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

Méret: px
Mutatás kezdődik a ... oldaltól:

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

Átírás

1 1 Korrelációs fügvények Hasonlóság mértéke a két függvény szorzatának integrálja Időbeli változások esetén lehet vizsgálni a hasonlóságot a τ relatív időkülönbség szerint: Keresztkorrelációs függvény: R 12 (τ) = Z v 1 (t)v 2 (t τ)dt ill. periódikus jelekre: 1 R 12 (τ) = lim T T Z T 0 v 1 (t)v 2 (t τ)dt

2 2 Mennyire hasonĺıt egy függvény saját magára? Ez az autokorrelációs függvény. R(τ) = Z v(t)v(t τ)dt Tulajdonságai: R(τ) = R( τ) R(0) R v 2 (t)dt ( energia ), R(0) > R(τ), τ > 0 két függvény összegének autokorrelációs függvénye nem a két függvény autokorrelációs függvényének összege az autokorrelációs függvényből nem lehet az eredeti függvényt visszakapni. zajban eltemetett jeleket is lehet észlelni (pl. pulzárok, MMR) Az autokorrelációs függvény néhány jel esetén:

3 3

4 4 Átviteli függvény vizsgálata korrelációs fügvényekkel Ha R 12 (τ) lényegesen rövidebb időtartamú, mint h(t), (azaz a bemenőjel zajszerű és az autokorrelációs függvénye impulzusszerű) Kimeneten h(t) jelenik meg: v 2 (τ) = Z h(ϑ)v 1 (t + τ ϑ)dϑ 1 R 12 (τ) = lim T T Z T 0 Z v 1 (t) h(ϑ)v 1 (t + τ ϑ)dϑdt

5 5 = = Z Z 1 h(ϑ) lim T T Z T h(ϑ)r 1 (t ϑ)dϑ 0 v 1 (t)v 1 (t + τ ϑ)dtdϑ Alkalmazás: vezérelt rendszerek, pl. nukleáris reaktorok.

6 6 Kérdések, feladatok Hogyan fog kinézni egyetlen periódusidig tartó szinuszhullám autokorrelációs függvénye? Miért nem lehet visszakapni az autokorrelációs függvényből az eredeti függvényt? Keressen két olyan - szemre nagyon eltérő - függvényt, amelyeknek azonos az autokorrelációs függvénye. Hogyan lehetne a keresztkorrelációs függvényt elálĺıtani a két függvény frekvencia-spektrumából? Van-e valamilyen kapcsolat a keresztkorreláció és a konvolúció között?

7 7 Eloszlásfüggvény és társai.. Folytonos vagy mintavett jelek: Átlag és szórás:

8 8 Átlag és szórás: µ = 1 N σ 2 = = numerikus problémák... N 1 X i=0 1 N 1 1 N 1 x i N 1 X (x i µ) 2 i=0 " N 1 X i=0 x 2 i 1 N 1 N ( X i=0 x i ) 2 #

9 9 N darab mérés esetén: σ σ N Sok mérés kicsi szórás, ha stacioner a folyamat:

10 10 Sok mérés folytonos eloszlás: Valószínűségi sűrűségfüggvény: Néhány példa:

11 11

12 12

13 13 Normál/Gauss eloszlás P (x) = 1 2ıσ e (x µ)2 /2σ 2 Átlag és szórás tökéletesen leírja: Akármilyen eloszlásból sok összege ide vezet!!! Valós esetben: problémák a doboz/bin mérettel:

14 14 Sokszor a kumulatív (összegzett) eloszlás segít. Szisztematikus (accuracy) és statisztikus (precision) hiba:

15 15

16 16 Véletlenszerű jelek autokorrelációs függvényei Stacioner és ergodikus: ha az időbeli átlag és a sokaság átlag megegyezik. Véletlenszerű folyamatok: p(x)dx sűrűség-függvény Együttes sűrűségfüggvény, τ késleletés mellett vizsgálunk egy második mintát is: p(x, y, τ)dxdy Mátrixanalizátor:

17 17 Bemeneten f 1 határfrekvenciájú feherzaj: τ << 1/f 1 van x y korreláció, a zaj minimális τ 1/f 1 még van x y korreláció, de a zaj jelentős τ >> 1/f 1 nincs x y korreláció, csak zaj Az együttes sűrűségfüggvényből megkapható az R(τ): R(τ) = Z Z xyp(x, y, τ)dxdy xdx és ydy adja a függvényértékeket, p(x, y, τ) az integrálási súlyt. Pénzdobálás τ 0 időközönként:

18 18 R(τ) = 1 1 p(1, 1) + 1 ( 1) p(1, 1) + ( 1) R(τ) = 0 ( 1) p( 1, 1) + ( 1) 1 p( 1, 1) Csak a τ 0 -n belül van autokorreláció!

