4. Szűrés frekvenciatérben
|
|
- Imre Fehér
- 5 évvel ezelőtt
- Látták:
Átírás
1 4. Szűrés frekvenciatérben Kató Zoltán Képfeldolgozás és Számítógépes Grafika tanszék SZTE (
2 Unitér transzformációk Az unitér transzformációk olyan lineáris, invertálható transzformációk véges dimenziós térben, ahol a transzformációs kernel ortogonális és igazak az alábbi egymással ekvivalens megállapítások (U unitér transzformáció): UU T = I, azaz U inverze komplex konjugáltjának transzponáltja; Normatartó: f g = Uf Ug, ahol f és g képfüggvények a véges dimenziós tér elemei, : : pedig a skaláris szorzatot jelöli; U oszlopai és sorai orthonormált bázist alkotnak. Képfeldolgozásban gyakori unitér transzformációk: Fourier, cosinus, Hadamard, Haar,
3 3 Fourier transzformáció Minden függvény felírható különböző frekvenciájú sin és cos függvények (végtelen) súlyozott összegeként. Ennek matematikai eszköze a Fourier-transzformáció. Jean Baptiste Joseph Fourier ( ) =
4 4 Fourier transzformáció A Fourier transzformáció a képfeldolgozásban leggyakrabban használt unitér transzformáció: Felbontás hullámfüggvényekre Az eredeti f(x) függvény (jel) frekvenciáit reprezentálja f(x) Fourier Transzformáció F(w) Minden w ϵ (0,.., )-ra F(w) a megfelelő hullámfüggvény A amplitúdóját és f fázisát adja F(w) komplex F( w) R( w) ii ( w) A R w I ( ) ( w) f arctan I( w) R( w) F(w) Inverz Fourier Transzformáció f(x)
5 5 Komplex számok képzetes -1 b -i a = z cos(f ) b = z sin(f ) i z f a magnitúdó fázis valós 1 valós rész z = Re(z) + Im(z) i = a + b i = z cos(f ) + z sin(f ) i = z (cos(f ) + i sin(f )) = z e i f i f z 1 a b arctan b a képzetes rész imaginárius egység abszolút érték fázis szög
6 6 1D cos hullámfüggvény f ( t ) A cos t f 1/λ frekvencia (Hz) A - amplitúdó λ - hullámhossz f - fázis eltolás
7 1D (folytonos) Fourier transzformáció f L 1 (, ) (folytonos) F( X ) f ( x) f ( x) e F( X ) e ixx ixx dx dx (inverz trafó) bázis-függvények
8 D (folytonos) Fourier transzformáció A skaláris szorzat nem más, mint a bázisfüggvényekkel vett hasonlóság mértéke, vagy a bemeneti függvény vetülete a bázisfüggvényekre A teljes D síkon vett integrálok! F( X, Y ) f ( x, y) e i( xx yy ) dxdy f ( x, y) F( X, Y ) e i( xx yy ) dxdy bázis-függvények
9 9 D cos hullámfüggvény Síkhullámok θ orientáció (a síkban milyen irányban futnak a hullámok) Amplitúdó ~szürkeárnyalat q orientation f A f = fázis eltolás A ( x, y) cos ( xsinq y cosq ) f 1
10 10 D cos hullámfüggvény Orientáció és fáziseltolás
11 Diszkrét Fourier transzformáció (DFT) A digitális képek csak véges tartományon értelmezettek A síkon vett integrál helyett véges szumma A DFT eredménye a bemeneti képpel megegyező méretű komplex értékű diszkrét függvény (kép) lesz ) / / ( ) / / ( ), ( ), ( 1 0,1,..., 1, 0,1,..., ), ( 1 ), ( R u C v C yv R xu i R x C y C yv R xu i e v u F y x f C v R u e y x f C R v u F 1 0,1,..., 1, 0,1,..., ), ( C y R x y x f (inverz trafó) RxC méretű kép)
12 1 D Fourier bázis függvények u=-, v= u=-1, v= u=0, v= u=1, v= u=, v= u=-, v=1 u=-1, v=1 u=0, v=1 u=1, v=1 u=, v=1 u u=-, v=0 u=-1, v=0 u=-, v=-1 u=-1, v=-1 u=0, v=0 u=1, v=0 u=, v=0 u=0, v=-1 u=1, v=-1 u=, v=-1 hullámhossz: 1/ u v u=-, v=- u=-1, v=- v u=0, v=- u=1, v=- u=, v=-
13 DFT: M Gyors Fourier transzformáció (Fast Fourier Transform-FFT) FFT: M log M M
14 14 Diszkrét Fourier transzformáció A DFT a képet nem síkban tekinti, hanem egy tórusz felületén! végesből végtelen The BoingBoing Bloggers
15 15 Koordináta rendszerek A kép koordinátarendszer origója a bal felső sarokban van A Fourier síkon az origó középen van y v v u u x f Re(F) Im(F)
16 16 Egy kép Fourier transzformáltja Valós és képzetes rész helyett többet mutat a magnitúdó és fázis A magnitúdó a szélek felé gyorsan elenyészik logaritmikus skálán jelenítjük meg f log( F +1) [F]
17 17 A Fourier sík pontjai θ = a hullámfelület iránya, ha négyzetes a kép. y x Ez a pont ezt a hullámot reprezentálja
18 18 Egy pont és a hullámok közötti összefüggés θ = a hullámfelület iránya, ha négyzetes a kép. F [F]
19 19 Egy pont és a hullámok közötti összefüggés Egy R C kép esetén a DFT (u,v) pontja megadja a hullámfüggvény ismétlődésének számát az adott irányban. A sor és oszlop irányú hullámhossz (pixelben): C u, u R v A hullámfront irányában pedig: C R u v A frekvencia ezek inverze lesz A hullámok iránya pedig a alapján számolható: v -v irány (0,0) sor frekvencia oszlop frekvencia θ = a hullámfelület iránya, ha négyzetes a kép. (digitális kép esetén) q arctan -θ irány vc ur u irány
