Signaalien generointi

Samankaltaiset tiedostot
Teoria. Satunnaismuuttujan arvonta annetusta jakaumasta

TL5503 DSK, laboraatiot (1.5 op) Suodatus 1 (ver 1.0) Jyrki Laitinen

Satunnaislukujen generointi

Harjoitus 2: Matlab - Statistical Toolbox

Havaintoaineiston trimmauksen vaikutus otoskeskiarvoon

TL5503 DSK, laboraatiot (1.5 op) Suodatus 2 (ver 1.0) Jyrki Laitinen

Tietoliikennesignaalit & spektri

Virheen kasautumislaki

GeoGebra tutkivan oppimisen välineenä: havainto-hypoteesi-testaus

TL5503 DSK, laboraatiot (1.5 op) Audiosignaalit (ver 1.0) Jyrki Laitinen

IIR-suodattimissa ongelmat korostuvat, koska takaisinkytkennästä seuraa virheiden kertautuminen ja joissakin tapauksissa myös vahvistuminen.

2. kierros. 2. Lähipäivä

1 Diskreettiaikainen näytteistys. 1.1 Laskostuminen. Laskostuminen

6. Analogisen signaalin liittäminen mikroprosessoriin Näytteenotto analogisesta signaalista DA-muuntimet 4

Lisätehtäviä ratkaisuineen luentomonisteen lukuihin 2-4 liittyen

11 Raja-arvolauseita ja approksimaatioita

Tilastotieteen kertaus. Vilkkumaa / Kuusinen 1

Mat Tilastollisen analyysin perusteet. Tilastollisten aineistojen kerääminen ja mittaaminen Tilastollisten aineistojen kuvaaminen Väliestimointi

Tutkimustiedonhallinnan peruskurssi

Matematiikan kotitehtävä 2, MAA 10 Todennäköisyys ja tilastot

Signaalien datamuunnokset. Digitaalitekniikan edut

Signaalien datamuunnokset

Teema 8: Parametrien estimointi ja luottamusvälit

Simulointi. Satunnaisluvut

Johdatus todennäköisyyslaskentaan Jatkuvia jakaumia. TKK (c) Ilkka Mellin (2005) 1

MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Satelliittipaikannus

Tilastolliset jakaumat, niiden esittäminen ja tunnusluvut

Jaksollisen signaalin spektri

Käytetään satunnaismuuttujaa samoin kuin tilastotieteen puolella:

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Laitteita - Yleismittari

1. Määritä pienin näytelauseen ehdon mukainen näytetaajuus taajuus seuraaville signaaleille:

Muuntavat analogisen signaalin digitaaliseksi Vertaa sisääntulevaa signaalia referenssijännitteeseen Sarja- tai rinnakkaismuotoinen Tyypilliset

Parametrin estimointi ja bootstrap-otanta

EMC Säteilevä häiriö

Todennäköisyysjakaumia

Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Jatkuvia jakaumia

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Mittalaitetekniikka. NYMTES13 Vaihtosähköpiirit Jussi Hurri syksy 2014

Sovellettu todennäköisyyslaskenta B

806109P TILASTOTIETEEN PERUSMENETELMÄT I Hanna Heikkinen Esimerkkejä estimoinnista ja merkitsevyystestauksesta, syksy (1 α) = 99 1 α = 0.

Sovellettu todennäköisyyslaskenta B

Sovellettu todennäköisyyslaskenta B

ELEC-C5070 Elektroniikkapaja (5 op)

13. Taylorin polynomi; funktioiden approksimoinnista. Muodosta viidennen asteen Taylorin polynomi kehityskeskuksena origo funktiolle

Algoritmit 2. Luento 12 Ke Timo Männikkö

MIKROAALTOUUNI VAASAN YLIOPISTO TEKNILLINEN TIEDEKUNTA SÄHKÖTEKNIIKKA. Tuomas Karri i78953 Jussi Luopajärvi i80712 Juhani Tammi o83312

tilastotieteen kertaus

Tilastotieteen kertaus. Kuusinen/Heliövaara 1

VALTIOTIETEELLINEN TIEDEKUNTA TILASTOTIETEEN VALINTAKOE Ratkaisut ja arvostelu < X 170

Flash AD-muunnin. Ominaisuudet. +nopea -> voidaan käyttää korkeataajuuksisen signaalin muuntamiseen (GHz) +yksinkertainen

