Digitális jelfeldolgozás eszközei. II. kötet. A jelfeldolgozás szoftver eszközei Matlab gyakorlatok
|
|
- Tibor Kovács
- 6 évvel ezelőtt
- Látták:
Átírás
1 Gaál József Dgtáls jelfeldolgozás eszköze II. kötet A jelfeldolgozás szoftver eszköze Matlab gyakorlatok KHVM - BMGE HT (2001.) 3. kadás Budapest, 2006.
2 2/40 Bevezetés 1. Gyakorlat: ARMA jelek dő- és operátortartomány reprezentácónak grafkus vzsgálatára 2. Gyakorlat: Idő- és frekvencatartomány reprezentácók grafkus vzsgálatára 3. Gyakorlat: Sávhatárolt KF jel alul-mntavételezés frekvencájának meghatározása 4. Gyakorlat: Egyenletes és logartmkus kvantálók vzsgálata 5. Gyakorlat: Dfferencáls kódolók vzsgálata
3 3/40 Bevezetés A dgtáls jelfeldolgozás dszkrét dejű jelenek és rendszerenek analízsét és szntézsét gen hatékonyan támogató lehetőségeket nyújt (a korábban már más tárgyak során megsmert) MATLAB. Ezen tárgy keretében, néhány számítógépterm gyakorlat során pár jellegzetes példa-feladat elkészítésére és működtetésére kerül sor. A gyakorlatok fő célja, hogy kdogozott esetek kapcsán, mntegy példát mutatva segítsen kalakítan azt a készséget, mellyel a későbbekben a mndenkor problémakörhöz lleszkedve mndenk elkészíthet majd a saját feladat-orentált eszközet. Néhány általános tanács: javasolt az on-lne help ntenzív használata a szerszámankat.m fle-ba írjuk folyamatos tesztelés MATLAB command wndow-ban használjuk az autohelp konvencót összetettebb esetben herarchkusan szervezett, egyszerű szerszámokból építsük fel a kísérletenket jól átgondolt nterfésszel (paraméter lstával) szeparáljuk az algortmkus és a megjelenítő, grafkus funkcókat kerüljük a for cklusok használatát, amkor lehet tömb műveleteket és ndex-tömböket alkalmazzunk
4 4/40 1. Gyakorlat: ARMA jelek dő- és operátortartomány reprezentácónak grafkus vzsgálatára A dszkrét dejű jelek (és rendszerek) dő- és operátortartománybel leírása között közlekedés eszköz a Z-transzformácó és az nverz Z-transzformácó. A dszkrét dejű jeleket az dőtartományban x(n) számsorozatokkal írjuk le (reprezentáljuk), az operátor tartományban pedg valamely körgyűrű felett analtkus X(z), r1< z <r2 komplex függvényekkel. Az ARMA jelek - defnícó szernt - azok a jelek, melyek Z-transzformáltja raconáls törtfüggvény. Ebben az esetben az operátor(z)-tartomány teljes leírást megkapjuk a z változó raconáls törtje nevező és számláló polnomjanak a gyökevel. Tehát az operátor tartományban a grafkus leírás a pólus-zérus ábra. Első lépésként készítsük el a sorozatokat ll. a raconálstörtek pólus-zérus ábrát megjelenítő MATLAB függvényeket. Az xnplot.m fle: functon xnplot(n,x); % xnplot(n,x) % n: ndexek vektora % x: mntak vektora for = 1:3*length(n) nn() = n(1+floor((-1)/3)); end; xx = zeros(sze(nn)); for = 1:length(n) xx(3*-1) = x(); end; plot(nn,xx,'-',n,x,'o'); Egy példa az dősor rajzoló függvény hívására:» n=[-2:10]; x=0.8.^n; xnplot(n,x); A pzabra.m fle:
5 5/40 functon pzabra(a,b); % pzabra(a,b); pólus-zérus ábra rajzolása % a a számláló (z)polnom együttható (csökkenő hatvány sorrendben) % b a nevező (z)polnom együttható (csökkenő hatvány sorrendben) zk = roots(a); pk = roots(b); m = max([abs(zk);abs(pk);1]); kx = [-m,0,0,0,0,m]; ky = [0,0,m,-m,0,0]; korx = cos([0:2*p/200:2*p]); kory = sn([0:2*p/200:2*p]); plot(korx,kory, -',kx,ky,'-',... real(zk),mag(zk),'o',real(pk),mag(pk),'x'); m = 1.2*m; axs([-m,m,-m,m]); axs('square'); A pzabra.m hívása:» pzabra([1,-1,1],conv([1,0.7,0.49],[1,-1.5])); és az eredménye: A továbbakan készítsük el raconáls tört alakú Z-transzformáltak nverz Z-transzformáltját számító MATLAB függvényt. Feltételezzük, hogy X(z)-nek adott az A(z) számláló, és B(z) nevező polnomja, továbbá adott a ρ konvergenca sugár, melyet tartalmazó körgyűrűhöz, mnt konvergenca tartományhoz tartozó nverz z-transzformáltat akarjuk kszámítan. A továbbakban még feltételezzük, hogy X(z)-nek csak egyszeres pólusa vannak, így alkalmazhatjuk a parcáls törtekre bontás egyszerű esetét.
6 6/40 X(z) = A(z) B(z) = = = a z b z M j j j N 0 0 ( ) ( ) = = = N j j N M M p z b z z a 1 1, ahol a z -k X(z) zérusa és p j -k X(z) pólusa. Egyszeres pólusok esetén X(z) parcáls törtek összegeként s felírható: = = + = N N M z k p z r 1 0 B(z) A(z) = X(z), ahol { } r z p = = = res X(z) A(p B'(p ) ) továbbá k az (M-N)-ed fokú egészrész polnom együttható, melyek nullák, ha X(z) valód tört. Az r p k számok vektora a MATLAB-ban a resdue utasítással határozhatóak meg. Mvel a z-transzformácó lneárs művelet, a fent összeg tagjanak külön-külön vehetjük az nverz z-transzformáltját, és az így kapott részsorozatokat a végén összegezhetjük. Ezeket a részsorozatokat a geometra sorok összegére vonatkozó tétel segítségével határozzuk meg: { } { } < = > = = = p z p z p p r p z p r p z p z p z p r z p z r z p z r ρ ρ ρ, , , Z Z Z Z Z azaz, < < > > < > = = ha 1,, 0, n 0, ha 1, n 0, 0,,, n n p n p r p n p r z p z r ρ ρ ρ Z
7 7/40 A fent meggondolások alapján megírhatjuk az alább nvzp függvényt. (A függvény neve végén levő p betűvel azt hangsúlyozzuk, hogy az a és b nput polnomok z poztív hatványahoz tartoznak.) functon x=nvzp(a,b,ro,nl,nu); %functon x=nvz(a,b,ro,nl,nu); % nverz Z transzformaco (z poztv hatvanya szernt tortre) % a: szamlalo a(1)*z^m + a(2)*z^(m-1)+...+a(m+1) % b: nevezo b(1)*z^n + b(2)*z^(n-1)+...+b(n+1) % ro:konvergenca tartomanybel sugar % nl, nu : a kszamtando dotengely felett ndex-ntervallum % x : eredmeny: az nl...nu ndexekhez tartozo domntak sorozata [res,pol,k]=resdue(a,b); f length(pol) == 0 k=a/b(1); end; t=[nl:nu]; % do ndex tomb mask1=sgn(max(zeros(sze(t)),t)); % ro-n belul polus nemnulla mntanak ndexe mask2=-(ones(sze(t))-mask1); % ro-n kvul polus nemnulla mntanak ndexe x=0*t; for =1:length(pol) x=pol()*ones(sze(t)); x=x.^(t-1); f abs(pol()) <= ro x=mask1.*x; else x=mask2.*x; end; x=x+res()*x; end % for nk=length(k); f nk>0 % nem valod tort eseten tovabb kegesztes [w,xw]=add(t,x,[-(nk-1):0],k); [w,x]=mult(w,xw,t,ones(sze(t))); end A fent megoldásban, az egészrészhez tartozó FIR szűrő mpulzusválasz sorozatának meghatározásánál, felhasználtuk az alább két segédfüggvényt, melyet ndekszelt vektorok összeadását és szorzását végzk:
8 8/40 functon [3,x3]=add(1,x1,2,x2); %functon [3,x3]=add(1,x1,2,x2); % ndexelt vektorok ndex-helyes osszeadasa % 1, 2, 3: ndexek folyamatosan felsorolt vektora % x1, x2, x3: ndexekhez tartozo mntak vektora % ndextartomanyon kvul nulla mntak feltetelezettek % 3: 1 es 2 unoja 3=[mn(1(1),2(1)):max(1(length(1)),2(length(2)))]; x3=zeros(sze(3)); x3(1-3(1)+1)=x3(1-3(1)+1)+x1; x3(2-3(1)+1)=x3(2-3(1)+1)+x2; functon [3,x3]=mult(1,x1,2,x2); %functon [3,x3]=mult(1,x1,2,x2); % ndexelt vektorok ndex-helyes osszeszorzasa % 1, 2, 3: ndexek folyamatosan felsorolt vektora % x1, x2, x3: ndexekhez tartozo mntak vektora % ndextartomanyon kvul nulla mntak feltetelezettek % 3: 1 es 2 metszete l=max(1(1),2(1)); u=mn(1(length(1)),2(length(2))); f u >= l 3=[l:u]; 3s=[1:length(3)]; x3=x1(3(1)-1(1)+3s).*x2(3(1)-2(1)+3s); end; Az eddg eszközenk kényelmes használatát támogatandó, írjuk meg a grafkát vezérlő gnvzp.m fle-t.