20 0 Méret és frekvencia közötti összefüggés Ha ΔxΔy egy objektum kiterjedése a képtérben és ΔuΔv a Fourier térben, akkor közöttük az alábbi összefüggés áll fent: x y u v 1 16 space FT frequency Egy kis méretű képelem nagy kiterjedésű lesz a Fourier térben és fordítva. space FT frequency
21 1 Koordináták és irányok a Fourier síkon Mivel a képen a sorok lefelé, az oszlopok pedig jobbra nőnek, a Fourier síkon a szögek fordítottan állnak decreasing rows (-r,-c) (-r,+c) (-r,-c) (-r,+c) q < 0 q > 0 q < 0 increasing cols decreasing cols q > 0 (+r,-c) (+r,+c) (+r,-c) (+r,+c) increasing rows
22 Impulzusok képi megfelelője A lehető legnagyobb frekvenciájú vízszintes irányú hullám (C páros)
23 3 Impulzusok képi megfelelője A lehető legnagyobb frekvenciájú függőleges irányú hullám (R páros)
24 4 Impulzusok képi megfelelője A lehető legnagyobb frekvenciájú vízszintes+függőleges irányú hullám (C és R páros)
25 5 Impulzusok képi megfelelője A lehető legalacsonyabb frekvenciájú vízszintes irányú hullám
26 6 Impulzusok képi megfelelője A lehető legalacsonyabb frekvenciájú függőleges irányú hullám
27 7 Impulzusok képi megfelelője A lehető legalacsonyabb frekvenciájú negatív átlós irányú hullám
28 8 Impulzusok képi megfelelője A lehető legalacsonyabb frekvenciájú pozitív átlós irányú hullám
29 9 Impulzusok képi megfelelője (u,v)=(3,3) frekvencia esetén a korábban megismert képletek alapján kapjuk a hullám λ hullámhosszát és θ irányát C u R v 51 3 q arctan vc ur 351 arctan oszlop 53 q q q q 384 sor
30 30 A Fourier transzformáció tulajdonságai kép-tér frekvencia-tér eredeti elforgatás linearitás eltolás skálázás
31 31 Fourier transzformáció tulajdonságai Képtér (x) Frekvencia tartomány (u) Linearitás c1 f x cgx c1f u cgu Skálázás f ax 1 a F Eltolás f x x 0 e ux Fu Szimmetria Fx f u Konjugált f x F u Konvolúció f x gx FuG u n d f x Differenciálás n iu Fu dx n u a A fenti összefüggések az ( i ux ) frekvenciával vannak levezetve e
32 3 Konvolúció és Fourier transzformáció Konvolúciós tétel: Konvolúció a képtérben szorzás a frekvencia tartományban Ha g f h akkor G u g x e iux dx f h x e iux ddx iu iux f e d hx e dx F iu f e d hx' u H u e iux' dx'
33 33 Konvolúció és Fourier transzformáció Képtér (x) Frekvencia tartomány (u) g f h G FH g fh G F H Tehát g(x)-t előállíthatjuk Fourier transzformációval: g f h IFT FT FT G F H
34 34 Konvolúció Fourier térben konvolúció * = Fourier tr. inverz Fourier tr. = pontonkénti szorzás
35 35 Ideális aluláteresztő szűrő H ILPF ( u, v) 1, 0, ha ( u v különben ) D 0 D 0 : levágási frekvencia, ahol H=1-ből H=0-ba megy át D 0 -nál kisebb frekvenciákat változtatás nélkül átereszti, míg a többit elnyeli. Erős simító hatás Alkalmazási lehetőségek: zajszűrés
36 36 Ideális aluláteresztő szűrő a szűrőfüggvény
37 37 Ideális aluláteresztő szűrés kiindulási kép F. F -1 frekvenciamaszk
38 38 Ideális aluláteresztő szűrés Tesztkép és Fourier transzformáltja a rárajzolt körök sugarai: 30, 80, 30, 15, 5
39 39 Ideális aluláteresztő szűrés eredeti levágási frekvenciák
40 40 Ideális felüláteresztő szűrő H IHPF ( u, v) 0, 1, ha ( u v különben ) D 0 D 0 -nál nagyobb frekvenciákat változtatás nélkül átereszti, míg a többit elnyeli. csak a nagy frekvenciájú komponensek maradnak a képben (pl. él, zaj) Alkalmazási lehetőség: él detektálás
41 Ideális felüláteresztő szűrés
42 4 Ideális felüláteresztő szűrés kiindulási kép F frekvenciamaszk. F -1
43 43 Alul- és felüláteresztő szűrőpárok HPF ( u, v) 1 LPF ( u, v)
44 44 Ideális sáváteresztő szűrő H IBPF ( u, v) 1 0,, ha D1 ( u v ) D különben csak a (D 1,D ) sávba tartozó frekvenciákat engedi át, a többit elnyeli
45 45 Ideális sávszűrés zajos kép frekv. kép frekv. maszk 1 0 szűrt kép
46 46 Ideális szűrő ideális eredmény Éles vágási frekvencia gyűrűsödést idéz elő a képtérben IFT
47 47 Ideális szűrő ideális eredmény Ideális aluláteresztő szűrőt alkalmazva az eredmény szellemképes lesz: Ideal LPF
48 48 Optimális szűrő a Gauss szűrő A lehető legélesebb frekvenci-vágás szellemkép nélkül Gauss szűrő IFT
49 Isotropikus D Gauss szűrő 49 0 ) ( exp ), ( ) ( ) ( exp 1 ), ( D v u v u H y x y x g GLPF x y R = 51, C = 51 = 57, = 64
50 50 Aluláteresztő Gauss szűrő Simítás gyűrűsödés nélkül Gaussian LPF
51 51 Aluláteresztő Gauss szűrés kiindulási kép Gauss frekvencia-maszk szűrt kép
52 5 Gauss aluláteresztő szűrés eredeti levágási frekvenciák