19 19 Véletlen távírójel Az átmenetek Poisson statisztika szerint következnek be τ idő alatt k pontosan esemény valószínűsége: p(k, τ) = 1 k! τ t 0 ke τ/t 0 Az autokorrelációs függvény: R(τ) = p(páros számú átmenet) p(páratlan számú átmenet) = X 1 k! ( τ ) k e τ t0 X 1 t k=ps 0 k! ( τ ) k e τ t0 t k=ptlan 0 e t t 0 nx R(τ) = e 2 τ t 0 k=ps 1 k! ( τ ) k X t 0 k=ptlan 1 k! ( τ t 0 ) ko

20 Az autokorrelációs függvényből nem lehet az eredeti függvényt visszakapni Információveszteség! 20

21 21 Energiaspektrum és autokorrelációs függvénye Wiener-Hincsin tétel (Parseval azonosság, fluktuáció-disszipáció tétel) : V (ω) 2 = Z R(τ)e jωτ tdτ R(τ) = 1 2π Z V (ω) 2 e jωτ dω B TONR esetén: x 2 = x, x = X v B x, v 2 Különböző jelek - azonos energiaspektrum pl. RC aluláteresztő hálózaton az ideális impulzusra kapott válaszjel energiaspektruma megegyezik egy fehér zaj hatására létrejövő kimenőjel energiaspektrumával

22 22

23 23 Mérhető, vizsgálható Bemenet Kimenet Frekvenciakarakterisztika Szinuszos generátor Amplitúdó és változatható frekvenciával fázismérő Súlyfüggvény (Ideális) impulzust Időfüggvényt rögzítő e adó jelforrás pl. oszcilloszkóp Súlyfüggvény Szélessávú zajforrás Korrelátor (komputer)

24 24 négyszögfüggvény Fourier transzformáltja sin(x) / x alakú. Természetesen ez visszafelé is igaz, négyszög alakú átviteli görbe az időtartományban sin(x) / x-et eredményez; a Gauss-görbe alakváltoztatás nélkül transzformálható ide, oda; periodikus időbeni impulzussorozat a frekvenciatartományban is periodikus impulzussorozat lesz (ez nagyon fontos, ezt a tényt többször kihasználjuk); a koszinusz függvényből két spektrumvonalat kapunk.

25 25 AD átalakítók szukcesszív approximációs konverter kettős meredekségű (dual slope) konverter flash konverter

26 26

27 Kvantálási zaj: > 4 bit esetén már fehérzajjal közeĺıthető 27

28 A kvantálási hibát fel lehet használni lassan változó jelek pontosabb visszaálĺıtására (dithering!) : 28

29 Pl. szürke képek nyomtatása: Eredeti: 29

30 30

31 2 bites kvantálás: 31

32 cluster4 eljárás: 32

33 dither8 eljárás: 33

34 34 Floyd-Sternberg eljárás (nemlineáris!): Eredeti:

35 35

36 2 bites kvantálás: 36

37 37

38 cluster4 eljárás: 38

39 39

40 dither8 eljárás: 40

41 41

42 Floyd-Sternberg eljárás (nemlineáris!): 42

43 43

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

[Biomatematika 2] Orvosi biometria

[Biomatematika 2] Orvosi biometria [Biomatematika 2] Orvosi biometria 2016.02.22. Valószínűségi változó Véletlentől függő számértékeket (értékek sokasága) felvevő változókat valószínűségi változóknak nevezzük(jelölés: ξ, η, x). (pl. x =

Részletesebben

Mérés és adatgyűjtés

Mérés 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

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

Villamosságtan szigorlati tételek

Villamosságtan szigorlati tételek Villamosságtan szigorlati tételek 1.1. Egyenáramú hálózatok alaptörvényei 1.2. Lineáris egyenáramú hálózatok elemi számítása 1.3. Nemlineáris egyenáramú hálózatok elemi számítása 1.4. Egyenáramú hálózatok

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

Következõ: Lineáris rendszerek jellemzõi és vizsgálatuk. Jelfeldolgozás. Lineáris rendszerek jellemzõi és vizsgálatuk

