Híradástechikai jelfeldolgozás

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "Híradástechikai jelfeldolgozás"

Átírás

1 Híradástechikai jelfeldolgozás 13. Előadás Jeldigitalizálás és rekonstrukció 015. április 7. Budapest Dr. Gaál József docens BME Hálózati Rendszerek és SzolgáltatásokTanszék

2 Tartalom Bevezetés Kvantálás Differenciális, prediktív kódolás Részsávú kódolás Transzformációs kódolás

3 Bevezetés Lehetséges szinoním címek: Forrás kódolás Jel-forrás (nem adat forrás) veszteséges, hűség kritériummal Jel digitalizálás (és rekonstrukció) Jeltömörítés veszteséges, hűség kritériummal jel átvitele digitális csatornán 3

4 Bevezetés: az alapmodell forrás (t) Kódoló c n Digitális csatorna c n Dekódoló y(t) nyelő jel (hang, kép, adat, stb.): Időben, térben változó (elektronikusan reprezentálható) fizikai jellemző matematikai modell: Digitális jel forrás: (t) folytonos idő/tér valós függvénye(i) (egy, két, tőbb változós, skalár, vektor...értékű) folytonos sztochasztikus folyamatok c n rekonstrált: y(t) véges (binárisan kódolható) szimbólumhalmaz elemeinek sorozatai (időben, címtartományban) matematikai modell számsorozat c n valószínűségi változó sorozat, diszkrét sztochasztikus folyamat 4

5 Bevezetés: az alapmodell forrás (t) Kódoló c n Digitális csatorna c n Dekódoló y(t) nyelő Digitális csatorna Térbeli transzláció: (digitális) távközlés Időbeli transzláció: (digitális) jelrögzítés Kódoló: digitalizálás: idő(tér) és amplitúdó diszkretizálás Mintavételezés: idő(tér) diszkretizálás valós számsorozat, val. vált. sorozat Kvantálás: amplitúdó diszkretizálás véges értékkészlet kódolás digitális kód szekvencia Dekódoló: rekonstrukció Dekódolás minta inde analóg minta rekonstrukció diszkrét minta sorozat simító szűrés, interpoláció: időben (térben) folytonos analóg kimenet 5

6 Bevezetés: az alapmodell forrás (t) Kódoló c n Digitális csatorna c n Dekódoló y(t) nyelő Minősítés Hibajel: e(t) y(t) (t) Torzítás Zaj Additív hiba (torzítás, zaj) modell: forrás (t) + e(t) y(t) nyelő SNR (Signal to Noise Ratio) SNR jel teljesítmény hiba teljesítmény e (t) (t) (t) ( y(t) (t) ) SNRdb SNRdb 10log10SNR Hullámforma kódolás! (van más is!) 6

7 Bevezetés: az alapmodell (t) n i n c n c n i n y n y(t) forrás Q C Digitális csatorna C -1 Q -1 LPF nyelő f s Kódoló dekódoló Kódoló: digitalizálás: idő(tér) és amplitúdó diszkretizálás Mintavételezés: idő(tér) diszkretizálás valós számsorozat, val. vált. sorozat Kvantálás: amplitúdó diszkretizálás véges értékkészlet kódolás digitális kód szekvencia Dekódoló: rekonstrukció Dekódolás minta inde analóg minta rekonstrukció diszkrét minta sorozat simító szűrés, interpoláció: időben (térben) folytonos analóg kimenet 7

8 Bevezetés: mintavételezés (t) n i n c n c n i n y n y(t) forrás Q C Digitális C -1 Q -1 LPF csatorna nyelő f s Kódoló dekódoló Ideális csatorna: c n c n és nincs kvantálás: y n n (t) n y(t) Ha (t) sávhatárolt: forrás LPF nyelő F{(t)}X(f)0, f > B és f s B f s és LPF határfrekvencia f h B akkor y(t)(t) 8

9 Kvantálás (t) n i n c n c n i n y n y(t) forrás Q C Digitális C -1 Q -1 LPF csatorna nyelő f s Kódoló dekódoló n i n c n c n i n y n Diszkrét (idejű) analóg forrás Q C Digitális C -1 Q -1 csatorna Diszkrét (idejű) analóg nyelő Ideális csatorna: c n c n i n i n Diszkrét (idejű) analóg forrás n i n Q Q -1 y n Diszkrét (idejű) analóg nyelő n q() y n 9