53 53 Gauss felüláteresztő szűrő Fourier tartomány Képtér Szűrő függvények
54 54 Gauss sáváteresztő szűrő Fourier tartomány Képtér Szűrő függvények
55 Butterworth szűrők Gauss szűrő diszkrét közelítése Aluláteresztő Butterworth szűrő Felüláteresztő Butterworth szűrő 55 n BLPF D v u v u H ), ( n BHPF v u D v u H ), (
56 56 Adott frekvenciájú zaj szűrése A Fourier tartomány elemzésével azonosíthatjuk a nemkívánatos frekvenciákat Majd ezeket kimaszkolva előállítjuk a szűrt képet
57 57 kiindulási, frekvencia, szűrt frekvencia, eredmény
58 58 kiindulási, frekvencia, inverz maszk, eredmény
59 59 Felhasznált anyagok Palágyi Kálmán: Digitális Képfeldolgozás /pub/digitalis_kepfeldolgozas Trevor Darrell: C80, Computer Vision s06/lectures/ppts/ Richard Alan Peters: EECE/CS 53 Image Processing További források az egyes diákon megjelölve
Wavelet transzformáció
1 Wavelet transzformáció Más felbontás: Walsh, Haar, wavelet alapok! Eddig: amplitúdó vagy frekvencia leírás: Pl. egy rövid, Dirac-delta jellegű impulzus Fourier-transzformált: nagyon sok, kb. ugyanolyan
Részletesebben3. Szűrés képtérben. Kató Zoltán. Képfeldolgozás és Számítógépes Grafika tanszék SZTE (http://www.inf.u-szeged.hu/~kato/teaching/)
3. Szűrés képtérben Kató Zoltán Képfeldolgozás és Számítógépes Grafika tanszék SZTE http://www.inf.u-szeged.hu/~kato/teaching/ 2 Kép transzformációk típusai Kép értékkészletének radiometriai információ
RészletesebbenIdő-frekvencia transzformációk waveletek
Idő-frekvencia transzformációk waveletek Pokol Gergő BME NTI Üzemi mérések és diagnosztika 2014. május 8. Vázlat Alapfogalmak az idő-frekvencia síkon Rövid idejű Fourier-transzformáció spektrogram Folytonos
RészletesebbenFourier 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
RészletesebbenIdő-frekvencia transzformációk waveletek
Idő-frekvencia transzformációk waveletek Pokol Gergő BME NTI Üzemi mérések és diagnosztika 013. áprils 17. Vázlat Alapfogalmak az idő-frekvencia síkon Rövid idejű Fourier-transzformáció spektrogram Folytonos
RészletesebbenIdő-frekvencia transzformációk waveletek
Idő-frekvencia transzformációk waveletek Pokol Gergő BME NTI Üzemi mérések és diagnosztika 2015. április 23. Vázlat Alapfogalmak az idő-frekvencia síkon Rövid idejű Fourier-transzformáció spektrogram Folytonos
RészletesebbenJelfeldolgozás bevezető. Témalaboratórium
Jelfeldolgozás bevezető Témalaboratórium Tartalom Jelfeldolgozás alapjai Lineáris rendszerelmélet Fourier transzformációk és kapcsolataik Spektrális képek értelmezése Képfeldolgozás alapjai Néhány nevezetesebb
RészletesebbenKéprekonstrukció 3. előadás
Képrekonstrukció 3. előadás Balázs Péter Képfeldolgozás és Számítógépes Grafika Tanszék Szegedi Tudományegyetem Computed Tomography (CT) Elv: Röntgen-sugarak áthatolása 3D objektum 3D térfogati kép Mérések
RészletesebbenFehérzajhoz a konstans érték kell - megoldás a digitális szűrő Összegezési súlyok sin x/x szerint (ez akár analóg is lehet!!!)
DSP processzorok: 1 2 3 HP zajgenerátor: 4 Shift regiszter + XOR kapu: 2 n állapot Autókorrelációs függvény: l. pénzdobálás: (sin x/x) 2 burkoló! Fehérzajhoz a konstans érték kell - megoldás a digitális
RészletesebbenOrtogonalizáció. Wettl Ferenc Wettl Ferenc Ortogonalizáció / 41
Ortogonalizáció Wettl Ferenc 2016-03-22 Wettl Ferenc Ortogonalizáció 2016-03-22 1 / 41 Tartalom 1 Ortonormált bázis 2 Ortogonális mátrix 3 Ortogonalizáció 4 QR-felbontás 5 Komplex skaláris szorzás 6 Diszkrét
RészletesebbenFourier transzformáció
a Matematika mérnököknek II. című tárgyhoz Fourier transzformáció Fourier transzformáció, heurisztika Tekintsük egy 2L szerint periodikus függvény Fourier sorát: f (x) = a 0 2 + ( ( nπ ) ( nπ )) a n cos
RészletesebbenShift regiszter + XOR kapu: 2 n állapot
DSP processzorok: 1 2 HP zajgenerátor: 3 Shift regiszter + XOR kapu: 2 n állapot Autókorrelációs függvény: l. pénzdobálás: (sin x/x) 2 burkoló! 4 Fehérzajhoz a konstans érték kell - megoldás a digitális
RészletesebbenMer legesség. Wettl Ferenc 2015-03-13. Wettl Ferenc Mer legesség 2015-03-13 1 / 40
Mer legesség Wettl Ferenc 2015-03-13 Wettl Ferenc Mer legesség 2015-03-13 1 / 40 Tartalom 1 Pszeudoinverz 2 Ortonormált bázis ortogonális mátrix 3 Komplex és véges test feletti terek 4 Diszkrét Fourier-transzformált
Részletesebben6. Éldetektálás. Kató Zoltán. Képfeldolgozás és Számítógépes Grafika tanszék SZTE (http://www.inf.u-szeged.hu/~kato/teaching/)
