Spektrin sonifikaatio
|
|
- Juho Auvinen
- 8 vuotta sitten
- Katselukertoja:
Transkriptio
1 Spektrin sonifikaatio AS Automaatio- ja systeemitekniikan projektityöt Väliraportti Paula Sirén
2 Sisällysluettelo 1. Johdanto Tehtävän kuvaus ja työn rakenne Teoria Ääni mekaanisena aaltona Ihmisen kuulojärjestelmän fysiologiaa Sonifikaatio käytännössä Sovelluksia Signaalinkäsittely Toteutus Matlabilla Projektin eteneminen Projektin yhteenveto Lähteet... 8
3 1. Johdanto Tyypillisin tapa esittää mittaustuloksia esimerkiksi kokeellisessa fysiikassa on optinen spektri, sillä optiset ominaisuudet kuten absorptio liittyvät läheisesti moneen tarkasteltavaan ilmiöön, joista esimerkkinä esimerkiksi pulssioksimetria, jossa hyödynnetään veren happipitoisuuden perusteella muuttuvia absorptio-ominaisuuksia. Kokeellisessa työssä joudutaan usein toistamaan mittauksia useasti, mikä vaikuttaa mittausten tekijän keskittymiskykyyn ja sitä kautta työn laatuun ja havaintojen tarkkuuteen. Kelvollisten tulosten saamiseksi ja usein hyvin haastavien ja tarkkuutta vaativien mittausolosuhteiden huomioimiseksi informaation esittäminen eri kanavia pitkin on suotavaa. Esimerkiksi selvästi poikkeavien mittaussignaalien havaitseminen mahdollisimman nopeasti auttaa paikantamaan virheitä mittaus- ja koejärjestelyissä ja jopa ehkäisemään mahdollisesti syntyviä vaaratilanteita. Ihminen kokee visuaalisen havainnon usein tarkimmaksi ja luontevimmaksi kanavaksi ympäristön tarkkailuun. Näköaistin aika- ja paikkaresoluutio on tarkka ja informaatiosisältö helposti tulkittavissa. Usein tarvitaan kuitenkin yhtäaikaista huomion kohdistamista useaan asiaan ja useasta kanavasta saapuvaan informaatioon. Kuuloaistin avulla ihminen kykenee paremmin tarkkailemaan laaja-alaista ympäristöä ja tekemään hyödyllisiä päätelmiä yksinkertaisistakin havainnoista. Tässä projektissa on tarkoitus soveltaa sonifikaatiota eli informaatiosignaalin muuttamista äänisignaaliksi. Lisäksi luodaan katsaus ääneen liittyvään fysiikkaan sekä ihmisen kuulojärjestelmään. Sonifikaatio ja signaalinkäsittely toteutetaan Matlabilla. Väliraportointivaiheessa työ oli edennyt siten, että teoriaosuuteen oli tutustuttu melko kattavasti ja koottu runko kuulon fysiologiasta ja äänen ominaisuuksista lopullista raporttia varten ja käyty läpi sonifikaatioon liittyviä tieteellisiä julkaisuja. Lopulliseen raporttiin on tarkoitus koota teoriaosuus vielä parempaan muotoon ja yhdistää eri aihepiirien keskeiset asiat loogiseksi kokonaisuudeksi. Signaalinkäsittelysovelluksen toteuttamisessa on tutustuttu ja käsitelty aitoa mittausdataa liittyen NIR-spektroskopian kariesmittauksiin. 2. Tehtävän kuvaus ja työn rakenne Projektityön tavoitteena on tutustua sonifikaatioon informaationesitysmenetelmänä, ääneen fysikaalisena ilmiönä sekä ihmisen kuuloaistin toiminnan fysiologiseen perustaan. Työ jakautuu teoria- ja ohjelmointiosuuteen. Teoriaosuuden tarkoituksena on koota tarvittavaa taustatietoja sonifikaatioon läheisesti liittyvistä ilmiöistä, mikä tukee käytännön ohjelmointiosuuden suoritusta. Ohjelmointiosuudessa tehdään Matlab-ohjelma, jonka avulla voidaan muuttaa annetun optisen spektrin informaatiosisältö äänimuotoon. Tähän on tarkoitus käyttää Matlabin signaalinkäsittelyominaisuuksia. Työn kokonaislaajuus rakentuu teoria- ja ohjelmointiosuuden työmäärästä, josta pidetään kirjaa työn etenemisen ajan. Koska kyseessä ei ole ryhmätyö, ryhmätyöhön liittyviä seikkoja kuten työnjakoa ja riskejä ei tässä projektisuunnitelmassa käsitellä. Väliraportointivaiheessa merkittävin tarkennus tehtävänasetteluun oli kohdeprosessin määritys ja siihen liittyvän datan käyttöönotto Matlab-funktioiden toteutuksessa. Kohdeprosessina työssä tullaan käyttämään kariesmittauksia NIR-spektroskopialla. Loppuraporttiin kuvataan kohdeprosessi
4 ja mittausmenetelmä tarkemmin ja pohditaan mahdollisia virhe- ja häiriölähteitä ja niiden huomioimista. 3. Teoria 3.1 Ääni mekaanisena aaltona Ihmisen kuuloaistin havaitsema ääni on mekaaninen, paineen vaihtelua kuvaava pitkittäisesti etenevä aalto, jonka syntytapaa fysikaalisia ominaisuuksia ja matemaattista esitystapaa käsitellään tässä luvussa. Ääniaallon fysiikkaan ja siihen liittyviin laskennallisiin menetelmiin on tutustuttu ja niitä tullaan käsittelemään loppuraportissa tarvittavalla tarkkuudella. 3.2 Ihmisen kuulojärjestelmän fysiologiaa Ihmisen kuulojärjestelmä koostuu äänen keräämisestä, välityksestä ja prosessoinnista eli ulkokorvasta, keskikorvasta, sisäkorvasta ja yhteydestä aivojen kuulokeskukseen. Sisäkorva koostuu korvalehdestä ja korvakäytävästä, jossa ääniaalto etenee kohti keskikorvaa ja kuuloluita ilman välityksellä. Kuuloluiden kautta ääniaalto kulkeutuu sisäkorvan simpukkaan ja muodostaa seisovan aallon, johon tietyn alueen värekarvat voivat reagoida ja muuttaa mekaanisen informaation sähköiseen muotoon, joka mahdollistaa aktiopotentiaalien lähettämisen kuulohermoa pitkin aivoihin. Sisemmät ja ulommat värekarvat reagoivat erityyppisiin ääniin eli ne ovat järjestäytyneet taajuuden ja äänenvoimakkuuden mukaan. Ulommat värekarvasolut keräävät informaatiota laajemmalta alueelta ja pystyvät havaitsemaan pienemmätkin muutokset, kun taas sisemmät solut kykenevät välittämään informaatiota havaitusta äänestä tarkemmalla aika- ja paikkaresoluutiolla. Ihminen pystyy havaitsemaan ääniä taajuusalueelta Hz, jonka vastaavia paineenvaihteluita korva pystyy keräämään ja havaitsemaan, mutta kuuloaisti ei pysty toimimaan tarkasti kuuloalueen korkeilla ja matalilla taajuuksilla. Esimerkiksi puheen ymmärtäminen on mahdollista taajuusalueella Hz, minkä jälkeen ääni-informaation ymmärtäminen vaikeutuu huomattavasti. Kuulon herkkyys korkeille ja matalille taajuuksille on yksilöllistä, joten tärkeimmän informaation on hyödyllistä asettua tietylle taajuusalueelle, jolle havainnointi- ja reagointiherkkyysherkkyys on erityisen hyvä. Kuten sisäkorvan värekarvasolut, myös kuuloaivokuorelle johtavat hermosyyt ovat jakautuneet taajuuden mukaan. Tietty hermosyy välittää informaatiota vain tietyntaajuisesta ääniärsykkeestä. Kokonaisinformaatio äänihavainnosta syntyy eri taajuuksiin reagoivien neuronien yhteistoiminnan tuloksena ja perustuu etupäässä äänen ja sen komponenttien akustisten ominaisuuksien tunnistamiseen. (Kaaviokuva kuulojärjestelmästä tulossa) Suunniteltaessa informaation esittämistä tehokkaasti ja havainnollisesti äänimuodossa, täytyy huomioida kuuloaistin ja ääni-informaation tulkinnan erot yksilöiden välillä. Lisäksi täytyy huomioida eri äänien muodostama yhteisvaikutus kuten esimerkiksi tiettyjen äänien ja niiden informaation katoaminen suurempaan äänimäärään. Ihmisen herkkyys havaita ääniä on voimakkain taajuuksille