9 9/40 functon x=gnvzp(a,b,r,nl,nu,ny,nx,n) %functon x=gnvzp(a,b,r,nl,nu,ny,nx,n); % nverz Z transzformaco grafkus outputtal % a: szamlalo a(1)*z^m + a(2)*z^(m-1)+...+a(m+1) % b: nevezo b(1)*z^n + b(2)*z^(n-1)+...+b(n+1) % r: konvergenca tartomanybel sugar % nl, nu : a kszamtando dontervallum % ny,nx,n: subplot(ny,nx,n) vezerlo adatok subplot(ny,nx,n); pzabra(a,b); %szoveg=['konvergenca tartomanybel kontursugar: ',num2str(r)]; szoveg=['ro=',num2str(r)]; xlabel(szoveg); ttle('polus-zerus kep'); t=[nl:nu]; x=nvzp(a,b,r,nl,nu); subplot(ny,nx,n+nx); xnplot(t,x); xlabel('idosor'); subplot(111); Ellenőrző és llusztratív példaként vzsgáljuk meg az 2z X(z) = = + (z - 0.5)(z - 2.0) z z 2.0 esetét ρ = 0.2, 1.0 és 5.0 konvergenca sugarak esetére.
10 10/40 A három különböző konvergenca gyürűvel kapott eredmények: gnvzp([2,-2.5],conv([1,-0.5],[1,-2]),0.2,-10,10,2,3,1); gnvzp([2,-2.5],conv([1,-0.5],[1,-2]),1.0,-10,10,2,3,2); gnvzp([2,-2.5],conv([1,-0.5],[1,-2]),5.0,-10,10,2,3,3);
11 11/40 Tanulságos összehasonlításként tt vannak az eredmények a csak egy (az egységsugarú körön belül vagy kívül) pólus esetére s, különböző konvergenca sugarak mellett: gnvzp([1],conv([1,-0.5],[1]),0.2,-10,10,2,4,1); gnvzp([1],conv([1,-0.5],[1]),1.0,-10,10,2,4,2); gnvzp([1],conv([1,-2.0],[1]),1.0,-10,10,2,4,3); gnvzp([1],conv([1,-2.0],[1]),5.0,-10,10,2,4,4);
12 12/40 2. Gyakorlat: Idő- és frekvencatartomány reprezentácók grafkus vzsgálatára Készítsük el azt a t2f.m nevű szerszámot, mellyel egy fc órajelű, nt vektorban levő dőndexek sorozatához tartozó xt mntavektorok komplex sx Fourer transzformáltját számítjuk k a frekvencatengelyen tetszőlegesen előírható fa-ff ntervallum felett. Az fft eljáráson alapuló számítás frekvenca tengely felett f = fc/nfft felbontását az xt mntavektor hossza határozza meg! t2f.m: functon [ft,sx]=t2f(fc,nt,xt,fa,ff); % Tme to Frequency %[ft,sx]=t2f(fc,nt,xt,fa,ff); % fc: orajel % nt, xt: do-ndex vektor es mnta vektor % fa, ff : a szamtando frekvenca sav % sx-ben a komplex spektrum mntak az ft bel frekvencak szernt % FFT pontszam meghatarozasa nfft = 2^cel(log(length(xt))/log(2)); sx = fft(xt,nfft); % a szamtando frekvenca-ndex ntervallum nf = [round(nfft*fa/fc):round(nfft*ff/fc)]; ft = nf*fc/nfft; % a perodkus spektrum nf felett resze sx = sx(mod(nf,nfft)+1); % az xt mntak dobel helyzetenek megfelelo fazs korrekco sx = sx.* exp(-j*2*p*nt(1)*ft/fc); A fent eljáráshoz felhasználtuk az alább moduló függvényt: mod.m: functon y = mod(x,a); % y = mod(x,a) y = x - a * floor(x/a); Az egyébként sokszor használandó moduló függvényünk tesztelése, llusztrálása az alábbak szernt történhet:» plot([-6:0.01:6],mod([-6:0.01:6],4),'.'); grd;» xlabel('x'); ylabel('y'); ttle('y = mod (x,4)');
13 13/40 Elkészített eszközünket használjuk fel az dőtartomány ablakolás frekvenca-tartomány következményenek vzsgálatára. pelda21.m naa=-2; naf=2; %ablak ndex hatarok % a jel adata fc=10000; T=1/fc; % orajel na=-200; nf=200; nt=[na:nf]; tt=t*nt; %do tengely xat=sgn(nt-(naa-0.1)); xft=sgn((naf+0.1)-nt); xt=(xat+xft)/2; fgure(1); subplot(211); plot(tt,xt,'-'); xlabel('do'); [ft,sx]=t2f(fc,nt,xt,-fc/2,fc/2); subplot(111); fgure(2); subplot(221); plot(ft,real(sx),'-'); xlabel('frekvenca'); ylabel('real'); subplot(223); plot(ft,mag(sx),'-'); xlabel('frekvenca'); ylabel('mag'); subplot(222); plot(ft,abs(sx),'-'); xlabel('frekvenca'); ylabel('abs'); subplot(224); semlogy(ft,abs(sx),'-'); xlabel('frekvenca'); ylabel('log abs'); subplot(111);
14 14/40
15 15/40 Szélesebb ablak: naa=-20; naf=20; %ablak ndex hatarok
16 16/ mnta szélességű ablak esete: naa=-100; naf=100; %ablak ndex hatarok Megjegyzések: - A képzetes részre kapott eredmény a numerkus pontosságra vonatkozó tájékoztatásként értelmezhető - Tovább ksérletek végezhetőek nem páros függvényű ablakkal - Tovább vzsgálatok: fazs, futás dő karaktersztkák - Tovább vzsgálat: ablakolt sznusz spektruma, rövd dejű burst hullam vzsgálata
17 17/40 3. Gyakorlat: Sávhatárolt KF jel alul-mntavételezés frekvencájának meghatározása A rádótechnkában gyakran előforduló eset, hogy távközlő csatorna jelét valamely középfrekvencás (KF) sávban dolgozzák fel. A feladatunk, hogy meghatározzuk, melyek az adott csatornaszűrő által meghatározott lehetséges mntavétel frekvencák. Példaként tekntsük az alább sávszűrő karaktersztkát: 10kHz ± 1,5dB 60dB df=20 khz 60dB f0=455 khz df=20khz khz Fa=f0-df/2 f0 Ff=f0+df/2 Készítsünk Matlab programot, mely az f0, df paraméterekből a frekvencatengely fsa... fsf ntervalluma felett krajzolja a lehetséges mntavétel frekvencák ndkátor függvényét (1 az érték lehetséges frekvenca felett, nulla egyébként) A program megírása előtt tekntsük át a vonatkozó összefüggéseket: A sávszűrő után maradó spektrum, tehát csak az Fa Ff = df ntervallumban tartalmaz komponenseket: -Ff -Fa Fa Ff Az Fs frekvencájú mntavételezés után spektrum: Fs δ 2 δ 1 δ 1 δ 2 k Fs (k+1)fs f -Ff -Fa Fa Ff
18 18/40 A mntavett jel perodkus spektrumának átlapolódás mentességéhez szükséges az alább egyenlőtlenség rendszer teljesülése: δ 1, δ 2 > 0 ; k egész ; -Fa + k Fs + δ 1 = Fa -Ff + (k+1) Fs - δ 2 = Ff Fs > 2 (Ff - Fa)=2 df k < 2 Fa/Fs, k > (2 Ff Fs)/Fs, kmax = floor(2 Fa / Fs) kmn =cel((2 Ff Fs)/Fs) = cel (2Fa / Fs (1-2 df /Fs)) Adott Fa, Ff értékek mellett a fent egyenlőtlenségrendszernek csak olyan Fs mntavétel frekvenca értékeknél van egész megoldása k-ra, ahol kmn(fs) >= kmax(fs). Mvel 0 < (1-2 df /Fs) < 1, ezért kmn vagy egyenlő kmax-szal, vagy eggyel nagyobb, tehát a keresett ndkátor függvény: 1+ kmax(fs)-kmn(fs) Ezek után a Matlab program: functon subsamp(f0,df,fsa,fsf); fa=f0-df/2; ff=f0+df/2; f fsa < 2*df fsa=2*df; end; fs=[fsa:(fsf-fsa)/1000:fsf]; kmax=floor(2*fa./fs); kmn=cel(2*ff./fs-1); ke=1+ kmax-kmn; % k engedelyezett ndkatora fgure(1) subplot(211) plot(fs,ke,fs,kmax,fs,kmn); grd; ttle(['f0=',num2str(f0),' Hz df=',num2str(df),' Hz']); xlabel('mntavetel frekvenca (Hz)'); %ylabel('kmax(kek), knm(zold)'); delta1=ke.*(2*fa-kmn.*fs); delta2=-ke.*(2*ff-(kmn+1).*fs); subplot(212) plot(fs, delta1, fs, delta2); grd; xlabel('mntavetel frekvenca (Hz)'); ylabel('delta 1,2 (Hz)'); subplot(111);
