekniikan perusteet / luento 3. Oskilloskooppi. Oskilloskooppi
Mittaustekniikan perusteet / luento 3 Perusmittalaitteet Oskilloskooppi Tärkein ja monipuolisin elektroniikkamittalaite Mittauksia: jännite, taajuus, muutosilmiöt, kohina, säröytyminen... Oskilloskooppi
LisätiedotELEC-C5070 Elektroniikkapaja. Laboratoriotyö 3 A/D- ja D/A-muuntimet
ELEC-C5070 Elektroniikkapaja Laboratoriotyö 3 A/D- ja D/A-muuntimet Työohje Syksy 2016 Sisällysluettelo 1 Johdanto... 3 2 Teoriaa... 3 2.1 A/D- ja D/A-muunnos... 3 2.2 Switched capacitor-tekniikka... 4
Lisätiedotz 1+i (a) f (z) = 3z 4 5z 3 + 2z (b) f (z) = z 4z + 1 f (z) = 12z 3 15z 2 + 2
BM20A5700 - Integraauunnokset Harjoitus 2 1. Laske seuraavat raja-arvot. -kohta ratkeaa, kun pistät sekä yläkerran että alakerran muotoon (z z 1 )(z z 2 ), missä siis z 1 ja z 2 ovat näiden lausekkeiden
LisätiedotTRIGONOMETRISTEN FUNKTIOIDEN KUVAAJAT
3.0.07 0 π TRIGONOMETRISTEN FUNKTIOIDEN KUVAAJAT π = π 3π π = π 5π 6π = 3π 7π TRIGONOMETRISET FUNKTIOT, MAA7 Tarkastellaan aluksi sini-funktiota ja lasketaan sin :n arvoja, kun saa arvoja 0:sta 0π :ään
LisätiedotNumeeriset menetelmät TIEA381. Luento 14. Kirsi Valjus. Jyväskylän yliopisto. Luento 14 () Numeeriset menetelmät / 55
Numeeriset menetelmät TIEA381 Luento 14 Kirsi Valjus Jyväskylän yliopisto Luento 14 () Numeeriset menetelmät 15.5.2013 1 / 55 Luennon 14 sisältö Nopeat Fourier-muunnokset (FFT) Yleinen algoritmi 2-kantainen
LisätiedotKuvan pakkaus JPEG (Joint Photographic Experts Group)
Kuvan pakkaus JPEG (Joint Photographic Experts Group) Arne Broman Mikko Toivonen Syksy 2003 Historia 1840 1895 1920-luku 1930-luku Fotografinen filmi Louis J. M. Daguerre, Ranska Ensimmäinen julkinen elokuva
Lisätiedot