10 Kvantáló, Kvantálás mint diszkrét idejű input-output doboz n q() y n valós memória mentes: y n q(n, n ) invariáns: y n q( n ) véges kimeneti értékkészlet: y n [Y 1, Y,... Y L ] nem lineáris monoton 10

11 Kvantáló, Kvantálás mint diszkrét idejű input-output doboz n X 1 X q() q() Y Y 1 y n Y 5 Y 4 Y 3 X 3 X 4 L szintű lépcsős kvantálási karakterisztika: bemeneti intervallum felosztás: X 1, X,... X L-1 döntési intervallumok kimeneti lehetséges értékek:y 1, Y,... Y L döntött (rekonstruált) értékek Y 1, ha (, X1) y q() Y i, ha [Xi 1,X L ), i YL, ha [X L-1, ),...,L 1 11

12 Kvantáló, inverz kvantáló, kódoló, dekódoló Kvantáló bemeneti döntés + kimeneti rekonstrukció: kvantáló, inverz kvantáló n q() y n Ξ n i n Q Q -1 y n i n : inde sorozat Kvantáló, kvantálás, kódolás, csatorna, dekódolás, rekonstrukció n q() y n Ξ n c n c n i n Q C Channel C -1 Q -1 i n y n c n : kód (szimbólum) sorozat 1

13 Kvantálási hiba Kvantálási karakterisztika: y n q( n ) lépcsős függvény q() Y 5 Kvantálási hiba: e n y n - n hiba karakterisztika: E() q() fűrész függvény additív kvantáló modell: y n n + E( n ) X 1 X Y Y 1 Y 3 Y 4 X 3 X 4 E() Y 5 X 1 X Y Y 1 Y 3 Y 4 X 3 X 4 13

14 Nevezetes kvantáló (karakterisztika) típusok szimmetrikus: Q( ) Q() egyenletes: Y i+1 Y i dy q d X i+1 X i kerekítéses csonkolásos nem egyenletes logaritmikus Ma-Lloyd i1...(l-1) 14

15 Szimmetrikus, egyenletes kvantáló Jellemzői: szintek száma L 8 szintű bitek száma: blog(l) kvantálási lépcső: q1 Dinamika tartomány: ahol a hiba q/ [-d,d] d4 15

16 Szimmetrikus, egyenletes kvantáló Üzemmódok: nagy jelű túlvezérléses: >d kis jelű < q/ nullabemenetű normál üzemmód q/< <d kerekítéses, granuláris 16

17 Szimmetrikus, egyenletes kvantáló Példa: 3 bites kvantálási és hibakarakterisztikák: páros szintű páratlan szintű Kis jelű viselkedés: Iddle channel noise : nulla bemenetű zaj teljesítmény: P q /4 17

18 Stacioner forrás kvantálása ξ n q() ζ n ζ n q (ξ n ) ξ n e() + ε n ζ n ε n ζ n -ξ n A ζ n stacioner forrás: f ξ () pdf f ξ () Kvantáló: q(), e() q() bemeneti eloszlás tartója a kvantáló dinamika tartománya kimeneti diszkrét eloszlás: túlvezérlés, normál működés valószínűsége hibajel eloszlása, teljesítménye 18

19 Stacioner forrás finom kvantálása A kvantáló normál működési tartományban A kvantálási hiba eloszlása: Finom kvantálás lineáris, additív zaj modellje, helyettesítő képe: ε n, σ q /1 ξ ζ n n ξ Q n + ζ n 19

20 Kvantálás minősítése: SNR SNR átlagos jelteljesítmény / átlagos hibateljesítmény SNR P P ξ ε E { ξ } { } Eε E{ ξ } { ζ) } E (ξ ξ n q() ζ n ξ n e() + ε n ζ n 0

21 Egyenletes eloszlás egyenletes kvantálása P ξ { } Eξ fξ ()d ma ma 1 ma d ma 3 nulla várható érték szimmetrikus kvantáló SNR d ε { normal} Pε normal pr{ overload} Pε overload P pr + Pξ ma 3 d L r ma 4 4 L Pε normal q q 1 ( { ε ξ > d} r bites kvantáló: SNR db ma 6 r [db] P ε normal P ε overload d q 1 E y min ) d f f ξ ξ ( ) d + ( ) d + d d ( f ξ y ma ) ( ) d f ξ ( ) d 1