6. Éldetektálás Kató Zoltán Képeldolgozás és Számítógépes Graika tanszék SZTE (http://www.in.u-szeged.hu/~kato/teaching/) 2 Élek A képen ott található él, ahol a kép-üggvény hirtelen változik. A kép egy
RészletesebbenKépfeldolgozó eljárások áttekintés. Orvosi képdiagnosztika
Képfeldolgozó eljárások áttekintés Orvosi képdiagnosztika Tartalomjegyzék Képmanipulációs eljárások Képjavítás (kontraszt módosítás, intenzitásviszonyok módosításahisztogram módosítás, zajszűrés) Képelemzés
RészletesebbenMintavétel: 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:
Részletesebben8. Pontmegfeleltetések
8. Pontmegfeleltetések Kató Zoltán Képfeldolgozás és Számítógépes Grafika tanszék SZTE (http://www.inf.u-szeged.hu/~kato/teaching/) 2 Példa: panoráma kép készítés 1. Jellemzőpontok detektálása mindkét
RészletesebbenADAT- ÉS INFORMÁCIÓFELDOLGOZÁS
ADAT- ÉS INFORMÁCIÓFELDOLGOZÁS Földtudományi mérnöki MSc mesterszak 2018/19 I. félév TANTÁRGYI KOMMUNIKÁCIÓS DOSSZIÉ Miskolci Egyetem Műszaki Földtudományi Kar Geofizikai és Térinformatikai Intézet A tantárgy
Részletesebbenilletve, mivel előjelét a elnyeli, a szinuszból pedig kiemelhető: = " 3. = + " 2 = " 2 % &' + +
DFT 1. oldal A Fourier-sorfejtés szerint minden periodikus jel egyértelműen felírható különböző amplitúdójú és fázisú szinusz és koszinusz jelek összegeként: = + + 1. ahol az együtthatók, szintén a definíció
RészletesebbenHa sokáig mérünk: kiátlagoljuk a jelet Milyen lesz ez a súlyfüggvény? T idejű integrálás + delta függvény T ideig integrálva:
1 Integráló voltmérő Ha sokáig mérünk: kiátlagoljuk a jelet Milyen lesz ez a súlyfüggvény? T idejű integrálás + delta függvény T ideig integrálva: A súlyfüggvény: T széles impulzus 2 Ha a bemenő zaj B
Részletesebben2012. október 9 és 11. Dr. Vincze Szilvia
2012. október 9 és 11. Dr. Vincze Szilvia Egyváltozós valós függvények nevezetes osztályai I. Algebrai függvények Racionális egész függvények (polinomok) Racionális törtfüggvények Irracionális függvények
Részletesebben1. 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
RészletesebbenKéprestauráció 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
RészletesebbenKépfeldolgozó eljárások áttekintés. Orvosi képdiagnosztika 9. ea ősz
Képfeldolgozó eljárások áttekintés Orvosi képdiagnosztika 9. ea. 2015 ősz Tartalomjegyzék Képmanipulációs eljárások Képjavítás (kontraszt módosítás, intenzitásviszonyok módosításahisztogram módosítás,
RészletesebbenX. ANALÓG JELEK ILLESZTÉSE DIGITÁLIS ESZKÖZÖKHÖZ
X. ANALÓG JELEK ILLESZTÉSE DIGITÁLIS ESZKÖZÖKHÖZ Ma az analóg jelek feldolgozása (is) mindinkább digitális eszközökkel és módszerekkel történik. A feldolgozás előtt az analóg jeleket digitalizálni kell.
RészletesebbenDekonvolúció a mikroszkópiában. Barna László MTA Kísérleti Orvostudományi Kutatóintézet Nikon-KOKI képalkotó Központ
Dekonvolúció a mikroszkópiában Barna László MTA Kísérleti Orvostudományi Kutatóintézet Nikon-KOKI képalkotó Központ 2015 Fourier-Sorok Minden 2π szerint periodikus függvény előállítható f x ~ a 0 2 + (a
RészletesebbenJelfeldolgozás. Gyakorlat: A tantermi gyakorlatokon való részvétel kötelező! Kollokvium: csak gyakorlati jeggyel!
1 Jelfeldolgozás Jegyzet: http://itl7.elte.hu : Elektronika jegyzet (Csákány A., ELTE TTK 119) Jelek feldolgozása (Bagoly Zs. Csákány A.) angol nyelv DSP (PDF) jegyzet Gyakorlat: A tantermi gyakorlatokon
RészletesebbenVIK A2 Matematika - BOSCH, Hatvan, 3. Gyakorlati anyag. Mátrix rangja
VIK A2 Matematika - BOSCH, Hatvan, 3. Gyakorlati anyag 2019. március 21. Mátrix rangja 1. Számítsuk ki az alábbi mátrixok rangját! (d) 1 1 2 2 4 5 1 1 1 1 1 1 1 1 2 1 2 1 1 0 1 1 2 1 0 1 1 1 1 2 3 1 3
RészletesebbenLin.Alg.Zh.1 feladatok
Lin.Alg.Zh. feladatok 0.. d vektorok Adott három vektor ā (0 b ( c (0 az R Euklideszi vektortérben egy ortonormált bázisban.. Mennyi az ā b skalárszorzat? ā b 0 + + 8. Mennyi az n ā b vektoriális szorzat?
RészletesebbenLineáris leképezések. Wettl Ferenc március 9. Wettl Ferenc Lineáris leképezések március 9. 1 / 31
Lineáris leképezések Wettl Ferenc 2015. március 9. Wettl Ferenc Lineáris leképezések 2015. március 9. 1 / 31 Tartalom 1 Mátrixleképezés, lineáris leképezés 2 Alkalmazás: dierenciálhatóság 3 2- és 3-dimenziós
Részletesebben1. Az euklideszi terek geometriája
1. Az euklideszi terek geometriája Bázishoz tartozó skaláris szorzat Emékeztető Az R n vektortérbeli v = λ 2... és w = λ 1 λ n µ 1 µ 2... µ n λ 1 µ 1 +λ 2 µ 2 +...+λ n µ n. Jele v,w. v,w = v T u, azaz
RészletesebbenSergyán Szabolcs szeptember 21.