19 19/40 Futtatás eredmények: clear; subsamp(455000,22000,44000); Knagyítva a lehetséges legksebb frekvenca környezete: subsamp(455000,22000,44200,44600);
20 20/40 A továbbakban vzsgáljuk meg, hogyan kell módosítan a számítást, ha fgyelembe akarjuk venn, hogy nem folytonos dejű (analog) jel mntavételezés frekvencáját kell meghatároznunk, hanem már egy fc előzetes mtavétel frekvencáról (nagyfrekvencán dgtalzált jel) akarunk áttérn egy ksebb alul-mntavételezés frekvencára. Ebben az esetben a lehetséges Fs mntavétel frekvencák, nem a folytonos értékek felett értelmezett ntervallumokban lehetségesek, hanem csak a dszkrét Fs = fc/n szubharmónkus frekvencák közül azok, melyek a korábban megsmert egyenlőtlenség rendszert kelégítk. A módosított MATLAB program: functon subsamp(f0,df,fsa,fsf, fc); fa=f0-df/2; ff=f0+df/2; f fsa < 2*df fsa=2*df; end; fs=[fsa:(fsf-fsa)/1000:fsf]; kmax=floor(2*fa./fs); kmn=cel(2*ff./fs-1); ke=1+ kmax-kmn; % k engedelyezett ndkatora cm=['f0=',num2str(f0),' Hz df=',num2str(df),' Hz']; fgure(1) subplot(211) f nargn > 4 % dszkret frekvencak esete nmax=floor(fc/fsa); nmn=cel(fc/fsf); fsd=fc./[nmax:-1:nmn]; kmaxd=floor(2*fa./fsd); kmnd=cel(2*ff./fsd-1); ked=(1+kmaxd-kmnd); % k engedelyezett dszkret ndkatora plot(fs,ke,fs,kmax,fs,kmn,fsd,2*ked,'x'); grd; ttle([cm, fc=',num2str(fc),' Hz']); else plot(fs,ke,fs,kmax,fs,kmn); grd; ttle(cm); end; xlabel('mntavetel frekvenca (Hz)'); delta1=ke.*(2*fa-kmn.*fs); delta2=-ke.*(2*ff-(kmn+1).*fs); subplot(212) f nargn > 4 delta1d=ked.*(2*fa-kmnd.*fsd); delta2d=-ked.*(2*ff-(kmnd+1).*fsd); plot(fs,delta1,fs,delta2,fsd,delta1d,'x',fsd,delta2d,'x'); grd; else plot(fs, delta1, fs, delta2); grd; end xlabel('mntavetel frekvenca (Hz)'); ylabel('delta 1,2 (Hz)'); subplot(111);
21 21/40 A kapott eredmények, a KF-jel előzetes 1MHz mntavételezés frekvencán történt dgtalzálása esetén: subsamp(455000,22000,44000,100000, ); subsamp(455000,22000,57000,60000, );
22 22/40 4. Gyakorlat: Egyenletes és logartmkus kvantálók vzsgálata Egyenletes, szmmetrkus, r btes kvantálás karaktersztkát az alább függvénnyel valósíthatunk meg: kvant_e.m functon y = kvant_e(x,r,xmn,xmax); % y = kvant_e(x,r,xmn,xmax); % Egyenletes kvantalo % x: bemenet mntak % r: r btes kvantalas % xmn-xmax: felett egyenletes kvantalo, hba < q/2 % y: kvantalt kmenet mntak l = 2^r; % dontes ntervallumok, szntek szama q = (xmax-xmn)/l; % a kvantalas lepcso % nagy jelu mukodes y = mn(x,(xmax-q/2)*ones(sze(x))); % ks jelu mukodes y = max(y,(xmn+q/2)*ones(sze(y))); % kerektes y = xmn+q/2+q*round((y-(xmn+q/2))/q); 4 btes kvantáló esetére a lépcsős kvantálás karaktersztka és a fűrész alakú hba karaktersztkák az alábbak szernt jeleníthető meg: pelda41.m % Egyenletes kvantalo kvantalas es hba karaktersztkaja; fgure(1); r=4; d=1; x=1.5*[-d:d/300:d]; y=kvant_e(x,r,-d,d); e=y-x; plot(x,y,'-',x,e,'-'); grd; axs('equal');
23 23/40 Kvantálók mérésére gyakran használunk szélessávú, véletlen jelet darab, [ ] ntervallum felett egyenletes eloszlású független véletlen szám x vektorát és a hsztogramját az alábbak szernt álthatjuk elő: pelda41.m (folytatás) % mérő jel x=2*(rand(1,1000)-0.5); fgure(2); hst(x,10); v=axs; axs(1.5*v); A kvantálás torzítás mértékének számítására az alább függvényt használhatjuk: snrdb.m: functon s=snrdb(x,y,d); %s=snrdb(x,y,d); %Az x es az y mntak kozott totorztas jelzajvszonya db-ben. %Az osszetartozo mntak y-ban d-utemmel kesnek lx=length(x); ly=length(y); l=mn(lx,ly-d); e=y(1+d:l+d)-x(1:l); s=(sum(x.*x)/lx)/(sum(e.*e)/l); s=10*log10(s);
24 24/40 A különböző felbontású (különböző btszámú) egyenletes kvantálók kvantálás torzításának a bemenet jelsznttől való függését az alábbak szernt vzsgálhatjuk meg: pelda41.m (folytatás) ns=40; % a bemenet jelszntek szama szgma=logspace(-4,1,ns); % a bemenet jelszntek erteke % a vzsgalando kvantalo-felbontasok:2,4,6,8,10,12,14,16 bt bts=[4:2:16]; for j=1:length(bts), for =1:ns, xs=szgma()*x; ys=kvant_e(xs,bts(j),-1,1); snr(j,)=snrdb(xs,ys,0); end; %for end; %j % jel/zaj meghatarozasa fgure(3); semlogx(szgma.*szgma,snr,'-'); grd, ylabel('snr(db)'); xlabel('nput level'); for j=1:length(bts), text(szgma(27)*szgma(27),snr(j,27),[num2str(bts(j)),' bt']); end;
25 25/40 Adott kvantálás dnamkatartomány felett sznt független jel-zaj vszonyt logartmkus kvantálóval érhetünk el. kvant_l.m functon y = kvant_l(x,r,d,ddb); % y = kvant_l(x,r,d,ddb); % logartmkus kvantalo % x: bemenet mntak % r: r btes kvantalas % d: +-d felett logartmkus kvantalas % ddb: a logartmkus kvantalo dnamkatartomanya db-ben % y: kvantalt kmenet mntak l = 2^(r-1); % dontes ntervallumok, szntek szama xmn=10^(-ddb/20); ql = (0-log(xmn))/(l-1); % a kvantalas lepcso y = mn(abs(x/d),ones(sze(x))); y = max( y, xmn*ones(sze(x))); yl=log(y); y = (round((yl)/ql))*ql; % nagy jelu mukodes % ks jelu mukodes % kerektes y = d* sgn(x).*exp(y); Természetesen a logartmkus karaktersztka szernt kvantálást s vsszavezethetjük egyenletes kvantálásra a log() kompander- és exp() expander-karaktersztkák használatával: functon y = kvant_le(x,r,d,ddb); % y = kvant_le(x,r,d,ddb); % szmmetrkus, logartmkus kvantalo % x: bemenet mntak % r: r btes kvantalas % d: +-d felett logartmkus kvantalas % ddb: a logartmkus kvantalo dnamkatartomanya db-ben % y: kvantalt kmenet mntak xmax=d; xmn=d*10^(-ddb/20); lxmax=log(xmax); lxmn=log(xmn); ly=kvant_e(log(abs(x)),r-1,lxmn, lxmax); y=sgn(x).*exp(ly);