5 (taajuusalue tarkistetaan vielä useammasta lähteestä), kun taas etenkin taajuudet (taajuusalue tarkistetaan vielä useammasta lähteestä) jäävät usein vähemmälle huomiolle. Taajuuden ja spektrin lisäksi merkittävä asia äänen havainnoinnille on äänenvoimakkuus. Äänen voimakkuus määritellään desibeleissä kaavalla = 10 log, jossa palloaaltona etenevän äänen intensiteetti ~ 1 heikkenee verrannollisena etäisyyden neliöön. Täten myös havainnoijan ja äänilähteen välinen etäisyys on oleellinen tekijä äänen havainnoinnissa. Mikäli äänimuodossa halutaan esittää informaatiota, täytyy huomioida, että helpoimmin reagoidaan tilanteeseen, jossa tasaiseen spektriin tulee helposti havaittavia muutoksia, sillä kuulojärjestelmä adaptoituu helposti tasaisena pysyvään äänisisältöön ja suuri osa kuuloaivokuoren soluista reagoi vain äänen taajuus- ja voimakkuusmuutoksiin. Kuulojärjestelmän fysiologiasta on koottu lyhyt johdatus pääasiallisena lähteenä G. J. Tortora, B. H. Derrickson, Principles of Anatomy and Physiology. Tässä osuudessa on vielä tarkoitus tutustua siihen, mitä tulee huomioida auditiivisen informaation välittämisessä ja millainen ääni-informaatio on ihmiselle helpoin ymmärtää. Keskeisimmät kuulojärjestelmään liittyvät asiat, kuten taajuusalueiden lukuarvot, tullaan tarkistamaan useammasta lähteestä 4. Sonifikaatio käytännössä 4.1 Sovelluksia Tässä osassa käsitellään sonifikaation sovelluksia ja tarkastellaan jo olemassa olevia ja mahdollisesti kiinnostavia potentiaalisia sovelluskohteita. Tähän mennessä on käyty läpi joukko sonifikaatiosovelluksia käsitteleviä tieteellisiä julkaisuja, joiden pohjalta on tarkoitus kirjoittaa lyhyehkö kokoava osuus sonifikaation tyypillisistä sovelluskohteista. 4.2 Signaalinkäsittely Monen fysikaalisen ilmiön kokeellinen tarkastelu perustuu mitatun signaalin analysointiin joko taajuus- tai aikatasossa tarkastellen. Taajuustarkastelussa signaalin informaatio on jaettu kyseessä olevan taajuuskaistan yli painotettuun summaan komponenteista, joista kukin vastaa yhtä aallonpituutta. Hyödyllinen ja yleisimmin käytetty tapa signaalin esittämiseen taajuustasossa on signaalin Fourier-muunnoksen muodostaminen eli signaalin esittäminen siniaaltokomponenttien painotettuna äärettömänä summana. Jatkuvan aikatason signaalin x(t) Fourier-muunnos voidaan muodostaa kaavalla ( ) = ( ).
6 Esittäminen taajuustasossa on signaalinkäsittelyn menetelmien kannalta usein aikatason esitystapaa edullisempi ratkaisu. Monet laskennalliset operaatiot ovat tehokkaampia suorittaa taajuustasossa, ja signaalin komponenttien analysointi on helpompaa. Signaalinkäsittelyn päätarkoitus on poistaa signaalista ei-toivottuja piirteitä kuten häiriöitä tai artefakteja sekä erotella niistä ilmiön kannalta oleellisia piirteitä analysointia varten. Jotta ei-toivotut piirteet voidaan erottaa ja poistaa signaalista, on tunnettava sekä mittausprosessiin että mitattavaan ilmiöön liittyvä fysikaalinen tausta. Signaalin analyysin kannalta tärkeitä keskeisiä ominaisuuksia ovat muun muassa signaalin taajuussisältö, vaihe-erot, amplitudit, intensiteettimaksimit ja spektrin muoto. Signaalin keskiarvoistus on hyödyllinen toimenpide, kun halutaan poistaa signaalista satunnaisia häiriöpiikkejä, mutta laajemmin esiintyvät häiriöt on poistettava erilaisia suodattimia käyttämällä. Optisen ja audiosignaalin tärkeimmät ominaisuudet, samankaltaisuudet ja eroavaisuudet signaalinkäsittelyn näkökulmasta kuvataan tässä luvussa. Tarkoituksena on tarkastella esimerkiksi Fourier-analyysia ja kohinan suodatusta. Tässä osassa kuvataan ne tärkeimmät menetelmät, joihin Matlab-ohjelman toiminta nojaa. Signaalinkäsittelyyn on tutustuttu usean lähteen perusteella ja painotuttu erityisesti biosignaalien kanssa sovellettaviin menetelmiin ja biosignaalien tyypillisiin piirteisiin. 4.3 Toteutus Matlabilla Sonifikaatiosovelluksen kohdedatana on tarkoitus käyttää kariesmittausten NIR-spektroskopiadataa. Kustakin mittauksesta oli saatavilla NIR-spektri aallonpituuden funktiona sekä tieto, oliko kyseessä sairas vai terve tapaus. Tämä luokittelu oli tehty tuntemattomalla menetelmällä eikä menetelmän tarkkuus ollut tiedossa. Koska itse datan ominaisuudet ovat tärkeässä roolissa sonifikaatiosovelluksen toteuttamisessa, aluksi tutkittiin, mitkä ominaisuudet yhdistävät keskenään sairaita ja terveitä spektrejä. Keskiarvoistamalla saatu spektridata saadaan määritettyä ominaisuudet keskimääräiselle sairaalle ja terveelle spektrille. Näitä ominaisuuksia voidaan hyödyntää signaalin luokittelufunktion määrittelyssä. Kaikille mitatuille spektreille oli yhteistä se, että tarkastelun kannalta mielenkiintoiset muutokset tapahtuivat aallonpituusalueella nm. Tämän jälkeen spektri tasaantui vakiosuuruiseksi. Keskeisimmäksi eroksi huomattiin spektrin alku- ja loppupään arvojen suhde, joka terveillä oli huomattavasti sairaita suurempi. Laskettiin keskiarvot suhteesta sairaille ja terveille spektreille, jolloin saatiin yksinkertaisin tapa luokitella spektrit kohtalaisen hyvin sairaisiin ja terveisiin pelkästään spektrin ominaisuuksien avulla.