22 Egyenletes eloszlás egyenletes kvantálása

23 Nem egyenletes kvantálás y Q g( ) u Q 0 z g -1 ( ) y Q : nem egyenletes kvantáló Q 0 : egyenletes kvantáló g() : kompander larakterisztika g() -1 : eander larakterisztika 3

24 Logaritmikus kvantálás Szimmetrikus, logaritmikus kvantáló 1 bit előjel r-1 bit abszolut érték kvantálás Szint független SNR: i SNR SNR i q i 1 Méretezés: adott: SNR, min, min kérdés: r ln( ma ) ln( d L -1 ma ln min L + 1 d r 1 log(l) min ) i q i d ln i 4 + q ln 1+ q i i i 1 ln 1 i q i

25 Logaritmikus kvantálás Példa: 4 bites logaritmikus kvantálási és hibakarakterisztikák: 5

26 Logaritmikus kvantálás 6

27 Ma-Lloyd kvantáló PDF optimalizált (nem egyenletes) kvantáló Adott a forrás eloszlása, és a kvantáló szintjeinek L száma. Meghatározandó az X 1, X,... X (L-1) döntési intervallum határok és Y1, Y,... YL döntési szintek optimális (SNR-t maimalizáló) értékei A megoldást az alábbi iterációval éretjük el: Kiindulás: i1,, 0 0 0,,..., ; y,..., y ( ) ( ) ( ) ( 0) ( 0) 1 L 1 1 L { i 1 i 1 ξ } k 1 ξ k ( i ) ( ) ( ) y E < < k 1... L k ( i ) 1 ( ( i ) ( i ) y y ) k k + k + 1 k 1... L 1 7

Híradástechikai jelfeldolgozás

Híradástechikai jelfeldolgozás Híradástechikai jelfeldolgozás 1. előadás 2015. február 13. 2015. február 13. Budapest Dr. Gaál József BME Hálózati Redszerek és SzolgáltatásokTaszék gaal@hit.bme.hu Bemutatkozás Dr Gaál József doces BME

Részletesebben

6. JELDIGITALIZÁLÁS ÉS JELREKONSTRUKCIÓ: KVANTÁLÁS, KÓDOLÁS 2

6. JELDIGITALIZÁLÁS ÉS JELREKONSTRUKCIÓ: KVANTÁLÁS, KÓDOLÁS 2 Kvantálás, kóolás / 6. JELDIGITALIZÁLÁS ÉS JELREKONSTRUKCIÓ: KVANTÁLÁS, KÓDOLÁS 6. Memória mentes kvantálás 6.. A kvantálás efiníciója, fogalmai 6.. Kvantálók kvantálási- és a hiba-karakterisztikái 3 6..3

Részletesebben

Digitális jelfeldolgozás

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

Részletesebben

Híradástechikai jelfeldolgozás

Híradástechikai jelfeldolgozás Híadástechikai jelfeldolgozás 14. lőadás 015. 04. 7. Jeldigitalizálás és ekostukció. 015. május 4. Budapest D. Gaál József doces BM Hálózati Redszeek és Szolgáltatásokaszék gaal@hit.bme.hu Nomalizált kvatáló

Részletesebben

2. gyakorlat Mintavételezés, kvantálás

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

Részletesebben

Mintavételezés és AD átalakítók

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

Részletesebben

Analóg digitális átalakítók ELEKTRONIKA_2

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

Részletesebben

Kommunikációs hálózatok 2 Analóg és digitális beszédátvitel

Kommunikációs hálózatok 2 Analóg és digitális beszédátvitel Kommunikációs hálózatok 2 Analóg és digitális beszédátvitel Németh Krisztián BME TMIT 2017. február 14. A tárgy felépítése 1. Bevezetés Bemutatkozás, játékszabályok, stb. Technikatörténeti áttekintés Mai

Részletesebben

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

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

Részletesebben

X. ANALÓG JELEK ILLESZTÉSE DIGITÁLIS ESZKÖZÖKHÖZ

X. 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.

Részletesebben

Elektronika Előadás. Digitális-analóg és analóg-digitális átalakítók

Elektronika Előadás. Digitális-analóg és analóg-digitális átalakítók Elektronika 2 9. Előadás Digitális-analóg és analóg-digitális átalakítók Irodalom - Megyeri János: Analóg elektronika, Tankönyvkiadó, 1990 - U. Tiecze, Ch. Schenk: Analóg és digitális áramkörök, Műszaki

