5. gyakorlat: Digitális alapsávi átvitel

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "5. gyakorlat: Digitális alapsávi átvitel"

Átírás

1 5. gyaorlat: Digitális alapsávi átvitel O.5.. A PAM jel spetrális viseledése PAM (Pulse Amplitude Modulation) jelne az () ifejezéssel értelmezett jeleet nevezzü: spam ( t) d h( t T). () A T időtartamot jelzési időne, a h ( t), t (, ) lényegében folytonos, többéevésbé orlátozott időtartamú függvényt elemi jelne, a d,,,,... diszrét értéészletű sorozat elemeit amplitúdóna nevezzü. Ha az elemi jel elég eseny (esenyebb, mint T), aor () szemléletes értelmezése: a modulált jel T szélességű szaaszait, az időréseet az elemi jel d -val arányos magasságú változataival töltjü i. Matematiailag () az elemi jel és az amplitúdó diszrét sorozatána onvolúciója. A d sorozat elemei gyaran várható értéűe (néha nem!), értéü soszor, 3,..., értéészletü számossága rendszerint ettő valamely hatványa, így egy amplitúdó egy véges hosszú bitsorozat épviseletét látja el. Pl. négyszintű jelnél a, 3 értéű amplitúdó rendre a,,, bitpáro megjelenítését végezheti. Az amplitúdó sorozatáról gyaran feltételezhető, hogy elemei statisztiailag függetlene. Ha ez igaz, aor a PAM jel spetrális viseledését izárólag az elemi jel határozza meg. Az elemi jelalaot az adószűrő-csatorna-vevőszűrő lineáris rendszer alaítja, így enne spetruma H( f ) c H A( f ) HC ( f ) HV ( f ). (Ebben az összefüggésben c valójában egy érdetelen szorzótényező, a D/A átalaító onverziós tényezője, így a szűrő átviteli függvénye dimenziótlan.) O.5.. A szimbólumözti áthallásmentesség feltétele Eddigi tanulmányain során láthattu, hogy az átviteli út lineáris torzításai (nemlineáris fázismenet, ill. aluláteresztő jellegű átviteli araterisztia) impul zusiszélesedéshez, azaz diszperzióhoz vezet. Digitális átvitelnél ez a jelenség ülönösen ellemetlen, mivel a szomszédos időrése özött áthallást ooz (ISI = Intersymbol Interference). A PAM jel megfejtése, iértéelése időrésenént történi, a jelből az időrése özepe tájéán vett egyetlen minta alapján. Az ISI nehezíti a deteciót (rontja a jel-zaj viszonyt), ráadásul edvezőtlen esetben önmagában is a vett minta hibás értelmezéséhez vezethet. (lásd P.7.5. példa) A szimbólumo özötti áthallás elerülhető, ha az elemi jel hatása a szomszédos időrése mintavételi időpontjában zérus. Pontosabban: van egy olyan t mintavételi időpont, hogy h, ha t t h( t), ha t t T, () tetsz őleges, egyébént

2 Eor () alapján behelyettesítéssel is látható, hogy spam ( t it )... di h, valóban nem lesz szimbólumözti áthallás. A fenti feltétel tulajdonéppen az elemi jelből nyert h( t T), T-özű mintasorozatra tesz iötést. A mintá özül csa h h ülönbözi nullától, így a mintasorozat spetruma H s ( f ) h T. A mintavett jele spetrumáról tanultu, hogy megadható az eredeti jel halmozott spetrumával: j ( f T ) t s H ( f ) H( f T) e h T Tehát minden olyan elemi jel, melyne spetruma ielégíti a fenti relációt (Nyquist ritérium), vagyis a jelzési idő reciproával halmozott spetruma onstans, egyben ielégíti a () feltételt is, vagyis az átvitel ISI mentes lesz. O.5.3. A zaj hatása Az átviteli utat szinte mindig terheli valamilyen zaj. Mivel a hibavalószínűség a jel/zaj viszony monoton csöenő függvénye (ld. P.7.4. példa), ezért célszerű vevőnet zajra is optimalizálni. Szélessávú, additív fehér zaj esetében a legjobb jel/zaj viszonyt abban az esetben apju, ha a vevőszűrő araterisztiája valamely t ésleltetéstől és egy arányossági tényezőtől elteintve - éppen omplex onjugáltja a bejövő jel spetrumána, amelyet ha a csatorna torzításmentes - az adószűrő alaít i: * jft H ( f ) H ( f ) e V Ha a csatorna zajána spetrális sűrűsége N, aor a vevőszűrő imenetén a zaj spetrális sűrűsége ( ) ( ) * jft ( ) ( ) ( ) j ft s f HV f HV f N HV f H A f e N cˆ H( f ) e N vagyis egy arányossági tényező erejéig az elemi jel Fourier spetrumával lesz megegyező (itt most cˆ c ). A döntést zavaró zaj szórásnégyzete, teljesítménye pedig N jft s ( f ) df cˆ H( f ) e df cˆ h N. A jel nagyságát pl. a leadott elemi jel energiájával minősíthetjü. Ez esetünben E c H A ( f ) df c c H V ( f ) H A ( f ) e A jft df cˆ H( f ) e jft h df cˆ A hibavalószínűséget h és - vagy négyzetei - viszonya határozza meg. Ez a viszony most: h h h E. cˆ h N N Tanulság: az elemi jel energiája és a zaj spetrális sűrűsége a hibavalószínűség meghatározó tényezői. Kis teljesítménnyel is el lehet érni is hibavalószínűséget, csa időt ell rá szánni, hiszen icsiny elemi jelne is lehet nagy az energiája, ha elég hosszan tart, azaz, ha T elég nagy.. Az elemi jel energiája ezen túlmenően meghatározza az adatjel teljesítményét is.

3 P.5.. Szemábra vizsgálata Rajzolju fel az ideális bináris NRZ jel elemi jelalaját, a..,,,,,.. bitsorozathoz tartozó jelalaot, majd a szemábrát! Tegyü meg ugyanezt, ha a jelet diszperzió sújtotta és a jelala oly módon torzult, hogy mind a csúcstól csúcsig fel- és lefutás, mind a csúcson maradás ideje T/! P.5.. A szimbólumözti áthallás elerülése Gondolju át, milyen jelzési sebessége esetén nincs szimbólumözti áthallás, ha az elemi jel spetruma f B, ha f B H( f ) B!, egyébént Gondolju át azt is, mi a övetezménye anna, ha a jelzési sebesség icsi az elemi jel sávszélességéhez épest! A megadott spetrumhoz tartozó időfüggvény is italálható, hiszen ez a háromszög egy feleszélességű "téglalap" önmagával alotott onvolúciója. Az időfüggvény tehát: 3