7 Kuva 1: Terveen ja sairaan yksilön tyypilliset spektrit. Tarkastelemalla spektrin suurimman ja pienimmän arvon suhdetta ja vertaamalla tätä sopivaksi arvioituun suhdelukuun 2 saatiin eroteltua sairaat ja terveet spektrit toisistaan noin 75 %:n tarkkuudella. Koska menetelmän tarkkuutta ja esimerkiksi todennäköisimpiä virhe- ja häiriölähteitä ei tunnettu, oletettiin 75 %:n erottelukyvyn olevan melko hyvä tulos spektrien luokittelussa. On myös huomioitava, ettei referenssinä käytetty luokittelu terveisiin ja sairaisiin ollut ehdottoman tarkka. Spektrien luokittelussa voidaan hyödyntää myös muita spektrien ominaisuuksia kuten gradientteja, maksimeita, minimeitä ja suhteellisia muutoksia. Projektin edetessä onkin tarkoitus kehittää terveet ja sairaat tapaukset erottavasta funktiosta yleispätevämpi muun muassa edellä mainittuja ominaisuuksia tarkastelemalla ja hyödyntää kehittyneempiä signaalinkäsittelymenetelmiä, jotka on tarkoitus kuvata signaalinkäsittelyä käsittelevässä osuudessa tarkemmin. Kuvassa 1 on esitetty datasta valitut edustajat tyypilliselle sairaalle ja terveelle spektrille. Alku- ja loppupään arvojen suhteen lisäksi voidaan huomata selkeitä eroavaisuuksia esimerkiksi maksimiarvojen sijoittumiselle ja keskimääräiselle intensiteetille. Koska aukottomasti luokiteltuja referenssispektrejä ei ole olemassa ja sairaissa ja terveissä spektreissä saattaa olla keskenäänkin suuria eroja mitattavien yksilöiden välillä, täytyy huomioida, että spektrien vertailussa on aina mukana epävarmuutta.
8 5. Projektin eteneminen Tässä osassa kuvataan projektin suunnitelma, eteneminen ja päätyminen lopputulokseen. Tähän osuuteen liitetään myös tarkempi selvitys ajankäytöstä. pvm käytetty aika kuvaus Taulukko 1: Ajankäytön seuranta mennessä. 23.tammi 3,5 aiheeseen tutustuminen, kalvojen suunnittelu projektisuunnitelmaa varten ohjaustapaaminen 25.tammi 2 projektisuunnitelman teko, esityksen valmistelu 26.tammi 1,5 projektisuunnitelman teko jatkuu 27.tammi 1,5 projektisuunnitelman ja kalvojen teko 30.tammi 3 projektisuunnitelman viimeistely, aikataulutus, kalvojen viimeistely 5.helmi 2 teoriaa signaali/matlab 6.helmi 2 teoriaa äänen fysiikka 9.helmi 2 teoriaa kuulo 13.helmi 2 muistiinpanojen kirjoitus 14.helmi 2 signaalinkäsittelyä Matlabilla 15.helmi 2 tutustuminen kohdedataan 22.helmi 2 signaalinkäsittelyä Matlabilla 23.helmi 1,5 muistiinpanpjen kirjoitus 28.helmi 1 sonifikaation sovelluksiin tutustumista 1.maalis 2 signaalinkäsittelyä Matlabilla teorian kokoamista 5.maalis TENTTIVIIKKO ei projektityöskentelyä 9.maalis 12.maalis 2 biosignaalinkäsittelyn teoriaa 13.maalis 1,5 muistiinpanoja ja tiedonhakua 14.maalis 1,5 väliraportin kokoaminen 15.maalis 1 ohjaustapaaminen 18.maalis 1,5 väliraportin kokoaminen 1 esityskalvojen teko 19.maalis 1,5 esityksen valmistelu 6. Projektin yhteenveto Yhteenveto-osuuden tarkoituksena on kartoittaa syntynyt lopputulos ja onnistuminen. Miten tavoitteissa onnistuttiin, mikä epäonnistui, millaisia haasteita kohdattiin. Yhteenvetoa ei ole tarpeen tehdä väliraportointivaiheessa.
9 7. Lähteet Esimerkiksi (sijoitetaan paikalleen, kun rakenne vakiintuu): Sonifikaatio ja sen sovellukset Hearing Images: Interactive Sonification Interface for Images. International Conference on Automated solutions for Cross Media Content and Multi-channel Distribution DOI /AXMEDIS M. Watson, P. Sanderson, Sonification Supports Eyes-Free Respiratory Monitoring and Task Time- Sharing. The Journal of the Human Factors and Ergonomics Society : 497. DOI: /hfes Mekaaninen aalto A.L. Fetter, J. D. Walecka, Theoretical Mechanics of Particles and Continua. Rossing, Moore, Wheeler, The Science of Sound. Kuulojärjestelmän fysiologia G. J. Tortora, B. H. Derrickson, Principles of Anatomy and Physiology. Signaalinkäsittelyn teoriaa S.K.Mitra, Digital Signal Processing - A Computer Based Approach. P. Diniz, E. da Silva, S. Netto, Digital Signal Processing - System Analysis and Design.
Spektrin sonifikaatio
Spektrin sonifikaatio AS-0.3200 Automaatio- ja systeemitekniikan projektityöt Paula Sirén Sisällysluettelo 1. Johdanto... 2 2. Tehtävän kuvaus ja työn rakenne... 2 3. Teoria... 2 3.1 Ääni mekaanisena aaltona...
LisätiedotProjektisuunnitelma ja johdanto AS-0.3200 Automaatio- ja systeemitekniikan projektityöt Paula Sirén
Projektisuunnitelma ja johdanto AS-0.3200 Automaatio- ja systeemitekniikan projektityöt Paula Sirén Sonifikaatio Menetelmä Sovelluksia Mahdollisuuksia Ongelmia Sonifikaatiosovellus: NIR-spektroskopia kariesmittauksissa
LisätiedotSpektrin sonifikaatio
Spektrin sonifikaatio AS-0.3200 Automaatio- ja systeemitekniikan projektityöt Paula Sirén Sisältö 1. Johdanto... 3 2. Tehtävän kuvaus ja työn rakenne... 3 3. Teoria... 4 3.1 Ääni mekaanisena aaltona...