Részletesebben

Kommunikációs hálózatok 2 Analóg és digitális beszédátvitel

Kommunikációs hálózatok 2 Analóg és digitális beszédátvitel Kommunikációs hálózatok 2 Analóg és digitális beszédátvitel Németh Krisztián BME TMIT 2016. február 23. A tárgy felépítése 1. Bevezetés Bemutatkozás, játékszabályok, stb. Technikatörténeti áttekintés Mai

Részletesebben

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

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

Részletesebben

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

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

Részletesebben

Beszédinformációs rendszerek 5. gyakorlat Mintavételezés, kvantálás, beszédkódolás. Csapó Tamás Gábor

Beszédinformációs rendszerek 5. gyakorlat Mintavételezés, kvantálás, beszédkódolás. Csapó Tamás Gábor Beszédinformációs rendszerek 5. gyakorlat Mintavételezés, kvantálás, beszédkódolás Csapó Tamás Gábor 2016/2017 ősz MINTAVÉTELEZÉS 2 1. Egy 6 khz-es szinusz jelet szűrés nélkül mintavételezünk

Részletesebben

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

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

Részletesebben

Gazdasági matematika II. vizsgadolgozat megoldása A csoport

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

Részletesebben

Gazdasági matematika II. vizsgadolgozat, megoldással,

Gazdasági matematika II. vizsgadolgozat, megoldással, Gazdasági matematika II. vizsgadolgozat, megoldással, levelező képzés Definiálja az alábbi fogalmakat! 1. Kvadratikus mátrix invertálhatósága és inverze. (4 pont) Egy A kvadratikus mátrixot invertálhatónak

Részletesebben

Értékelés Összesen: 100 pont 100% = 100 pont A VIZSGAFELADAT MEGOLDÁSÁRA JAVASOLT %-OS EREDMÉNY: EBBEN A VIZSGARÉSZBEN A VIZSGAFELADAT ARÁNYA 15%.

Értékelés Összesen: 100 pont 100% = 100 pont A VIZSGAFELADAT MEGOLDÁSÁRA JAVASOLT %-OS EREDMÉNY: EBBEN A VIZSGARÉSZBEN A VIZSGAFELADAT ARÁNYA 15%. Az Országos Képzési Jegyzékről és az Országos Képzési Jegyzék módosításának eljárásrendjéről szóló 133/2010. (IV. 22.) Korm. rendelet alapján: Szakképesítés, szakképesítés-elágazás, rész-szakképesítés,

Részletesebben

Gazdasági matematika II. vizsgadolgozat megoldása, június 10

Gazdasági matematika II. vizsgadolgozat megoldása, június 10 Gazdasági matematika II. vizsgadolgozat megoldása, 204. június 0 A dolgozatírásnál íróeszközön kívül más segédeszköz nem használható. A dolgozat időtartama: 90 perc. Ha a dolgozat első részéből szerzett

Részletesebben

Analóg-digitál átalakítók (A/D konverterek)

Analóg-digitál átalakítók (A/D konverterek) 9. Laboratóriumi gyakorlat Analóg-digitál átalakítók (A/D konverterek) 1. A gyakorlat célja: Bemutatjuk egy sorozatos közelítés elvén működő A/D átalakító tömbvázlatát és elvi kapcsolási rajzát. Tanulmányozzuk

Részletesebben

Digitális jelfeldolgozás

Digitális jelfeldolgozás Digitális jelfeldolgozás Mintavételezés és jel-rekonstrukció Magyar Attila Pannon Egyetem Műszaki Informatikai Kar Villamosmérnöki és Információs Rendszerek Tanszék magyar.attila@virt.uni-pannon.hu 2010.

