Méréselmélet és mérőrendszerek
|
|
- Adrián Balla
- 7 évvel ezelőtt
- Látták:
Átírás
1 Méréselmélet és mérőrendszerek 4. ELŐADÁS KÉSZÍTETTE: DR. FÜVESI VIKTOR
2 Mai témáink o Jelfeldolgozás o Fourier transzformáció o Frekvencia analízis o Jelek mintavételezése o Shannon-törvény o Aliasaing o Szűrés o Ideális szűrők o Valós szűrők o FIR o IIR o Szűrők fizikai megvalósítása 2
3 Jelfeldolgozás o Időtartományban o Az időben zajló folyamatok elemzését idősoros analízisnek (time series analysis) is nevezik, mely során az idősor karakterisztikáját próbálják leírni matematikai modellekkel. Az idősor az időben zajló folyamatokról azonos időközökben gyűjtött adatokat jelenti (mintavételezett jel), mellyel az idő függvényében lehet vizsgálni különféle folyamatokat. Az idő alapú jelfeldolgozás elején a mért jelet rektifikálják (egyenirányítás) valamint normalizálják (standardizálás). o Frekvenciatartományban o A mért jelet időtartományból frekvenciatartományba transzformálják (DFT, FFT, stb.), a jel eltérő frekvenciájú és amplitudójú periodikus jelekből álló frekvencia spektrumát vizsgálják, szűrik. 3
4 Jelfeldolgozás időtartományban o Az idősor mutathat: o trendet (hosszú távú tendencia), o szezonális ingadozást (rövid távú ismert periódusú ismétlődés) o ciklust (szabálytalan, ismeretlen hosszúságú hullámzás) leírhatóak determinisztikus modellekkel o Leginkább két hasznosítása van az idősorok elemzésének: o előrejelzés (predikció, extrapoláció) o adatpótlás (interpoláció) 4
5 Jelfeldolgozás - Szűrés o Időtartományban: o Átlagolással o Minta csökkentéssel o Frekvenciatartományban: o Aluláteresztő szűrő o Felüláteresztő szűrő o Sávzárő szűrő o Sáváteresztő szűrő o Egyéb szűrő felhasználásával o Mintacsökkentés itt is lehetséges o Ablakozási módszerek 5
6 Középértékek alkalmazása Középértékek meghatározása Cél azonos fajta adatok helyettesítése egy jellemző számértékkel o Követelmények: o közepes helyet foglaljanak el o számszerű adatok halmazának legyenek tipikus értékei o könnyű matematikai meghatározhatóság o értelmezhetőség o robosztusság érzéketlenség kiugró adatokra o Középértékek: o Számított átlag: számtani, harmonikus, mértani, négyzetes o Helyzeti átlag: módusz, medián 6
7 Számított középérték Mozgó átlag az ideális és a rekurzív átlagban az egyes tagok egyforma súllyal szerepelnek a súlyozott átlagban a súlyok nem azonosak, de egy adott átlagolás során állandóak ha az adatok időben lassan változnak, akkor az átlagolásban nem célszerű minden tagot egy forma súllyal szerepeltetni; célszerű a régebbi tagokat egyre kevésbé figyelembe venni: Abalakos átlagolás: a régi értékek elhagyása, az átlagképzést csak az utolsó meghatározott számú mérésre hajtják végre Felejtő átlagolás: a régi értékek fokozatosan (exponenciálisan) csökkenő súllyal szerepelnek az átlagolásban 7
8 Számított középérték 8
9 Számított középérték 9
10 Ismétlés 10
11 Ismétlés 11
12 Spektrum Alapfogalmak 12
13 Spektrum Alapfogalmak 13
14 Spektrum Alapfogalmak 14
15 U[V] Frekvencia analízis T valós_jel 1 T valós_jel = f valós_jel = f 1 T[ms] alapharmónikus 15
16 Frekvencia analízis T valós_jel Nem ismert pontosan! T[ms] Analízisre kijelölt regisztrátum a periódikus jel 1 periódusa! T valós_jel =T regisztrátum =T 1 16
17 Frekvencia analízis N darab mintát f mv mintavételezési frekvenciával megmérünk, akkor a regisztrátum időtartama: f reg = f mv n = f 1 T reg a jel periódusideje 17
18 Frekvencia analízis Adott egy ideális szinuszjel, aminek frekvenciája f 1. Amennyiben mintavételezéskor egy egész periódust, vagy annak egész számú többszörösét mérünk, a spektrum 1 komponensból áll 18
19 Frekvencia analízis Abban az esetben, ha nem egész periódust, vagy annak egész számú többszörösét mértük, a kivágott regisztrátumot egymás mögé illesztve nem az eredeti jelet kapjuk Ennek következtében az eredeti jel hiába ideális szinusz, a spektrum nem egy összetevőt ad, hanem egy sátor jellegű spektrumképet!! 19
20 Frekvencia analízis Példa: Mérendő frekvencia 50 Hz és feszültség effektív értéke 230 V. Mintavételezzük 300 Hz-es mintavételezési frekvenciával és vegyünk 200 mintát. Mennyi a regisztrátum időtartama? T 1 = T reg = n = 200 f mv 300 = 0,66 s Mennyi a spektrum alapharmónikusa? f 1 = 1 = f mv T 1 n = = 1,5 Hz 20
21 Frekvencia analízis Következtetés: Ha a mért jel frekvenciájának és a spektrum alapharmónikusának hányadosa nem egész szám, akkor a frekvencia spektrum nem létező oldal-harmónikusok jelennek meg. f jel f 1 Z EGÉSZ!! f jel n f mv = egész szám 21
22 Frekvencia analízis Shannon-törvény Lehetőségek: T reg f reg f mv f 1 Spektrum frekvencia tengelyének felbontását Shannon-féle mintavételi törvény 22
23 Frekvencia analízis Példa: Mérendő frekvencia 50 Hz és feszültség effektív értéke 230 V. Mintavételezzük 300 Hz-es mintavételezési frekvenciával és vegyünk 2000 mintát. Mennyi a regisztrátum időtartama? T 1 = T reg = n = 2000 f mv 300 = 6,66 s Mennyi a spektrum alapharmónikusa? f 1 = 1 T 1 = f mv n = = 0,15 Hz 23
24 Frekvencia analízis 24
25 Frekvencia analízis - Aliasing A mintavételi frekvencia csökkentésével növekszik az un. Aliasing jelenség kockázata, nélküle is lehet ilyen jelenség. Ha a mintavételezési törvényt nem tartjuk be, akkor a mintavételezett jelben nem létez összetevők jelenhetnek meg. Ezek az alias jelek. 25
26 Frekvencia analízis - Aliasing 26
27 Frekvencia analízis - Aliasing 27
28 Frekvencia analízis - Aliasing Védekezés: antialiasing szűrővel, ami egy aluláteresztő szűrő, nagy vágási meredekséggel, a mintavételi frekvencia felére beállított felső határ frekvenciával. 28
29 Frekvencia analízis - Aliasing Antialiasing szűrővel Antialiasing szűrő nélkül 29
30 Frekvencia analízis - Aliasing 30kHz-es mintavételi frekvenciával A rezgés frekvencia spektruma 7 khz-es mintavételezési frekvenciával, antialiasing szűrő nélkül. 30