LisätiedotKuulohavainnon perusteet
Kuulohavainnon ärsyke on ääni - mitä ääni on? Kuulohavainnon perusteet - Ääni on ilmanpaineen nopeaa vaihtelua: Tai veden tms. Markku Kilpeläinen Käyttäytymistieteiden laitos, Helsingin yliopisto Värähtelevä
LisätiedotKuuloaisti. Korva ja ääni. Melu
Kuuloaisti Ääni aaltoliikkeenä Tasapainoaisti Korva ja ääni Äänen kulku Korvan sairaudet Melu Kuuloaisti Ääni syntyy värähtelyistä. Taajuus mitataan värähtelyt/sekunti ja ilmaistaan hertseinä (Hz) Ihmisen
LisätiedotOrganization of (Simultaneous) Spectral Components
Organization of (Simultaneous) Spectral Components ihmiskuulo yrittää ryhmitellä ja yhdistää samasta fyysisestä lähteestä tulevat akustiset komponentit yhdistelyä tapahtuu sekä eri- että samanaikaisille
LisätiedotDigitaalinen audio
8003203 Digitaalinen audio Luennot, kevät 2005 Tuomas Virtanen Tampereen teknillinen yliopisto Kurssin tavoite Johdanto 2 Tarjota tiedot audiosignaalinkäsittelyn perusteista perusoperaatiot, sekä niissä
LisätiedotTietoliikennesignaalit & spektri
Tietoliikennesignaalit & spektri 1 Tietoliikenne = informaation siirtoa sähköisiä signaaleja käyttäen. Signaali = vaihteleva jännite (tms.), jonka vaihteluun on sisällytetty informaatiota. Signaalin ominaisuuksia
LisätiedotLuento 15: Ääniaallot, osa 2
Luento 15: Ääniaallot, osa 2 Aaltojen interferenssi Doppler Laskettuja esimerkkejä Luennon sisältö Aaltojen interferenssi Doppler Laskettuja esimerkkejä Aaltojen interferenssi Samassa pisteessä vaikuttaa
LisätiedotFYSP105/2 VAIHTOVIRTAKOMPONENTIT. 1 Johdanto. 2 Teoreettista taustaa
FYSP105/2 VAIHTOVIRTAKOMPONENTIT Työn tavoitteita o Havainnollistaa vaihtovirtapiirien toimintaa o Syventää ymmärtämystä aiheeseen liittyvästä fysiikasta 1 Johdanto Tasavirta oli 1900 luvun alussa kilpaileva
Lisätiedot2.1 Ääni aaltoliikkeenä
2. Ääni Äänen tutkimusta kutsutaan akustiikaksi. Akustiikassa tutkitaan äänen tuottamista, äänen ominaisuuksia, soittimia, musiikkia, puhetta, äänen etenemistä ja kuulemisen fysiologiaa. Ääni kuljettaa
LisätiedotDigitaalinen signaalinkäsittely Kuvankäsittely
Digitaalinen signaalinkäsittely Kuvankäsittely Teemu Saarelainen, teemu.saarelainen@kyamk.fi Lähteet: Ifeachor, Jervis, Digital Signal Processing: A Practical Approach H.Huttunen, Signaalinkäsittelyn menetelmät,
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
LisätiedotSEISOVA AALTOLIIKE 1. TEORIAA
1 SEISOVA AALTOLIIKE MOTIVOINTI Työssä tutkitaan poikittaista ja pitkittäistä aaltoliikettä pitkässä langassa ja jousessa. Tarkastellaan seisovaa aaltoliikettä. Määritetään aaltoliikkeen etenemisnopeus
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,
LisätiedotSisältö. Työn lähtökohta ja tavoitteet Lyhyt kertaus prosessista Käytetyt menetelmät Työn kulku Tulokset Ongelmat ja jatkokehitys
Loppuraportti Sisältö Työn lähtökohta ja tavoitteet Lyhyt kertaus prosessista Käytetyt menetelmät Työn kulku Tulokset Ongelmat ja jatkokehitys Työn lähtökohta ja tavoitteet Voimalaitoskattiloiden tulipesässä
LisätiedotNimi: Muiden ryhmäläisten nimet:
Nimi: Muiden ryhmäläisten nimet: PALKKIANTURI Työssä tutustutaan palkkianturin toimintaan ja havainnollistetaan sen avulla pienten ainepitoisuuksien havainnointia. Työn mittaukset on jaettu kolmeen osaan,
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
LisätiedotProjektisuunnitelma: Vesipistekohtainen veden kulutuksen seuranta, syksy Mikko Kyllönen Matti Marttinen Vili Tuomisaari
Projektisuunnitelma: Vesipistekohtainen veden kulutuksen seuranta, syksy 2015 Mikko Kyllönen Matti Marttinen Vili Tuomisaari Projektin tavoite Tämän projektin tavoitteena on kehittää prototyyppi järjestelmästä,
LisätiedotFYSP105/2 VAIHTOVIRTAKOMPONENTIT. 1 Johdanto
FYSP105/2 VAIHTOVIRTAKOMPONENTIT Työn tavoitteet o Havainnollistaa vaihtovirtapiirien toimintaa o Syventää ymmärtämystä aiheeseen liittyvästä fysiikasta 1 Johdanto Tasavirta oli 1900 luvun alussa kilpaileva
LisätiedotYleistä. Digitaalisen äänenkäsittelyn perusteet. Tentit. Kurssin hyväksytty suoritus = Harjoitustyö 2(2) Harjoitustyö 1(2)
Yleistä Digitaalisen äänenkäsittelyn perusteet Jouni Smed jouni.smed@utu.fi syksy 2006 laajuus: 5 op. (3 ov.) esitiedot: Java-ohjelmoinnin perusteet luennot: keskiviikkoisin 10 12 12 salissa β perjantaisin