Részletesebben

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 Sorozatok, sorok, függvények határértéke és folytonossága Leindler Schipp - Analízis I. könyve + jegyzetek, kidolgozások alapján Számsorozatok, vektorsorozatok konvergenciája Def.: Számsorozatok értelmezése:

Részletesebben

Iványi László ARM programozás. Szabó Béla 6. Óra ADC és DAC elmélete és használata

Iványi László ARM programozás. Szabó Béla 6. Óra ADC és DAC elmélete és használata ARM programozás 6. Óra ADC és DAC elmélete és használata Iványi László ivanyi.laszlo@stud.uni-obuda.hu Szabó Béla szabo.bela@stud.uni-obuda.hu Mi az ADC? ADC -> Analog Digital Converter Analóg jelek mintavételezéssel

Részletesebben

Távközlő hálózatok és szolgáltatások Távközlő rendszerek áttekintése

Távközlő hálózatok és szolgáltatások Távközlő rendszerek áttekintése Távközlő hálózatok és szolgáltatások Távközlő rendszerek áttekintése Németh Krisztián BME TMIT 2011. szet. 12. A tárgy feléítése 1. Bevezetés Bemutatkozás, játékszabályok, stb. Történelmi áttekintés Mai

Részletesebben

Valószínűségszámítás összefoglaló

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

Részletesebben

egyenletesen, és c olyan színű golyót teszünk az urnába, amilyen színűt húztunk. Bizonyítsuk

egyenletesen, és c olyan színű golyót teszünk az urnába, amilyen színűt húztunk. Bizonyítsuk Valószínűségszámítás 8. feladatsor 2015. november 26. 1. Bizonyítsuk be, hogy az alábbi folyamatok mindegyike martingál. a S n, Sn 2 n, Y n = t n 1+ 1 t 2 Sn, t Fn = σ S 1,..., S n, 0 < t < 1 rögzített,

Részletesebben

Orvosi Fizika és Statisztika

Orvosi Fizika és Statisztika Orvosi Fizika és Statisztika Szegedi Tudományegyetem Általános Orvostudományi Kar Természettudományi és Informatikai Kar Orvosi Fizikai és Orvosi Informatikai Intézet www.szote.u-szeged.hu/dmi Orvosi fizika

Részletesebben

Az Informatika Elméleti Alapjai

Az 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

Részletesebben

4. Az A és B események egymást kizáró eseményeknek vagy idegen (diszjunkt)eseményeknek nevezzük, ha AB=O

4. Az A és B események egymást kizáró eseményeknek vagy idegen (diszjunkt)eseményeknek nevezzük, ha AB=O 1. Mit nevezünk elemi eseménynek és eseménytérnek? A kísérlet lehetséges kimeneteleit elemi eseményeknek nevezzük. Az adott kísélethez tartozó elemi események halmazát eseménytérnek nevezzük, jele: X 2.

Részletesebben

Híradástechikai jelfeldolgozás

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

Részletesebben

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

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

Részletesebben

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

Jelfeldolgozás. Gyakorlat: A tantermi gyakorlatokon való részvétel kötelező! Kollokvium: csak gyakorlati jeggyel! 1 Jelfeldolgozás Jegyzet: http://itl7.elte.hu : Elektronika jegyzet (Csákány A., ELTE TTK 119) Jelek feldolgozása (Bagoly Zs. Csákány A.) angol nyelv DSP (PDF) jegyzet Gyakorlat: A tantermi gyakorlatokon

Részletesebben

2. Elméleti összefoglaló

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

Részletesebben

Mintavételezés: Kvantálás:

Mintavételezés: Kvantálás: Mintavételezés: Időbeli diszkretizálást jelent. Mintavételezési törvény: Ha a jel nem tartalmaz B-nél magasabb frekvenciájú komponenseket, akkor a jel egyértelműen visszaállítható a legalább 2B frekvenciával

Részletesebben

ÉRZÉKELŐK ÉS BEAVATKOZÓK I. 3. MÉRÉSFELDOLGOZÁS

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

Részletesebben

Hangtechnika. Médiatechnológus asszisztens

Hangtechnika. 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

Részletesebben

Jelfeldolgozás a közlekedésben. 2017/2018 II. félév. Analóg-digitális átalakítás ADC, DAC

Jelfeldolgozás a közlekedésben. 2017/2018 II. félév. Analóg-digitális átalakítás ADC, DAC Jelfeldolgozás a közlekedésben 2017/2018 II. félév Analóg-digitális átalakítás ADC, DAC AD átalakítás Cél: Analóg (időben és értékben folytonos) elektromos mennyiség kifejezése digitális (értékében nagyságában

Részletesebben

Jel, adat, információ

Jel, adat, információ Kommunikáció Jel, adat, információ Jel: érzékszerveinkkel, műszerekkel felfogható fizikai állapotváltozás (hang, fény, feszültség, stb.) Adat: jelekből (számítástechnikában: számokból) képzett sorozat.