26 26/40 A logartmkus kvantáló kvantálás- és torzítás karaktersztkájának megjenítése: r=4; d=1; ddb=r*6; x=2*[-d:d/500:d]; y=kvant_l(x,r,d,ddb); e=y-x; plot(x,y,'w-',x,e,'w-'); grd; axs('equal'); A jel-zaj vszony sznt-függésének szmulácós vzsgálata: % mérő jel x=2*(rand(1,1000)-0.5); ns=40; xmax=logspace(-4,1,ns); % a bemenet jelszntek erteke bts=[4:2:16]; ddb=100; %nput dnamkatartomany db-ben for j=1:length(bts), for =1:ns, xs=xmax()*x; ys=kvant_le(xs,bts(j),d,ddb); snr(j,)=snrdb(xs,ys,0); end; %for end; %j % a bemenet jelszntek szama fgure(6); semlogx(xmax,max(snr,zeros(sze(snr))),'-'); grd; ylabel('snr(db)'); xlabel('nput level'); for j=1:length(bts), text(szgma(27)*szgma(27),snr(j,27),[num2str(bts(j)),' bt']); end;
27 27/40
28 28/40 5. Gyakorlat: Dfferencáls kódolók vzsgálata A MATLAB segítségével végezzük el az alább három hullámforma kódoló-dekódoló (jeldgtalzáló és rekonstruáló) rendszer összehasonlító elemzését. Az első rendszer pusztán egy llesztett kvantáló (a kvantáló dnamka tartománya a kvantálandó jel szórásának a háromszorosa): KÓDOLÓ 1 jel generálás x kvantáló y1 mnősítés: SNR1 A másodk esetben a jel és a predkáltja különbségeként előálló dfferencáls jelet kvantáljuk: KÓDOLÓ 2 jel generálás x predktor d2 - kvantáló d2q predktor y2 mnősítés: SNR2 A harmadk esetben a dfferencáls-predktív kódoló körbe hurkolja a kvantálót: KÓDOLÓ 3 jel generálás x xk d3 - kvantáló predktor w d3q predktor y3 mnősítés: SNR3 Vzsgáló jelként állítsuk elő két sznusz és fehé zaj összegét. A kezdet vzsgálódásanknál zaj mentes esettel foglalkozunk:
29 29/40 pelda5.m clear; %jeleloalltas fc=8000; dt=1/fc; xn=400; nt=[0:xn]; tt=nt*dt; f1=447; f2=1017; a1=1; a2=1; az=0.0; x=a1*sn(2*p*f1*tt)+a2*sn(2*p*f2*tt)+az*randn(sze(tt)); fgure(1); [ft,sx]=t2f(fc,nt,x,0,fc/2); subplot(211); plot(ft,abs(sx),'-'); xlabel('frekvenca'); ylabel('abs'); subplot(212); semlogy(ft,abs(sx),'-'); xlabel('frekvenca'); ylabel('log abs'); A vzsgáló jel spektruma:
30 30/40 Az első kódoló vzsgálatához használjuk fel a korábban készített kvant_e.m és snrdb.m eszközenket. pelda5.m (folytatás) % KÓDOLÓ 1 qbt=8; qd=3*std(x); y1=kvant_e(x,qbt,-qd, qd); % mnostes snr1=snrdb(x,y1,0); fgure(2); subplot(211); plot(nt,x,'-',nt,y1,'-'); xlabel('a bemenet es kmenet jelek: x, y1'); subplot(212); plot(nt,y1-x,'-'); xlabel('a hbajel: y1-x'); A kapott jelalakok: és a kapott jel-zaj vszony: SNR1 = db.
31 31/40 A másodk rendszerben a dfferencáls jel előállításához szükséges (negyed fokúnak választott) predktort (a jelet a korább mntából optmálsan megbecslő szűrőt) a MATLAB lpc függvényével határozzuk meg a kódolandó x jelből. Egyúttal krajzoltatjuk az így kapott kódoló P-Z ábráját s. pelda5.m (folytatás) % KODOLO 2 npred=4; pn=real(lpc(x,npred)); fgure(3); subplot(111); pzabra(pn,1); xlabel('lpc kodolo transzferfuggvenye'); % 4-ed foku predktor tervezes Fgyeljuk meg, hogy a kódoló zérusa közel vannak a predkálandó jelben lévő sznuszok frekvencájához.» (447/8000)*360 = fok és» (1017/8000)*360 = fok
32 32/40 A másodk kódoló analízse: pelda5.m (folytatás) d2=flter(pn,[1],x); %dfferenca kepzes qd=3*std(d2); % az llesztett kvantalo dnamtartomanya d2q=kvant_e(d2,qbt,-qd,qd); %kvantalas y2=flter([1],pn,d2q); %dfferencals jelbol vsszalltas %mnostes ndex=[100:length(x)]; snr2=snrdb(x(ndex),y2(ndex),0); gp=10*log10((sum(x.*x)/length(x))/(sum(d2.*d2)/length(d2))); fgure(4); subplot(221); plot(nt,x,'-'); xlabel('a bemenet jel: x'); subplot(222); plot(nt,y2,'-'); xlabel('a kmenet jel: y2'); subplot(223); plot(nt,d2,'-'); xlabel('a dfferencals jel: d2'); subplot(224); plot(nt,y2-x,'-'); xlabel('a hbajel: y2-x'); A kapott jelalakok: A rendszert mnősítő SNR2 érték számításánál a tranzens mntákat fgyelmen kívül hagytuk. A kapott SNR2 = 43.44dB
33 33/40 érték lényegében ugyan anny, mnt az előző egyszerű esetben, pedg a dfferencáls kódolótól várható predkcós nyereség számított értéke (az eredet x jel és a kvantálandó d2 jel teljesítményenek hányadosa): Gp = db, azaz ezzel az értékkel megnővelt SNR lenne elérhető. Természetesen ez az elv lehetőség csak akkor realzálható, ha a predktv hurok közrefogja a kvantálót. Ezen meggondolások szernt épül fel a harmadk kódoló. pelda5.m (folytatás) % KODOLO 3 w=zeros(1,npred); % predktor allapotvaltozonak ncalzalasa % rekurzv rendszer for 1=npred:length(x), xk=-pn(2:npred+1)*w(1:npred)'; % predkco d3(1)=x(1)-xk; % dfferenca kepzes d3q(1)=kvant_e(d3(1),qbt,-qd,qd); % kvantalas w=[d3q(1)+xk,w(1:(npred-1))]; % predktor allapot update end; y3=flter([1],pn,d3q); %dfferencals jelbol vsszalltas %mnostes ndex=[100:length(x)]; snr3=snrdb(x(ndex),y3(ndex),0); fgure(5); subplot(221); plot(nt,x,'-'); xlabel('a bemenet jel: x'); subplot(222); plot(nt,y3,'-'); xlabel('a kmenet jel: y3'); subplot(223); plot(nt,d3,'-'); xlabel('a dfferencals jel: d3'); subplot(224); plot(nt,y3-x,'-'); xlabel('a hbajel: y3-x'); Összegező adatok, hsztogrammok kírása: pelda5.m (folytatás) dsp(['snr1=',num2str(snr1),'db ','snr2=',num2str(snr2),'db ',... 'snr3=',num2str(snr3),'db ','Gp=',num2str(gp),'dB ' ]); fgure(6); subplot(221); [nn,hh]=hst(x); bar(hh,nn,'-');xlabel('x hsztogram'); subplot(223); [nn,hh]=hst(d2); bar(hh,nn,'-'); xlabel('d2 hsztogram'); subplot(224); [nn,hh]=hst(d3); bar(hh,nn,'-'); xlabel('d3 hsztogram'); A kapott eredmények és ábrák: SNR1=43.29dB SNR2=43.44dB SNR3=-14.78dB Gp=19.72dB
34 34/40
35 35/40 Mnt több jelből látható, valam nagy baj van, a rendszer "gerjed": SNR3=-14.78dB! értelmetlenség a dfferencáls- (d3) és a hbajel (y3-x) "felcseng", sokkal nagyobb mnt maga az eredet jel A helytelen működés oka, a kvantáló nagyjelű nemlneartásában (lmter karaktersztka) keresendő. Ennek bzonyítására, deglenesen módosítsuk a kvant_e.m függvényünket úgy, hogy a nagyjelű lmtálást "kkapcsoljuk", azza mnden bemenetre csak kerekítést végez a kvantáló: kvant_e.m (deglenesen módosítva) functon y = kvant_e(x,r,xmn,xmax); % y = kvant_e(x,r,xmn,xmax); % Egyenletes kvantalo % x: bemenet mntak % r: r btes kvantalas % xmn-xmax: felett egyenletes kvantalo, hba < q/2 % y: kvantalt kmenet mntak l = 2^r; % dontes ntervallumok, szntek szama q = (xmax-xmn)/l; % a kvantalas lepcso % nagy jelu mukodes %%%% y = mn(x,(xmax-q/2)*ones(sze(x))); % ks jelu mukodes %%%% y = max(y,(xmn+q/2)*ones(sze(y))); % kerektes y = xmn+q/2+q*round((y-(xmn+q/2))/q); Ezek után újrafuttatva a pelda5.m programot, az alábbak szernt eredményeket kapjuk: SNR1=43.29dB SNR2=43.51dB SNR3=62.87dB Gp=19.72dB Most már SNR3 értelmes (a Gp predkcós nyereséggel megnövelt) értéket ért el. A kapott ábrák:
36 36/40 Tehát, am a jeleket llet, most már mnden az elvárások szernt alakult. Ez a ksérlet, természetesen nem megoldása a predkcós kódoló müködésének, csupán azt bzonyítottuk, hogy a fxen a d2 dfferencáls jelhez (,mely a fnom kvantálástól eltekntve ugyan az, mnt a d3 dfferencáls jel és staconer esetben gen ks jel) llesztett ks dnamka tartományú kvantáló a bekapcsoláskor (és a tranzens elején) olyan nagy túlvezérlést kap, hogy az ekkor keletkező jelekre a nemlnárs, vsszacsatolt rendszer nagyjelű, határcklusos gerjedést produkál. A valód megoldás skálázófaktor-adaptv kvantáló alkalmazása a vsszacsatolt hurkon belül. Ennek az elgondolásnak a MATLAB-bel mplementácóját a korább pelda5.m program megfelelő helyének az alább módosításával készíthetjük el:
37 37/40 pelda5.m (kegészítve adaptív kvantálóval) % KODOLO 3. w=zeros(1,npred); powd3=1; alfa=2^(-5); % adaptalas ncalzalasa % rekurzv rendszer for 1=npred:length(x), xk=-pn(2:npred+1)*w(1:npred)'; % predkco d3(1)=x(1)-xk; % dfferenca kepzes % Adaptv kvantalo powd3=(1-alfa)*powd3 + alfa*d3(1)*d3(1); qd=3*sqrt(powd3); d3q(1)=kvant_e(d3(1),qbt,-qd, qd); % kvantalas w=[d3q(1)+xk,w(1:(npred-1))]; % predktor allapot update end; y3=flter([1],pn,d3q); %dfferencals jelbol vsszalltas A ksérlet újra futtatásánál ne felejtsük el kvant_e.m eredet működését vsszaállítan! A kapott eredmények: SNR1=43.29dB SNR2=43.51dB SNR3=63.4dB Gp=19.72dB Az edg vzsgálatoknál a kódólandó jelnek csak keskenysávú (sznuszos) összetevő voltak.
38 38/40 Az alábbak szernt módosítva pelda5.m flet futtassuk újra a MATLAB programunkat. pelda5.m (adat módsításs) %a1=1; a2=1; az=0.0; a1=1; a2=1; az=0.2; A keskeny és szélessávú (feher zaj) összetevőt s tartalmazó bemenő jel spektruma: A következő oldalon a KODOLÓ 1. kmenő jelét és hba jelét látjuk.
39 39/40 A dfferencáls kódolók predktoranak zérusa a zaj öszetevő megjelenésének hatására az ábrán látható módon változtak. A KÓDOLÓ3 jele:
40 40/40 Hsztogrammok: Végezetül a jel/zaj értékek: SNR1=43.32dB SNR2=42.4dB SNR3=50.92dB Gp=7.374dB
Indirekt térfogat-vizualizáció. Fourier térfogat-vizualizáció. Tomográfiás rekonstrukció. Radon-transzformáció. A Fourier vetítő sík tétel
Vzualzácós algortmusok csoportosítása Indrekt térfogat-vzualzácó Csébfalv Balázs Budapest Műszak és Gazdaságtudomány Egyetem Irányítástechnka és Informatka Tanszék Drekt vzualzácó: Közvetlenül a dszkrét
Matematika M1 1. zárthelyi megoldások, 2017 tavasz
Matematka M. zárthely megoldások, 7 tavasz A csoport Pontozás: + 7 + 7 + 7) + 3 + 6 5 pont.. Lehet-e az ux, y) e 3x cos3y) kétváltozós valós függvény egy regulárs komplex függvény valós része? Ha gen,
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
d(f(x), f(y)) q d(x, y), ahol 0 q < 1.
Fxponttétel Már a hétköznap életben s gyakran tapasztaltuk, hogy két pont között a távolságot nem feltétlenül a " kettő között egyenes szakasz hossza" adja Pl két település között a távolságot közlekedés
Fuzzy rendszerek. A fuzzy halmaz és a fuzzy logika
Fuzzy rendszerek A fuzzy halmaz és a fuzzy logka A hagyományos kétértékű logka, melyet évezredek óta alkalmazunk a tudományban, és amelyet George Boole (1815-1864) fogalmazott meg matematkalag, azon a
VARIANCIAANALÍZIS (szóráselemzés, ANOVA)
VARIANCIAANAÍZIS (szóráselemzés, ANOVA) Varancaanalízs. Varancaanalízs (szóráselemzés, ANOVA) Adott: egy vagy több tetszőleges skálájú független változó és egy legalább ntervallum skálájú függő változó.
4 2 lapultsági együttható =
Leíró statsztka Egy kísérlet végeztével általában tetemes mennységű adat szokott összegyűln. Állandó probléma, hogy mt s kezdjünk - lletve mt tudunk kezden az adatokkal. A statsztka ebben segít mnket.
s n s x A m és az átlag Standard hiba A m becslése Információ tartalom Átlag Konfidencia intervallum Pont becslés Intervallum becslés
A m és az átlag Standard hba Mnta átlag 1 170 Az átlagok szntén ngadoznak a m körül. s x s n Az átlagok átlagos eltérése a m- től! 168 A m konfdenca ntervalluma. 3 166 4 173 x s x ~ 68% ~68% annak a valószínűsége,
Ötvözetek mágneses tulajdonságú fázisainak vizsgálata a hiperbolikus modell alkalmazásával
AGY 4, Kecskemét Ötvözetek mágneses tulajdonságú fázsanak vzsgálata a hperbolkus modell alkalmazásával Dr. Mészáros István egyetem docens Budapest Műszak és Gazdaságtudomány Egyetem Anyagtudomány és Technológa
Statisztikai próbák. Ugyanazon problémára sokszor megvan mindkét eljárás.
Statsztka próbák Paraméteres. A populácó paraméteret becsüljük, ezekkel számolunk.. Az alapsokaság eloszlására van kkötés. Nem paraméteres Nncs lyen becslés Nncs kkötés Ugyanazon problémára sokszor megvan
Teljes eseményrendszer. Valószínőségszámítás. Példák. Teljes valószínőség tétele. Példa. Bayes tétele
Teljes eseményrendszer Valószínőségszámítás 3. elıadás 2009.09.22. Defnícó. Események A 1, A 2,..., sorozata teljes eseményrendszer, ha egymást páronként kzárják és egyesítésük Ω. Tulajdonság: P A ) +
MATEMATIKAI STATISZTIKA KISFELADAT. Feladatlap
Közlekedésmérnök Kar Jármőtervezés és vzsgálat alapja I. Feladatlap NÉV:..tk.:. Feladat sorsz.:.. Feladat: Egy jármő futómő alkatrész terhelésvzsgálatakor felvett, az alkatrészre ható terhelı erı csúcsértékek
ORVOSI STATISZTIKA. Az orvosi statisztika helye. Egyéb példák. Példa: test hőmérséklet. Lehet kérdés? Statisztika. Élettan Anatómia Kémia. Kérdések!