4 sin( Bt) h( t). Bt Teintve, hogy enne a függvényne nullhelyei /B egész soszorosainál vanna, a jelzési idő (az időrése szélessége) is /B soszorosa lehet, s eor nincs szimbólumözti áthallás. A frevenciatartományi ép alapján is erre a öveteztetésre jutun. Ha ugyanis a jelzési sebesség éppen B, az egymásra lapolódó eltolt háromszöge éppen onstansra egészíti i egymást. Ha a jelzési sebesség B-ne tört része, aor még e onstansoat is egymásra ell lapolni, persze az összeg eor is állandó marad. Ez a ép ad módot a másodi érdés tisztázására. Ha a jelzési sebesség icsi, aor so eltolt spetrum lapolódi egymásra, s bármilyen is a szélessávú spetrum alaja, so egymásra lapolódó szeleténe összege özel ugyanaz a onstans lesz. Minél több szelet játszi szerepet, eze annál esenyebbe, annál inább onstans az eredő. Ha pedig icsi az eredményfüggvény ingadozása, aor az azt jelenti, hogy icsi a megmaradt szimbólumözti áthallás is. P.5.3. Illesztett adó- és vevőszűrő araterisztiájána meghatározása Hogyan választaná meg a PAM rendszer adó- és vevőszűrőjét az előző feladatban megadott elemi jelala elérése érdeében, ha a csatorna torzításmentes ( H C ( f ) ), de fehér zajjal terhelt? A legjobb vevőszűrő illeszedi a vett jelhez, tehát HV ( f ) H A( f ). Ez a feltétel legegyszerűbben a HV ( f ) H A( f ) f T, ha f / T alaú tiszta valós araterisztiájú szűrőel valósítható meg. (Most tehát a arányossági tényező, az adó D/A átalaítójána c onverziós tényezője pedig T. Az egy mási érdés, hogy eze a szűrő a valóságban mennyire önnyen realizálható.) P.5.4. Példa a hibavalószínűség számítására Egy szimbólumözti áthallástól mentes bináris szinron PAM jel mintái a vevőszűrő utáni ponton. V értéűe. A vonali jelet szélessávú additív Gauss zaj zavarja, amely miatt a vevő döntő áramöréne bemenetén a jelmintához nulla várható értéű,.3 V szórású, normális eloszlású zaj adódi. Határozzu meg az átvitel hibavalószínüségét! Hogyan alaul a hibavalószínűség négy-, illetve nyolcszintű rendszer esetében, ha feltételezzü, hogy az egyes szinte előfordulási valószínűsége azonos? Hogyan változi a jelteljesítmény a szinte számána függvényében? A döntési üszöböt a névleges jelmintá özéne felére állítva étszintű rendszernél hibázás aor történi, ha a zaj n pillanatértée túl nagy abszolut értéű és rossz irányú. Ha az m jelérté h, aor: * 4

5 P e P ( n h, m h ) P( n h, m h ). Mivel a zaj a hasznos jeltől független, ezért írhatju, hogy P n h ) P( m h ) P( n h ) P( m ). P e ( h ( n h ( n h Az itt szereplő P ) és P ) valószínűsége az egységnyi szórású, nulla várható értéű normális eloszlás y Φ( x) e dy omplementer eloszlásfüggvénye segítségével adható meg: P ( n h ) Φ( h ), és P ( n h ) Φ( h ). Mivel a nulla várható értéű normális eloszlás sűrűségfüggvénye páros függvény, eze egyenlőe, s így az eredő hibavalószínűség: P m h ) P( m h ) Φ( h. P e x ) ( ( m h ) P( m h ) Felhasználva, hogy P, a étszintű rendszer hibavalószínűségére az adódi, hogy 5 P e Φ( h ) Φ(..3) 3.. Többszintű rendszere esetében a szinte számát (ez általában valamilyen hatványa) L-lel jelölve az egyes mintá a h, 3 h, 5 h,..(l ) h értéeet veheti fel. A szélső m=(l ) h értée esetében csa az ellentétes polaritású zaj épes hibát oozni, a többie esetén mindét irány fájdalmas lehet. A lehetőségeet számba véve, fetételezve, hogy a ülönböző szinte előfordulásána valószínűsége azonos ( L ), a hibavalószínűség: L h P e Φ L A fenti épletből látható, hogy a négyszintű rendszer hibavalószínűsége 5%-al, a nyolcszintűé pedig 75%-al nagyobb, mint az öszevethető étszintűé. Vegyü észre, hogy a szinte számána növelésével a jelteljesítmény is növeszi. Négyszintű jel esetében az átlagteljesítmény ( 3 ) 5-szöröse, míg nyolcszintű jel esetében már ( ) 4 -szerese az összevethető étszintűéne. Ez azt jelenti, hogy a négyszintű rendszernél 7, a nyolcszintűnél pedig nagyjából 3 db-lel ell nagyobb jel/zaj viszonyt biztosítani egy valamivel rosszabb hibaarány eléréséhez. A teljesítménynöveedés a szinte számával nem meglepő módon nagyjából négyzetes, L szintű jel esetében, az egyes szinte előfordulási valószínűségét azonosna feltételezve, ( L ) 3-szoros. Lehet persze isebb teljesítménnyel adni, ha azonban h csöen, aor a hibavalószínűség nő meg. P.5.5. A szimbólumözti áthallás romboló hatása Tételezzü fel, hogy az m(.) elemi jel valamely mintavételi fázisban ugyan ielégíti Nyquist feltételét (azaz T özű mintái rendre m, m, m,...), de a mintavételi fázis időzítési hiba öveteztében elcsúszi, és a meghatározó jelmintá m. 99, m., m., m,...értéűe leszne. Becsüljü meg a hibavalószínűséget meghatározó jel-zaj viszony leromlását, 4 és 8 szintű rendszerben! 5

6 Feltételezzü, hogy a, 4 és 8 szintű rendszerben a jelamplitúdó rendre, és 3 valamint,3, 5 és 7 értéűe. Mivel a jelamplitúdó özötti távolság azonos, azonos zajban e rendszere hibavalószínűsége is összevethető (bár enyhén ülönböző, miért is?). Aor, amior nincs szimbólumözti áthallás, a hibavalószínűséget meghatározó jel-zaj arány /, ahol a zajmintá szórása. Az időzítési hiba esetén az adatjel mintái elmosódna, az atuális időrés amplitúdója mellett. súlytényezővel a szomszédos időrése amplitúdói is "látszana". Legrosszabb esetben a szomszédos amplitúdó abszolut értée maximális, előjelü pedig olyan, hogy hatásu ugyanabba az irányba tolja el a vett minta értéét. Az eltérő tartalmat hordozó jelmintá távolsága így lecsöen, a fél-távolság. 99 d max (.. ) lesz. A zaj szórását a dolog nem érinti, ezért a jel-zaj viszony csöenése rendre.79,.39-szeres. 8 szintű rendszerben nagy baj van: Ez azt jelenti, hogy még zaj nélül is hibás olyor a döntés. Tanulság: a szimbólumözti áthallás mindig gondot jelent, de ez a gond többszintű rendszerben hatványozottan jelentezi. P.5.6. Példa a szimbólumözti áthallás finomszerezetére Egy szinron PAM rendszerben a szimbólumözti áthallást az eltorzult elemi jel m., m., m. 5, m,...mintái jellemzi. Milyen értéeet vehet fel a -adi időrésből vett zajmentes jelminta, ha az adás étszintű, illetve négyszintű? Állapítsa meg, mely értéene van döntő szerepe a hibavalószínűség meghatározásában! A zajmentes jelmintá: s. 5 d. d. d Kétszintű esetben a három szomszédos adat összesen nyolcféle lehet. Ha a özépső adat értée, aor a mintá rendre:.5,.5,.95,.75. A mási négyes nullára szimmetriusan épződi: -.5, -.5, -.95, Négyszintű jelnél az adato értée és 3. Ha a özépső adat éppen 3, aor örülötte 6 féle érté állhat elő, eze egyie-másia elfajuló lehet, amennyiben esetleg ülönböző szomszédos értépáro is oozhatna azonos értéű eltolódást. A legnagyobb értéeltolódást érdemes számba venni. Ha mindét szomszéd maximális, azaz 3-as abszolut értéű, s szerencsétlenül azonos irányba hatna, aor a maximális értéeltolódás Így tehát 3-as értéű özépső adat hatására a.5 és a 3.75 özötti mintaértée jöhetne létre. Az értéű adat hatására hasonlóéppen.5 és.75 özötti mintá eletezhetne. Negatív oldalon hasonló a helyzet. 6