Részletesebben

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

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

Részletesebben

Függvény határérték összefoglalás

Függvény határérték összefoglalás Függvény határérték összefoglalás Függvény határértéke: Def: Függvény: egyértékű reláció. (Vagyis minden értelmezési tartománybeli elemhez, egyértelműen rendelünk hozzá egy elemet az értékkészletből. Vagyis

Részletesebben

A/D és D/A átalakítók gyakorlat

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)

Részletesebben

KÓDOLÁSTECHNIKA PZH. 2006. december 18.

KÓDOLÁSTECHNIKA PZH. 2006. december 18. KÓDOLÁSTECHNIKA PZH 2006. december 18. 1. Hibajavító kódolást tekintünk. Egy lineáris bináris blokk kód generátormátrixa G 10110 01101 a.) Adja meg a kód kódszavait és paramétereit (n, k,d). (3 p) b.)

Részletesebben

Távközlő hálózatok és szolgáltatások Távközlő rendszerek áttekintése

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

Részletesebben

VIDEOTECHNIKA. Előadásvázlat. Mócsai Tamás BME Hálózati Rendszerek és Szolgáltatások Tanszék szeptember

VIDEOTECHNIKA. Előadásvázlat. Mócsai Tamás BME Hálózati Rendszerek és Szolgáltatások Tanszék szeptember VIDEOTECHNIKA Előadásvázlat Mócsai Tamás BME Hálózati Rendszerek és Szolgáltatások Tanszék 2015. szeptember Videotechnika 2 Aktív képtartalom tömörítetlen video bitsebesség igénye 1080i50/4:2:2 (1080 x

Részletesebben

Mechatronika és mikroszámítógépek. 2016/2017 I. félév. Analóg-digitális átalakítás ADC, DAC

Mechatronika és mikroszámítógépek. 2016/2017 I. félév. Analóg-digitális átalakítás ADC, DAC Mechatronika és mikroszámítógépek 2016/2017 I. félév Analóg-digitális átalakítás ADC, DAC AD átalakítás Cél: Analóg (időben és értékben folytonos) elektromos mennyiség kifejezése digitális (értékében nagyságában

Részletesebben

Mérés és adatgyűjtés

Mérés és adatgyűjtés Mérés és adatgyűjtés 4. óra Mingesz Róbert Szegedi Tudományegyetem 2012. február 27. MA - 4. óra Verzió: 2.1 Utolsó frissítés: 2012. március 12. 1/41 Tartalom I 1 Jelek 2 Mintavételezés 3 A/D konverterek

Részletesebben

[Biomatematika 2] Orvosi biometria

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

Részletesebben

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1

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

Részletesebben

Jelek és rendszerek - 1.előadás

Jelek és rendszerek - 1.előadás Jelek és rendszerek - 1.előadás Bevezetés, alapfogalmak Mérnök informatika BSc Pécsi Tudományegyetem, Pollack Mihály Műszaki Kar Műszaki Informatika és Villamos Intézet Műszaki Informatika Tanszék Mérnök

Részletesebben

3.18. DIGITÁLIS JELFELDOLGOZÁS

3.18. 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

Részletesebben

ADAT- ÉS INFORMÁCIÓFELDOLGOZÁS

ADAT- ÉS INFORMÁCIÓFELDOLGOZÁS ADAT- ÉS INFORMÁCIÓFELDOLGOZÁS Földtudományi mérnöki MSc mesterszak 2018/19 I. félév TANTÁRGYI KOMMUNIKÁCIÓS DOSSZIÉ Miskolci Egyetem Műszaki Földtudományi Kar Geofizikai és Térinformatikai Intézet A tantárgy

Részletesebben

Informatika Rendszerek Alapjai

Informatika 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

Részletesebben

First Prev Next Last Go Back Full Screen Close Quit

First Prev Next Last Go Back Full Screen Close Quit Valós függvények (2) (Határérték) 1. A a R szám δ > 0 sugarú környezete az (a δ, a + δ) nyílt intervallum. Ezután a valós számokat, a számegyenesen való ábrázolhatóságuk miatt, pontoknak is fogjuk hívni.