ORVOSI STATISZTIKA Az orvos statsztka helye Élettan Anatóma Kéma Lehet kérdés?? Statsztka! Az orvos döntéseket hoz! Mkor jó egy döntés? Mennyre helyes egy döntés? Mekkora a tévedés lehetősége? Példa: test
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
Minősítéses mérőrendszerek képességvizsgálata
Mnősítéses mérőrendszerek képességvzsgálata Vágó Emese, Dr. Kemény Sándor Budapest Műszak és Gazdaságtudomány Egyetem Kéma és Környezet Folyamatmérnök Tanszék Az előadás vázlata 1. Mnősítéses mérőrendszerek
Hipotézis vizsgálatok. Egy példa. Hipotézisek. A megfigyelt változó eloszlása Kérdés: Hatásos a lázcsillapító gyógyszer?
01.09.18. Hpotézs vzsgálatok Egy példa Kérdések (példa) Hogyan adhatunk választ? Kérdés: Hatásos a lázcsllapító gyógyszer? Hatásos-e a gyógyszer?? rodalomból kísérletekből Hpotézsek A megfgyelt változó
A MATLAB alapjai. Kezdő lépések. Változók. Aktuális mappa Parancs ablak. Előzmények. Részei. Atomerőművek üzemtana
A MATLAB alapjai Kezdő lépések - Matlab Promt: >> - Help: >> help sqrt >> doc sqrt - Kilépés: >> quit >> exit >> Futó script leállítása: >> ctrl+c - Változók listásása >> who >> whos - Változók törlése
Egy negyedrendű rekurzív sorozatcsaládról
Egy negyedrendű rekurzív sorozatcsaládról Pethő Attla Emlékül Kss Péternek, a rekurzív sorozatok fáradhatatlan kutatójának. 1. Bevezetés Legyenek a, b Z és {1, 1} olyanok, hogy a 2 4b 2) 0, b 2 és ha 1,
Véletlenszám generátorok. 6. előadás
Véletlenszám generátorok 6. előadás Véletlenszerű változók, valószínűség véletlen, véletlen változók valószínűség fogalma egy adott esemény bekövetkezésének esélye értékét 0 és között adjuk meg az összes
MATLAB. 5. gyakorlat. Polinomok, deriválás, integrálás
MATLAB 5. gyakorlat Polinomok, deriválás, integrálás Menetrend Kis ZH Polinomok Numerikus deriválás Numerikus integrálás (+ anonim függvények) pdf Kis ZH Polinomok Sok függvény és valós folyamat leírható
8. Programozási tételek felsoroló típusokra
8. Programozás tételek felsoroló típusokra Ha egy adatot elem értékek csoportja reprezentál, akkor az adat feldolgozása ezen értékek feldolgozásából áll. Az lyen adat típusának lényeges jellemzője, hogy
ALAKOS KÖRKÉS PONTOSSÁGI VIZSGÁLATA EXCEL ALAPÚ SZOFTVERREL OKTATÁSI SEGÉDLET. Összeállította: Dr. Szabó Sándor
MISKOLCI EGYETEM Gépgyártástechnológa Tanszék Mskolc - Egyetemváros ALAKOS KÖRKÉS PONTOSSÁGI VIZSGÁLATA EXCEL ALAPÚ SZOFTVERREL OKTATÁSI SEGÉDLET Összeállította: Dr. Szabó Sándor A orgácsoló megmunkálásokhoz
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
MATLAB alapismeretek III.
Alkalmazott Informatikai Intézeti Tanszék MŰSZAKI INFORMATIKA Dr.Dudás László 0. MATLAB alapismeretek III. Z= F(x,y) alakú kétváltozós függvények rajzolása Több objektum rajzolása egy ábrába Kombináljuk
Digitális 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:
Röntgen diagnosztikai eljárások:
Röntgen dagnosztka eljárások: Vázlatosan smertesse egy röntgen alapú képalkotó berendezés felépítését! ogyan keletkezk a röntgen foton, m határozza meg az energáját? Mt nevezünk kollmátornak? Mt mond k
Algoritmusok és adatszerkezetek gyakorlat 09 Rendezések
Algortmusok és adatszerkezetek gyakorlat 09 Rendezések Néhány órával ezelőtt megsmerkedtünk már a Merge Sort rendező algortmussal. A Merge Sort-ról tuduk, hogy a legrosszabb eset dőgénye O(n log n). Tetszőleges
CRT Monitor gammakarakteriszikájának
Budapest Műszak és Gazdaságtudomány Egyetem Mechatronka, Optka és Gépészet Informatka Tanszék CRT Montor gammakarakterszkájának felvétele 9. mérés Mérés célja: Számítógéppel vezérelt CRT montor gamma karaktersztkájának
10. Alakzatok és minták detektálása
0. Alakzatok és mnták detektálása Kató Zoltán Képfeldolgozás és Számítógépes Grafka tanszék SZTE http://www.nf.u-szeged.hu/~kato/teachng/ 2 Hough transzformácó Éldetektálás során csak élpontok halmazát
A multikritériumos elemzés célja, alkalmazási területe, adat-transzformációs eljárások, az osztályozási eljárások lényege
A multkrtérumos elemzés célja, alkalmazás területe, adat-transzformácós eljárások, az osztályozás eljárások lényege Cél: tervváltozatok, objektumok értékelése (helyzetértékelés), döntéshozatal segítése
Hurokegyenlet alakja, ha az áram irányával megegyező feszültségeséseket tekintjük pozitívnak:
Első gyakorlat A gyakorlat célja, hogy megismerkedjünk Matlab-SIMULINK szoftverrel és annak segítségével sajátítsuk el az Automatika c. tantárgy gyakorlati tananyagát. Ezen a gyakorlaton ismertetésre kerül
Regresszió. Fő cél: jóslás Történhet:
Fő cél: jóslás Történhet: Regresszó 1 változó több változó segítségével Lépések: Létezk-e valamlyen kapcsolat a 2 változó között? Kapcsolat természetének leírása (mat. egy.) A regresszós egyenlet alapján
BUDAPESTI MŰ SZAKI ÉS GAZDASÁGTUDOMÁNYI EGYETEM KÖZLEKEDÉSMÉRNÖKI ÉS JÁRMŰMÉRNÖKI KAR VASÚTI JÁRMŰVEK ÉS JÁRMŰRENDSZERANALÍZIS TANSZÉK
BUDAPESTI MŰ SZAKI ÉS GAZDASÁGTUDOMÁNYI EGYETEM KÖZLEKEDÉSMÉRNÖKI ÉS JÁRMŰMÉRNÖKI KAR VASÚTI JÁRMŰVEK ÉS JÁRMŰRENDSZERANALÍZIS TANSZÉK MÉRNÖKI MATAMATIKA Segédlet a Bessel-függvények témaköréhez a Közlekedésmérnök
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
Az entrópia statisztikus értelmezése
Az entrópa statsztkus értelmezése A tapasztalat azt mutatja hogy annak ellenére hogy egy gáz molekulá egyed mozgást végeznek vselkedésükben mégs szabályszerűségek vannak. Statsztka jellegű vselkedés szabályok
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
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
Jelgenerálás virtuális eszközökkel. LabVIEW 7.1
Jelgenerálás virtuális eszközökkel (mágneses hiszterézis mérése) LabVIEW 7.1 3. előadás Dr. Iványi Miklósné, egyetemi tanár LabVIEW-7.1 EA-3/1 Folytonos idejű jelek diszkrét idejű mérése A mintavételezési
Analóg elektronika - laboratóriumi gyakorlatok
Analóg elektronika - laboratóriumi gyakorlatok. Passzív alkatrészek és passzív áramkörök. Elmélet A passzív elektronikai alkatrészek elméleti ismertetése az. prezentációban található. A 2. prezentáció
63/2004. (VII. 26.) ESzCsM rendelet
63/2004. (VII. 26.) ESzCsM rendelet a 0 Hz-300 GHz között frekvencatartományú elektromos, mágneses és elektromágneses terek lakosságra vonatkozó egészségügy határértékeről Az egészségügyről szóló 1997.
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.