31 Frekvencia analízis - Probléma A jel frekvenciája nem állandó, időben változó, és/vagy a jel kváziperiodikus. 1. Ablakozó függvény alkalmazása 2. Szinkronizálni kell a mért jel frekvenciájához a spektrum alapharmonikus frekvenciát az f 1 értékét. 31
32 Ablakozás Ablakozás során a regisztrátum szélet előtorzítjuk a minta szélein. Ekkor a jel spektruma elfogadhatóan közelít az ideálishoz. Logikusan a jelet úgy kell torzítani, hogy az időfüggvény szélei el legyenek nyomva. 32
33 Ablakozó függvények Többféle ablakozó függvény létezik, például: A négyszögletes ablak olyan tranziens jelek vizsgálatánál hasznos, melyek rövidebb ideig tartanak, mint az ablak A négyszögletes ablak használatos még sorrendkövetésre, ahol az effektív mintavételi sebesség arányos a forgó gépek tengelyének fordulatszámával A sorrendkövetésnél a négyszögletes ablak érzékeli a gép rezgésének saját frekvenciáját és a felharmonikusait 33
34 Ablakozó függvények 34
35 Ablakozó függvények Kaiser-Bessel ablak w i = I 0 2β i N 1 i N n N 1 I 0 β 0 egyébként A képletben I 0 x Bessel függvény: Ahol i=0, 1, 2,... N-1 I 0 x = 1 + k=1 x 2 k! k 2 35
36 Ablakozó függvények Kaiser-Bessel ablak rugalmas simító ablak, melynek alakja változtatható a béta tényező értékének változtatásával a feladattól függően az ablak alakja megváltoztatható és így a spektrális szóródás mértéke szabályozható Kis béta értékeknél a négyszögletes ablakhoz hasonlít (β=0 esetén négyszögletes) Ahogy β nő, az ablak 2 oldala keskenyedik használható két, közel azonos frekvenciájú, de jelentősen különböző amplitúdójú jel érzékelésére 36
37 Ablakozó függvények Flat Top ablak A legnagyobb amplitúdó pontossággal rendelkezik a simító ablakok között (±0,02 db) az olyan jelekre, amelyek tipikusan nem egész periódusokból állnak A flat top ablaknak széles fő szárnya van, ezért a frekvencia felbontóképessége gyenge. Az alábbi egyenlet írja le a flat top ablakot: w i = 4 k=0 1 k a k cos k ω Ahol 2 π i ω = N És a 0 = a 1 = a 2 = a 3 = a 4 = Koba ezt neked mindenképp tudnod kell!brr 3:48-van; 4:51-re végeztem vele 37
38 Ablakozó függvények Flat Top ablak A legalkalmasabb egy frekvencia komponens amplitúdójának pontos megmérésére, olyan jeleknél ahol alacsony szomszédos spektrális energia van a jelben Részben negatív súlyozású függvény, a frekvenciatartományban a csúcs lapos 38
39 Ablakozó függvények Exponenciális/Poisson ablak Mint sok ablakozó függvénynek, ennek is sok fajtája létezik w i = e i N 1 2 Ahol τ a függvény időállandója Az exponenciális függvény e szerint cseng le, megközelítőleg 8.69 db időkonstansonként. Azaz D db értékú lecsengéshez, hogy az ablak fele alatt csengjen le, τ = N 8.69 értékű kell, hogy legyen 2 D 1 τ 39
40 Ablakozó függvények Exponenciális ablak Egy másik megoldás exponenciális ablakozásra: i ln f w i = e N 1 = f i N 1 Az ablakfüggvény kezdő értéke 1 és fokozatosan 0-ra csökken. Az exponenciális ablak végső értéke 0 és 1 között beállítható tranziens válaszfüggvények elemzéséhez használhatók, melyek hossza nem nagyobb, mint az ablak hossza csillapítja a jel végét, ezáltal biztosítva, hogy a jel teljesen lecsengjen a minta-blokk végére olyan jeleknél is használható, melyek exponenciálisan csökkennek, mint például az alak válasz enyhe csillapítással, amit egy külső hatás, mint például egy kalapácsütés gerjeszt 40
41 Ablakozó függvények Blackman ablak w i = a 2πi 0 a 1 cos N 1 + a 4πi 2 cos 0 i N 1 N 1 0 egyébként Általános értelmezésben a Blackman ablak Blackman nem túl komoly javaslatára vonatkozik (a 0 = 0,42, a 1 = 0,5, a 2 = 0,08) Ez nagyban közelíti a pontos Blackman -t a 0 = 7938/ a 1 = 9240/ a 2 = 1430/ Karakterisztikája hangtechnikában jó, habár nem optimális További hasznos információk a Blakman ablakról: 41
42 Javasolt ablakok Ablakozó függvényekből számtalan létezik, ezért a teljesség igénye nélkül került megemlítésre néhány kiemelt típus. Az alábbi táblázatban jellemző jelekhez ajánlott ablakozó függvények láthatóak A jel típusa Olyan tranziensek, melyek időtartama rövidebb, mint az ablak hossza Olyan tranziensek, melyek időtartama hosszabb, mint az ablak hossza Általános célú alkalmazások Spektrális analízis (frekvenciaválasz mérések) Két nagyon közeli frekvenciájú, de nagyon különböző amplitúdójú jel szétválasztása Javasolt ablak függvény Négyszögletes Exponenciális, Hanning Hanning Hanning (véletlenszerű gerjesztésre), Négyszögletes (pszeudorandom gerjesztésre) Kaiser-Bessel Két nagyon közeli frekvenciájú, de majdnem azonos amplitúdójú jel szétválasztása Pontos egy frekvenciájú amplitúdó mérés Szinusz hullám vagy szinusz hullámok kombinációja Szinusz hullám, az amplitúdó pontosság fontos Keskenysávú zavarjel (rezgés adatok) Szélessávú zavarjel (fehérzaj) Közeli térközű szinusz hullámok Gerjesztő jelek (kalapács ütés) Válasz jelek Ismeretlen tartalom Négyszögletes Flat top Hanning Flat top Hanning Uniform Uniform, Hamming Exponenciális Exponenciális Hanning 42
43 Digitális szűrő gyakorlati alkalmazása Mi a szűrés? Jelet alkotó frekvencia komponensek amplitúdóinak megváltoztatása Például: mély hangszín szabályzó a sztereo rendszereken megváltoztatja a jel alacsony frekvenciáinak amplitúdóját, a magas hangszín szabályzó a magas frekvenciás komponensek amplitúdóit. A mély és magas szabályzók beállításával kiszűrhetjük vagy kiemelhetjük a különböző frekvenciájú hang jeleket A szűrési folyamat lehetővé teszi, hogy a jel számunkra lényeges részeit kiválasszuk a nyers (zajos) jelből. Egy klasszikus lineáris szűrő a frekvencia tartományban kiemeli a lényeges részeket az eredeti jelből. Két általános szűrő alkalmazás csökkenti a zajt és csonkítja a sávszélességet. A csonkítás egy aluláteresztő szűrőt tartalmaz, és csökkenti a mintavétel frekvenciáját. 43