LisätiedotTHE audio feature: MFCC. Mel Frequency Cepstral Coefficients
THE audio feature: MFCC Mel Frequency Cepstral Coefficients Ihmiskuulo MFCC- kertoimien tarkoituksena on mallintaa ihmiskorvan toimintaa yleisellä tasolla. Näin on todettu myös tapahtuvan, sillä MFCC:t
LisätiedotMekaniikan jatkokurssi Fys102
Mekaniikan jatkokurssi Fys102 Syksy 2009 Jukka Maalampi LUENTO 12 Aallot kahdessa ja kolmessa ulottuvuudessa Toistaiseksi on tarkasteltu aaltoja, jotka etenevät yhteen suuntaan. Yleisempiä tapauksia ovat
Lisätiedotd sinα Fysiikan laboratoriotyöohje Tietotekniikan koulutusohjelma OAMK Tekniikan yksikkö TYÖ 8: SPEKTROMETRITYÖ I Optinen hila
Fysiikan laboratoriotyöohje Tietotekniikan koulutusohjelma OAMK Tekniikan yksikkö TYÖ 8: SPEKTROMETRITYÖ I Optinen hila Optisessa hilassa on hyvin suuri määrä yhdensuuntaisia, toisistaan yhtä kaukana olevia
LisätiedotFYSIIKAN LABORATORIOTYÖT 2 HILA JA PRISMA
FYSIIKAN LABORATORIOTYÖT HILA JA PRISMA MIKKO LAINE 9. toukokuuta 05. Johdanto Tässä työssä muodostamme lasiprisman dispersiokäyrän ja määritämme työn tekijän silmän herkkyysrajan punaiselle valolle. Lisäksi
LisätiedotSpektri- ja signaalianalysaattorit
Spektri- ja signaalianalysaattorit Pyyhkäisevät spektrianalysaattorit Suora pyyhkäisevä Superheterodyne Reaaliaika-analysaattorit Suora analoginen analysaattori FFT-spektrianalysaattori DFT FFT Analysaattoreiden
LisätiedotKuulohavainto ympäristössä
Weber-Fechner Kivun gate control fys _ muutos hav _ muutos k fys _ taso Jos tyypillisessä sisätilavalaistuksessa (noin 100 cd/m2), voi havaita seinällä valotäplän, jonka kirkkaus on 101 cd/m2). Kuinka
LisätiedotFYSP105 / K3 RC-SUODATTIMET
FYSP105 / K3 R-SODATTIMET Työn tavoitteita tutustua R-suodattimien toimintaan oppia mitoittamaan tutkittava kytkentä laiterajoitusten mukaisesti kerrata oskilloskoopin käyttöä vaihtosähkömittauksissa Työssä
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,
LisätiedotYleistä äänestä. Ääni aaltoliikkeenä. (lähde
Yleistä äänestä (lähde www.paroc.fi) Ääni aaltoliikkeenä Ilmaääntä voidaan ajatella paineen vaihteluna ilmassa. Sillä on aallonpituus, taajuus ja voimakkuus. Ääni etenee lähteestä kohteeseen väliainetta
LisätiedotÄänen eteneminen ja heijastuminen
Äänen ominaisuuksia Ääni on ilmamolekyylien tihentymiä ja harventumia. Aaltoliikettä ja värähtelyä. Värähtelevä kappale synnyttää ääntä. Pistemäinen äänilähde säteilee pallomaisesti ilman esteitä. Käytännössä
Lisätiedothavainnollistaa Dopplerin ilmiötä ja interferenssin aiheuttamaa huojuntailmiötä
FYSP0 / K3 DOPPLERIN ILMIÖ Työn tavoitteita havainnollistaa Dopplerin ilmiötä ja interferenssin aiheuttamaa huojuntailmiötä harjoitella mittausarvojen poimimista Capstonen kuvaajalta sekä kerrata maksimiminimi
LisätiedotVäliraportti: Vesipistekohtainen veden kulutuksen seuranta, syksy Mikko Kyllönen Matti Marttinen Vili Tuomisaari
Väliraportti: Vesipistekohtainen veden kulutuksen seuranta, syksy 2015 Mikko Kyllönen Matti Marttinen Vili Tuomisaari Projektin eteneminen Projekti on edennyt syksyn aikana melko vaikeasti. Aikataulujen
LisätiedotSÄHKÖMAGNEETTINEN KYTKEYTYMINEN
SÄHKÖMAGNEETTINEN KYTKEYTYMINEN H. Honkanen SÄHKÖMAGNEETTISEN KYTKEYTYMISEN TEORIAA Sähkömagneettinen kytkeytyminen on häiiöiden siitymistä sähkömagneettisen aaltoliikkeen välityksellä. Sähkömagneettisen
LisätiedotVAASAN YLIOPISTO TEKNILLINEN TIEDEKUNTA SÄHKÖTEKNIIKKA. Lauri Karppi j82095. SATE.2010 Dynaaminen kenttäteoria DIPOLIRYHMÄANTENNI.
VAASAN YLIOPISTO TEKNILLINEN TIEDEKUNTA SÄHKÖTEKNIIKKA Oskari Uitto i78966 Lauri Karppi j82095 SATE.2010 Dynaaminen kenttäteoria DIPOLIRYHMÄANTENNI Sivumäärä: 14 Jätetty tarkastettavaksi: 25.02.2008 Työn
LisätiedotJOHDATUS TEKOÄLYYN TEEMU ROOS
JOHDATUS TEKOÄLYYN TEEMU ROOS AI-TUTKIJAN URANÄKYMIÄ AJATUSTENLUKUA COMPUTER VISION SIGNAALINKÄSITTELY KUVA VOIDAAN TULKITA MUUTTUJIEN (X,Y) FUNKTIONA. LÄHDE: S. SEITZ VÄRIKUVA KOOSTUU KOLMESTA KOMPONENTISTA
LisätiedotA13-03 Kaksisuuntainen akkujen tasauskortti. Projektisuunnitelma. Automaatio- ja systeemitekniikan projektityöt AS-0.
A13-03 Kaksisuuntainen akkujen tasauskortti Projektisuunnitelma Automaatio- ja systeemitekniikan projektityöt AS-0.3200 Syksy 2013 Arto Mikola Aku Kyyhkynen 25.9.2013 Sisällysluettelo Sisällysluettelo...