Következõ: Lineáris rendszerek jellemzõi és vizsgálatuk. Jelfeldolgozás. Lineáris rendszerek jellemzõi és vizsgálatuk 1 1 Következõ: Lineáris rendszerek jellemzõi és vizsgálatuk Jelfeldolgozás 1 Lineáris rendszerek jellemzõi és vizsgálatuk 2 Bevezetés 5 Kérdések, feladatok 6 Fourier sorok, Fourier transzformáció 7 Jelek

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

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

ADAT- ÉS INFORMÁCIÓFELDOLGOZÁS

ADAT- 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

Részletesebben

Jelfeldolgozás - ANTAL Margit. impulzusválasz. tulajdonságai. Rendszerek. ANTAL Margit. Sapientia - Erdélyi Magyar Tudományegyetem

Jelfeldolgozás - 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

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

Digitális jelfeldolgozás

Digitális 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.

Részletesebben

Fehérzajhoz a konstans érték kell - megoldás a digitális szűrő Összegezési súlyok sin x/x szerint (ez akár analóg is lehet!!!)

Fehérzajhoz 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

Részletesebben

x, x R, x rögzített esetén esemény. : ( ) x Valószínűségi Változó: Feltételes valószínűség: Teljes valószínűség Tétele: Bayes Tétel:

x, x R, x rögzített esetén esemény. : ( ) x Valószínűségi Változó: Feltételes valószínűség: Teljes valószínűség Tétele: Bayes Tétel: Feltételes valószínűség: Teljes valószínűség Tétele: Bayes Tétel: Valószínűségi változó általános fogalma: A : R leképezést valószínűségi változónak nevezzük, ha : ( ) x, x R, x rögzített esetén esemény.

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

Mérési jegyzőkönyv a 5. mérés A/D és D/A átalakító vizsgálata című laboratóriumi gyakorlatról

Mérési jegyzőkönyv a 5. mérés A/D és D/A átalakító vizsgálata című laboratóriumi gyakorlatról Mérési jegyzőkönyv a 5. mérés A/D és D/A átalakító vizsgálata című laboratóriumi gyakorlatról A mérés helyszíne: A mérés időpontja: A mérést végezték: A mérést vezető oktató neve: A jegyzőkönyvet tartalmazó

Részletesebben

Shift regiszter + XOR kapu: 2 n állapot

Shift 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

Részletesebben

ÉRZÉKELŐK ÉS BEAVATKOZÓK I. 5. A JELFELDOLGOZÁS ALAPJAI: JELEK

ÉRZÉKELŐK ÉS BEAVATKOZÓK I. 5. A JELFELDOLGOZÁS ALAPJAI: JELEK ÉRZÉKELŐK ÉS BEAVATKOZÓK I. 5. A JELFELDOLGOZÁS ALAPJAI: JELEK Dr. Soumelidis Alexandros 2018.10.18. BME KÖZLEKEDÉSMÉRNÖKI ÉS JÁRMŰMÉRNÖKI KAR 32708-2/2017/INTFIN SZÁMÚ EMMI ÁLTAL TÁMOGATOTT TANANYAG Mérések

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

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

Általánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg

Általánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg LMeasurement.tex, March, 00 Mérés Általánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg a mérendő mennyiségben egy másik, a mérendővel egynemű, önkényesen egységnek választott

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

Analóg digitális átalakítók ELEKTRONIKA_2

Analóg digitális átalakítók ELEKTRONIKA_2 Analóg digitális átalakítók ELEKTRONIKA_2 TEMATIKA Analóg vs. Digital Analóg/Digital átalakítás Mintavételezés Kvantálás Kódolás A/D átalakítók csoportosítása A közvetlen átalakítás A szukcesszív approximációs

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

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

A gyakorlat célja a fehér és a színes zaj bemutatása.

A gyakorlat célja a fehér és a színes zaj bemutatása. A gyakorlat célja a fehér és a színes zaj bemutatása. 1.@. FFT begyakorlása n = [:9]; % Harminc minta x = cos(*pi*n/1); % 1 mintát veszünk periodusonként N1 = 64; % Három módon számoljuk az FFT-t N = 18;

Részletesebben

Digitális jelfeldolgozás

Digitális jelfeldolgozás Digitális jelfeldolgozás Kvantálás Magyar Attila Pannon Egyetem Műszaki Informatikai Kar Villamosmérnöki és Információs Rendszerek Tanszék magyar.attila@virt.uni-pannon.hu 2010. szeptember 15. Áttekintés

Részletesebben

Fourier transzformáció

Fourier 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

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

DINAMIKAI 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 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

Orvosi Fizika és Statisztika

Orvosi 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

Részletesebben

Statisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok. http://uni-obuda.hu/users/koczyl/statisztika1.

Statisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok. http://uni-obuda.hu/users/koczyl/statisztika1. Statisztika I. 4. előadás Mintavétel http://uni-obuda.hu/users/koczyl/statisztika1.htm Kóczy Á. László KGK-VMI koczy.laszlo@kgk.uni-obuda.hu Sokaság és minta Alap- és mintasokaság A mintasokaság az a részsokaság,

Részletesebben

Közlemény. Biostatisztika és informatika alapjai. Alapsokaság és minta

Közlemény. Biostatisztika és informatika alapjai. Alapsokaság és minta Közlemény Biostatisztika és informatika alajai. előadás: Az orvostudományban előforduló nevezetes eloszlások 6. szetember 9. Veres Dániel Statisztika és Informatika tankönyv (Herényi Levente) már kaható

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

Mérhetőség, σ-algebrák, Lebesgue Stieltjes-integrál, véletlen változók és eloszlásfüggvényeik

Mérhetőség, σ-algebrák, Lebesgue Stieltjes-integrál, véletlen változók és eloszlásfüggvényeik Mérhetőség, σ-algebrák, Lebesgue Stieltjes-integrál, véletlen változók és eloszlásfüggvényeik Az A halmazrendszer σ-algebra az Ω alaphalmazon, ha Ω A; A A A c A; A i A, i N, i N A i A. Az A halmazrendszer

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

Statisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok. http://uni-obuda.hu/users/koczyl/statisztika1.

Statisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok. http://uni-obuda.hu/users/koczyl/statisztika1. Statisztika I. 4. előadás Mintavétel http://uni-obuda.hu/users/koczyl/statisztika1.htm Kóczy Á. László KGK-VMI koczy.laszlo@kgk.uni-obuda.hu Sokaság és minta Alap- és mintasokaság A mintasokaság az a részsokaság,

Részletesebben

(Independence, dependence, random variables)

(Independence, dependence, random variables) Két valószínűségi változó együttes vizsgálata Feltételes eloszlások Két diszkrét változó együttes eloszlása a lehetséges értékpárok és a hozzájuk tartozó valószínűségek (táblázat) Példa: Egy urna 3 fehér,

Részletesebben

A mintavételezéses mérések alapjai

A mintavételezéses mérések alapjai A mintavételezéses mérések alapjai Sok mérési feladat során egy fizikai mennyiség időbeli változását kell meghatároznunk. Ha a folyamat lassan változik, akkor adott időpillanatokban elvégzett méréssel

Részletesebben

RENDSZERTECHNIKA 8. GYAKORLAT

RENDSZERTECHNIKA 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.

Részletesebben

11. Analóg/digitális (ADC) és Digital/analóg (DAC) átalakítók

11. Analóg/digitális (ADC) és Digital/analóg (DAC) átalakítók 1 11. Analóg/digitális (ADC) és Digital/analóg (DAC) átalakítók A digitális jelekkel dolgozó mikroprocesszoros adatgyűjtő és vezérlő rendszerek csatlakoztatása az analóg jelekkel dolgozó mérő- és beavatkozó

Részletesebben

Zajok és fluktuációk fizikai rendszerekben

Zajok és fluktuációk fizikai rendszerekben Zajok és fluktuációk fizikai rendszerekben Sztochasztikus rezonancia Makra Péter SZTE Kísérleti Fizikai Tanszék 2009-2010. őszi félév Változat: 0.1 Legutóbbi frissítés: 2009. november 4. Makra Péter (SZTE

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

Irányítástechnika II. előadásvázlat

Irányítástechnika II. előadásvázlat Irányítástechnika II. előadásvázlat Dr. Bokor József egyetemi tanár, az MTA rendes tagja BME Közlekedés- és Járműirányítási Tanszék 2018 1 Tartalom Irányítástechnika II. féléves tárgytematika Az irányításelmélet

Részletesebben

Jelek és rendszerek - 4.előadás

Jelek és rendszerek - 4.előadás Jelek és rendszerek - 4.előadás Rendszervizsgálat a komplex frekvenciatartományban Mérnök informatika BSc (lev.) Pécsi Tudományegyetem, Pollack Mihály Műszaki Kar Műszaki Informatika és Villamos Intézet

Részletesebben

Való szí nű sé gi va ltózó, sű rű sé gfű ggvé ny, élószla sfű ggvé ny

Való szí nű sé gi va ltózó, sű rű sé gfű ggvé ny, élószla sfű ggvé ny Való szí nű sé gi va ltózó, sű rű sé gfű ggvé ny, élószla sfű ggvé ny Szűk elméleti összefoglaló Valószínűségi változó: egy függvény, ami az eseményteret a valós számok halmazára tudja vetíteni. A val.