44 Digitális szűrő gyakorlati alkalmazása Előnyei az analóg szűréssel szemben: analóg szűrők tervezéséhez komoly matematikai ismeretek szükségesek, és ismerni kell a szűrők rendszerekben kifejtett hatásának bonyolult folyamatát is nagyobb pontosság érhető el velük, mint R-L-C áramkörökkel, olyan szűrők is megvalósíthatók, amelyeknek nem létezik valós, R-L-C elemekből készíthető megfelelőjük, paraméterei programozhatók, így könnyen változtathatók és az eredmény gyorsan tesztelhető. egyszerű számtani műveletekkel dolgoznak, amelyek az összeadás, kivonás, szorzás, osztás. nem érzékenyek a környezeti hatásokra, ezért a rendszeres utánhangolásokra nincs szükség. 44
45 Digitális szűrő gyakorlati alkalmazása További előnyök: nem tartalmaznak különleges pontosságot igénylő alkatrészeket különlegesen jó a teljesítmény/költség arányuk. tulajdonságaik nem függnek a gyártási verzióktól és tulajdonságaik nem "öregszenek". készíthetők ún. adaptív, vagyis a feladathoz automatikusan alkalmazkodó szűrők is nagyon alacsony frekvencián is használhatóak az analóg szűrőkkel ellentétben, ugyanis azok használata a nagyon alacsony frekvenciákon az induktivitások miatt már problémás a hardver sokszorozása nélkül is szűrhetünk több bemenő jelet ugyanazzal a szűrővel egyaránt tárolhatjuk a szűrt és a szűretlen jeleket a további feldolgozásra 45
46 Digitális szűrő gyakorlati alkalmazása A digitális szűrők hátrányai: sebességhatár a véges szóhosszból adódó problémák tervezési idő Egyszerűsített blokkvázlatuk: 51
47 Ideális szűrő jellemzői Az ideális szűrőt nem lehet megvalósítani! Az ideális szűrők lehetővé teszik egy megadott frekvenciasáv teljes (veszteségmentes) áteresztését, míg a nem kívánt frekvenciatartomány jeleit teljes egészében (maximálisan) elnyomják. Következő csoportosításban aszerint osztályozzuk a szűrőket, hogy egy frekvenciatartomány jeleit átengedik vagy elnyomják. Aluláteresztő szűrők: átengedik az alacsony, és levágják a magas frekvenciájú jeleket Felüláteresztő szűrők: átengedik a magas, és levágják az alacsony frekvenciájú jeleket Sáváteresztő szűrők : egy bizonyos frekvenciatartomány jeleit átengedik Sávvágó szűrők: egy bizonyos frekvencia tartomány jeleit nem engedik át 47
48 Ideális szűrők frekvencia válaszai Az aluláteresztő szűrő f c alatt minden frekvenciát átenged. A felüláteresztő szűrő f c felett minden frekvenciát átenged. A sáváteresztő szűrő f c1 és f c2 között minden frekvenciát átenged. A sávvágó szűrő f c1 és f c2 között minden frekvenciát csillapít (levág). 48
49 Valóságos szűrők Ideális esetben egy szűrőnek egységnyi (0 db) az erősítése az átviteli sávban, és nulla ( db) az erősítése a vágási sávban. A valóságos szűrők nem tudják teljesíteni egy ideális szűrővel szemben támasztott követelményeket. A gyakorlatban mindig van egy véges átmeneti sáv az átviteli és vágási sáv között. Az átmeneti sávban a szűrő erősítése fokozatosan változik egytől (0 db) nulláig db) átviteli sávtól a vágási sávig. 49
50 Nem ideális szűrők 50
51 Véges impulzus válasz (FIR) szűrők Véges impulzus válasz szűrők ( FIR szűrők ) olyan digitális szűrők, amelyeknek időben véges hosszúságú impulzusválaszuk van. A véges impulzus válasz szűrők működésükkor csak az aktuális és az előző bemeneti értéket veszik figyelembe a szűrő algoritmusában. Az ilyen típusú szűrőket a legegyszerűbb megtervezni. A véges impulzus válasz szűrők más néven is ismertek, mint nem visszatérő (nem rekurzív), konvolúciós, vagy mozgó átlag (MA) szűrők. A véges impulzus válasz szűrők a szűrő-együtthatók konvolúcióját végzik a bemenő értékek egy sorozatán, és létrehozzák a kimeneti értékek (azonosan sorszámozott) sorozatát. 51
52 Véges impulzus válasz (FIR) szűrők Az alábbi egyenlet a véges impulzus válasz szűrő véges konvolúcióját adja meg: Ahol: x[k-i] a szűrő bemeneti jelének értéke a [k-1]-ik időpillanatban y[k] a szűrt jel értéke a [k]-ik időpillanatban b i a szűrő (FIR szűrő) i-ik együtthatója N b N b a szűrő együtthatóinak száma (fokszáma) i i 0 y k b x k i 52
53 FIR szűrők A véges impulzus válasz szűrők (FIR szűrők) a következő tulajdonságokkal rendelkeznek: A FIR szűrők lineáris fázismenetet valósítanak meg, mert a szűrő együtthatói szimmetrikusak. A FIR szűrők mindig stabil működésűek. A FIR szűrők a jelek szűrését a konvolúció alkalmazásával teszik lehetővé. Ezért általában a kimenő sorozat mindig tartalmaz késleltetést, amelyet a következő egyenletben láthatunk A kimenő jel késleltetése mintavételi lépésben = N 1 b 2 53
54 FIR szűrők Az ábrán a fázis-függvényben lévő szakadások akkor keletkeznek, amikor az abszolút értéket használjuk az amplitúdó függvény meghatározásához. A fázis jelleggörbe szakadásai PI (π = 3.14) egész számú többszöröseinél vannak, bár a fázisfüggvény teljesen lineáris. FIR szűrő amplitúdó és fázis függvénye összehasonlítva a normalizált frekvenciával 54
55 Végtelen impulzus válasz (IIR) szűrők A végtelen impulzus válasz szűrők (IIR = Infinite Impulse Response), más néven rekurzív vagy autoregresszív mozgó átlag (ARMA) szűrők az aktuális és a korábbi bementi értékek, valamint a korábbi kimeneti értékek szerint működnek. Egy IIR szűrő impulzusválasza alatt értjük az általános IIR szűrőnek egy olyan impulzusra adott válaszfüggvényét, amelyet a következő dián lévő egyenlet definiál. Elméletileg egy IIR szűrő impulzusválasz függvénye soha nem éri el a nulla értéket, ez tehát egy végtelen válaszfüggvény. 55
56 Végtelen impulzus válasz (IIR) szűrők A következő általános differencia-egyenlet az IIR szűrő működését írja le: ahol: Nb Na 1 y k bj x k j ai y k i a0 j 0 i 1 b j az előreható szűrőegyütthatók halmaza N b az előreható szűrőegyütthatók száma a i a visszafelé ható szűrőegyütthatók halmaza N a a visszaható szűrőegyütthatók száma 56