Darupályák ellenőrző mérése
Darupályák ellenőrző mérése A darupályák építésére, szerelésére érvényes 15030-58 MSz szabvány tartalmazza azokat az előírásokat, melyeket a tervezés, építés, műszak átadás során be kell tartan. A geodéza
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
NKFP6-BKOMSZ05. Célzott mérőhálózat létrehozása a globális klímaváltozás magyarországi hatásainak nagypontosságú nyomon követésére. II.
NKFP6-BKOMSZ05 Célzott mérőhálózat létrehozása a globáls klímaváltozás magyarország hatásanak nagypontosságú nyomon követésére II. Munkaszakasz 2007.01.01. - 2008.01.02. Konzorcumvezető: Országos Meteorológa
Kvantum-tömörítés II.
LOGO Kvantum-tömörítés II. Gyöngyös László BME Vllamosmérnök és Informatka Kar A kvantumcsatorna kapactása Kommunkácó kvantumbtekkel Klasszkus btek előnye Könnyű kezelhetőség Stabl kommunkácó Dszkrét értékek
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
3. Évközi ellenőrzés módja: 2 zárhelyi dolgozat íratása. 4. A tárgy előírt külső szakmai gyakorlatai: -
Tantárgy neve Halmazok és függvények Tantárgy kódja MTB00 Meghrdetés féléve Kredtpont Összóraszám (elm+gyak + Számonkérés módja G Előfeltétel (tantárgy kód - Tantárgyfelelős neve Rozgony Tbor Tantárgyfelelős
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;
Matlab alapok. Baran Ágnes. Grafika. Baran Ágnes Matlab alapok Grafika 1 / 21
Matlab alapok Baran Ágnes Grafika Baran Ágnes Matlab alapok Grafika / 2 Vonalak, pontok síkon figure nyit egy új grafikus ablakot plot(x,y) ahol x és y ugyanolyan méretű vektorok, ábrázolja az (x i,y i
Híradástechikai jelfeldolgozás
Híradástehikai jeleldolgozás. előadás Sebességkonverziós jeleldolgozás 05. 04. 3. 05. április 3. Budapest Dr. Gaál Józse BME Hálózati Rendszerek és SzolgáltatásokTanszék gaal@hit.bme.hu Sebességkonverziós
Elektronika 2. TFBE1302
Elektronika 2. FBE1302 áplálás FBE1302 Elektronika 2. Analóg elektronika Az analóg elektronikai alkalmazásoknál a részfeladatok többsége több alkalmazási területen is előforduló, közös feladat. Az ilyen
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
Eseményvezérelt szimuláció
Hálózat szmulácós technkák (BMEVITTD094/2005) október 3. Vdács Attla Dang Dnh Trang Távközlés és Médanformatka Tanszék Budapest Mszak és Gazdaságtudomány Egyetem Eseményvezérelt szmulácó DES Dscrete-Event
KOVÁCS BÉLA, MATEMATIKA I.
KOVÁCS BÉLA MATEmATIkA I 6 VI KOmPLEX SZÁmOk 1 A komplex SZÁmOk HALmAZA A komplex számok olyan halmazt alkotnak amelyekben elvégezhető az összeadás és a szorzás azaz két komplex szám összege és szorzata
Statisztikai. Statisztika Sportszervező BSc képzés (levelező tagozat) Témakörök. Statisztikai alapfogalmak. Statisztika fogalma. Statisztika fogalma
Témakörök Statsztka Sortszerező BSc kézés (leelező tagozat) 2-2-es tané félé Oktató: Dr Csáfor Hajnalka főskola docens Vállalkozás-gazdaságtan Tsz E-mal: hcsafor@ektfhu Statsztka fogalmak Statsztka elemzések
A sorozat fogalma. függvényeket sorozatoknak nevezzük. Amennyiben az értékkészlet. az értékkészlet a komplex számok halmaza, akkor komplex
A sorozat fogalma Definíció. A természetes számok N halmazán értelmezett függvényeket sorozatoknak nevezzük. Amennyiben az értékkészlet a valós számok halmaza, valós számsorozatról beszélünk, mígha az
Digitális 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
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
Biostatisztika e-book Dr. Dinya Elek
TÁMOP-4../A/-/-0-005 Egészségügy Ügyvtelszervező Szakrány: Tartalomfejlesztés és Elektronkus Tananyagfejlesztés a BSc képzés keretében Bostatsztka e-book Dr. Dnya Elek Tartalomjegyzék. Bevezetés a mátrok
Függvények ábrázolása
Függvények ábrázolása Matematikai függvényeket analitikusan nem tudunk a matlabban megadni (tudunk, de ilyet még nem tanulunk). Ahhoz, hogy egy függvényt ábrázoljuk, hasonlóan kell eljárni, mint a házi
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
The original laser distance meter. The original laser distance meter
Leca Leca DISTO DISTO TM TM D510 X310 The orgnal laser dstance meter The orgnal laser dstance meter Tartalomjegyzék A műszer beállítása - - - - - - - - - - - - - - - - - - - - - - - - - 2 Bevezetés - -
Sorozatok, sorok, függvények határértéke és folytonossága Leindler Schipp - Analízis I. könyve + jegyzetek, kidolgozások alapján
Sorozatok, sorok, függvények határértéke és folytonossága Leindler Schipp - Analízis I. könyve + jegyzetek, kidolgozások alapján Számsorozatok, vektorsorozatok konvergenciája Def.: Számsorozatok értelmezése:
Q 1 D Q 2 (D x) 2 (1.1)
. Gyakorlat 4B-9 Két pontszerű töltés az x tengelyen a következőképpen helyezkedik el: egy 3 µc töltés az origóban, és egy + µc töltés az x =, 5 m koordinátájú pontban van. Keressük meg azt a helyet, ahol
A mágneses tér energiája, állandó mágnesek, erőhatások, veszteségek
A mágneses tér energája, állandó mágnesek, erőhatások, veszteségek A mágneses tér energája Egy koncentrált paraméterű, ellenállással és nduktvtással jellemzett tekercs Uáll feszültségre kapcsolásakor az
Adatelemzés és adatbányászat MSc
Adatelemzés és adatbányászat MSc. téma Adatelemzés, statsztka elemek áttekntése Adatelemzés módszertana probléma felvetés módszer, adatok meghatározása nyers adatok adatforrás meghatározása adat tsztítás
Elektromos zajok. Átlagérték Időben változó jel átlagértéke alatt a jel idő szerinti integráljának és a közben eltelt időnek a hányadosát értik:
Elektromos zajok Átlagérték, négyzetes átlag, effektív érték Átlagérték dőben változó jel átlagértéke alatt a jel dő szernt ntegráljának és a közben eltelt dőnek a hányadosát értk: τ τ dt Négyzetes átlag
Optikai elmozdulás érzékelő illesztése STMF4 mikrovezérlőhöz és robot helyzetérzékelése. Szakdolgozat
Mskolc Egyetem Gépészmérnök és Informatka Kar Automatzálás és Infokommunkácós Intézet Tanszék Optka elmozdulás érzékelő llesztése STMF4 mkrovezérlőhöz és robot helyzetérzékelése Szakdolgozat Tervezésvezető:
BBTE Matek-Infó verseny mintatételsor Informatika írásbeli vizsga
BABEȘ BOLYAI TUDOMÁNYEGYETEM MATEMATIKA ÉS INFORMATIKA KAR A. tételsor (30 pont) 1. (5p) Tekintsük a következő alprogramot: Alprogram f(a): Ha a!= 0, akkor visszatérít: a + f(a - 1) különben visszatérít
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
6. Függvények. Legyen függvény és nem üreshalmaz. A függvényt az f K-ra való kiterjesztésének
6. Függvények I. Elméleti összefoglaló A függvény fogalma, értelmezési tartomány, képhalmaz, értékkészlet Legyen az A és B halmaz egyike sem üreshalmaz. Ha az A halmaz minden egyes eleméhez hozzárendeljük
A MATLAB alapjai. Kezdő lépések. Változók. Aktuális mappa Parancs ablak. Előzmények. Részei
A MATLAB alapjai Atomerőművek üzemtanának fizikai alapjai - 2016. 03. 04. Papp Ildikó Kezdő lépések - Matlab Promt: >> - Help: >> help sqrt >> doc sqrt - Kilépés: >> quit >> exit - Változók listásása >>
Integrált rendszerek n é v; dátum
Integrált rendszerek n é v; dátum.) Az dentfkálás (folyamatdentfkácó) a.) elsődleges feladata absztrahált leírás fzka modell formában b.) legfőbb feladata a struktúradentfkálás (modellszerkezet felállítása)
Felvételi vizsga mintatételsor Informatika írásbeli vizsga
BABEȘ BOLYAI TUDOMÁNYEGYETEM MATEMATIKA ÉS INFORMATIKA KAR A. tételsor (30 pont) Felvételi vizsga mintatételsor Informatika írásbeli vizsga 1. (5p) Egy x biten tárolt egész adattípus (x szigorúan pozitív
TRANSZMULTIPLEXEREK TERVEZÉSI PROBLÉMÁI
TRANSZMULTPLEXEREK TERVEZÉS PROBLÉMÁ DR. ELEKES JÓZSEF Távközlés Kutató ntézet ÖSSZEFOGLALÁS Az FDM és PCM rendszerek csatornának drekt (hangfrekvencás demodulácó nélkül) összekapcsolása dgtáls transzmultplexerrel
IDA ELŐADÁS I. Bolgár Bence október 17.