LisätiedotJOHDATUS TEKOÄLYYN TEEMU ROOS
JOHDATUS TEKOÄLYYN TEEMU ROOS TERMINATOR SIGNAALINKÄSITTELY KUVA VOIDAAN TULKITA KOORDINAATTIEN (X,Y) FUNKTIONA. LÄHDE: S. SEITZ VÄRIKUVA KOOSTUU KOLMESTA KOMPONENTISTA (R,G,B). ÄÄNI VASTAAVASTI MUUTTUJAN
LisätiedotBIOSÄHKÖISET MITTAUKSET
TEKSTIN NIMI sivu 1 / 1 BIOSÄHKÖISET MITTAUKSET ELEKTROENKEFALOGRAFIA EEG Elektroenkegfalografialla tarkoitetaan aivojen sähköisen toiminnan rekisteröintiä. Mittaus tapahtuu tavallisesti ihon pinnalta,
LisätiedotS09 04 Kohteiden tunnistaminen 3D datasta
AS 0.3200 Automaatio ja systeemitekniikan projektityöt S09 04 Kohteiden tunnistaminen 3D datasta Loppuraportti 22.5.2009 Akseli Korhonen 1. Projektin esittely Projektin tavoitteena oli algoritmin kehittäminen
LisätiedotRAKENNUSAKUSTIIKKA - ILMAÄÄNENERISTÄVYYS
466111S Rakennusfysiikka, 5 op. RAKENNUSAKUSTIIKKA - ILMAÄÄNENERISTÄVYYS Opettaja: Raimo Hannila Luentomateriaali: Professori Mikko Malaska Oulun yliopisto LÄHDEKIRJALLISUUTTA Suomen rakentamismääräyskokoelma,
LisätiedotAkustiikka ja toiminta
Akustiikka ja toiminta Äänitiede on kutsumanimeltään akustiikka. Sana tulee Kreikan kielestä akoustos, joka tarkoittaa samaa kuin kuulla. Tutkiessamme värähtelyjä ja säteilyä, voimme todeta että värähtely
LisätiedotStanislav Rusak CASIMIRIN ILMIÖ
Stanislav Rusak 6.4.2009 CASIMIRIN ILMIÖ Johdanto Mistä on kyse? Mistä johtuu? Miten havaitaan? Sovelluksia Casimirin ilmiö Yksinkertaisimmillaan: Kahden tyhjiössä lähekkäin sijaitsevan metallilevyn välille
LisätiedotJOHDATUS TEKOÄLYYN TEEMU ROOS
JOHDATUS TEKOÄLYYN TEEMU ROOS TERMINATOR SIGNAALINKÄSITTELY KUVA VOIDAAN TULKITA KOORDINAATTIEN (X,Y) FUNKTIONA. LÄHDE: S. SEITZ VÄRIKUVA KOOSTUU KOLMESTA KOMPONENTISTA (R,G,B). ÄÄNI VASTAAVASTI MUUTTUJAN
LisätiedotOma nimesi Tehtävä (5)
Oma nimesi Tehtävä 3.1 1 (5) Taulukot ja niiden laatiminen Tilastotaulukko on perinteinen ja monikäyttöisin tapa järjestää numeerinen havaintoaineisto tiiviiseen ja helposti omaksuttavaan muotoon. Tilastoissa
LisätiedotLABORATORIOTYÖ 3 VAIHELUKITTU VAHVISTIN
LABORATORIOTYÖ 3 VAIHELUKITTU VAHVISTIN Päivitetty: 23/01/2009 TP 3-1 3. VAIHELUKITTU VAHVISTIN Työn tavoitteet Työn tavoitteena on oppia vaihelukitun vahvistimen toimintaperiaate ja käyttömahdollisuudet
LisätiedotImpulssioskillometria hengityksen tutkimisessa
Impulssioskillometria hengityksen tutkimisessa Jani Pirinen, lääketietieen lisensiaatti Erikoistuva lääkäri, HYKS Meilahden sairaala, KLF-laboratorio Kliinisen fysiologian hoitajat ry:n koulutuspäivät
LisätiedotInfraäänimittaukset. DI Antti Aunio, Aunio Group Oy
Infraäänimittaukset DI Antti Aunio, Aunio Group Oy antti.aunio@aunio.fi Mitä infraääni on? Matalataajuista ilmanpaineen vaihtelua Taajuusalue < 20 Hz Ihmisen kuuloalue on tyypillisesti 20-20 000 Hz Osa
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
LisätiedotVanhat korvat. Jaakko Salonen TYKS Kuulokeskus
Vanhat korvat Jaakko Salonen TYKS Kuulokeskus Ikähuonokuuloisuus Tarkoitetaan varsinaisesti muista sairauksista riippumatonta iän mittaan etenevää sensorineuraalista kuulovikaa Todettavissa jo 20 ikävuodesta
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),
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
LisätiedotTaustamateriaali Fingridin innovaatiohaasteeseen Sähköasemilla olevien viallisten laitteiden havainnointi radiotaajuisella mittausmenetelmällä
Taustamateriaali Fingridin innovaatiohaasteeseen Sähköasemilla olevien viallisten laitteiden havainnointi radiotaajuisella mittausmenetelmällä Juha Riikonen Spinverse Yleistä lisätietoa Yleistä lisätietoa
LisätiedotS-108-2110 OPTIIKKA 1/10 Laboratoriotyö: Polarisaatio POLARISAATIO. Laboratoriotyö
S-108-2110 OPTIIKKA 1/10 POLARISAATIO Laboratoriotyö S-108-2110 OPTIIKKA 2/10 SISÄLLYSLUETTELO 1 Polarisaatio...3 2 Työn suoritus...6 2.1 Työvälineet...6 2.2 Mittaukset...6 2.2.1 Malus:in laki...6 2.2.2
LisätiedotMekaniikan jatkokurssi Fys102
Mekaniikan jatkokurssi Fys10 Kevät 010 Jukka Maalampi LUENTO 1 Aalto köydessä Kohdassa x olevan ainehiukkasen poikkeama tasapainosta y ajan funktiona on y( x, t) Asin( kx t 0) Ketjusääntö: Ainehiukkasen
Lisätiedothyvä osaaminen
MERKITYS, ARVOT JA ASENTEET FYSIIKKA T2 Oppilas tunnistaa omaa fysiikan osaamistaan, asettaa tavoitteita omalle työskentelylleen sekä työskentelee pitkäjänteisesti. T3 Oppilas ymmärtää fysiikkaan (sähköön
Lisätiedot16 Ääni ja kuuleminen
16 Ääni ja kuuleminen Ääni on väliaineessa etenevää pitkittäistä aaltoliikettä. Ihmisen kuuloalue 20 Hz 20 000 Hz. (Infraääni kuuloalue ultraääni) 1 2 Ääniaallon esittämistapoja: A = poikkeama-amplitudi
LisätiedotTUKIMATERIAALI: Arvosanan kahdeksan alle jäävä osaaminen
1 FYSIIKKA Fysiikan päättöarvioinnin kriteerit arvosanalle 8 ja niitä täydentävä tukimateriaali Opetuksen tavoite Merkitys, arvot ja asenteet T1 kannustaa ja innostaa oppilasta fysiikan opiskeluun T2 ohjata
LisätiedotYLEINEN AALTOLIIKEOPPI
YLEINEN AALTOLIIKEOPPI KEVÄT 2017 1 Saana-Maija Huttula (saana.huttula@oulu.fi) Maanantai Tiistai Keskiviikko Torstai Perjantai Vk 8 Luento 1 Mekaaniset aallot 1 Luento 2 Mekaaniset aallot 2 Ääni ja kuuleminen
LisätiedotFYS03: Aaltoliike. kurssin muistiinpanot. Rami Nuotio
FYS03: Aaltoliike kurssin muistiinpanot Rami Nuotio päivitetty 24.1.2010 Sisältö 1. Mekaaninen aaltoliike 2 1.1. Harmoninen voima 2 1.2. Harmoninen värähdysliike 2 1.3. Mekaaninen aalto 3 1.4. Mekaanisen
Lisätiedot3 Ääni ja kuulo. Ihmiskorva aistii paineen vaihteluita, joten yleensä äänestä puhuttaessa määritellään ääniaalto paineen vaihteluiden kautta.
3 Ääni ja kuulo 1 Mekaanisista aalloista ääni on ihmisen kannalta tärkein. Ääni on pitkittäistä aaltoliikettä, eli ilman (tai muun väliaineen) hiukkaset värähtelevät suuntaan joka on sama kuin aallon etenemissuunta.