Tutkimustiedonhallinnan peruskurssi

2. Jatkoa HT 4.5:teen ja edelliseen tehtavään: Määrää X:n kertymäfunktio F (x) ja laske sen avulla todennäköisyydet

Luento 2. Jaksolliset signaalit

Jatkuvat satunnaismuuttujat

DC-moottorin pyörimisnopeuden mittaaminen back-emf-menetelmällä

Simulointi. Simulointi kätevää kun muuttujissa vaihtelua. Luennon sisältö. Mitä simulointi on? L u e n t o

LABORATORIOTYÖ 2 A/D-MUUNNOS

LABORATORIOTYÖ 2 A/D-MUUNNOS

Johdatus todennäköisyyslaskentaan Normaalijakaumasta johdettuja jakaumia. TKK (c) Ilkka Mellin (2005) 1

Väliestimointi (jatkoa) Heliövaara 1

Estimointi. Vilkkumaa / Kuusinen 1

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

7.4 Sormenjälkitekniikka

2. TILASTOLLINEN TESTAAMINEN...

Käytännön radiotekniikkaa: Epälineaarinen komponentti ja signaalien siirtely taajuusalueessa (+ laboratoriotyön 2 esittely)

dx=5&uilang=fi&lang=fi&lvv=2014

Teoria. Satunnaismuuttujan arvonta annetusta jakaumasta

Tilastollisen analyysin perusteet Luento 1: Lokaatio ja hajonta

Alias-ilmiö eli taajuuden laskostuminen

Sovellettu todennäköisyyslaskenta B

MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Miten voidaan arvioida virheellisten komponenttien osuutta tuotannossa? Miten voidaan arvioida valmistajan kynttilöiden keskimääräistä palamisaikaa?

SIGNAALITEORIAN KERTAUSTA OSA 2

Esimerkki 1: auringonkukan kasvun kuvailu

Luento 9. tietoverkkotekniikan laitos

Otosavaruus ja todennäköisyys Otosavaruus Ë on joukko, jonka alkiot ovat kokeen tulokset Tapahtuma on otosavaruuden osajoukko

Simulointi. Luennon sisältö. L u e n t o. Simulointimallit päätöksenteossa Todennäköisyysjakaumat. Satunnaisluvut ja Excel Mallin rakentaminen

Harjoitus 7: NCSS - Tilastollinen analyysi

Numeeriset menetelmät

Taajuusmittauskilpailu Hertsien herruus Mittausraportti

Harjoitus 8: Monte Carlo -simulointi (Matlab)

Simuloinnin taktisia kysymyksiä

Harjoitus 8: Monte-Carlo simulointi (Matlab)

Normaalijakaumasta johdettuja jakaumia

Algoritmit 2. Luento 13 Ti Timo Männikkö

Lähettimet ja vastaanottimet

Diskreetin satunnaismuuttujan odotusarvo, keskihajonta ja varianssi

TL5231, Signaaliteoria (S2004) Matlab-harjoituksia

MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Generointi yksinkertaisista diskreeteistä jakaumista

Numeeriset menetelmät

Kapeakaistainen signaali

30A02000 Tilastotieteen perusteet

Kirjoitetaan FIR-suotimen differenssiyhtälö (= suodatuksen määrittelevä kaava):

pisteet Frekvenssi frekvenssi Yhteensä

Oikosulkumoottorikäyttö

Transkriptio:

Signaalinkäsittelyssä joudutaan usein generoimaan erilaisia signaaleja keinotekoisesti. Tyypillisimpiä generoitavia aaltomuotoja ovat eritaajuiset sinimuotoiset signaalit (modulointi) sekä normaalijakautunut kohina, mutta digitaalisesti voidaan generoida myös mielivaltaisia aaltomuotoja. Yleisimmät tekniikat perustuvat taulukkolukujen (look-up table) käyttöön. Muita mahdollisia toteutustapoja ovat mm. marginaalisesti stabiiliin rekursioon perustuvat generaattorit. Signaalin generointi taulukkoluvuilla Signaaleja voidaan generoida digitaalisesti lukemalla aaltomuodosta muistiin talletettuja näytepisteitä. Näytepisteet voidaan muodostaa näytteistämällä analoginen aaltomuoto tai laskennallisesti. Jos näytepisteet kuvaavat tarkasti signaalin yhden jakson, voidaan jatkuva signaali muodostaa lukemalla näytepisteiden muodostama jakso useita kertoja peräkkäin. Jyrki Laitinen TL5362 DSK-algoritmit (S23) 1