Részletesebben

1. Visszacsatolás nélküli kapcsolások

1. Visszacsatolás nélküli kapcsolások 1. Visszacsatolás nélküli kapcsolások 1.1. Kösse az erõsítõ invertáló bemenetét a tápfeszültség 0 potenciálú kimenetére! Ezt nevezzük földnek. A nem invertáló bemenetre kösse egy potenciométer középsõ

Részletesebben

Tartalom. Soros kompenzátor tervezése 1. Tervezési célok 2. Tervezés felnyitott hurokban 3. Elemzés zárt hurokban 4. Demonstrációs példák

Tartalom. Soros kompenzátor tervezése 1. Tervezési célok 2. Tervezés felnyitott hurokban 3. Elemzés zárt hurokban 4. Demonstrációs példák Tartalom Soros kompenzátor tervezése 1. Tervezési célok 2. Tervezés felnyitott hurokban 3. Elemzés zárt hurokban 4. Demonstrációs példák 215 1 Tervezési célok Szabályozó tervezés célja Stabilitás biztosítása

Részletesebben

ANTAL Margit. Sapientia - Erdélyi Magyar Tudományegyetem. Jelfeldolgozás. ANTAL Margit. Adminisztratív. Bevezetés. Matematikai alapismeretek.

ANTAL Margit. Sapientia - Erdélyi Magyar Tudományegyetem. Jelfeldolgozás. ANTAL Margit. Adminisztratív. Bevezetés. Matematikai alapismeretek. Jelfeldolgozás 1. Sapientia - Erdélyi Magyar Tudományegyetem 2007 és jeleket generáló és jeleket generáló és jeleket generáló Gyakorlatok - MATLAB (OCTAVE) (50%) Írásbeli vizsga (50%) és jeleket generáló

Részletesebben

Irányítástechnika 2. előadás

Irányítástechnika 2. előadás Irányítástechnika 2. előadás Dr. Kovács Levente 2013. 03. 19. 2013.03.19. Tartalom Tipikus vizsgálójelek és azok információtartalma Laplace transzformáció, állapotegyenlet, átviteli függvény Alaptagok

Részletesebben

ÁRAMKÖRÖK SZIMULÁCIÓJA

ÁRAMKÖRÖK SZIMULÁCIÓJA ÁRAMKÖRÖK SZIMULÁCIÓJA Az áramkörök szimulációja révén betekintést nyerünk azok működésébe. Meg tudjuk határozni az áramkörök válaszát különböző gerjesztésekre, különböző üzemmódokra. Végezhetők analóg

Részletesebben

biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás

biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás Kísérlettervezés - biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás A matematikai-statisztika feladata tapasztalati adatok feldolgozásával segítséget nyújtani

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

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

Gazdasági matematika II. vizsgadolgozat megoldása A csoport

Gazdasági matematika II. vizsgadolgozat megoldása A csoport Gazdasági matematika II. vizsgadolgozat megoldása A csoport Definiálja az alábbi fogalmakat!. Egy eseménynek egy másik eseményre vonatkozó feltételes valószínűsége. ( pont) Az A esemény feltételes valószínűsége

Részletesebben

Matematika A3 Valószínűségszámítás, 6. gyakorlat 2013/14. tavaszi félév

Matematika A3 Valószínűségszámítás, 6. gyakorlat 2013/14. tavaszi félév Matematika A3 Valószínűségszámítás, 6. gyakorlat 2013/14. tavaszi félév 1. A várható érték és a szórás transzformációja 1. Ha egy valószínűségi változóhoz hozzáadunk ötöt, mínusz ötöt, egy b konstanst,

Részletesebben

Ha sokáig mérünk: kiátlagoljuk a jelet Milyen lesz ez a súlyfüggvény? T idejű integrálás + delta függvény T ideig integrálva:

Ha 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

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

Jelgenerátorok ELEKTRONIKA_2

Jelgenerátorok ELEKTRONIKA_2 Jelgenerátorok ELEKTRONIKA_2 TEMATIKA Jelgenerátorok osztályozása. Túlvezérelt erősítők. Feszültségkomparátorok. Visszacsatolt komparátorok. Multivibrátor. Pozitív visszacsatolás. Oszcillátorok. RC oszcillátorok.