7 G.5.. Gyaorló feladat Egy T jelzési idejű, bináris ( d ) alapsávi PAM rendszer elemi jele az alábbi ábrán látható. h(t) a) Rajzolja fel az alapsávi PAM jelet, ha az átvinni ívánt bitsorozat , és az -et +, a -t pedig értéű amplitúdó ( d ) jeleníti meg!.5.5 t b) Keletezi-e itt szimbólumözti áthallás, ha a mintavétel fázisa t T 4? c) Milyen értéű mintáat szolgáltathat a T T vevőészülé mintavevője? d) Rajzolja fel a vett jel szemábráját! e) Alalmas-e ez az elemi jel négyszintű rendszer üzemeltetésére? f) Alalmas-e ez az elemi jel nyolcszintű rendszer üzemeltetésére? G.5.. Gyaorló feladat Egy T jelzési idejű, bináris ( d ) alapsávi PAM rendszer elemi jeléne spetrumát az alábbi éplet adja meg. a) Rajzolja fel léptéhelyesen ezt a h T cos ft ha f H ( f ) függvényt! b) Vizsgálja meg és nyilatozzon, egyébént T elerülhető-e ebben a rendszerben a szimbólumözti áthallás? c) Milyen lehet ebben a rendszerben a vevőszűrő átviteli függvénye? (Feltehető, hogy rendszerünet szélessávú additív zajra optimalizáltá.) Rajzolja fel léptéhelyesen a vevőszűrő átviteli függvényét! d) Az adó jelét egy Hz határfrevenciájú aluláteresztő szűrővel szűrjü. Ooz-e várhatóan ez a szűrés számottevő szimbólumözti áthallást, ha a jelzési idő 833 s? G.5.3. Gyaorló feladat Egy T jelzési idejű, bináris ( d ) alapsávi PAM rendszer elemi jeléne időfüggvényét az alábbi éplet adja meg. t T h cos ha t (, T ) a) Rajzolja fel léptéhelyesen ezt a h( t) T függvényt! egyébént b) Vizsgálja meg és nyilatozzon, elerülhető-e ebben a rendszerben a szimbólumözti áthallás! Hogyan választaná meg a mintavételi időpontoat? c) Milyen értéeet vehetne fel a PAM jel mintái a (. ) T időpontoban (azaz, ha t. T mértéű időzítési hiba lép fel)? d) Érdemes-e ezen a rendszeren négyszintű átvitellel próbálozni? És nyolcszintűvel? e) Hogyan befolyásolja a mintavétel t. T mértéű időzítési hibája a d) érdésre adott válaszait? t 7

Digitális Fourier-analizátorok (DFT - FFT)

Digitális Fourier-analizátorok (DFT - FFT) 6 Digitális Fourier-analizátoro (DFT - FFT) Eze az analizátoro digitális műödésűe és a Fourier-transzformálás elvén alapulna. A digitális Fourier analizátoro a folytonos időfüggvény mintavételezett jeleit

Részletesebben

3. előadás Reaktorfizika szakmérnököknek TARTALOMJEGYZÉK. Az a bomlás:

3. előadás Reaktorfizika szakmérnököknek TARTALOMJEGYZÉK. Az a bomlás: beütésszám. előadás TARTALOMJEGYZÉK Az alfa-bomlás Az exponenciális bomlástörvény Felezési idő és ativitás Poisson-eloszlás Bomlási sémá értelmezése Bomlási soro, radioatív egyensúly Az a bomlás: A Z X

Részletesebben

Proporcionális hmérsékletszabályozás

Proporcionális hmérsékletszabályozás Proporcionális hmérséletszabályozás 1. A gyaorlat célja Az implzsszélesség modlált jele szoftverrel történ generálása. Hmérsélet szabályozás implementálása P szabályozóval. 2. Elméleti bevezet 2.1 A proporcionális

Részletesebben

Legfontosabb bizonyítandó tételek

Legfontosabb bizonyítandó tételek Legfontosabb bizonyítandó tétele 1. A binomiális tétel Tetszőleges éttagú ifejezés (binom) bármely nem negatív itevőj ű hatványa polinommá alaítható a övetez ő módon: Az nem más, mint egy olyan n tényezős

Részletesebben

SZÁLLÍTÓ REPÜLŐGÉPEK GÁZTURBINÁS HAJTÓMŰVEI NYOMÁSVISZONYA NÖVELÉSÉNEK TERMIKUS PROBLÉMÁI

SZÁLLÍTÓ REPÜLŐGÉPEK GÁZTURBINÁS HAJTÓMŰVEI NYOMÁSVISZONYA NÖVELÉSÉNEK TERMIKUS PROBLÉMÁI Dr. Pásztor Endre SZÁLLÍTÓ REPÜLŐGÉPEK GÁZTURBINÁS HAJTÓMŰVEI NYOMÁSVISZONYA NÖVELÉSÉNEK TERMIKUS PROBLÉMÁI A probléma felvetése, bevezetése. Az ideális termius hatáso (η tid ) folytonosan növeszi a ompresszor

Részletesebben

A gyors Fourier-transzformáció (FFT)

A gyors Fourier-transzformáció (FFT) A gyors Fourier-transzformáció (FFT) Egy analóg jel spetrumát az esete döntő többségében számítástechniai eszözöel határozzu meg. A jelet mintavételezzü és elvégezzü a mintasorozat diszrét Fouriertranszformációját.

Részletesebben

π π A vivőhullám jelalakja (2. ábra) A vivőhullám periódusideje T amplitudója A az impulzus szélessége szögfokban 2p. 2p [ ]

π π A vivőhullám jelalakja (2. ábra) A vivőhullám periódusideje T amplitudója A az impulzus szélessége szögfokban 2p. 2p [ ] Pulzus Amplitúdó Moduláció (PAM) A Pulzus Amplitúdó Modulációról abban az esetben beszélünk, amikor egy impulzus sorozatot használunk vivőhullámnak és ezen a vivőhullámon valósítjuk meg az amplitúdómodulációt

Részletesebben

A feladatok megoldása

A feladatok megoldása A feladato megoldása A hivatozáso C jelölései a i egyenleteire utalna.. feladat A beérezési léps felszíne fölött M magasságban indul a mozgás, esési ideje t = M/g. Ezalatt a labda vízszintesen ut utat,

Részletesebben

Digitális modulációk vizsgálata WinIQSIM programmal

Digitális modulációk vizsgálata WinIQSIM programmal Digitális modulációk vizsgálata WinIQSIM programmal Lódi Péter(D1WBA1) Bartha András(UKZTWZ) 2016. október 24. 1. Mérés célja Mérés helye: PPKE-ITK 3. emeleti 321-es Mérőlabor Mérés ideje: 2016.10.24.

Részletesebben

Drótos G.: Fejezetek az elméleti mechanikából 4. rész 1

Drótos G.: Fejezetek az elméleti mechanikából 4. rész 1 Drótos G.: Fejezete az elméleti mechaniából 4. rész 4. Kis rezgése 4.. gyensúlyi pont, stabilitás gyensúlyi pontna az olyan r pontoat nevezzü valamely oordináta-rendszerben, ahol a vizsgált tömegpont gyorsulása

Részletesebben

Digitális adatátvitel analóg csatornán

Digitális adatátvitel analóg csatornán Digitális adatátvitel analóg csatornán A digitális modulácó feladata a digitálisan tárolt adatok nagy távolságú átvitele. Az adatátviteli csatorna a valóságban létez csavart érpár, koax, rádió csatorna,

Részletesebben

2. gyakorlat Mintavételezés, kvantálás

2. gyakorlat Mintavételezés, kvantálás 2. gyakorlat Mintavételezés, kvantálás x(t) x[k]= =x(k T) Q x[k] ^ D/A x(t) ~ ampl. FOLYTONOS idı FOLYTONOS ANALÓG DISZKRÉT MINTAVÉTELEZETT DISZKRÉT KVANTÁLT DIGITÁLIS Jelek visszaállítása egyenköző mintáinak

Részletesebben

Valószínűségszámítás és statisztika előadás Info. BSC B-C szakosoknak. Bayes tétele. Példák. Események függetlensége. Példák.