Signaalin generointi taulukkoluvuilla (jatkuu) Generoidun signaalin taajuutta voidaan muunnella vaihtamalla nopeutta, jolla näytepisteiden arvot luetaan taulukosta, tai yleisemmin vaihtamalla taulukosta luettavien näytepisteiden lukumäärää. Jälkimmäisessä tapauksessa on huomioitava laskostumisen mahdollisuus. Aaltomuodon laatua mitataan yleensä harmonisella kokonaissäröllä (total harmonic distortion, THD). Hyvälaatuisilla signaaleilla perustaajuuden tehon suhde harmonisten taajuuksien tehoon on tyypillisesti > 3... 6 db. Jyrki Laitinen TL5362 DSK-algoritmit (S23) 2

Esimerkki. Sinimuodon generointi taulukkoluvuilla. Talletetaan N kpl tasavälisesti poimittuja näytteitä sinin jaksosta binaarimuodossa lukumuistiin ja luetaan ne vakioaskelin etenevällä osoitelaskurilla halutulla näytetaajuudella. i 36 x, N [] i = sin, i = 1, K N Näyte 1 2 3 4 5 6 7 Arvo.77 1.77 -.77-1 -.77 Koska sinijakso on symmetrinen, riittää tässä tapauksessa periaatteessa ¼-jakson näytepisteiden tallettaminen. Tällöin saavutetaan merkittävä muistisäästö, mutta lukualgoritmit monimutkaistuvat. Jyrki Laitinen TL5362 DSK-algoritmit (S23) 3

Esimerkki. Sinimuodon generointi taulukkoluvuilla. (jatkuu) Käytännössä generoitavan signaalin taajuutta joudutaan useimmiten säätämään vaihtelemalla taulukosta luettavien näytepisteiden määrää. Jos taajuutta muutetaan kokonaislukuaskelin, on näyteajoitus täsmällinen ja generoituun signaaliin syntyvä särö määräytyy näytteiden esitystarkkuudesta. Jos sen sijaan käytössä on murtolukuaskel taulukkoa luetaan kokonaisluvuksi katkaistulla osoittimen arvolla, jolloin näyteajoituksen virheistä syntyy lisäsäröä. Jos esim. edellä halutaan generoida siniä perustaajuuden f asemesta taajuudella 8f/6 ja lukunopeus on vakio, jää ainoaksi mahdollisuudeksi generoida signaali nopeammin lukemalla vähemmän näytepisteitä yhtä jaksoa kohden. Tässä siis kahdeksan pisteen asemesta luetaan vain kuusi pistettä, jolloin yksi jakso tuotetaan lyhyemmässä ajassa eli signaalin taajuus kasvaa (f 8f/6). Jyrki Laitinen TL5362 DSK-algoritmit (S23) 4

Esimerkki. Sinimuodon generointi taulukkoluvuilla. (jatkuu) taulukoidut arvot halutut arvot Näyte 1 2 3 4 5 Haluttu arvo.866.866 -.866 -.866 Taulukoitu arvo.77.77.77.77 Virhe.159.159.159.159 Jyrki Laitinen TL5362 DSK-algoritmit (S23) 5

Esimerkki. Sinimuodon generointi taulukkoluvuilla. (jatkuu) Taajuuden säädössä syntyvää säröä voidaan pienentää interpoloimalla taulukoitujen näytepisteiden välisiä arvoja. y y = = A + B T b A + ( B A T a t A) F T b t T A on aika-akselin suunnassa lähimpänä interpoloitavaa arvoa oleva taulukon piste. Arvot (B - A) voidaan joko laskea erikseen tai tallettaa valmiiksi taulukkoon. Kun esim. edellä kasvatettiin generoitavan sinisignaalin taajuutta f 8f/6, on ositelaskurin murto-osan arvo F = 2/6 = 1/3. a = osoitelaskurin murto - osan arvo = F T a + t taulukoidut arvot lin. interp. arvot Jyrki Laitinen TL5362 DSK-algoritmit (S23) 6 T a A y B T b