Éldetektálás Sergyán Szabolcs Budapesti Műszaki Főiskola Neumann János Informatikai Kar 2009. szeptember 21. Sergyán Sz. (BMF NIK) Éldetektálás 2009. szeptember 21. 1 / 28 Mit nevezünk élnek? Intuitív
RészletesebbenHaladó lineáris algebra
B U D A P E S T I M Ű S Z A K I M A T E M A T I K A É S G A Z D A S Á G T U D O M Á N Y I I N T É Z E T E G Y E T E M Haladó lineáris algebra BMETE90MX54 Lineáris leképezések 2017-02-21 IB026 Wettl Ferenc
Részletesebben"Flat" rendszerek. definíciók, példák, alkalmazások
"Flat" rendszerek definíciók, példák, alkalmazások Hangos Katalin, Szederkényi Gábor szeder@scl.sztaki.hu, hangos@scl.sztaki.hu 2006. október 18. flatness - p. 1/26 FLAT RENDSZEREK: Elméleti alapok 2006.
Részletesebben2. Pont operációk. Kató Zoltán. Képfeldolgozás és Számítógépes Grafika tanszék SZTE (http://www.inf.u-szeged.hu/~kato/teaching/)
2. Pont operációk Kató Zoltán Képfeldolgozás és Számítógépes Grafika tanszék SZTE (http://www.inf.u-szeged.hu/~kato/teaching/) 2 Kép transzformációk típusai Kép értékkészletének (radiometriai információ)
RészletesebbenDigitális jelfeldolgozás
Digitális jelfeldolgozás Átviteli függvények Magyar Attila Pannon Egyetem Műszaki Informatikai Kar Villamosmérnöki és Információs Rendszerek Tanszék magyar.attila@virt.uni-pannon.hu 2011. október 13. Digitális
Részletesebbeny = y 0 exp (ax) Y (x) = exp (Ax)Y 0 A n x n 1 (n 1)! = A I + d exp (Ax) = A exp (Ax) exp (Ax)
III Az exp (Ax mátrixfüggvény módszere Ha y = ay, y( = y, a = állandó y = y exp (ax d dx [exp (Ax] = Y = AY, Y ( = Y, Y (x = exp (AxY exp (Ax = I + n= A n x n (n! = A A n x n, n! ] A n x n I + = A exp
RészletesebbenVIK A1 Matematika BOSCH, Hatvan, 5. Gyakorlati anyag
VIK A1 Matematika BOSCH, Hatvan, 5. Gyakorlati anyag 2018/19 1. félév Függvények határértéke 1. Bizonyítsuk be definíció alapján a következőket! (a) lim x 2 3x+1 5x+4 = 1 2 (b) lim x 4 x 16 x 2 4x = 2
RészletesebbenKéprekonstrukció 4. előadás
Képrekonstrukció 4. előadás Balázs Péter Képfeldolgozás és Számítógépes Grafika Tanszék Szegedi Tudományegyetem Vetület-szelet tétel szemléletesen A θ szögű vetület 1D FT-ja az eredeti kép 2D FT-jának
RészletesebbenMátrixok 2017 Mátrixok
2017 számtáblázatok" : számok rendezett halmaza, melyben a számok helye két paraméterrel van meghatározva. Például lineáris egyenletrendszer együtthatómátrixa 2 x 1 + 4 x 2 = 8 1 x 1 + 3 x 2 = 1 ( 2 4
RészletesebbenLin.Alg.Zh.1 feladatok
LinAlgZh1 feladatok 01 3d vektorok Adott három vektor ā = (0 2 4) b = (1 1 4) c = (0 2 4) az R 3 Euklideszi vektortérben egy ortonormált bázisban 1 Mennyi az ā b skalárszorzat? 2 Mennyi az n = ā b vektoriális
RészletesebbenÉRZÉKELŐK ÉS BEAVATKOZÓK I. 9. SZŰRŐK
ÉRZÉKELŐK ÉS BEAVATKOZÓK I. 9. SZŰRŐK Dr. Soumelidis Alexandros 2018.11.29. BME KÖZLEKEDÉSMÉRNÖKI ÉS JÁRMŰMÉRNÖKI KAR 32708-2/2017/INTFIN SZÁMÚ EMMI ÁLTAL TÁMOGATOTT TANANYAG A szűrésről általában Szűrés:
Részletesebben1. Lineáris transzformáció
Lineáris transzformáció Lineáris transzformáció mátrixának felírása eg adott bázisban: Emlékeztető: Legen B = {u,, u n } eg tetszőleges bázisa az R n -nek, Eg tetszőleges v R n vektor egértelműen felírható
RészletesebbenJelek 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
Részletesebben1. feladatsor: Vektorterek, lineáris kombináció, mátrixok, determináns (megoldás)
Matematika A2c gyakorlat Vegyészmérnöki, Biomérnöki, Környezetmérnöki szakok, 2017/18 ősz 1. feladatsor: Vektorterek, lineáris kombináció, mátrixok, determináns (megoldás) 1. Valós vektorterek-e a következő
RészletesebbenJelfeldolgozás - ANTAL Margit. impulzusválasz. tulajdonságai. Rendszerek. ANTAL Margit. Sapientia - Erdélyi Magyar Tudományegyetem
Sapientia - Erdélyi Magyar Tudományegyetem 2007 Megnevezések Diszkrét Dirac jel Delta függvény Egységimpluzus függvény A diszkrét Dirac jel δ[n] = { 1, n = 0 0, n 0 d[n] { 1, n = n0 δ[n n 0 ] = 0, n n
RészletesebbenEllenőrző 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
RészletesebbenKANDÓ KÁLMÁN VILLAMOSMÉRNÖKI FŐISKOLAI KAR. Mikroelektronikai és Technológiai Intézet. Aktív Szűrők. Analóg és Hírközlési Áramkörök
KANDÓ KÁLMÁN VILLAMOSMÉRNÖKI FŐISKOLAI KAR Mikroelektronikai és Technológiai Intézet Analóg és Hírközlési Áramkörök Laboratóriumi Gyakorlatok Készítette: Joó Gábor és Pintér Tamás OE-MTI 2011 1.Szűrők
RészletesebbenFeladatok a Gazdasági matematika II. tárgy gyakorlataihoz
Debreceni Egyetem Közgazdaságtudományi Kar Feladatok a Gazdasági matematika II tárgy gyakorlataihoz a megoldásra ajánlott feladatokat jelöli e feladatokat a félév végére megoldottnak tekintjük a nehezebb
RészletesebbenDigitális képek szegmentálása. 5. Textúra. Kató Zoltán.