LisätiedotOngelmia mittauksissa Ulkoiset häiriöt
Ongelmia mittauksissa Ulkoiset häiriöt Häiriöt peittävät mitattavia signaaleja Häriölähteitä: Sähköverkko 240 V, 50 Hz Moottorit Kytkimet Releet, muuntajat Virtalähteet Loisteputkivalaisimet Kännykät Radiolähettimet,
LisätiedotJOHDATUS TEKOÄLYYN TEEMU ROOS
JOHDATUS TEKOÄLYYN TEEMU ROOS TERMINATOR SIGNAALINKÄSITTELY KUVA VOIDAAN TULKITA KOORDINAATTIEN (X,Y) FUNKTIONA. LÄHDE: S. SEITZ VÄRIKUVA KOOSTUU KOLMESTA KOMPONENTISTA (R,G,B). ÄÄNI VASTAAVASTI MUUTTUJAN
LisätiedotTUULIVOIMAN TERVEYS- JA YMPÄRISTÖVAIKUTUKSIIN LIITTYVÄ TUTKIMUS
TUULIVOIMAN TERVEYS- JA YMPÄRISTÖVAIKUTUKSIIN LIITTYVÄ TUTKIMUS VALTIONEUVOSTON SELVITYS- JA TUTKIMUSTOIMINNAN SISÄLLÖN YHTEISKEHITTÄMINEN 1 5.10.2017 Tilaisuuden ohjelma: klo 9:00 9:15 Valtioneuvoston
LisätiedotS11-04 Kompaktikamerat stereokamerajärjestelmässä. Projektisuunnitelma
AS-0.3200 Automaatio- ja systeemitekniikan projektityöt S11-04 Kompaktikamerat stereokamerajärjestelmässä Projektisuunnitelma Ari-Matti Reinsalo Anssi Niemi 28.1.2011 Projektityön tavoite Projektityössä
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.
LisätiedotFysikaalisen kemian syventävät työt CCl 4 -molekyylin Ramanspektroskopia
Fysikaalisen kemian syventävät työt CCl 4 -molekyylin Ramanspektroskopia Tiina Kiviniemi 11. huhtikuuta 2008 1 Johdanto Tämän työn tarkoituksena on tutustua käytännön Ramanspektroskopiaan sekä molekyylien
LisätiedotKT4 Projektiopinnot, 5 op (418013P)
KT4 Projektiopinnot, 5 op (418013P) 20.11.2007 26.2.2008 Eläytymismenetelmä (role-playing) J. Eskola, J. Suoranta R. Rajala, P. Hakkarainen - sosiaalitieteet, kasvatustieteet, tulevaisuudentutkimus Kehystarina
LisätiedotAkustointiratkaisujen vaikutus taajuusvasteeseen
AALTO-YLIOPISTO Insinööritieteidenkorkeakoulu Kon-41.4005Kokeellisetmenetelmät Akustointiratkaisujen vaikutus taajuusvasteeseen Koesuunnitelma Ryhmätyö TimoHämäläinen MikkoKalliomäki VilleKallis AriKoskinen
LisätiedotKemometriasta. Matti Hotokka Fysikaalisen kemian laitos Åbo Akademi Http://www.abo.fi/~mhotokka
Kemometriasta Matti Hotokka Fysikaalisen kemian laitos Åbo Akademi Http://www.abo.fi/~mhotokka Mistä puhutaan? Määritelmiä Määritys, rinnakkaismääritys Mittaustuloksen luotettavuus Kalibrointi Mittausten
LisätiedotOhjelmistoradio tehtävät 4. P1: Ekvalisointi ja demodulaatio. OFDM-symbolien generoiminen
Ohjelmistoradio tehtävät 4 P: Ekvalisointi ja demodulaatio Tässä tehtävässä dekoodata OFDM data joka on sijotetty synknonontisignaalin lälkeen. Synkronointisignaali on sama kuin edellisessä laskutehtävässä.
Lisätiedot800 Hz Hz Hz
800 Hz korvaan tulevat ilmanpaineen vaihtelut taajuus 1 Hz = 1 heilahdus sekunnissa pianon keski C: 261 Hz puhe 1000-3000 Hz kuuloalue 20-20000 Hz amplitudi, db voimakkuus (loudness) rakenne siniääni monesta
LisätiedotThe acquisition of science competencies using ICT real time experiments COMBLAB. Kasvihuoneongelma. Valon ja aineen vuorovaikutus. Liian tavallinen!
Kasvihuoneongelma Valon ja aineen vuorovaikutus Herra Brown päätti rakentaa puutarhaansa uuden kasvihuoneen. Liian tavallinen! Hänen vaimonsa oli innostunut ideasta. Hän halusi uuden kasvihuoneen olevan
LisätiedotMono- ja stereoääni Stereoääni
1 Mitä ääni on? Olet ehkä kuulut puhuttavan ääniaalloista, jotka etenevät ilmassa näkymättöminä. Ääniaallot käyttäytyvät meren aaltojen tapaan. On suurempia aaltoja, jotka ovat voimakkaampia kuin pienet
LisätiedotMikrofonien toimintaperiaatteet. Tampereen musiikkiakatemia Studioäänittäminen Klas Granqvist
Mikrofonien toimintaperiaatteet Tampereen musiikkiakatemia Studioäänittäminen Klas Granqvist Mikrofonien luokittelu Sähköinen toimintaperiaate Akustinen toimintaperiaate Suuntakuvio Herkkyys Taajuusvaste
LisätiedotTuulivoimaloiden (infra)ääni
Tuulivoimaloiden (infra)ääni 13.11.2018 I TkT Panu Maijala, VTT Kaikki tämän esityksen kuvat ja grafiikka: Copyright 2018 Panu Maijala Esityksen sisältö Mistä kiikastaa? Tuulivoimaloiden äänen perusteita.
LisätiedotLIITE 1 VIRHEEN ARVIOINNISTA
1 LIITE 1 VIRHEEN ARVIOINNISTA Mihin tarvitset virheen arviointia? Mittaustulokset ovat aina todellisten luonnonvakioiden ja tutkimuskohdetta kuvaavien suureiden likiarvoja, vaikka mittauslaite olisi miten
LisätiedotMitä tulisi huomioida ääntä vaimentavia kalusteita valittaessa?