Részletesebben

Eddigi tanulmányaink alapján már egy sor, a szeizmikában általánosan használt műveletet el tudunk végezni.

Eddigi tanulmányaink alapján már egy sor, a szeizmikában általánosan használt műveletet el tudunk végezni. Eddigi tanulmányaink alapján már egy sor, a szeizmikában általánosan használt műveletet el tudunk végezni. Kezdjük a sort a menetidőgörbékről, illetve az NMO korrekcióról tanultakkal. A következő ábrán

Részletesebben

Az 1/f-zaj időbeli szerkezete és a zajanalízis alkalmazásai

Az 1/f-zaj időbeli szerkezete és a zajanalízis alkalmazásai SZEGEDI TUDOMÁNYEGYETEM TERMÉSZETTUDOMÁNYI ÉS INFORMATIKAI KAR KÍSÉRLETI FIZIKAI TANSZÉK Fizika Doktori Iskola Az 1/f-zaj időbeli szerkezete és a zajanalízis alkalmazásai Doktori értekezés Készítette:

Részletesebben

14 A Black-Scholes-Merton modell. Options, Futures, and Other Derivatives, 8th Edition, Copyright John C. Hull

14 A Black-Scholes-Merton modell. Options, Futures, and Other Derivatives, 8th Edition, Copyright John C. Hull 14 A Black-choles-Merton modell Copyright John C. Hull 01 1 Részvényárak viselkedése (feltevés!) Részvényár: μ: elvárt hozam : volatilitás Egy rövid Δt idő alatt a hozam normális eloszlású véletlen változó:

Részletesebben

Történeti Áttekintés

Történeti Áttekintés Történeti Áttekintés Történeti Áttekintés Értesülés, Információ Érzékelő Ítéletalkotó Értesülés, Információ Anyag, Energia BE Jelformáló Módosító Termelőeszköz Folyamat Rendelkezés Beavatkozás Anyag,

Részletesebben

2. Elméleti összefoglaló

2. Elméleti összefoglaló 2. Elméleti összefoglaló 2.1 A D/A konverterek [1] A D/A konverter feladata, hogy a bemenetére érkező egész számmal arányos analóg feszültséget vagy áramot állítson elő a kimenetén. A működéséhez szükséges

Részletesebben

Analóg elektronika - laboratóriumi gyakorlatok

Analóg 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)

Részletesebben

STATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Matematikai statisztika. Mi a modell? Binomiális eloszlás sűrűségfüggvény. Binomiális eloszlás

STATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Matematikai statisztika. Mi a modell? Binomiális eloszlás sűrűségfüggvény. Binomiális eloszlás ELŐADÁS ÁTTEKINTÉSE STATISZTIKA 9. Előadás Binomiális eloszlás Egyenletes eloszlás Háromszög eloszlás Normális eloszlás Standard normális eloszlás Normális eloszlás mint modell 2/62 Matematikai statisztika

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

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

5. témakör. Szögmodulációk: Fázis és frekvenciamoduláció FM modulátorok, demodulátorok

5. témakör. Szögmodulációk: Fázis és frekvenciamoduláció FM modulátorok, demodulátorok 5. témakör Szögmodulációk: Fázis és frekvenciamoduláció FM modulátorok, demodulátorok Szögmoduláció Általánosan felírva a vivőfrekvenciás jelet (AM-nél megismert módon): Amennyiben a vivő pillanatnyi amplitúdója

Részletesebben

Digitális képek szegmentálása. 5. Textúra. Kató Zoltán.

Digitális 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

Részletesebben

HÍRADÁSTECHNIKA SZÖVETKEZET

HÍRADÁSTECHNIKA SZÖVETKEZET HÍRADÁSTECHNIKA SZÖVETKEZET 1519 BUDAPEST * PF. 268 * TEL.: 869-304 * TELEX: 22-6151 A Híradástechnika Szövetkezetben intenzív fejlesztőmunka folyik a digitális technika eszközeinek meghonosítására a televíziós

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

Gépészeti rendszertechnika (NGB_KV002_1)