Esimerkki. Sinimuodon generointi taulukkoluvuilla. (jatkuu) Näyte 1 2 3 4 5 Haluttu arvo.866.866 -.866 -.866 Lin. interp. arvo.85.85 -.85 -.85 Virhe.61.61.61.61 Jyrki Laitinen TL5362 DSK-algoritmit (S23) 7

Kohinan generointi Signaalien generointi Kohinaa generoidaan yleensä signaalien modulointia tai järjestelmien simulointia ja testausta varten. Koska testisignaalin tulee yleensä muistuttaa mahdollisimman paljon todellisia signaaleja, tulisi generoitavan kohinan jakauman olla normaalijakauman kaltainen (Gaussin kellokäyrä), mikä on luonnossa esiintyvän satunnaiskohinan tyypillinen muoto. Kohinan generointi perustuu satunnaislukujen muodostamiseen, joka voidaan toteuttaa laskennallisesti tai ns. takaisinkytketyllä siirtorekisterillä. Satunnaislukujen laskennalliseen muodostukseen käytettävät algoritmit ovat usein muotoa R = (as + b) mod c, missä R on satunnaisluku, a, b ja c ovat mielivaltaisesti valittuja vakioita ja S siemenluku. Yhdestä siemenluvusta lähtien voidaan muodostaa satunnaissatunnaislukujen jono. Jono toistuu kuitenkin samaa siemenlukua käytettäessä aina samanlaisena. Jyrki Laitinen TL5362 DSK-algoritmit (S23) 8

Kohinan generointi (jatkuu) Signaalien generointi Siemenlukua voidaan myös vaihtaa, jolloin satunnaisuutta voidaan lisätä. Yleinen tekniikka on muodostaa uusi siemenluku kellonajasta aina järjestelmän käynnistyksen yhteydessä. Laskennalliset satunnaislukugeneraattorit muodostavat tyypillisesti satunnaislukuja, joiden arvot ovat välillä..1, keskiarvo.5, hajonta 1/ 12 ja jakauma (todennäköisyystiheysfunktio, probability density function = pdf) tasainen. Jakaumaa voidaan approksimoida näytepisteiden histogrammilla. Kun generoituja satunnaislukuja summataan, tuloksena saatavan kohinan jakauma alkaa lähestyä normaalijakaumaa. Kun jokainen kohinapiste muodostetaan n. 12 satunnaisluvun summana jakauma approksimoi yleensä riittävän hyvin normaalijakaumaa. Algoritmi perustuu tilastotieteen keskeiseen raja-arvolauseeseen (central limit theorem), jonka mukaan satunnaislukujen summan jakauma lähestyy normaalijakaumaa, kun termien määrää lisätään, riippumatta satunnaislukujen jakauman muodosta. Jyrki Laitinen TL5362 DSK-algoritmit (S23) 9

Kohinan generointi (jatkuu) Signaalien generointi Muodostettaessa satunnaislukuja takaisinkytketyllä siirtorekisterillä saadaan valesatunnainen (pseudo-random) sekvenssi, joka on jaksollinen pitkällä tarkasteluvälillä. Takaisinkytkijöitten sijoittelu määrää syntyvän satunnaissekvenssin pituuden. Jos siirtorekisterin pituus on M bittiä, satunnaissekvenssin maksimipituus on 2 M -1. Maksimipituisella sekvenssillä rekisterissä käyvät kaikki mahdolliset bittikombinaatiot lukuunottamatta lukua.... MSB siirtorekisteri LSB 1 1 1 1 1 XOR XOR lähtö takaisinkytkijät Jyrki Laitinen TL5362 DSK-algoritmit (S23) 1

Kohinan generointi (jatkuu) Normaalijakautunut kohina 4 3 2 1-1 -2 Keskihajonta σ Keskiarvo µ σ 2 = varianssi = teho -3-4 5 1 15 2 25 3 Jyrki Laitinen TL5362 DSK-algoritmit (S23) 11

Kohinan generointi (jatkuu) Signaalien generointi Normaalijakauma (µ =, σ = 1) Todennäköisyys.45.4.35.3.25.2.15.1.5 σ σ -5-4 -3-2 -1 1 2 3 4 5 Arvo Jyrki Laitinen TL5362 DSK-algoritmit (S23) 12

Kohinan generointi (jatkuu) Signaalien generointi Jyrki Laitinen TL5362 DSK-algoritmit (S23) 13