57 Másodfokú szűrés Alul-, és felüláteresztő szűrők helyett, amelyeknek egy határfrekvenciájuk van, tervezhetünk közvetlenül másodfokú szűrő fokozatokat. Az így kapható alul-, és felül áteresztő végtelen impulzusválasz ( IIR ) szűrők sorba kapcsolt másodfokú szűrőkből épülnek fel. Minden másodfokú szűrő fokozat a következő jellemzőkkel rendelkezik: d = 1,2,,N s, ahol k a másodfokú szűrő fokozat sorszáma, N s a fokozatok száma = (N a +1)/2. Minden másodfokú szűrő fokozatnak két visszaható együtthatója van, (a 1d, a 2d ). Az összes visszaható együtthatók száma =2 N s Minden másodfokú szűrő fokozatnak három előreható együtthatója van, (b 0d, b 1d, b 2d ). Az összes előreható együtthatók száma =3 N s. 57
58 Negyedfokú szűrés A sáváteresztő és sávvágó szűrőknek, amelyeknek két határfrekvenciájuk van, a negyedfokú szűrő konstrukció jobb hatásfokú, mint a másodfokú szűrő fokozatok. A végtelen impulzusválasz ( IIR ) sávvágó, sáváteresztő szűrők a negyedfokú szűrők összekapcsolásával készíthetők, amelyek negyedfokú tagok sorba kapcsolásával jönnek létre. Minden negyedfokú szűrő tag a következő jellemzőkkel rendelkezik: d = 1,2,,N s, ahol d a negyedfokú szűrő fokozat sorszáma, N s a fokozatok száma = (N a +1)/4. Minden negyedfokú szűrő fokozatnak négy visszaható együtthatója van, (a 1d, a 2d, a 3d, a 4d ). Az összes visszaható együtthatók száma =4 N s Minden negyedfokú szűrő fokozatnak öt előreható együtthatója van, (b 0d, b 1d, b 2d, b 3d, b 4d ). Az összes előreható együtthatók száma =5 N s. 58
59 Butterworth-szűrők Aluláteresztő Butterworth-szűrő amplitúdó-frekvencia függvénye A Butterworth-szűrők a következő jellemzőkkel rendelkeznek: Csillapított amplitúdó függvény minden frekvencián Az amplitúdó függvény monoton csökkenő egy adott határfrekvenciától Maximális laposság, az átviteli sávban a válaszfüggvény egységnyi értékű, a vágási sávban pedig nulla. Fél-teljesítmény frekvencia vagy 3 db-s csökkenési frekvencia összefüggés-ben van a vágási frekvenciával. A Butterworth-szűrők előnyei, a simaságuk és monoton csökkenő frekvencia függvényük. 59
60 Csebisev-szűrők Aluláteresztő Csebisev-szűrő amplitúdó-frekvencia függvénye A Csebisev szűrőknek a következő jellemzőik vannak: Minimális csúcshiba az átviteli sávban Egyenletes ingadozású amplitúdó függvény az átviteli sávban Monoton csökkenő amplitúdó függvény a vágási sávban Élesebb frekvencia levágású, mint a Butterworthszűrők A Butterworth-szűrőhöz hasonlítva egy Csebisev-szűrő élesebb frekvencia levágás valósít meg az átviteli és vágási sáv között, alacsonyabb fokú szűrővel. A Csebisev-szűrő éles átmenete kisebb abszolút hibát, gyorsabb végrehajtást eredményez, mint egy Butterworth-szűrőé. 60
61 Csebisev II-szűrők A Csebisev II szűrőknek a következő jellemzői vannak: Minimális csúcshiba a vágási sávban Egyenletes ingadozású amplitúdó függvény a vágási sávban Monoton csökkenő amplitúdó függvény az átviteli sávban Élesebb frekvencia levágású, mint a Butterworth-szűrők A Csebisev II - szűrők hasonlítanak a Csebisev-szűrőkre. A következőkben viszont eltérnek a Csebisevszűrőktől : - A Csebisev II - szűrők az átviteli sáv helyett a vágási sávban csökkentik a csúcshibát. A Csebisev-II szűrőknek egyenletes ingadozású amplitúdó függvénye van az átviteli sáv helyett a vágási sávban. A Csebisev-II szűrőknek monoton csökkenő amplitúdó függvénye van az átviteli sávban a vágási sáv helyett. 61
62 Csebisev II-szűrők Aluláteresztő Csebisev II -szűrő amplitúdó-frekvencia függvénye 62
63 Elliptikus szűrők Aluláteresztő Elliptikusszűrő amplitúdófrekvencia függvénye Az elliptikus szűrők jellemzői: Minimális csúcshiba a vágási és átviteli sávban Egyenletes ingadozású amplitúdó függvény a vágási és átviteli sávban Összehasonlítva a Butterworth vagy Csebisevszűrőkkel, az Elliptikus szűrők adják a legélesebb átmenetet az átviteli és vágási sáv között, amely megmagyarázza, hogy miért annyira elterjedtek. 63
64 Bessel szűrők Egy aluláteresztő Besselszűrő amplitúdó-frekvencia függvénye A Bessel-szűrők a következő tulajdonságokkal rendelkeznek: Maximálisan lapos amplitúdó- és fázisfüggvény Közel lineáris fázisfüggvény az átviteli sávban A Bessel-szűrőket arra használhatjuk, hogy az összes IIR szűrőre jellemző nemlineáris fázistorzítást lecsökkentsük a segítségével. A nagy rendszámú IIR szűrőknek határozott, meredek lefutású nemlineáris fázistorzításuk van, különösen a szűrők átmeneti tartományában. Előállíthatjuk a lineáris fázisfüggvényt FIR szűrőkkel is. 64
65 Szűrők fizikai megvalósítása RL és RLC szűrőáramkörök Aluláteresztő szűrők 65
66 Szűrők fizikai megvalósítása RL és RLC szűrőáramkörök Felüláteresztő szűrők 66
67 Szűrők fizikai megvalósítása RL és RLC szűrőáramkörök Párhuzamos rezgőkör előtét ellenálással Sáváteresztő szűrők 67
68 Szűrők fizikai megvalósítása RL és RLC szűrőáramkörök Soros rezgőkör előtétellenállással Sávzáró szűrők 68
69 Köszönöm a figyelmet! TALÁLKOZUNK JÖVŐHÉTEN! 69
10.1. ANALÓG JELEK ILLESZTÉSE DIGITÁLIS ESZKÖZÖKHÖZ
101 ANALÓG JELEK ILLESZTÉSE DIGITÁLIS ESZKÖZÖKHÖZ Ma az analóg jelek feldolgozása (is) mindinkább digitális eszközökkel történik A feldolgozás előtt az analóg jeleket digitalizálni kell Rendszerint az
RészletesebbenKANDÓ KÁLMÁN VILLAMOSMÉRNÖKI FŐISKOLAI KAR. Mikroelektronikai és Technológiai Intézet. Aktív Szűrők. Analóg és Hírközlési Áramkörök
KANDÓ KÁLMÁN VILLAMOSMÉRNÖKI FŐISKOLAI KAR Mikroelektronikai és Technológiai Intézet Analóg és Hírközlési Áramkörök Laboratóriumi Gyakorlatok Készítette: Joó Gábor és Pintér Tamás OE-MTI 2011 1.Szűrők
RészletesebbenX. ANALÓG JELEK ILLESZTÉSE DIGITÁLIS ESZKÖZÖKHÖZ
X. ANALÓG JELEK ILLESZTÉSE DIGITÁLIS ESZKÖZÖKHÖZ Ma az analóg jelek feldolgozása (is) mindinkább digitális eszközökkel és módszerekkel történik. A feldolgozás előtt az analóg jeleket digitalizálni kell.