Gépészeti rendszertechnika (NGB_KV002_1) Gépészeti rendszertechnika (NGB_KV002_1) 6. Óra Kőrös Péter Közúti és Vasúti Járművek Tanszék Tanszéki mérnök (IS201 vagy a tanszéken) E-mail: korosp@ga.sze.hu Web: http://www.sze.hu/~korosp http://www.sze.hu/~korosp/gepeszeti_rendszertechnika/

Részletesebben

Elektronikus műszerek Spektrum analizátorok

Elektronikus műszerek Spektrum analizátorok 1 Spektrumanalizátorok 1. Alapogalmak Az energia jellegű ill. teljesítmény jellegű spektrumokat tehát a teljesítmény-, az energiasűrűség-, a teljesítménysűrűség- és a kereszt-teljesítménysűrűség-spektrumot,

Részletesebben

Jelfeldolgozás. Gyakorlat: A tantermi gyakorlatokon való részvétel kötelező! Kollokvium: csak gyakorlati jeggyel!

Jelfeldolgozás. 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

Részletesebben

Villamosmérnöki szak BME Villamosmérnöki és Informatikai Kar

Villamosmérnöki szak BME Villamosmérnöki és Informatikai Kar VI Név, felvételi azonosító, Neptun-kód: pont(90): Csak felvételi vizsga: csak záróvizsga: közös vizsga: Közös alapképzéses záróvizsga mesterképzés felvételi vizsga Villamosmérnöki szak BME Villamosmérnöki

Részletesebben

Jelek és rendszerek - 7.előadás

Jelek és rendszerek - 7.előadás Jelek és rendszerek - 7.előadás A Laplace-transzformáció és alkalmazása Mérnök informatika BSc Pécsi Tudományegyetem, Pollack Mihály Műszaki Kar Műszaki Informatika és Villamos Intézet Műszaki Informatika

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

Házi Feladat. Méréstechnika 1-3.

Házi Feladat. Méréstechnika 1-3. Házi Feladat Méréstechnika 1-3. Tantárgy: Méréstechnika Tanár neve: Tényi V. Gusztáv Készítette: Fazekas István AKYBRR 45. csoport 2010-09-18 1/1. Ismertesse a villamos jelek felosztását, és az egyes csoportokban

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

Elektronika II laboratórium 1. mérés: R L C négypólusok vizsgálata

Elektronika II laboratórium 1. mérés: R L C négypólusok vizsgálata Elektronika II laboratórium 1. mérés: R L C négypólusok vizsgálata 2017.09.18. A legalapvetőbb áramkörök ellenállásokat, kondenzátorokat és indukciós tekercseket tartalmazó áramkörök. A fenti elemekből

Részletesebben

Elektronika Oszcillátorok

Elektronika Oszcillátorok 8. Az oszcillátorok periodikus jelet előállító jelforrások, generátorok. Olyan áramkörök, amelyeknek csak kimenete van, bemenete nincs. Leggyakoribb jelalakok: - négyszög - szinusz A jelgenerálás alapja

Részletesebben

Megoldások. ξ jelölje az első meghibásodásig eltelt időt. Akkor ξ N(6, 4; 2, 3) normális eloszlású P (ξ

Megoldások. ξ jelölje az első meghibásodásig eltelt időt. Akkor ξ N(6, 4; 2, 3) normális eloszlású P (ξ Megoldások Harmadik fejezet gyakorlatai 3.. gyakorlat megoldása ξ jelölje az első meghibásodásig eltelt időt. Akkor ξ N(6, 4;, 3 normális eloszlású P (ξ 8 ξ 5 feltételes valószínűségét (.3. alapján számoljuk.

Részletesebben

RC tag mérési jegyz könyv

RC tag mérési jegyz könyv RC tag mérési jegyz könyv Mérést végezte: Csutak Balázs, Farkas Viktória Mérés helye és ideje: ITK 320. terem, 2016.03.09 A mérés célja: Az ELVIS próbapanel és az ELVIS m szerek használatának elsajátítása,

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

Markov-láncok stacionárius eloszlása

Markov-láncok stacionárius eloszlása Markov-láncok stacionárius eloszlása Adatbányászat és Keresés Csoport, MTA SZTAKI dms.sztaki.hu Kiss Tamás 2013. április 11. Tartalom Markov láncok definíciója, jellemzése Visszatérési idők Stacionárius

Részletesebben

Számítógépes gyakorlat MATLAB, Control System Toolbox

Számítógépes 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

Részletesebben

KANDÓ KÁLMÁN VILLAMOSMÉRNÖKI FŐISKOLAI KAR. Mikroelektronikai és Technológiai Intézet. Aktív Szűrők. Analóg és Hírközlési Áramkörök