Mitä tulisi huomioida ääntä vaimentavia kalusteita valittaessa? Kun seinät katoavat ja toimistotila avautuu, syntyy sellaisten työpisteiden tarve, joita voi kutsua tilaksi tilassa. Siirrettävillä väliseinillä
LisätiedotInfrapunaspektroskopia
ultravioletti näkyvä valo Infrapunaspektroskopia IHMISEN JA ELINYMPÄ- RISTÖN KEMIAA, KE2 Kertausta sähkömagneettisesta säteilystä Sekä IR-spektroskopia että NMR-spektroskopia käyttävät sähkömagneettista
LisätiedotKondensaattorin läpi kulkeva virta saadaan derivoimalla yhtälöä (2), jolloin saadaan
VAIHTOVIRTAPIIRI 1 Johdanto Vaihtovirtapiirien käsittely perustuu kolmen peruskomponentin, vastuksen (resistanssi R), kelan (induktanssi L) ja kondensaattorin (kapasitanssi C) toimintaan. Tarkastellaan
LisätiedotDigitaalinen 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,
LisätiedotJOHDATUS TEKOÄLYYN TEEMU ROOS
JOHDATUS TEKOÄLYYN TEEMU ROOS TERMINATOR SIGNAALINKÄSITTELY KUVA VOIDAAN TULKITA KOORDINAATTIEN (X,Y) FUNKTIONA. LÄHDE: S. SEITZ VÄRIKUVA KOOSTUU KOLMESTA KOMPONENTISTA (R,G,B). ÄÄNI VASTAAVASTI MUUTTUJAN
Lisätiedot9. Polarimetria. 1. Stokesin parametrit 2. Polarisaatio tähtitieteessä. 3. Polarisaattorit 4. CCD polarimetria
9. Polarimetria 1. Stokesin parametrit 2. Polarisaatio tähtitieteessä 3. Polarisaattorit 4. CCD polarimetria 10.1 Stokesin parametrit 10.1
Lisätiedot9. Polarimetria. tähtitieteessä. 1. Polarisaatio. 2. Stokesin parametrit. 3. Polarisaattorit. 4. CCD polarimetria
9. Polarimetria 1. Polarisaatio tähtitieteessä 2. Stokesin parametrit 3. Polarisaattorit 4. CCD polarimetria 9.1 Polarisaatio tähtitieteessä! Polarisaatiota mittaamalla päästään käsiksi moniin fysikaalisiin
LisätiedotAaltoliike ajan suhteen:
Aaltoliike Aaltoliike on etenevää värähtelyä Värähdysliikkeen jaksonaika T on yhteen värähdykseen kuluva aika Värähtelyn taajuus on sekunnissa tapahtuvien värähdysten lukumäärä Taajuuden ƒ yksikkö Hz (hertsi,
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
LisätiedotAerosolimittauksia ceilometrillä.
Aerosolimittauksia ceilometrillä. Timo Nousiainen HTB workshop 6.4. 2006. Fysikaalisten tieteiden laitos, ilmakehätieteiden osasto Projektin kuvaus Esitellyt tulokset HY:n, IL:n ja Vaisala Oyj:n yhteisestä,
LisätiedotJOHDATUS TEKOÄLYYN TEEMU ROOS
JOHDATUS TEKOÄLYYN TEEMU ROOS TERMINATOR SIGNAALINKÄSITTELY KUVA VOIDAAN TULKITA KOORDINAATTIEN (X,Y) FUNKTIONA. LÄHDE: S. SEITZ VÄRIKUVA KOOSTUU KOLMESTA KOMPONENTISTA (R,G,B). ÄÄNI VASTAAVASTI MUUTTUJAN
LisätiedotKoesuunnitelma. ViDRoM Virtual Design of Rotating Machines. Raine Viitala
Koesuunnitelma ViDRoM Virtual Design of Rotating Machines Raine Viitala ViDRoM Virtual Design of Rotating Machines Mitataan dynaamista käyttäytymistä -> nopeuden funktiona Puhtaat laakerit, kolmikulmaiset
LisätiedotOHJEITA TYÖSELOSTUKSEN LAATIMISEEN
OHJEITA TYÖSELOSTUKSEN LAATIMISEEN Raportointi kuuluu tärkeänä osana jokaisen fyysikon työhön riippumatta siitä työskenteleekö hän tutkijana yliopistossa, opettajana koulussa vai teollisuuden palveluksessa.
LisätiedotTyö 2324B 4h. VALON KULKU AINEESSA
TURUN AMMATTIKORKEAKOULU TYÖOHJE 1/5 Työ 2324B 4h. VALON KULKU AINEESSA TYÖN TAVOITE Työssä perehdytään optisiin ilmiöihin tutkimalla valon kulkua linssisysteemeissä ja prismassa. Tavoitteena on saada
LisätiedotKuva 1: Yksinkertainen siniaalto. Amplitudi kertoo heilahduksen laajuuden ja aallonpituus
Kuva 1: Yksinkertainen siniaalto. Amplitudi kertoo heilahduksen laajuuden ja aallonpituus värähtelytiheyden. 1 Funktiot ja aallot Aiemmin käsiteltiin funktioita ja miten niiden avulla voidaan kuvata fysiikan
LisätiedotTänään ohjelmassa. Kognitiivinen mallintaminen Neuraalimallinnus laskarit. Ensi kerralla (11.3.)
Tänään ohjelmassa Kognitiivinen mallintaminen Neuraalimallinnus 26.2. Nelli Salminen nelli.salminen@helsinki.fi D433 autoassosiaatio, attraktorin käsite esimerkkitapaus: kolme eri tapaa mallintaa kategorista
LisätiedotEPMAn tarjoamat analyysimahdollisuudet
Top Analytica Oy Ab Laivaseminaari 27.8.2013 EPMAn tarjoamat analyysimahdollisuudet Jyrki Juhanoja, Top Analytica Oy Johdanto EPMA (Electron Probe Microanalyzer) eli röntgenmikroanalysaattori on erikoisrakenteinen
LisätiedotTaajuusmittauskilpailu Hertsien herruus 2008. Mittausraportti
Taajuusmittauskilpailu Hertsien herruus 2008 1. MITTAUSJÄRJESTELMÄ Mittausraportti Petri Kotilainen OH3MCK Mittausjärjestelmän lohkokaavio on kuvattu alla. Vastaanottoon käytettiin magneettisilmukkaantennia
LisätiedotOhjeita fysiikan ylioppilaskirjoituksiin
Ohjeita fysiikan ylioppilaskirjoituksiin Kari Eloranta 2016 Jyväskylän Lyseon lukio 11. tammikuuta 2016 Kokeen rakenne Fysiikan kokeessa on 13 tehtävää, joista vastataan kahdeksaan. Tehtävät 12 ja 13 ovat
LisätiedotA13-03 Kaksisuuntainen akkujen tasauskortti. Väliaikaraportti. Automaatio- ja systeemitekniikan projektityöt AS Syksy 2013
A13-03 Kaksisuuntainen akkujen tasauskortti Väliaikaraportti Automaatio- ja systeemitekniikan projektityöt AS-0.3200 Syksy 2013 Arto Mikola Aku Kyyhkynen 22.10.2013 Sisällysluettelo Sisällysluettelo...
LisätiedotMallintarkistus ja sen
VERSIO 0.1 LUONNOS Mallintarkistus ja sen soveltaminen PLCohjelmien verifioinnissa AS-0.3200 Automaatio- ja systeemitekniikan projektityöt -projektisuunnitelma Markus Hartikainen 2/1/2009 Sisältö 1. Projektityön
LisätiedotSisällönanalyysi. Sisältö
Sisällönanalyysi Kirsi Silius 14.4.2005 Sisältö Sisällönanalyysin kohde Aineistolähtöinen sisällönanalyysi Teoriaohjaava ja teorialähtöinen sisällönanalyysi Sisällönanalyysi kirjallisuuskatsauksessa 1
LisätiedotBAEP. Brainstem Auditory Evoked Potential Akustinen aivorunkoherätevaste
BAEP Brainstem Auditory Evoked Potential Akustinen aivorunkoherätevaste Ärsyke Kuulokynnystestaus kuulokkeilla klikäänillä, kesto n. 0,1 ms. Stimulus klik, voimakkuus 80 dbhl - 100dB kuulokynnyksen mukaan.
Lisätiedot