Valószínűségszámítás és statisztika előadás Info. BSC B-C szakosoknak. Bayes tétele. Példák. Események függetlensége. Példák. Valószínűségszámítás és statisztia előadás Info. BSC B-C szaosona 20018/2019 1. félév Zempléni András 2.előadás Bayes tétele Legyen B 1, B 2,..., pozitív valószínűségű eseményeből álló teljes eseményrendszer

Részletesebben

Holtsáv és kotyogás kompenzálása mechanikai irányítási rendszerekben

Holtsáv és kotyogás kompenzálása mechanikai irányítási rendszerekben Holtsáv és otyogás ompenzálása mechaniai irányítási rendszereben A mechaniai irányítására alalmazott lineáris vagy folytonos nemlineáris irányítási algoritmusoal megvalósított szabályozási rendszer tulajdonságait

Részletesebben

Szervomotor pozíciószabályozása

Szervomotor pozíciószabályozása Szervomotor pozíciószabályozása 1. A gyaorlat célja Egyenáramú szervomotor pozíciószabályozásána tervezése. A pozíció irányítási algoritms megvalósítása valós iben. A pozíció szabályozás tranzienséne archiválása,

Részletesebben

1. Egyensúlyi pont, stabilitás

1. Egyensúlyi pont, stabilitás lméleti fizia. elméleti összefoglaló. gyensúlyi pont, stabilitás gyensúlyi pontna az olyan pontoat nevezzü, ahol a tömegpont gyorsulása 0. Ha a tömegpont egy ilyen pontban tartózodi, és nincs sebessége,

Részletesebben

Függvények hatványsorba fejtése, Maclaurin-sor, konvergenciatartomány

Függvények hatványsorba fejtése, Maclaurin-sor, konvergenciatartomány Függvénye hatványsorba fejtése, Maclaurin-sor, onvergenciatartomány Taylor-sor, ) Állítsu elő az alábbi függvénye x helyhez tartozó hatványsorát esetleg ülönféle módszereel) éa állapítsu meg a hatványsor

Részletesebben

Dr. Tóth László, Kombinatorika (PTE TTK, 2007)

Dr. Tóth László, Kombinatorika (PTE TTK, 2007) A Fibonacci-sorozat általános tagjára vontozó éplet máséppen is levezethető A 149 Feladatbeli eljárás alalmas az x n+1 ax n + bx, n 1 másodrendű állandó együtthatós lineáris reurzióal adott sorozato n-edi

Részletesebben

Tizenegyedik gyakorlat: Parciális dierenciálegyenletek Dierenciálegyenletek, Földtudomány és Környezettan BSc

Tizenegyedik gyakorlat: Parciális dierenciálegyenletek Dierenciálegyenletek, Földtudomány és Környezettan BSc Tizenegyedi gyaorlat: Parciális dierenciálegyenlete Dierenciálegyenlete, Földtudomány és Környezettan BSc A parciális dierenciálegyenlete elmélete még a özönséges egyenleteénél is jóval tágabb, így a félévben

Részletesebben

Híradástechikai jelfeldolgozás

Híradástechikai jelfeldolgozás Híradástechikai jelfeldolgozás 13. Előadás 015. 04. 4. Jeldigitalizálás és rekonstrukció 015. április 7. Budapest Dr. Gaál József docens BME Hálózati Rendszerek és SzolgáltatásokTanszék gaal@hit.bme.hu

Részletesebben

A JÓLÉTI ÁLLAM KÖZGAZDASÁGTANA

A JÓLÉTI ÁLLAM KÖZGAZDASÁGTANA A JÓLÉTI ÁLLAM KÖZGAZDASÁGTANA A JÓLÉTI ÁLLAM KÖZGAZDASÁGTANA Készült a TÁMOP-4.1.2-08/2/A/KMR-2009-0041pályázati projet eretében Tartalomfejlesztés az ELTE TátK Közgazdaságtudományi Tanszéén az ELTE Közgazdaságtudományi

Részletesebben

I. A PRIMITÍV FÜGGVÉNY ÉS A HATÁROZATLAN INTEGRÁL

I. A PRIMITÍV FÜGGVÉNY ÉS A HATÁROZATLAN INTEGRÁL A primitív függvény és a határozatlan integrál 5 I A PRIMITÍV FÜGGVÉNY ÉS A HATÁROZATLAN INTEGRÁL Gyaorlato és feladato ( oldal) I Vizsgáld meg, hogy a övetező függvényene milyen halmazon van primitív

Részletesebben

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1 Statisztika - bevezetés 00.04.05. Méréselmélet PE MIK MI_BSc VI_BSc Bevezetés Véletlen jelenség fogalma jelenséget okok bizonyos rendszere hozza létre ha mindegyik figyelembe vehető egyértelmű leírás általában

Részletesebben

5 3 0,8 0,2. Számolja ki a 3

5 3 0,8 0,2. Számolja ki a 3 Megoldási útmutató, eredménye A feladato megoldásaor mindig ismételje át a feladatban szereplő fogalma definícióit. A szüséges fogalma, definíció: valószínűségi változó, diszrét-, folytonos valószínűségi

Részletesebben

6. gyakorlat: Digitális modulációs eljárások

6. gyakorlat: Digitális modulációs eljárások Infoommuniáció gyaorlatanyag 6. Digitális modulációs eljáráso 6. gyaorlat: Digitális modulációs eljáráso O.6.1. FSK (Frequency Shift Keying), frevenciabillentyűzés Tp. egy NRZ elemi jelű, legtöbbször bináris

Részletesebben

Digitál-analóg átalakítók (D/A konverterek)

Digitál-analóg átalakítók (D/A konverterek) 1.Laboratóriumi gyaorlat Digitál-analóg átalaító (D/A onvertere) 1. A gyaorlat célja Digitál-analóg onvertere szerezeti felépítése, műödése, egy négy bites DAC araterisztiájána felrajzolása, valamint az

Részletesebben

Exponenciális és logaritmusos kifejezések, egyenletek

Exponenciális és logaritmusos kifejezések, egyenletek Gyaorló feladato Eponenciális és logaritmusos ifejezése, egyenlete. Hatványozási azonosságo. Számítsd i a övetező hatványo pontos értéét! g) b) c) d) 7 e) f) 9 0, 9 h) 0, 6 i) 0,7 j), 6 ), l). A övetező

Részletesebben

Állapottér modellek tulajdonságai PTE PMMK MI BSc 1

Állapottér modellek tulajdonságai PTE PMMK MI BSc 1 Állapottér modelle tulajdonságai 28..22. PTE PMMK MI BSc Kalman-féle rendszer definíció Σ (T, X, U, Y, Ω, Γ, ϕ, η) T az időhalmaz X a lehetséges belső állapoto halmaza U a lehetséges bemeneti értée halmaza

Részletesebben

Digitális mérőműszerek. Kaltenecker Zsolt Hiradástechnikai Villamosmérnök Szinusz Hullám Bt.

Digitális mérőműszerek. Kaltenecker Zsolt Hiradástechnikai Villamosmérnök Szinusz Hullám Bt. Digitális mérőműszerek Digitális jelek mérése Kaltenecker Zsolt Hiradástechnikai Villamosmérnök Szinusz Hullám Bt. MIRŐL LESZ SZÓ? Mit mérjünk? Hogyan jelentkezik a minőségromlás digitális jel esetében?