RészletesebbenMéréselmélet és mérőrendszerek
Méréselmélet és mérőrendszerek 1. ELŐADÁS KÉSZÍTETTE: DR. FÜVESI VIKTOR 2016. 10. 1 Bemutatkozás Dr. Füvesi Viktor ME AFKI Alkalmazott Földtudományi Kutatóintézet Műszerfejlesztési és Informatikai Osztály
RészletesebbenEllenőrző kérdések a Jelanalízis és Jelfeldolgozás témakörökhöz
Ellenőrző kérdések a Jelanalízis és Jelfeldolgozás témakörökhöz 1. Hogyan lehet osztályozni a jeleket időfüggvényük időtartama szerint? 2. Mi a periodikus jelek definiciója? (szöveg, képlet, 3. Milyen
RészletesebbenHangtechnika. Médiatechnológus asszisztens
Vázlat 3. Előadás - alapjai Pécsi Tudományegyetem, Pollack Mihály Műszaki Kar Műszaki Informatika és Villamos Intézet Műszaki Informatika Tanszék Ismétlés Vázlat I.rész: Ismétlés II.rész: A digitális Jelfeldolgozás
RészletesebbenFehérzajhoz a konstans érték kell - megoldás a digitális szűrő Összegezési súlyok sin x/x szerint (ez akár analóg is lehet!!!)
DSP processzorok: 1 2 3 HP zajgenerátor: 4 Shift regiszter + XOR kapu: 2 n állapot Autókorrelációs függvény: l. pénzdobálás: (sin x/x) 2 burkoló! Fehérzajhoz a konstans érték kell - megoldás a digitális
RészletesebbenShift regiszter + XOR kapu: 2 n állapot
DSP processzorok: 1 2 HP zajgenerátor: 3 Shift regiszter + XOR kapu: 2 n állapot Autókorrelációs függvény: l. pénzdobálás: (sin x/x) 2 burkoló! 4 Fehérzajhoz a konstans érték kell - megoldás a digitális
RészletesebbenMintavétel: szorzás az idő tartományban
1 Mintavételi törvény AD átalakítók + sávlimitált jel τ időközönként mintavétel Mintavétel: szorzás az idő tartományban 1/τ körfrekvenciánként ismétlődik - konvolúció a frekvenciatérben. 2 Nem fednek át:
RészletesebbenJelkondicionálás. Elvezetés. a bioelektromos jelek kis amplitúdójúak. extracelluláris spike: néhányszor 10 uv. EEG hajas fejbőrről: max 50 uv
Jelkondicionálás Elvezetés 2/12 a bioelektromos jelek kis amplitúdójúak extracelluláris spike: néhányszor 10 uv EEG hajas fejbőrről: max 50 uv EKG: 1 mv membránpotenciál: max. 100 mv az amplitúdó növelésére,
RészletesebbenElektronika Előadás. Analóg és kapcsolt kapacitású szűrők
Elektronika 2 8. Előadás Analóg és kapcsolt kapacitású szűrők Irodalom - Megyeri János: Analóg elektronika, Tankönyvkiadó, 1990 - Ron Mancini (szerk): Op Amps for Everyone, Texas Instruments, 2002 16.
RészletesebbenDigitális Fourier-analizátorok (DFT - FFT)
6 Digitális Fourier-analizátoro (DFT - FFT) Eze az analizátoro digitális műödésűe és a Fourier-transzformálás elvén alapulna. A digitális Fourier analizátoro a folytonos időfüggvény mintavételezett jeleit
Részletesebben3.18. DIGITÁLIS JELFELDOLGOZÁS
3.18. DIGITÁLIS JELFELDOLGOZÁS Az analóg jelfeldolgozás során egy fizikai mennyiséget (pl. a hangfeldolgozás kapcsán a levegő nyomásváltozásait) azzal analóg (hasonló, arányos) elektromos feszültséggé
RészletesebbenAnalóg elektronika - laboratóriumi gyakorlatok
Analóg elektronika - laboratóriumi gyakorlatok. Mûveleti erõsítõk váltakozó-áramú alkalmazásai. Elmélet Az integrált mûveleti erõsítõk váltakozó áramú viselkedését a. fejezetben (jegyzet és prezentáció)
RészletesebbenAkusztikus mérőműszerek
Akusztikus mérőműszerek Hangszintmérő: méri a frekvencia súlyozott, és nyomásátlagolt hangnyomás szintet (hangszintet). Felépítése Mikrofon + Erősítő Frekvencia Szint tartomány Időátlagolás Kijelzés Előerősítő
RészletesebbenPasszív és aktív aluláteresztő szűrők
7. Laboratóriumi gyakorlat Passzív és aktív aluláteresztő szűrők. A gyakorlat célja: A Micro-Cap és Filterlab programok segítségével tanulmányozzuk a passzív és aktív aluláteresztő szűrők elépítését, jelátvitelét.
RészletesebbenMérés és adatgyűjtés
Mérés és adatgyűjtés 4. óra Mingesz Róbert Szegedi Tudományegyetem 2012. február 27. MA - 4. óra Verzió: 2.1 Utolsó frissítés: 2012. március 12. 1/41 Tartalom I 1 Jelek 2 Mintavételezés 3 A/D konverterek
RészletesebbenJelek és rendszerek 1. 10/9/2011 Dr. Buchman Attila Informatikai Rendszerek és Hálózatok Tanszék
Jelek és rendszerek 1 10/9/2011 Dr. Buchman Attila Informatikai Rendszerek és Hálózatok Tanszék 1 Ajánlott irodalom: FODOR GYÖRGY : JELEK ÉS RENDSZEREK EGYETEMI TANKÖNYV Műegyetemi Kiadó, Budapest, 2006
RészletesebbenÉRZÉKELŐK ÉS BEAVATKOZÓK I. 9. SZŰRŐK
ÉRZÉKELŐK ÉS BEAVATKOZÓK I. 9. SZŰRŐK Dr. Soumelidis Alexandros 2018.11.29. BME KÖZLEKEDÉSMÉRNÖKI ÉS JÁRMŰMÉRNÖKI KAR 32708-2/2017/INTFIN SZÁMÚ EMMI ÁLTAL TÁMOGATOTT TANANYAG A szűrésről általában Szűrés:
RészletesebbenMéréstechnika. Rezgésmérés. Készítette: Ángyán Béla. Iszak Gábor. Seidl Áron. Veszprém. [Ide írhatja a szöveget] oldal 1
Méréstechnika Rezgésmérés Készítette: Ángyán Béla Iszak Gábor Seidl Áron Veszprém 2014 [Ide írhatja a szöveget] oldal 1 A rezgésekkel kapcsolatos alapfogalmak A rezgés a Magyar Értelmező Szótár megfogalmazása
RészletesebbenDigitális jelfeldolgozás
Digitális jelfeldolgozás Átviteli függvények Magyar Attila Pannon Egyetem Műszaki Informatikai Kar Villamosmérnöki és Információs Rendszerek Tanszék magyar.attila@virt.uni-pannon.hu 2011. október 13. Digitális
RészletesebbenWavelet transzformáció
1 Wavelet transzformáció Más felbontás: Walsh, Haar, wavelet alapok! Eddig: amplitúdó vagy frekvencia leírás: Pl. egy rövid, Dirac-delta jellegű impulzus Fourier-transzformált: nagyon sok, kb. ugyanolyan
RészletesebbenDigitális szűrők - (BMEVIMIM278) Házi Feladat
Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rszerek Tanszék Digitális szűrők - (BMEVIMIM278) FIR-szűrő tervezése ablakozással Házi Feladat Név: Szőke Kálmán Benjamin Neptun:
RészletesebbenA 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
RészletesebbenMilyen elvi mérési és számítási módszerrel lehet a Thevenin helyettesítő kép elemeit meghatározni?