Digitális képek szegmentálása 5. Textúra Kató Zoltán http://www.cab.u-szeged.hu/~kato/segmentation/ Textúra fogalma Sklansky: Egy képen egy területnek állandó textúrája van ha a lokális statisztikák vagy
Részletesebben5. Geometriai transzformációk
5. Geometiai tanszfomáiók Kató Zoltán Képfeldolgozás és Számítógépes Gafika tanszék SZTE (http://www.inf.u-szeged.hu/~kato/teahing/) 2 Kép tanszfomáiók típusai Kép étékkészletének (adiometiai infomáió)
RészletesebbenMATEMATIKA 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
RészletesebbenSzinguláris értékek. Wettl Ferenc április 3. Wettl Ferenc Szinguláris értékek április 3. 1 / 28
Szinguláris értékek Wettl Ferenc 2015. április 3. Wettl Ferenc Szinguláris értékek 2015. április 3. 1 / 28 Tartalom 1 Szinguláris érték 2 Alkalmazások 3 Norma 4 Mátrixnorma Wettl Ferenc Szinguláris értékek
RészletesebbenOrvosi Fizika és Statisztika
Orvosi Fizika és Statisztika Szegedi Tudományegyetem Általános Orvostudományi Kar Természettudományi és Informatikai Kar Orvosi Fizikai és Orvosi Informatikai Intézet www.szote.u-szeged.hu/dmi Orvosi fizika
RészletesebbenFourier transzformáció
Fourier transzformáció A szeizmikus hullámok tanulmányozása során igen nagy jelentősége van a hullámok frekvencia tartalmának. Ezt használjuk a hullámok alakjának mintavételezésekor, lineáris szűrések
Részletesebben1. Mátrixösszeadás és skalárral szorzás
1 Mátrixösszeadás és skalárral szorzás Mátrixok tömör jelölése T test Az M = a i j T n m azt az n sorból és m oszlopból álló mátrixot jelöli, amelyben az i-edik sor j-edik eleme a i j T Példák [ ] Ha M
Részletesebben1. Generátorrendszer. Házi feladat (fizikából tudjuk) Ha v és w nem párhuzamos síkvektorok, akkor generátorrendszert alkotnak a sík vektorainak
1. Generátorrendszer Generátorrendszer. Tétel (Freud, 4.3.4. Tétel) Legyen V vektortér a T test fölött és v 1,v 2,...,v m V. Ekkor a λ 1 v 1 + λ 2 v 2 +... + λ m v m alakú vektorok, ahol λ 1,λ 2,...,λ
RészletesebbenFüggvények 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
RészletesebbenHajder Levente 2017/2018. II. félév
Hajder Levente hajder@inf.elte.hu Eötvös Loránd Tudományegyetem Informatikai Kar 2017/2018. II. félév Tartalom 1 2 3 Geometriai modellezés feladata A világunkat modellezni kell a térben. Valamilyen koordinátarendszer
RészletesebbenAz egyenlőtlenség mindkét oldalát szorozzuk meg 4 16-al:
Bevezető matematika kémikusoknak., 04. ősz. feladatlap. Ábrázoljuk számegyenesen a következő egyenlőtlenségek megoldáshalmazát! (a) x 5 < 3 5 x < 3 x 5 < (d) 5 x
RészletesebbenMatematika A1a Analízis
B U D A P E S T I M Ű S Z A K I M A T E M A T I K A É S G A Z D A S Á G T U D O M Á N Y I I N T É Z E T E G Y E T E M Matematika A1a Analízis BMETE90AX00 Differenciálhatóság H607, EIC 2019-03-14 Wettl
RészletesebbenÉrtékelés Összesen: 100 pont 100% = 100 pont A VIZSGAFELADAT MEGOLDÁSÁRA JAVASOLT %-OS EREDMÉNY: EBBEN A VIZSGARÉSZBEN A VIZSGAFELADAT ARÁNYA 35%.
Az Országos Képzési Jegyzékről és az Országos Képzési Jegyzék módosításának eljárásrendjéről szóló 133/2010. (IV. 22.) Korm. rendelet alapján: Szakképesítés, szakképesítés-elágazás, rész-szakképesítés,
Részletesebben1. Bázistranszformáció
1. Bázistranszformáció Transzformáció mátrixa új bázisban A bázistranszformáció képlete (Freud, 5.8.1. Tétel) Legyenek b és d bázisok V -ben, ] v V és A Hom(V). Jelölje S = [[d 1 ] b,...,[d n ] b T n n
RészletesebbenVektorok. Wettl Ferenc október 20. Wettl Ferenc Vektorok október / 36
Vektorok Wettl Ferenc 2014. október 20. Wettl Ferenc Vektorok 2014. október 20. 1 / 36 Tartalom 1 Vektorok a 2- és 3-dimenziós térben 2 Távolság, szög, orientáció 3 Vektorok koordinátás alakban 4 Összefoglalás
RészletesebbenÉl: a képfüggvény hirtelen változása. Típusai. Felvételeken zajos formában jelennek meg. Lépcsős
Él: a képfüggvény hirtelen változása Típusai Lépcsős Rámpaszerű Tetőszerű Vonalszerű él Felvételeken zajos formában jelennek meg Adott pontbeli x ill. y irányú változás jellemezhető egy f folytonos képfüggvény
RészletesebbenRENDSZERTECHNIKA 8. GYAKORLAT
RENDSZERTECHNIKA 8. GYAKORLAT ÜTEMTERV VÁLTOZÁS Gyakorlat Hét Dátum Témakör Házi feladat Egyéb 1 1. hét 02.09 Ismétlés, bevezetés Differenciálegyenletek mérnöki 2 2. hét 02.16 szemmel 1. Hf kiadás 3 3.
RészletesebbenKalkulus. Komplex számok
Komplex számok Komplex számsík A komplex számok a valós számok természetes kiterjesztése, annak érdekében, hogy a gyökvonás művelete elvégezhető legyen a negatív számok körében is. Vegyük tehát hozzá az
Részletesebben1. Jelgenerálás, megjelenítés, jelfeldolgozás alapfunkciói
1. Jelgenerálás, megjelenítés, jelfeldolgozás alapfunkciói FELADAT Készítsen egy olyan tömböt, amelynek az elemeit egy START gomb megnyomásakor feltölt a program 1 periódusnyi szinuszosan változó értékekkel.