Részletesebben

Ellenőrző kérdések a Jelanalízis és Jelfeldolgozás témakörökhöz

Ellenőrző kérdések a Jelanalízis és Jelfeldolgozás témakörökhöz Ellenőrző kérdések a Jelanalízis és Jelfeldolgozás témakörökhöz 1. Hogyan lehet osztályozni a jeleket időfüggvényük időtartama szerint? 2. Mi a periodikus jelek definiciója? (szöveg, képlet, 3. Milyen

Részletesebben

Jelek és rendszerek 1. 10/9/2011 Dr. Buchman Attila Informatikai Rendszerek és Hálózatok Tanszék

Jelek és rendszerek 1. 10/9/2011 Dr. Buchman Attila Informatikai Rendszerek és Hálózatok Tanszék Jelek és rendszerek 1 10/9/2011 Dr. Buchman Attila Informatikai Rendszerek és Hálózatok Tanszék 1 Ajánlott irodalom: FODOR GYÖRGY : JELEK ÉS RENDSZEREK EGYETEMI TANKÖNYV Műegyetemi Kiadó, Budapest, 2006

Részletesebben

Véletlen jelenség: okok rendszere hozza létre - nem ismerhetjük mind, ezért sztochasztikus.

Véletlen jelenség: okok rendszere hozza létre - nem ismerhetjük mind, ezért sztochasztikus. Valószín ségelméleti és matematikai statisztikai alapfogalmak összefoglalása (Kemény Sándor - Deák András: Mérések tervezése és eredményeik értékelése, kivonat) Véletlen jelenség: okok rendszere hozza

Részletesebben

A 2015/2016. tanévi Országos Középiskolai Tanulmányi Verseny második forduló MATEMATIKA I. KATEGÓRIA (SZAKKÖZÉPISKOLA) Javítási-értékelési útmutató

A 2015/2016. tanévi Országos Középiskolai Tanulmányi Verseny második forduló MATEMATIKA I. KATEGÓRIA (SZAKKÖZÉPISKOLA) Javítási-értékelési útmutató Otatási Hivatal A 015/016 tanévi Országos Középisolai Tanulmányi Verseny másodi forduló MATEMATIKA I KATEGÓRIA (SZAKKÖZÉPISKOLA) Javítási-értéelési útmutató 1 Egy adott földterület felásását három munás

Részletesebben

Speciális függvénysorok: Taylor-sorok

Speciális függvénysorok: Taylor-sorok Speciális függvénysoro: Taylor-soro Állítsu elő az alábbi függvénye x 0 0 helyhez tartozó hatványsorát esetleg ülönféle módszereel és állapítsu meg a hatványsor onvergenciatartományát! A cos 5x függvény

Részletesebben

Villamos hálózati zavarok

Villamos hálózati zavarok - - Dr. arni stván Villamos hálózati zavaro Az utóbbi néhány évben az épülettechnia szaágazatban jelentős változáso övetezte be. Ebbe a szaágazatba sorolju jelenleg az energiatechniát, a világítástechniát,

Részletesebben

Informatikai eszközök fizikai alapjai Lovász Béla

Informatikai eszközök fizikai alapjai Lovász Béla Informatikai eszközök fizikai alapjai Lovász Béla Kódolás Moduláció Morzekód Mágneses tárolás merevlemezeken Modulációs eljárások típusai Kódolás A kód megállapodás szerinti jelek vagy szimbólumok rendszere,

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 10 X. SZIMULÁCIÓ 1. VÉLETLEN számok A véletlen számok fontos szerepet játszanak a véletlen helyzetek generálásában (pénzérme, dobókocka,

Részletesebben

BAYES-ANALÍZIS A KOCKÁZATELEMZÉSBEN, DISZKRÉT VALÓSZÍNŰSÉG ELOSZLÁSOK ALKALMAZÁSA 3

BAYES-ANALÍZIS A KOCKÁZATELEMZÉSBEN, DISZKRÉT VALÓSZÍNŰSÉG ELOSZLÁSOK ALKALMAZÁSA 3 Balogh Zsuzsanna Hana László BAYES-ANALÍZIS A KOCKÁZATELEMZÉSBEN, DISZKRÉT VALÓSZÍNŰSÉG ELOSZLÁSOK ALKALMAZÁSA 3 Ebben a dolgozatban a Bayes-féle módszer alalmazási lehetőségét mutatju be a ocázatelemzés

Részletesebben

Fourier-sorfejtés vizsgálata Négyszögjel sorfejtése, átviteli vizsgálata

Fourier-sorfejtés vizsgálata Négyszögjel sorfejtése, átviteli vizsgálata Fourier-sorfejtés vizsgálata Négyszögjel sorfejtése, átviteli vizsgálata Reichardt, András 27. szeptember 2. 2 / 5 NDSM Komplex alak U C k = T (T ) ahol ω = 2π T, k módusindex. Időfüggvény előállítása

Részletesebben

BAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011.

BAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011. BAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011. 1 Mérési hibák súlya és szerepe a mérési eredményben A mérési hibák csoportosítása A hiba rendűsége Mérési bizonytalanság Standard és kiterjesztett

Részletesebben

Távközlő hálózatok és szolgáltatások Távközlő rendszerek áttekintése

Távközlő hálózatok és szolgáltatások Távközlő rendszerek áttekintése Távközlő hálózatok és szolgáltatások Távközlő rendszerek áttekintése Németh Krisztián BME TMIT 2015. szept. 14, 21. A tárgy felépítése 1. Bevezetés Bemutatkozás, játékszabályok, stb. Történelmi áttekintés

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 3 III. VÉLETLEN VEKTOROK 1. A KÉTDIMENZIÓs VÉLETLEN VEKTOR Definíció: Az leképezést (kétdimenziós) véletlen vektornak nevezzük, ha Definíció:

Részletesebben

Valószínűségi változók. Várható érték és szórás

Valószínűségi változók. Várható érték és szórás Matematikai statisztika gyakorlat Valószínűségi változók. Várható érték és szórás Valószínűségi változók 2016. március 7-11. 1 / 13 Valószínűségi változók Legyen a (Ω, A, P) valószínűségi mező. Egy X :

Részletesebben

Interpoláció. Korszerű matematikai módszerek 2013.

Interpoláció. Korszerű matematikai módszerek 2013. Iterpoláció Korszerű matematiai módszere 2013. Tartalom Iterpolációs eljáráso Klasszius iterpoláció Általáosított iterpoláció Eltolt lieáris iterpoláció Iterpoláció feladata alappoto: x,, 0, 1,..., ahol

Részletesebben

Valószínűségszámítás összefoglaló

Valószínűségszámítás összefoglaló Statisztikai módszerek BMEGEVGAT Készítette: Halász Gábor Budapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Hidrodinamikai Rendszerek Tanszék, Budapest, Műegyetem rkp. 3. D ép. 334. Tel:

Részletesebben

1. Fourier-sorok. a 0 = 1. Ennek a fejezetnek a célja a 2π szerint periodikus. 1. Ha k l pozitív egészek, akkor. (a) cos kx cos lxdx = 1 2 +

1. Fourier-sorok. a 0 = 1. Ennek a fejezetnek a célja a 2π szerint periodikus. 1. Ha k l pozitív egészek, akkor. (a) cos kx cos lxdx = 1 2 + . Fourier-soro. Bevezet definíció Enne a fejezetne a célja, hogy egy szerint periodius függvényt felírjun mint trigonometrius függvényeből épzett függvénysorént. Nyilván a cos x a sin x függvénye szerint

Részletesebben

Least Squares becslés

Least Squares becslés Least Squares becslés A négyzetes hibafüggvény: i d i ( ) φx i A négyzetes hibafüggvény mellett a minimumot biztosító megoldás W=( d LS becslés A gradiens számítása és nullává tétele eredményeképp A megoldás