1. mérés Definiálja a korrekciót! Definiálja a mérés eredményét metrológiailag helyes formában! Definiálja a relatív formában megadott mérési hibát! Definiálja a rendszeres hibát! Definiálja a véletlen
RészletesebbenAnalóg 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
RészletesebbenVillamosságtan 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
RészletesebbenDigitális jelfeldolgozás
Digitális jelfeldolgozás Mintavételezés és jel-rekonstrukció Magyar Attila Pannon Egyetem Műszaki Informatikai Kar Villamosmérnöki és Információs Rendszerek Tanszék magyar.attila@virt.uni-pannon.hu 2010.
RészletesebbenNégyszög - 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:
RészletesebbenAkusztikus MEMS szenzor vizsgálata. Sós Bence JB2BP7
Akusztikus MEMS szenzor vizsgálata Sós Bence JB2BP7 Tartalom MEMS mikrofon felépítése és típusai A PDM jel Kinyerhető információ CIC szűrő Mérési tapasztalatok. Konklúzió MEMS (MicroElectrical-Mechanical
RészletesebbenÉRZÉKELŐK ÉS BEAVATKOZÓK I. 6. A MINTAVÉTELI TÖRVÉNY
ÉRZÉKELŐK ÉS BEAVATKOZÓK I. 6. A MINTAVÉTELI TÖRVÉNY Dr. Soumelidis Alexandros 2018.10.25. BME KÖZLEKEDÉSMÉRNÖKI ÉS JÁRMŰMÉRNÖKI KAR 32708-2/2017/INTFIN SZÁMÚ EMMI ÁLTAL TÁMOGATOTT TANANYAG Mintavételezés
RészletesebbenLehetővé teszi szűrőáramkörök tervezésekor az átviteli karakterisztika megvalósítását közelítő függvényekkel.
Passzív szűrők Fajtái Frekvenciamenet szerint: - aluláteresztő, - felüláteresztő, - sáváteresztő, - sávzáró, - rezgőkör Megvalósítás szerint: - szűrőáramkörök - szilárdtest szűrők Előnyök: - nem kell tápfeszültség,
RészletesebbenFeszültségérzékelők a méréstechnikában
5. Laboratóriumi gyakorlat Feszültségérzékelők a méréstechnikában 1. A gyakorlat célja Az elektronikus mérőműszerekben használatos különböző feszültségdetektoroknak tanulmányozása, átviteli karakterisztika
RészletesebbenGyakorló 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
RészletesebbenANALÓG ÉS DIGITÁLIS TECHNIKA I
ANALÓG ÉS DIGITÁLIS TECHNIKA I Dr. Lovassy Rita lovassy.rita@kvk.uni-obuda.hu Óbudai Egyetem KVK Mikroelektronikai és Technológia Intézet 2. ELŐADÁS 2010/2011 tanév 2. félév 1 Aktív szűrőkapcsolások A
RészletesebbenFourier térbeli analízis, inverz probléma. Orvosi képdiagnosztika 5-7. ea ősz
Fourier térbeli analízis, inverz probléma Orvosi képdiagnosztika 5-7. ea. 2017 ősz 5. Előadás témái Fourier transzformációk és kapcsolataik: FS, FT, DTFT, DFT, DFS Mintavételezés, interpoláció Folytonos
Részletesebben1. témakör. A hírközlés célja, általános modellje A jelek osztályozása Periodikus jelek leírása időtartományban
1. témakör A hírközlés célja, általános modellje A jelek osztályozása Periodikus jelek leírása időtartományban A hírközlés célja, általános modellje Üzenet: Hír: Jel: Zaj: Továbbításra szánt adathalmaz
Részletesebben2. 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
RészletesebbenVillamos jelek mintavételezése, feldolgozása. LabVIEW 7.1
Villamos jelek mintavételezése, feldolgozása (ellenállás mérés LabVIEW támogatással) LabVIEW 7.1 előadás Dr. Iványi Miklósné, egyetemi tanár LabVIEW-7.1 KONF-5_2/1 Ellenállás mérés és adatbeolvasás Rn
RészletesebbenJelfeldolgozás bevezető. Témalaboratórium
Jelfeldolgozás bevezető Témalaboratórium Tartalom Jelfeldolgozás alapjai Lineáris rendszerelmélet Fourier transzformációk és kapcsolataik Spektrális képek értelmezése Képfeldolgozás alapjai Néhány nevezetesebb
RészletesebbenKéprestauráció Képhelyreállítás
Képrestauráció Képhelyreállítás Képrestauráció - A képrestauráció az a folyamat mellyel a sérült képből eltávolítjuk a degradációt, eredményképpen pedig az eredetihez minél közelebbi képet szeretnénk kapni
RészletesebbenElektronikus 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,
RészletesebbenElektronika Oszcillátorok
8. Az oszcillátorok periodikus jelet előállító jelforrások, generátorok. Olyan áramkörök, amelyeknek csak kimenete van, bemenete nincs. Leggyakoribb jelalakok: - négyszög - szinusz A jelgenerálás alapja
Részletesebben5. mérés: Diszkrét Fourier Transzformáció (DFT), Gyors Fourier Transzformáció (FFT), számítógépes jelanalízis
Híradástechnika II. laboratóriumi mérések 5. mérés: Diszkrét Fourier Transzformáció (DFT), Gyors Fourier Transzformáció (FFT), számítógépes jelanalízis Összeállította: Kármán József Általános bevezet Az
Részletesebbenπ 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
RészletesebbenElektronika 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
RészletesebbenOrvosi Fizika és Statisztika
Orvosi Fizika és Statisztika Szegedi Tudományegyetem Általános Orvostudományi Kar Természettudományi és Informatikai Kar Orvosi Fizikai és Orvosi Informatikai Intézet www.szote.u-szeged.hu/dmi Orvosi fizika
RészletesebbenElektronika 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
RészletesebbenSTATISZTIKA. Mit nevezünk idősornak? Az idősorok elemzésének módszertana. Az idősorelemzés célja. Determinisztikus idősorelemzés
Mit nevezünk idősornak? STATISZTIKA 10. Előadás Idősorok analízise Egyenlő időközökben végzett megfigyelések A sorrend kötött, y 1, y 2 y t y N N= időpontok száma Minden időponthoz egy adat, reprodukálhatatlanság
RészletesebbenFourier-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
RészletesebbenInformatika Rendszerek Alapjai
Informatika Rendszerek Alapjai Dr. Kutor László Jelek típusai Átalakítás analóg és digitális rendszerek között http://uni-obuda.hu/users/kutor/ IRA 2014 2014. ősz IRA3/1 Analóg jelek digitális feldolgozhatóságának
RészletesebbenMérés 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
RészletesebbenHázi 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
RészletesebbenVillamos jelek mintavételezése, feldolgozása. LabVIEW előadás
Villamos jelek mintavételezése, feldolgozása (ellenállás mérés LabVIEW támogatással) LabVIEW 7.1 2. előadás Dr. Iványi Miklósné, egyetemi tanár LabVIEW-7.1 EA-2/1 Ellenállás mérés és adatbeolvasás Rn ismert
RészletesebbenÉrtékelés Összesen: 100 pont 100% = 100 pont A VIZSGAFELADAT MEGOLDÁSÁRA JAVASOLT %-OS EREDMÉNY: EBBEN A VIZSGARÉSZBEN A VIZSGAFELADAT ARÁNYA 35%.