IDA ELŐADÁS I. Bolgár Bence 2014. október 17. I. Generatív és dszkrmnatív modellek Korábban megsmerkedtünk a felügyelt tanulással (supervsed learnng). Legyen adott a D = {, y } P =1 tanító halmaz, ahol
IT jelű DC/DC kapcsolóüzemű tápegységcsalád
IT jelű DC/DC kapcsolóüzemű tápegységcsalád BALOGH DEZSŐ BHG BEVEZETÉS A BHG Híradástechnka Vállalat kutató és fejlesztő által kdolgozott napjankban gyártásban levő tárolt programvezérlésű elektronkus
4 205 044-2012/11 Változtatások joga fenntartva. Kezelési útmutató. UltraGas kondenzációs gázkazán. Az energia megőrzése környezetünk védelme
HU 4 205 044-2012/11 Változtatások joga fenntartva Kezelés útmutató UltraGas kondenzácós gázkazán Az energa megőrzése környezetünk védelme Tartalomjegyzék UltraGas 15-1000 4 205 044 1. Kezelés útmutató
Elosztott rendszerek játékelméleti elemzése: tervezés és öszönzés. Toka László
adat Távközlés és Médanformatka Tanszék Budapest Műszak és Gazdaságtudomány Egyetem Eurecom Telecom Pars Elosztott rendszerek játékelmélet elemzése: tervezés és öszönzés Toka László Tézsfüzet Témavezetők:
minden x D esetén, akkor x 0 -at a függvény maximumhelyének mondjuk, f(x 0 )-at pedig az (abszolút) maximumértékének.
Függvények határértéke és folytonossága Egy f: D R R függvényt korlátosnak nevezünk, ha a függvényértékek halmaza korlátos. Ha f(x) f(x 0 ) teljesül minden x D esetén, akkor x 0 -at a függvény maximumhelyének
MÓDOSÍTOTT RÉSZLETEZŐ OKIRAT (2) a NAH /2014 nyilvántartási számú (2) akkreditált státuszhoz
MÓDOSÍTOTT RÉSZLETEZŐ OKIRAT (2) a NAH-2-0177/2014 nyilvántartási számú (2) akkreditált státuszhoz A Nemzeti Média- és Hírközlési Hatóság Nemzeti Média- és Hírközlési Hatóság Hivatala Infokommunikációs
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:
A +Q töltés egy L hosszúságú egyenes szakasz mentén oszlik el egyenletesen (ld ábra ábra
. Gyakorlat 4B-9 A +Q töltés egy L hosszúságú egyenes szakasz mentén oszlik el egyenletesen (ld. 4-6 ábra.). Számítsuk ki az E elektromos térerősséget a vonal irányában lévő, annak.. ábra. 4-6 ábra végpontjától
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
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
1. 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.
Tanult nem paraméteres próbák, és hogy milyen probléma megoldására szolgálnak.
8. GYAKORLAT STATISZTIKAI PRÓBÁK ISMÉTLÉS: Tanult nem paraméteres próbák, és hogy mlyen probléma megoldására szolgálnak. Név Illeszkedésvzsgálat Χ próbával Illeszkedésvzsgálat grafkus úton Gauss papírral
Mérés 3 - Ellenörzö mérés - 5. Alakítsunk A-t meg D-t oda-vissza (A/D, D/A átlakító)
Mérés 3 - Ellenörzö mérés - 5. Alakítsunk A-t meg D-t oda-vissza (A/D, D/A átlakító) 1. A D/A átalakító erısítési hibája és beállása Mérje meg a D/A átalakító erısítési hibáját! A hibát százalékban adja
Intelligens Rendszerek Elmélete
Intellgens Rendszerek Elmélete Dr. Kutor László A mesterséges neuráls hálózatok alapfogalma és meghatározó eleme http://mobl.nk.bmf.hu/tantargyak/re.html Logn név: re jelszó: IRE07 IRE 7/1 Neuráls hálózatok
Periodikus figyelésű készletezési modell megoldása általános feltételek mellett
Tanulmánytár Ellátás/elosztás logsztka BME OMIKK LOGISZTIKA 9. k. 4. sz. 2004. júlus augusztus. p. 47 52. Tanulmánytár Ellátás/elosztás logsztka Perodkus fgyelésű készletezés modell megoldása általános
Leica DISTOTMD510. X310 The original laser distance meter. The original laser distance meter
TM Leca DISTO Leca DISTOTMD510 X10 The orgnal laser dstance meter The orgnal laser dstance meter Tartalomjegyzék A műszer beállítása - - - - - - - - - - - - - - - - - - - - - - - - - 2 Bevezetés - - -
Első egyéni feladat (Minta)
Első egyéni feladat (Minta) 1. Készítsen olyan programot, amely segítségével a felhasználó 3 különböző jelet tud generálni, amelyeknek bemenő adatait egyedileg lehet változtatni. Legyen mód a jelgenerátorok
Sztochasztikus rezonancia vizsgálata a FitzHugh-Nagumo-féle neuron modellben 1/f és fehér zajú gerjesztések esetén
Sztochasztkus rezonanca vzsgálata a FtzHugh-Nagumo-féle neuron modellben /f és fehér zajú gerjesztések esetén Tudományos Dákkör Dolgozat Készítette: Füle Tamás IV.Fzkus Témavezető: Dr. Gngl Zoltán egyetem
Nagy Gábor compalg.inf.elte.hu/ nagy
Diszkrét matematika 3. estis képzés 2016. ősz 1. Diszkrét matematika 3. estis képzés 3. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék
1. ábra. 24B-19 feladat
. gyakorlat.. Feladat: (HN 4B-9) A +Q töltés egy hosszúságú egyenes szakasz mentén oszlik el egyenletesen (ld.. ábra.). Számítsuk ki az E elektromos térerősséget a vonal. ábra. 4B-9 feladat irányában lévő,
Diszkrét matematika 2.
Diszkrét matematika 2. 2018. november 23. 1. Diszkrét matematika 2. 9. előadás Fancsali Szabolcs Levente nudniq@cs.elte.hu www.cs.elte.hu/ nudniq Komputeralgebra Tanszék 2018. november 23. Diszkrét matematika
Függvények december 6. Határozza meg a következő határértékeket! 1. Feladat: x 0 7x 15 x ) = lim. Megoldás: lim. 2. Feladat: lim.
Függvények 05. december 6. Határozza meg a következő határértékeket!. Feladat: ( + 7 5 ) ( + 7 5 ) ( + 0 ). Feladat: ( + 7 5 ) ( + 7 5 ) ( + 0) 3. Feladat: ( + 0 7 5 ) 4. Feladat: ( + 0 7 5 ) ( + 7 0 5
Egyenáramú szervomotor modellezése
Egyenáramú szervomotor modellezése. A gyakorlat élja: Az egyenáramú szervomotor mködését leíró modell meghatározása. A modell valdálása számításokkal és szotverejlesztéssel katalógsadatok alapján.. Elmélet
Bevezetés a programozásba. 3. Előadás Algoritmusok, tételek
Bevezetés progrmozásb 3. Elődás Algortmusok, tételek ISMÉTLÉS Specfkácó Előfeltétel: mlyen körülmények között követelünk helyes működést Utófeltétel: mt várunk kmenettől, m z összefüggés kmenet és bemenet
A/D és D/A átalakítók gyakorlat
Budapesti Műszaki és Gazdaságtudományi Egyetem A/D és D/A átalakítók gyakorlat Takács Gábor Elektronikus Eszközök Tanszéke (BME) 2013. február 27. ebook ready Tartalom 1 A/D átalakítás alapjai (feladatok)