RészletesebbenPontműveletek. 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
RészletesebbenJelkondicionálás. Elvezetés. a bioelektromos jelek kis amplitúdójúak. extracelluláris spike: néhányszor 10 uv. EEG hajas fejbőrről: max 50 uv
Jelkondicionálás Elvezetés 2/12 a bioelektromos jelek kis amplitúdójúak extracelluláris spike: néhányszor 10 uv EEG hajas fejbőrről: max 50 uv EKG: 1 mv membránpotenciál: max. 100 mv az amplitúdó növelésére,
Részletesebben2. Fourier-elmélet Komplex trigonometrikus Fourier-sorok. 18 VEMIMAM244A előadásjegyzet, 2010/2011
8 VEMIMAM44A előadásjegyzet, /. Fourier-elmélet.. Komplex trigonometrikus Fourier-sorok Tekintsük az [, ], C Hilbert-teret, ahol a skaláris szorzat definíciója f, g ftgt dt. Tekintsük a [, ] intervallumon
Részletesebben1. Absztrakt terek 1. (x, y) x + y X és (λ, x) λx X. műveletek értelmezve vannak, és amelyekre teljesülnek a következő axiómák:
1. Absztrakt terek 1 1. Absztrakt terek 1.1. Lineáris terek 1.1. Definíció. Az X halmazt lineáris térnek vagy vektortérnek nevezzük a valós számtest (komplex számtest) felett, ha bármely x, y X elemekre
RészletesebbenNagy Gábor compalg.inf.elte.hu/ nagy ősz
Diszkrét matematika 1. estis képzés 2017. ősz 1. Diszkrét matematika 1. estis képzés 2. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Mérai László diái alapján
RészletesebbenDiszkrét matematika 1. estis képzés
Diszkrét matematika 1. estis képzés 2019. tavasz 1. Diszkrét matematika 1. estis képzés 5. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Mérai László diái alapján
RészletesebbenElektronika Előadás. Analóg és kapcsolt kapacitású szűrők
Elektronika 2 8. Előadás Analóg és kapcsolt kapacitású szűrők Irodalom - Megyeri János: Analóg elektronika, Tankönyvkiadó, 1990 - Ron Mancini (szerk): Op Amps for Everyone, Texas Instruments, 2002 16.
RészletesebbenNagy Gábor compalg.inf.elte.hu/ nagy ősz
Diszkrét matematika 1. középszint 016. ősz 1. Diszkrét matematika 1. középszint 1. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Mérai László diái alapján Komputeralgebra
RészletesebbenSzámítógépes gyakorlat MATLAB, Control System Toolbox
Számítógépes gyakorlat MATLAB, Control System Toolbox Bevezetés A gyakorlatok célja az irányítási rendszerek korszerű számítógépes vizsgálati és tervezési módszereinek bemutatása, az alkalmazáshoz szükséges
RészletesebbenKépalkotás modellezése, metrikái. Orvosi képdiagnosztika 6. ea ősz
Képalkotás modellezése, metrikái Orvosi képdiagnosztika 6. ea. 2015 ősz Jelölésjegyzék Rendszer válasza f gerjesztésre: Dirac-delta: x ; egységugrás: 0 idejű Dirac-delta gerjesztése a rendszer válasza:
RészletesebbenSzámítási feladatok a Számítógépi geometria órához
Számítási feladatok a Számítógépi geometria órához Kovács Zoltán Copyright c 2012 Last Revision Date: 2012. október 15. kovacsz@nyf.hu Technikai útmutató a jegyzet használatához A jegyzet képernyőbarát
RészletesebbenGyakorló feladatok I.
Gyakorló feladatok I. a Matematika Aa Vektorüggvények tárgyhoz (D D5 kurzusok) Összeállította: Szili László Ajánlott irodalmak:. G.B. Thomas, M.D. Weir, J. Hass, F.R. Giordano: Thomas-féle KALKULUS I.,
Részletesebben3.18. DIGITÁLIS JELFELDOLGOZÁS
3.18. DIGITÁLIS JELFELDOLGOZÁS Az analóg jelfeldolgozás során egy fizikai mennyiséget (pl. a hangfeldolgozás kapcsán a levegő nyomásváltozásait) azzal analóg (hasonló, arányos) elektromos feszültséggé
RészletesebbenKomplex számok. (a, b) + (c, d) := (a + c, b + d)
Komplex számok Definíció. Komplex számoknak nevezzük a valós számokból képzett rendezett (a, b) számpárok halmazát, ha közöttük az összeadást és a szorzást következőképpen értelmezzük: (a, b) + (c, d)
RészletesebbenFourier térbeli analízis, inverz probléma. Orvosi képdiagnosztika 7-8. ea ősz
Fourier térbeli analízis, inverz probléma Orvosi képdiagnosztika 7-8. ea. 2015 ősz 7. előadás tartalma Fourier transzformációk és kapcsolataik: FS, FT, DTFT, DFT, DFS Mintavételezés, interpoláció Frekvenciaszivárgás
RészletesebbenDigitális szűrők - (BMEVIMIM278) Házi Feladat
Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rszerek Tanszék Digitális szűrők - (BMEVIMIM278) FIR-szűrő tervezése ablakozással Házi Feladat Név: Szőke Kálmán Benjamin Neptun:
RészletesebbenMatematika A1a Analízis
B U D A P E S T I M Ű S Z A K I M A T E M A T I K A É S G A Z D A S Á G T U D O M Á N Y I I N T É Z E T E G Y E T E M Matematika A1a Analízis BMETE90AX00 Vektorok StKis, EIC 2019-02-12 Wettl Ferenc ALGEBRA