Az Országos Képzési Jegyzékről és az Országos Képzési Jegyzék módosításának eljárásrendjéről szóló 133/2010. (IV. 22.) Korm. rendelet alapján: Szakképesítés, szakképesítés-elágazás, rész-szakképesítés,
RészletesebbenFIR és IIR szűrők tervezése digitális jelfeldolgozás területén
Dr. Szabó Anita FIR és IIR szűrők tervezése digitális jelfeldolgozás területén A Szabadkai Műszaki Szakfőiskola oktatójaként kutatásaimat a digitális jelfeldolgozás területén folytatom, ezen belül a fő
RészletesebbenAz Informatika Elméleti Alapjai
Az Informatika Elméleti Alapjai dr. Kutor László Jelek típusai Átalakítás az analóg és digitális rendszerek között http://mobil.nik.bmf.hu/tantargyak/iea.html Felhasználónév: iea Jelszó: IEA07 IEA 3/1
RészletesebbenElektronika 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
RészletesebbenElektronika II laboratórium 1. mérés: R L C négypólusok vizsgálata
Elektronika II laboratórium 1. mérés: R L C négypólusok vizsgálata A legalapvetőbb áramkörök ellenállásokat, kondenzátorokat és indukciós tekercseket tartalmazó áramkörök. A fenti elemekből álló hálózatok
RészletesebbenMintavételezés 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
RészletesebbenJelgenerátorok ELEKTRONIKA_2
Jelgenerátorok ELEKTRONIKA_2 TEMATIKA Jelgenerátorok osztályozása. Túlvezérelt erősítők. Feszültségkomparátorok. Visszacsatolt komparátorok. Multivibrátor. Pozitív visszacsatolás. Oszcillátorok. RC oszcillátorok.
RészletesebbenRC tag Amplitúdó és Fáziskarakterisztikájának felvétele
RC tag Amplitúdó és Fáziskarakterisztikájának felvétele Mérésadatgyűjtés és Jelfeldolgozás 11. ELŐADÁS Schiffer Ádám Egyetemi adjunktus Közérdekű PÓTMÉRÉS: Akinek elmaradása van, egy mérést pótolhat a
RészletesebbenADAT- ÉS INFORMÁCIÓFELDOLGOZÁS
ADAT- ÉS INFORMÁCIÓFELDOLGOZÁS Földtudományi mérnöki MSc mesterszak 2018/19 I. félév TANTÁRGYI KOMMUNIKÁCIÓS DOSSZIÉ Miskolci Egyetem Műszaki Földtudományi Kar Geofizikai és Térinformatikai Intézet A tantárgy
RészletesebbenAnalóg-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
RészletesebbenMűszaki akusztikai mérések. (Oktatási segédlet, készítette: Deák Krisztián)
Műszaki akusztikai mérések (Oktatási segédlet, készítette: Deák Krisztián) Az akusztika tárgya a 20 Hz és 20000 Hz közötti, az emberi fül számára érzékelhető rezgések vizsgálata. A legegyszerűbb jel, a
RészletesebbenÉRZÉKELŐK ÉS BEAVATKOZÓK I. 0. TANTÁRGY ISMERTETŐ
ÉRZÉKELŐK ÉS BEAVATKOZÓK I. 0. TANTÁRGY ISMERTETŐ Dr. Soumelidis Alexandros 2018.09.06. BME KÖZLEKEDÉSMÉRNÖKI ÉS JÁRMŰMÉRNÖKI KAR 32708-2/2017/INTFIN SZÁMÚ EMMI ÁLTAL TÁMOGATOTT TANANYAG A tárgy célja
RészletesebbenAnalóg elektronika - laboratóriumi gyakorlatok
Analóg elektronika - laboratóriumi gyakorlatok. Mûveleti erõsítõk egyenáramú jellemzése és alkalmazásai. Elmélet Az erõsítõ fogalmát valamint az integrált mûveleti erõsítõk szerkezetét és viselkedését
Részletesebben1. Jelgenerálás, megjelenítés, jelfeldolgozás alapfunkciói
1. Jelgenerálás, megjelenítés, jelfeldolgozás alapfunkciói FELADAT Készítsen egy olyan tömböt, amelynek az elemeit egy START gomb megnyomásakor feltölt a program 1 periódusnyi szinuszosan változó értékekkel.
RészletesebbenBevezetés a méréstechnikába és jelfeldolgozásba 7. mérés RC tag Bartha András, Dobránszky Márk
Bevezetés a méréstechnikába és jelfeldolgozásba 7. mérés 2015.05.13. RC tag Bartha András, Dobránszky Márk 1. Tanulmányozza át az ELVIS rendszer rövid leírását! Áttanulmányoztuk. 2. Húzzon a tartóból két
RészletesebbenRezgőmozgás. A mechanikai rezgések vizsgálata, jellemzői és dinamikai feltétele
Rezgőmozgás A mechanikai rezgések vizsgálata, jellemzői és dinamikai feltétele A rezgés fogalma Minden olyan változás, amely az időben valamilyen ismétlődést mutat rezgésnek nevezünk. A rezgések fajtái:
RészletesebbenMéréselmélet és mérőrendszerek
Méréselmélet és mérőrendszerek 6. ELŐADÁS KÉSZÍTETTE: DR. FÜVESI VIKTOR 2016. 10. Mai témáink o A hiba fogalma o Méréshatár és mérési tartomány M é r é s i h i b a o A hiba megadása o A hiba eredete o
RészletesebbenHangfrekvenciás mechanikai rezgések vizsgálata
Hangfrekvenciás mechanikai rezgések vizsgálata (Mérési jegyzőkönyv) Hagymási Imre 2007. május 7. (hétfő délelőtti csoport) 1. Bevezetés Ebben a mérésben a szilárdtestek rugalmas tulajdonságait vizsgáljuk
RészletesebbenIntelligens Rendszerek Elmélete. Versengéses és önszervező tanulás neurális hálózatokban
Intelligens Rendszerek Elmélete : dr. Kutor László Versengéses és önszervező tanulás neurális hálózatokban http://mobil.nik.bmf.hu/tantargyak/ire.html Login név: ire jelszó: IRE07 IRE 9/1 Processzor Versengéses
Részletesebben1. ábra a függvénygenerátorok általános blokkvázlata
A függvénygenerátorok nemszinuszos jelekből állítanak elő kváziszinuszos jelet. Nemszinuszos jel lehet pl. a négyszögjel, a háromszögjel és a fűrészjel is. Ilyen típusú jeleket az úgynevezett relaxációs
RészletesebbenRC tag Amplitúdó és Fáziskarakterisztikájának felvétele
RC tag Amplitúdó és Fáziskarakterisztikájának felvétele Mérésadatgyűjtés és Jelfeldolgozás 12. ELŐADÁS Schiffer Ádám Egyetemi adjunktus Közérdekű 2008.05.09. PTE PMMK MIT 2 Közérdekű PÓTMÉRÉS: Akinek elmaradása
RészletesebbenSzivattyú-csővezeték rendszer rezgésfelügyelete. Dr. Hegedűs Ferenc
Szivattyú-csővezeték rendszer rezgésfelügyelete Dr. Hegedűs Ferenc (fhegedus@hds.bme.hu) 1. Feladat ismertetése Rezgésfelügyeleti módszer kidolgozása szivattyúk nyomásjelére alapozva Mérési környezetben
RészletesebbenTranszformátor rezgés mérés. A BME Villamos Energetika Tanszéken
Transzformátor rezgés mérés A BME Villamos Energetika Tanszéken A valóság egyszerűsítése, modellezés. A mérés tervszerűen végrehajtott tevékenység, ezért a bonyolult valóságos rendszert először egyszerűsítik.