Részletesebben

A RUGALMAS GYÁRTÓRENDSZEREK MŰVELETTÍPUSON ALAPULÓ KAPACITÁSELEMZÉSÉNEK EGYSZERŰSÍTÉSE

A RUGALMAS GYÁRTÓRENDSZEREK MŰVELETTÍPUSON ALAPULÓ KAPACITÁSELEMZÉSÉNEK EGYSZERŰSÍTÉSE A RUGALMAS GYÁRTÓRENDSZEREK MŰVELETTÍPUSON ALAPULÓ KAPACITÁSELEMZÉSÉNEK EGYSZERŰSÍTÉSE 1. BEVEZETÉS Juász Vitor P.D. allgató A modern, profitorientált termelővállalato elsődleges célitűzései özé tartozi

Részletesebben

1. ábra. Repülő eszköz matematikai modellje ( fekete doboz )

1. ábra. Repülő eszköz matematikai modellje ( fekete doboz ) Wührl Tibor DIGITÁLIS SZABÁLYZÓ KÖRÖK NEMLINEARITÁSI PROBLÉMÁI FIXPONTOS SZÁMÁBRÁZOLÁS ESETÉN RENDSZERMODELL A pilóta nélküli repülő eszközök szabályzó körének tervezése során első lépésben a repülő eszköz

Részletesebben

Gyakorló feladatok. Az alábbi feladatokon kívül a félév szemináriumi anyagát is nézzék át. Jó munkát! Gaál László

Gyakorló feladatok. Az alábbi feladatokon kívül a félév szemináriumi anyagát is nézzék át. Jó munkát! Gaál László Gyakorló feladatok Az alábbi feladatokon kívül a félév szemináriumi anyagát is nézzék át. Jó munkát! Gaál László I/. A vizsgaidőszak második napján a hallgatók %-ának az E épületben, %-ának a D épületben,

Részletesebben

Függvények Megoldások

Függvények Megoldások Függvények Megoldások ) Az ábrán egy ; intervallumon értelmezett függvény grafikonja látható. Válassza ki a felsoroltakból a függvény hozzárendelési szabályát! a) x x b) x x + c) x ( x + ) b) Az x függvény

Részletesebben

6. témakör. Mintavételezés elve Digitális jelfeldolgozás (DSP) alapjai

6. témakör. Mintavételezés elve Digitális jelfeldolgozás (DSP) alapjai 6. témakör Mintavételezés elve Digitális jelfeldolgozás (DSP) alapjai A mintavételezés blokkvázlata Mintavételezés: Digitális jel mintavevô kvantáló kódoló Átvitel Tárolás antialiasing szűrő Feldolgozás

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 8 VIII. REGREssZIÓ 1. A REGREssZIÓs EGYENEs Két valószínűségi változó kapcsolatának leírására az eddigiek alapján vagy egy numerikus

Részletesebben

Kiegészítő részelőadás 2. Algebrai és transzcendens számok, nevezetes konstansok

Kiegészítő részelőadás 2. Algebrai és transzcendens számok, nevezetes konstansok Kiegészítő részelőadás. Algebrai és transzcendens számo, nevezetes onstanso Dr. Kallós Gábor 04 05 A valós számo ategorizálása Eml. (óori felismerés): nem minden szám írható fel törtszámént (racionálisént)

Részletesebben

Fourier térbeli analízis, inverz probléma. Orvosi képdiagnosztika 5-7. ea ősz

Fourier térbeli analízis, inverz probléma. Orvosi képdiagnosztika 5-7. ea ősz Fourier térbeli analízis, inverz probléma Orvosi képdiagnosztika 5-7. ea. 2017 ősz 5. Előadás témái Fourier transzformációk és kapcsolataik: FS, FT, DTFT, DFT, DFS Mintavételezés, interpoláció Folytonos

Részletesebben

2. Hangfrekvenciás mechanikai rezgések vizsgálata jegyzőkönyv. Zsigmond Anna Fizika Bsc II. Mérés dátuma: Leadás dátuma:

2. Hangfrekvenciás mechanikai rezgések vizsgálata jegyzőkönyv. Zsigmond Anna Fizika Bsc II. Mérés dátuma: Leadás dátuma: 2. Hangfrekvenciás mechanikai rezgések vizsgálata jegyzőkönyv Zsigmond Anna Fizika Bsc II. Mérés dátuma: 2008. 09. 24. Leadás dátuma: 2008. 10. 01. 1 1. Mérések ismertetése Az 1. ábrán látható összeállításban

Részletesebben

Mérési hibák 2006.10.04. 1

Mérési hibák 2006.10.04. 1 Mérési hibák 2006.10.04. 1 Mérés jel- és rendszerelméleti modellje Mérési hibák_labor/2 Mérési hibák mérési hiba: a meghatározandó értékre a mérés során kapott eredmény és ideális értéke közötti különbség

Részletesebben

1. Komplex szám rendje

1. Komplex szám rendje 1. Komplex szám redje A hatváyo periódiusa ismétlőde. Tétel Legye 0 z C. Ha z egységgyö, aor hatváyai periódiusa ismétlőde. Ha z em egységgyö, aor bármely ét, egész itevőjű hatváya ülöböző. Tegyü föl,

Részletesebben

2. témakör. Sztochasztikus, stacionárius és ergodikus jelek leírása idő és frekvenciatartományban

2. témakör. Sztochasztikus, stacionárius és ergodikus jelek leírása idő és frekvenciatartományban 2. témakör Sztochasztikus, stacionárius és ergodikus jelek leírása idő és frekvenciatartományban Bevezetés Egy összetett jel, amely nem feltétlen periodikus, de stabil amplitúdójó és frekvenciájú diszkrét

Részletesebben

^ e-j-kt.h ( í U) + A 0

^ e-j-kt.h ( í U) + A 0 Vezetékes optikai átvitel rendszerparaméterei közti összefüggések* ÁRIK TIVADAR Távközlési Kutató Intézet. Bevezetés Napjaink egyik izgalmas és még megválaszolatlan kérdése a fénynek információhordozóként

Részletesebben

Diszkrét matematika I. középszint Alapfogalmakhoz tartozó feladatok kidolgozása

Diszkrét matematika I. középszint Alapfogalmakhoz tartozó feladatok kidolgozása Diszrét matematia I. özépszint Alapfogalmahoz tartozó feladato idolgozása A doumentum a övetező címen elérhető alapfogalmahoz tartozó példafeladato lehetséges megoldásait tartalmazza: http://compalg.inf.elte.hu/~merai/edu/dm1/alapfogalma.pdf

Részletesebben

JELEK ALAPSÁVI LEÍRÁSA. MODULÁCIÓK. A CSATORNA LEÍRÁSA, TULAJDONSÁGAI.

JELEK ALAPSÁVI LEÍRÁSA. MODULÁCIÓK. A CSATORNA LEÍRÁSA, TULAJDONSÁGAI. 216. okóber 7., Budapes JELEK ALAPSÁVI LEÍRÁSA. MODULÁCIÓK. A CSATORNA LEÍRÁSA, TULAJDONSÁGAI. Alapfogalmak, fizikai réeg mindenki álal ismer fogalmak (hobbiból azér rákérdezheek vizsgán): jel, eljesímény,

Részletesebben

Mintavétel: szorzás az idő tartományban

Mintavétel: szorzás az idő tartományban 1 Mintavételi törvény AD átalakítók + sávlimitált jel τ időközönként mintavétel Mintavétel: szorzás az idő tartományban 1/τ körfrekvenciánként ismétlődik - konvolúció a frekvenciatérben. 2 Nem fednek át:

Részletesebben

Analóg-digitális átalakítás. Rencz Márta/ Ress S. Elektronikus Eszközök Tanszék

Analóg-digitális átalakítás. Rencz Márta/ Ress S. Elektronikus Eszközök Tanszék Analóg-digitális átalakítás Rencz Márta/ Ress S. Elektronikus Eszközök Tanszék Mai témák Mintavételezés A/D átalakítók típusok D/A átalakítás 12/10/2007 2/17 A/D ill. D/A átalakítók A világ analóg, a jelfeldolgozás

Részletesebben

Nagy számok törvényei Statisztikai mintavétel Várható érték becslése. Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem

Nagy számok törvényei Statisztikai mintavétel Várható érték becslése. Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem agy számok törvényei Statisztikai mintavétel Várható érték becslése Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem A mérés mint statisztikai mintavétel A méréssel az eloszlásfüggvénnyel

Részletesebben

e (t µ) 2 f (t) = 1 F (t) = 1 Normális eloszlás negyedik centrális momentuma:

e (t µ) 2 f (t) = 1 F (t) = 1 Normális eloszlás negyedik centrális momentuma: Normális eloszlás ξ valószínűségi változó normális eloszlású. ξ N ( µ, σ 2) Paraméterei: µ: várható érték, σ 2 : szórásnégyzet (µ tetszőleges, σ 2 tetszőleges pozitív valós szám) Normális eloszlás sűrűségfüggvénye:

Részletesebben

11. Orthogonal Frequency Division Multiplexing ( OFDM)

11. Orthogonal Frequency Division Multiplexing ( OFDM) 11. Orthogonal Frequency Division Multiplexing ( OFDM) Az OFDM (Orthogonal Frequency Division Multiplexing ) az egyik legszélesebb körben alkalmazott eljárás. Ez az eljárás az alapja a leggyakrabban alkalmazott

Részletesebben

Mintavételezés és AD átalakítók

Mintavételezés és AD átalakítók HORVÁTH ESZTER BUDAPEST MŰSZAKI ÉS GAZDASÁGTUDOMÁNYI EGYETEM JÁRMŰELEMEK ÉS JÁRMŰ-SZERKEZETANALÍZIS TANSZÉK ÉRZÉKELÉS FOLYAMATA Az érzékelés, jelfeldolgozás általános folyamata Mérés Adatfeldolgozás 2/31

Részletesebben

párhuzamosan kapcsolt tagok esetén az eredő az egyes átviteli függvények összegeként adódik.

párhuzamosan kapcsolt tagok esetén az eredő az egyes átviteli függvények összegeként adódik. 6/1.Vezesse le az eredő ávieli üggvény soros apcsolás eseén a haásvázla elrajzolásával. az i-edi agra, illeve az uolsó agra., melyből iejezheő a sorba apcsol ago eredő ávieli üggvénye: 6/3.Vezesse le az

Részletesebben

Gyakorló többnyire régebbi zh feladatok. Intelligens orvosi műszerek október 2.

Gyakorló többnyire régebbi zh feladatok. Intelligens orvosi műszerek október 2. Gyakorló többnyire régebbi zh feladatok Intelligens orvosi műszerek 2018. október 2. Régebbi zh feladat - #1 Az ábrán látható két jelet, illetve összegüket mozgóablak mediánszűréssel szűrjük egy 11 pontos

Részletesebben

6. HMÉRSÉKLETMÉRÉS. A mérés célja: ismerkedés a villamos elven mköd kontakthmérkkel; exponenciális folyamat idállandójának meghatározása.

6. HMÉRSÉKLETMÉRÉS. A mérés célja: ismerkedés a villamos elven mköd kontakthmérkkel; exponenciális folyamat idállandójának meghatározása. 6. HMÉRSÉKLETMÉRÉS A mérés célja: ismeredés a villamos elven möd ontathmérel; exponenciális folyamat idállandójána meghatározása. Elismerete: ellenállás hmérséletfüggése; ellenállás és feszültség mérése;

Részletesebben

2 ahol α a relére jellemző belső szög. A fázisszögrelé karakterisztikája az alábbi ábrán figyelhető meg.

2 ahol α a relére jellemző belső szög. A fázisszögrelé karakterisztikája az alábbi ábrán figyelhető meg. VEL.6 mpedancia-mérés szög- és mérlegelven. A távolsági védelem elve, elépítése egymérőelemes esetben. ülönböző zárlato impedanciamérése. Távolsági védelme oozatszámítása. mpedanciamérés szögelv segítségével

Részletesebben

Kiegészítő részelőadás 2. Algebrai és transzcendens számok, nevezetes konstansok

Kiegészítő részelőadás 2. Algebrai és transzcendens számok, nevezetes konstansok Kiegészítő részelőadás 2. Algebrai és transzcendens számo, nevezetes onstanso Dr. Kallós Gábor 204 205 A valós számo ategorizálása Eml. (óori felismerés): nem minden szám írható fel törtszámént (racionálisént)

Részletesebben

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉPSZINT Függvények

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉPSZINT Függvények MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉPSZINT Függvények A szürkített hátterű feladatrészek nem tartoznak az érintett témakörhöz, azonban szolgálhatnak fontos információval az érintett feladatrészek

Részletesebben

Számelméleti alapfogalmak

Számelméleti alapfogalmak Számelméleti alapfogalma A maradéos osztás tétele Legye a és b ét természetes szám, b, és a>b Aor egyértelme léteze q és r természetes számo, amelyere igaz: a b q r, r b Megevezés: a osztadó b osztó q

Részletesebben

Pontműveletek. Sergyán Szabolcs Óbudai Egyetem Neumann János Informatikai Kar február 20.

Pontműveletek. Sergyán Szabolcs Óbudai Egyetem Neumann János Informatikai Kar február 20. Pontműveletek Sergyán Szabolcs sergyan.szabolcs@nik.uni-obuda.hu Óbudai Egyetem Neumann János Informatikai Kar 2012. február 20. Sergyán (OE NIK) Pontműveletek 2012. február 20. 1 / 40 Felhasznált irodalom

Részletesebben

Elektronika Előadás. Modulátorok, demodulátorok, lock-in erősítők

Elektronika Előadás. Modulátorok, demodulátorok, lock-in erősítők Elektronika 2 10. Előadás Modulátorok, demodulátorok, lock-in erősítők Irodalom - Megyeri János: Analóg elektronika, Tankönyvkiadó, 1990 - U. Tiecze, Ch. Schenk: Analóg és digitális áramkörök, Műszaki

Részletesebben

b) Ábrázolja ugyanabban a koordinátarendszerben a g függvényt! (2 pont) c) Oldja meg az ( x ) 2

b) Ábrázolja ugyanabban a koordinátarendszerben a g függvényt! (2 pont) c) Oldja meg az ( x ) 2 1) Az ábrán egy ; intervallumon értelmezett függvény grafikonja látható. Válassza ki a felsoroltakból a függvény hozzárendelési szabályát! a) b) c) ( ) ) Határozza meg az 1. feladatban megadott, ; intervallumon

Részletesebben

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉPSZINT Függvények

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉPSZINT Függvények MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉPSZINT Függvények A szürkített hátterű feladatrészek nem tartoznak az érintett témakörhöz, azonban szolgálhatnak fontos információval az érintett feladatrészek

Részletesebben

Komplex számok. 6. fejezet. A komplex szám algebrai alakja. Feladatok. alábbi komplex számokat és helyvektorukat:

Komplex számok. 6. fejezet. A komplex szám algebrai alakja. Feladatok. alábbi komplex számokat és helyvektorukat: 6 fejezet Komplex számo A omplex szám algebrai alaja D 61 Komplex száma evezü mide olya a+bi alaú ifejezést amelybe a és b valós szám i pedig az összes valós számtól ülöböz épzetes egysége evezett szimbólum

Részletesebben

Khi-négyzet eloszlás. Statisztika II., 3. alkalom

Khi-négyzet eloszlás. Statisztika II., 3. alkalom Khi-négyzet eloszlás Statisztika II., 3. alkalom A khi négyzet eloszlást (Pearson) leggyakrabban kategorikus adatok elemzésére használjuk. N darab standard normális eloszlású változó négyzetes összegeként