RészletesebbenIdı-frekvencia transzformációk waveletek
Idı-frekvencia transzformációk waveletek Pokol Gergı BME NTI Mőszaki diagnosztika 010. április 13. Vázlat Alapfogalmak az idı-frekvencia síkon Rövid idejő Fourier-transzformáció spektrogram Folytonos wavelet
RészletesebbenAnalóg elektronika - laboratóriumi gyakorlatok
Analóg elektronika - laboratóriumi gyakorlatok. Mûveleti erõsítõk váltakozó-áramú alkalmazásai. Elmélet Az integrált mûveleti erõsítõk váltakozó áramú viselkedését a. fejezetben (jegyzet és prezentáció)
RészletesebbenAlkalmazott algebra. Lineáris leképezések EIC. Wettl Ferenc ALGEBRA TANSZÉK BMETE90MX57 (FELSŐBB MATEMATIKA INFORMATIKUSOKNAK )
B U D A P E S T I M Ű S Z A K I M A T E M A T I K A É S G A Z D A S Á G T U D O M Á N Y I I N T É Z E T E G Y E T E M Alkalmazott algebra BMETE90MX57 (FELSŐBB MATEMATIKA INFORMATIKUSOKNAK ) Lineáris leképezések
RészletesebbenLINEÁRIS ALGEBRA. matematika alapszak. Euklideszi terek. SZTE Bolyai Intézet, őszi félév. Euklideszi terek LINEÁRIS ALGEBRA 1 / 40
LINEÁRIS ALGEBRA matematika alapszak SZTE Bolyai Intézet, 2016-17. őszi félév Euklideszi terek Euklideszi terek LINEÁRIS ALGEBRA 1 / 40 Euklideszi tér Emlékeztető: A standard belső szorzás és standard
RészletesebbenDigitális jelfeldolgozás
Digitális jelfeldolgozás Mintavételezés és jel-rekonstrukció Magyar Attila Pannon Egyetem Műszaki Informatikai Kar Villamosmérnöki és Információs Rendszerek Tanszék magyar.attila@virt.uni-pannon.hu 2010.
RészletesebbenÉRZÉKELŐK ÉS BEAVATKOZÓK I. 6. A MINTAVÉTELI TÖRVÉNY
ÉRZÉKELŐK ÉS BEAVATKOZÓK I. 6. A MINTAVÉTELI TÖRVÉNY Dr. Soumelidis Alexandros 2018.10.25. BME KÖZLEKEDÉSMÉRNÖKI ÉS JÁRMŰMÉRNÖKI KAR 32708-2/2017/INTFIN SZÁMÚ EMMI ÁLTAL TÁMOGATOTT TANANYAG Mintavételezés
RészletesebbenKépfeldolgozó eljárások áttekintés. Orvosi képdiagnosztika 9. ea ősz
Képfeldolgozó eljárások áttekintés Orvosi képdiagnosztika 9. ea. 2015 ősz Tartalomjegyzék Képmanipulációs eljárások Képjavítás (kontraszt módosítás, hisztogram módosítás, zajszűrés, élkiemelés) Képelemzés
RészletesebbenMérés és adatgyűjtés
Mérés és adatgyűjtés 4. óra Mingesz Róbert Szegedi Tudományegyetem 2012. február 27. MA - 4. óra Verzió: 2.1 Utolsó frissítés: 2012. március 12. 1/41 Tartalom I 1 Jelek 2 Mintavételezés 3 A/D konverterek
RészletesebbenMatematika A2 vizsga mgeoldása június 4.
Matematika A vizsga mgeoldása 03. június.. (a (3 pont Definiálja az f(x, y függvény határértékét az (x 0, y 0 helyen! Megoldás: Legyen D R, f : D R. Legyen az f(x, y függvény értelmezve az (x 0, y 0 pont
Részletesebben10.1. ANALÓG JELEK ILLESZTÉSE DIGITÁLIS ESZKÖZÖKHÖZ
101 ANALÓG JELEK ILLESZTÉSE DIGITÁLIS ESZKÖZÖKHÖZ Ma az analóg jelek feldolgozása (is) mindinkább digitális eszközökkel történik A feldolgozás előtt az analóg jeleket digitalizálni kell Rendszerint az
RészletesebbenVektorterek. Wettl Ferenc február 17. Wettl Ferenc Vektorterek február / 27
Vektorterek Wettl Ferenc 2015. február 17. Wettl Ferenc Vektorterek 2015. február 17. 1 / 27 Tartalom 1 Egyenletrendszerek 2 Algebrai struktúrák 3 Vektortér 4 Bázis, dimenzió 5 Valós mátrixok és egyenletrendszerek
RészletesebbenVektorok, mátrixok, lineáris egyenletrendszerek
a Matematika mérnököknek I. című tárgyhoz Vektorok, mátrixok, lineáris egyenletrendszerek Vektorok A rendezett valós számpárokat kétdimenziós valós vektoroknak nevezzük. Jelölésükre latin kisbetűket használunk.
Részletesebben17. előadás: Vektorok a térben
17. előadás: Vektorok a térben Szabó Szilárd A vektor fogalma A mai előadásban n 1 tetszőleges egész szám lehet, de az egyszerűség kedvéért a képletek az n = 2 esetben szerepelnek. Vektorok: rendezett
RészletesebbenJelek és rendszerek MEMO_03. Pletl. Belépő jelek. Jelek deriváltja MEMO_03
Jelek és rendszerek MEMO_03 Belépő jelek Jelek deriváltja MEMO_03 1 Jelek és rendszerek MEMO_03 8.ábra. MEMO_03 2 Jelek és rendszerek MEMO_03 9.ábra. MEMO_03 3 Ha a jelet méréssel kapjuk, akkor a jel következő
RészletesebbenDINAMIKAI VIZSGÁLAT OPERÁTOROS TARTOMÁNYBAN. 2003.10.30. Dr. Aradi Petra, Dr. Niedermayer Péter: Rendszertechnika segédlet 1
DINAMIKAI VIZSGÁLAT OPERÁTOROS TARTOMÁNYBAN 2003.10.30. Dr. Aradi Petra, Dr. Niedermayer Péter: Rendszertechnika segédlet 1 Differenciálegyenlet megoldása u(t) diff. egyenlet v(t) a n d n v m dt a dv n
Részletesebben