RészletesebbenElektromos nagybıgı megvalósítása DSP-vel
Budapesti Mőszaki és Gazdaságtudományi Egyetem Gyurász Gábor Tamás Elektromos nagybıgı megvalósítása DSP-vel MSc. Önálló laboratórium II. beszámoló Konzulensek: dr. Bank Balázs Lajos Orosz György Problémafelvetés
RészletesebbenTörténeti Áttekintés
Történeti Áttekintés Történeti Áttekintés Értesülés, Információ Érzékelő Ítéletalkotó Értesülés, Információ Anyag, Energia BE Jelformáló Módosító Termelőeszköz Folyamat Rendelkezés Beavatkozás Anyag,
RészletesebbenSzámítási feladatok a 6. fejezethez
Számítási feladatok a 6. fejezethez 1. Egy szinuszosan változó áram a polaritás váltás után 1 μs múlva éri el első maximumát. Mekkora az áram frekvenciája? 2. Egy áramkörben I = 0,5 A erősségű és 200 Hz
RészletesebbenÉRZÉKELŐK ÉS BEAVATKOZÓK II. 5. DC MOTOROK SZABÁLYOZÁS FORDULATSZÁM- SZABÁLYOZÁS
ÉRZÉKELŐK ÉS BEAVATKOZÓK II. 5. DC MOTOROK SZABÁLYOZÁS FORDULATSZÁM- SZABÁLYOZÁS Dr. Soumelidis Alexandros 2019.03.13. BME KÖZLEKEDÉSMÉRNÖKI ÉS JÁRMŰMÉRNÖKI KAR 32708-2/2017/INTFIN SZÁMÚ EMMI ÁLTAL TÁMOGATOTT
Részletesebben6. 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
RészletesebbenMérés és adatgyűjtés
Mérés és adatgyűjtés 4. óra - levelező Mingesz Róbert Szegedi Tudományegyetem 2011. március 18. MA lev - 4. óra Verzió: 1.3 Utolsó frissítés: 2011. május 15. 1/51 Tartalom I 1 A/D konverterek alkalmazása
RészletesebbenÁramkörszámítás. Nyílhurkú erősítés hatása
Áramkörszámítás 1. Thevenin tétel alkalmazása sorba kötött ellenállásosztókra a. két felező osztó sorbakötése, azonos ellenállásokkal b. az első osztó 10k, a következő fokozat 100k ellenállásokból áll
RészletesebbenInformatika Rendszerek Alapjai
Informatika Rendszerek Alapjai Dr. Kutor László Alapfogalmak Információ-feldolgozó paradigmák Analóg és digitális rendszerek jellemzői Jelek típusai Átalakítás rendszerek között http://uni-obuda.hu/users/kutor/
RészletesebbenMéréselmélet és mérőrendszerek 2. ELŐADÁS (1. RÉSZ)
Méréselmélet és mérőrendszerek 2. ELŐADÁS (1. RÉSZ) KÉSZÍTETTE: DR. FÜVESI VIKTOR 2016. 10. Mai témáink o A hiba fogalma o Méréshatár és mérési tartomány M é r é s i h i b a o A hiba megadása o A hiba
RészletesebbenLogaritmikus erősítő tanulmányozása
13. fejezet A műveleti erősítők Logaritmikus erősítő tanulmányozása A műveleti erősítő olyan elektronikus áramkör, amely a két bemenete közötti potenciálkülönbséget igen nagy mértékben fölerősíti. A műveleti
RészletesebbenNéhány fontosabb folytonosidejű jel
Jelek és rendszerek MEMO_2 Néhány fontosabb folytonosidejű jel Ugrásfüggvény Bármely választással: Egységugrás vagy Heaviside-féle függvény Ideális kapcsoló. Signum függvény, előjel függvény. MEMO_2 1
RészletesebbenOSG M2: EKG felvételek kiértékelése
Orvosbiológiai számítógépes gyakorlatok (BMEVITMM23) Mérési jegyzőkönyv OSG M2: EKG felvételek kiértékelése Készítették: Jánosa Dávid Péter (FDSA7Y) Mokánszki Béla (FA8YEZ) Veres Dániel Sándor (GLZPT9)
RészletesebbenALAPFOGALMIKÉRDÉSEK VILLAMOSSÁGTANBÓL 1. EGYENÁRAM
ALAPFOGALMIKÉRDÉSEK VILLAMOSSÁGTANBÓL INFORMATIKUS HALLGATÓK RÉSZÉRE 1. EGYENÁRAM 1. Vezesse le a feszültségosztó képletet két ellenállás (R 1 és R 2 ) esetén! Az összefüggésben szerepl mennyiségek jelölését
RészletesebbenELLENŐRZŐ KÉRDÉSEK. Váltakozóáramú hálózatok
ELLENŐRZŐ KÉRDÉSEK Váltakozóáramú hálózatok Háromfázisú hálózatok Miért használunk többfázisú hálózatot? Mutassa meg a háromfázisú rendszer fontosabb jellemzőit és előnyeit az egyfázisú rendszerrel szemben!
RészletesebbenHálózati egyenirányítók, feszültségsokszorozók Egyenirányító kapcsolások
Hálózati egyenirányítók, feszültségsokszorozók Egyenirányító kapcsolások Egyenirányítás: egyenáramú komponenst nem tartalmazó jelből egyenáramú összetevő előállítása. Nemlineáris áramköri elemet tartalmazó
Részletesebben2. 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
Részletesebben5. 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
RészletesebbenMérési hibák 2006.10.04. 1
Mérési hibák 2006.10.04. 1 Mérés jel- és rendszerelméleti modellje Mérési hibák_labor/2 Mérési hibák mérési hiba: a meghatározandó értékre a mérés során kapott eredmény és ideális értéke közötti különbség
RészletesebbenHangszintézis Mérési segédlet Hangtechnikai Laboratórium 2. Budapesti Műszaki és Gazdaságtudományi Egyetem Híradástechnikai Tanszék
Budapesti Műszaki és Gazdaságtudományi Egyetem Híradástechnikai Tanszék Hangszintézis Mérési segédlet Hangtechnikai Laboratórium 2. Írta: Gulyás Krisztián 2009. szeptember 17. Analízis 1. Bevezető A mérés
RészletesebbenMérési struktúrák
Mérési struktúrák 2007.02.19. 1 Mérési struktúrák A mérés művelete: a mérendő jellemző és a szimbólum halmaz közötti leképezés megvalósítása jel- és rendszerelméleti aspektus mérési folyamat: a leképezést
Részletesebben4. Szűrés frekvenciatérben
4. Szűrés frekvenciatérben Kató Zoltán Képfeldolgozás és Számítógépes Grafika tanszék SZTE (http://www.inf.u-szeged.hu/~kato/teaching/) Unitér transzformációk Az unitér transzformációk olyan lineáris,
RészletesebbenSzámítási feladatok megoldással a 6. fejezethez
Számítási feladatok megoldással a 6. fejezethez. Egy szinuszosan változó áram a polaritás váltás után μs múlva éri el első maximumát. Mekkora az áram frekvenciája? T = 4 t = 4 = 4ms 6 f = = =,5 Hz = 5
Részletesebben1.1 Számítógéppel irányított rendszerek
Számítógépes irányításelmélet 4. Számítógéppel irányított rendszerek A fejezetnek az a célja, hogy bevezesse a számítógéppel irányított rendszerek alapfogalmait. Bemutatja a folytonos jel mintavételezését,
Részletesebben