KANDÓ 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

Részletesebben

Anyagvizsgálati módszerek Mérési adatok feldolgozása. Anyagvizsgálati módszerek

Anyagvizsgálati módszerek Mérési adatok feldolgozása. Anyagvizsgálati módszerek Anyagvizsgálati módszerek Mérési adatok feldolgozása Anyagvizsgálati módszerek Pannon Egyetem Mérnöki Kar Anyagvizsgálati módszerek Statisztika 1/ 22 Mérési eredmények felhasználása Tulajdonságok hierarchikus

Részletesebben

Jelfeldolgozás bevezető. Témalaboratórium

Jelfeldolgozás bevezető. Témalaboratórium Jelfeldolgozás bevezető Témalaboratórium Tartalom Jelfeldolgozás alapjai Lineáris rendszerelmélet Fourier transzformációk és kapcsolataik Spektrális képek értelmezése Képfeldolgozás alapjai Néhány nevezetesebb

Részletesebben

Elektronika II laboratórium 1. mérés: R L C négypólusok vizsgálata

Elektronika II laboratórium 1. mérés: R L C négypólusok vizsgálata Elektronika II laboratórium 1. mérés: R L C négypólusok vizsgálata 2017.03.02. A legalapvetőbb áramkörök ellenállásokat, kondenzátorokat és indukciós tekercseket tartalmazó áramkörök. A fenti elemekből

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

M ű veleti erő sítő k I.

M ű veleti erő sítő k I. dátum:... a mérést végezte:... M ű veleti erő sítő k I. mérési jegyző könyv 1. Visszacsatolás nélküli kapcsolások 1.1. Kösse az erősítő invertáló bemenetét a tápfeszültség 0 potenciálú kimenetére! Ezt

Részletesebben

Zajok és fluktuációk fizikai rendszerekben

Zajok és fluktuációk fizikai rendszerekben Zajok és fluktuációk fizikai rendszerekben Zajjelenségek modellezése Makra Péter SZTE Kísérleti Fizikai Tanszék 2009-2010. őszi félév Változat: 0.1 Legutóbbi frissítés: 2009. október 14. Makra Péter (SZTE

Részletesebben

STATISZTIKA. A Föld pályája a Nap körül. Philosophiae Naturalis Principia Mathematica (A természetfilozófia matematikai alapelvei, 1687)

STATISZTIKA. A Föld pályája a Nap körül. Philosophiae Naturalis Principia Mathematica (A természetfilozófia matematikai alapelvei, 1687) STATISZTIKA 10. Előadás Megbízhatósági tartományok (Konfidencia intervallumok) Sir Isaac Newton, 1643-1727 Philosophiae Naturalis Principia Mathematica (A természetfilozófia matematikai alapelvei, 1687)

Részletesebben

[Biomatematika 2] Orvosi biometria

[Biomatematika 2] Orvosi biometria [Biomatematika 2] Orvosi biometria 2016.02.15. Esemény Egy kísérlet vagy megfigyelés (vagy mérés) lehetséges eredményeinek összessége (halmaza) alkotja az eseményteret. Esemény: az eseménytér részhalmazai.

Részletesebben

Matematikai alapok és valószínőségszámítás. Normál eloszlás

Matematikai alapok és valószínőségszámítás. Normál eloszlás Matematikai alapok és valószínőségszámítás Normál eloszlás A normál eloszlás Folytonos változók esetén az eloszlás meghatározása nehezebb, mint diszkrét változók esetén. A változó értékei nem sorolhatóak

Részletesebben

Biostatisztika VIII. Mátyus László. 19 October

Biostatisztika VIII. Mátyus László. 19 October Biostatisztika VIII Mátyus László 19 October 2010 1 Ha σ nem ismert A gyakorlatban ritkán ismerjük σ-t. Ha kiszámítjuk s-t a minta alapján, akkor becsülhetjük σ-t. Ez további bizonytalanságot okoz a becslésben.

Részletesebben

Sztochasztikus rezonanciával. neurokardiológiai fluktuációk vizsgálata

Sztochasztikus rezonanciával. neurokardiológiai fluktuációk vizsgálata szegedi tudományegyetem kísérleti fizikai tanszék Sztochasztikus rezonanciával elérhető jeljavítás és neurokardiológiai fluktuációk vizsgálata Doktori értekezés Készítette: Makra Péter Témavezető: Dr Gingl

Részletesebben