Részletesebben

Folyadékszcintillációs spektroszkópia jegyz könyv

Folyadékszcintillációs spektroszkópia jegyz könyv Folyadékszcintillációs spektroszkópia jegyz könyv Zsigmond Anna Julia Fizika MSc I. Mérés vezet je: Horváth Ákos Mérés dátuma: 2010. október 21. Leadás dátuma: 2010. november 8. 1 1. Bevezetés A mérés

Részletesebben

1. témakör. A hírközlés célja, általános modellje A jelek osztályozása Periodikus jelek leírása időtartományban

1. témakör. A hírközlés célja, általános modellje A jelek osztályozása Periodikus jelek leírása időtartományban 1. témakör A hírközlés célja, általános modellje A jelek osztályozása Periodikus jelek leírása időtartományban A hírközlés célja, általános modellje Üzenet: Hír: Jel: Zaj: Továbbításra szánt adathalmaz

Részletesebben

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉP SZINT Függvények

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉP SZINT Függvények MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉP SZINT Függvények A szürkített hátterű feladatrészek nem tartoznak az érintett témakörhöz, azonban szolgálhatnak fontos információval az érintett feladatrészek

Részletesebben

BME Mobil Innovációs Központ

BME Mobil Innovációs Központ rádiós lefedettség elméleti jellemzői és gyakorlati megvalósulása, elméleti alapok rofesszionális Mobiltávközlési Nap 010 Dr. ap László egyetemi tanár, az MT rendes tagja BME Mobil 010.04.15. 1 rádiókommunikáció

Részletesebben

Z v 1 (t)v 2 (t τ)dt. R 12 (τ) = 1 R 12 (τ) = lim T T. ill. periódikus jelekre:

Z v 1 (t)v 2 (t τ)dt. R 12 (τ) = 1 R 12 (τ) = lim T T. ill. periódikus jelekre: 1 Korrelációs fügvények Hasonlóság mértéke a két függvény szorzatának integrálja Időbeli változások esetén lehet vizsgálni a hasonlóságot a τ relatív időkülönbség szerint: Keresztkorrelációs függvény:

Részletesebben

6. Bizonyítási módszerek

6. Bizonyítási módszerek 6. Bizonyítási módszere I. Feladato. Egy 00 00 -as táblázat minden mezőjébe beírju az,, 3 számo valamelyiét és iszámítju soronént is, oszloponént is, és a ét átlóban is az ott lévő 00-00 szám öszszegét.

Részletesebben

Rezgőmozgás. A mechanikai rezgések vizsgálata, jellemzői és dinamikai feltétele

Rezgőmozgás. A mechanikai rezgések vizsgálata, jellemzői és dinamikai feltétele Rezgőmozgás A mechanikai rezgések vizsgálata, jellemzői és dinamikai feltétele A rezgés fogalma Minden olyan változás, amely az időben valamilyen ismétlődést mutat rezgésnek nevezünk. A rezgések fajtái:

Részletesebben

Biomatematika 12. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János

Biomatematika 12. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János Szent István Egyetem Állatorvos-tudományi Kar Biomatematikai és Számítástechnikai Tanszék Biomatematika 12. Regresszió- és korrelációanaĺızis Fodor János Copyright c Fodor.Janos@aotk.szie.hu Last Revision

Részletesebben

Négyszög - Háromszög Oszcillátor Mérése Mérési Útmutató

Négyszög - Háromszög Oszcillátor Mérése Mérési Útmutató ÓBUDAI EGYETEM Kandó Kálmán Villamosmérnöki Kar Híradástechnika Intézet Négyszög - Háromszög Oszcillátor Mérése Mérési Útmutató A mérést végezte: Neptun kód: A mérés időpontja: A méréshez szükséges eszközök:

Részletesebben

ÉRZÉKELŐK ÉS BEAVATKOZÓK I. 3. MÉRÉSFELDOLGOZÁS

ÉRZÉKELŐK ÉS BEAVATKOZÓK I. 3. MÉRÉSFELDOLGOZÁS ÉRZÉKELŐK ÉS BEAVATKOZÓK I. 3. MÉRÉSFELDOLGOZÁS Dr. Soumelidis Alexandros 2018.10.04. BME KÖZLEKEDÉSMÉRNÖKI ÉS JÁRMŰMÉRNÖKI KAR 32708-2/2017/INTFIN SZÁMÚ EMMI ÁLTAL TÁMOGATOTT TANANYAG Mérés-feldolgozás

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 2 II. A valószínűségi VÁLTOZÓ És JELLEMZÉsE 1. Valószínűségi VÁLTOZÓ Definíció: Az leképezést valószínűségi változónak nevezzük, ha

Részletesebben

k n k, k n 2 C n k k=[ n+1 2 ] 1.1. ábra. Pascal háromszög

k n k, k n 2 C n k k=[ n+1 2 ] 1.1. ábra. Pascal háromszög Alapfeladato Megoldás A ombináció értelmezése alapján felírhatju, hogy n, n Ha n páros, aor n és n özött veszi fel értéeit Ha n páratlan, aor n, vagyis > n n+, ami azt jelenti, hogy és n özött veszi fel

Részletesebben

Képrestauráció Képhelyreállítás

Képrestauráció Képhelyreállítás Képrestauráció Képhelyreállítás Képrestauráció - A képrestauráció az a folyamat mellyel a sérült képből eltávolítjuk a degradációt, eredményképpen pedig az eredetihez minél közelebbi képet szeretnénk kapni

Részletesebben

Az Ampère-Maxwell-féle gerjesztési törvény

Az Ampère-Maxwell-féle gerjesztési törvény Az Ampère-Maxwell-féle gerjesztési törvény Maxwell elméleti meggondolások alapján feltételezte, hogy a változó elektromos tér örvényes mágneses teret kelt (hasonlóan ahhoz ahogy a változó mágneses tér

Részletesebben

1. Ismertesse az átviteltechnikai mérőadók szolgáltatásait!

1. Ismertesse az átviteltechnikai mérőadók szolgáltatásait! Ellenőrző kérdések A mérés elején öt kérdésre kell választ adni. Egy hibás válasz a mérésre adott osztályzatot egy jeggyel rontja. Kettő vagy annál több hibás válasz pótmérést eredményez! A kapcsolási

Részletesebben

VALÓS SZÁMOK MEGKÖZELÍTÉSE TÖRTEKKEL

VALÓS SZÁMOK MEGKÖZELÍTÉSE TÖRTEKKEL Surányi János Farey törte mate.fazeas.u Surányi János VALÓS SZÁMOK MEGKÖZELÍTÉSE TÖRTEKKEL FAREY-TÖRTEK. Egy a alós számot racionális számoal, azaz törteel aarun megözelíteni. A törteet az alábbiaban mindig

Részletesebben

Általános Szerződési Feltételek

Általános Szerződési Feltételek Általános Szerződési Feltétele 2010. március 1-től ötött Pénzügyi Lízingszerződésehez (Személygépjármű, Kishaszongépjármű, Motorerépár finanszírozásához) Érvényes pénzügyi lízing szerződésere 2011. március

Részletesebben

A munkavégzés a rendszer és a környezete közötti energiacserének a D hőátadástól eltérő valamennyi más formája.

A munkavégzés a rendszer és a környezete közötti energiacserének a D hőátadástól eltérő valamennyi más formája. 11. Transzportfolyamatok termodinamikai vonatkozásai 1 Melyik állítás HMIS a felsoroltak közül? mechanikában minden súrlódásmentes folyamat irreverzibilis. disszipatív folyamatok irreverzibilisek. hőmennyiség

Részletesebben

Segítség az outputok értelmezéséhez

Segítség az outputok értelmezéséhez Tanulni: 10.1-10.3, 10.5, 11.10. Hf: A honlapra feltett falco_exp.zip-ben lévő exploratív elemzések áttanulmányozása, érdekességek, észrevételek kigyűjtése. Segítség az outputok értelmezéséhez Leiro: Leíró

Részletesebben