Részletesebben

ÉRZÉKELŐK ÉS BEAVATKOZÓK I. 6. A MINTAVÉTELI TÖRVÉNY

ÉRZÉKELŐK 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

Részletesebben

Számítógépes Grafika SZIE YMÉK

Számítógépes Grafika SZIE YMÉK Számítógépes Grafika SZIE YMÉK Analóg - digitális Analóg: a jel értelmezési tartománya (idő), és az értékkészletes is folytonos (pl. hang, fény) Diszkrét idejű: az értelmezési tartomány diszkrét (pl. a

Részletesebben

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

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

Részletesebben

BIOMATEMATIKA ELŐADÁS

BIOMATEMATIKA ELŐADÁS BIOMATEMATIKA ELŐADÁS 9. Együttes eloszlás, kovarianca, nevezetes eloszlások Debreceni Egyetem, 2015 Dr. Bérczes Attila, Bertók Csanád A diasor tartalma 1 Bevezetés, definíciók Együttes eloszlás Függetlenség

Részletesebben

Véges állapotú gépek (FSM) tervezése

Véges állapotú gépek (FSM) tervezése Véges állapotú gépek (FSM) tervezése F1. Tervezzünk egy soros mintafelismerőt, ami a bemenetére ciklikusan, sorosan érkező 4 bites számok közül felismeri azokat, amelyek 3-mal vagy 5-tel oszthatók. A fenti

Részletesebben

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

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

Részletesebben

Wavelet transzformáció

Wavelet transzformáció 1 Wavelet transzformáció Más felbontás: Walsh, Haar, wavelet alapok! Eddig: amplitúdó vagy frekvencia leírás: Pl. egy rövid, Dirac-delta jellegű impulzus Fourier-transzformált: nagyon sok, kb. ugyanolyan

Részletesebben

INFOKOMMUNIKÁCIÓS RENDSZEREK MENEDZSMENTJE

INFOKOMMUNIKÁCIÓS RENDSZEREK MENEDZSMENTJE BME Gazdaság- és Társadalomtudományi Kar Műszaki menedzser alapszak (BSc) INFOKOMMUNIKÁCIÓS RENDSZEREK MENEDZSMENTJE Infokommunikációs alapfogalmak Vezetékes beszédkommunikáció Dr. Babarczi Péter - Dr.

Részletesebben

MATEMATIKA 2. dolgozat megoldása (A csoport)

MATEMATIKA 2. dolgozat megoldása (A csoport) MATEMATIKA. dolgozat megoldása (A csoport). Definiálja az alábbi fogalmakat: (egyváltozós) függvény folytonossága, differenciálhatósága, (többváltozós függvény) iránymenti deriváltja. (3x8 pont). Az f

Részletesebben

Irányítástechnika GÁSPÁR PÉTER. Prof. BOKOR JÓZSEF útmutatásai alapján

Irányítástechnika GÁSPÁR PÉTER. Prof. BOKOR JÓZSEF útmutatásai alapján Irányítástechnika GÁSPÁR PÉTER Prof. BOKOR JÓZSEF útmutatásai alapján Irányítástechnika rendszerek Irányítástechnika Budapest, 2008 2 Az előadás felépítése 1. 2. 3. 4. Irányítástechnika Budapest, 2008

Részletesebben

Térinformatikai algoritmusok Elemi algoritmusok

Térinformatikai algoritmusok Elemi algoritmusok Cserép Máté Analóg programozásnak nevezzük azt, amikor egy feladat megoldásához egy már ismert és megoldott feladat megoldását használjuk fel. Általában nem pontosan ugyanazt a feladatot oldottuk meg korábban,

Részletesebben

Hatodik gyakorlat. Rendszer, adat, információ

Hatodik gyakorlat. Rendszer, adat, információ Hatodik gyakorlat Rendszer, adat, információ Alapfogalmak Rendszer: A rendszer egymással kapcsolatban álló elemek összessége, amelyek adott cél érdekében együttmőködnek egymással, és mőködésük során erıforrásokat

Részletesebben

Digitális jelfeldolgozás

Digitális jelfeldolgozás Fürjes Andor Tamás Digitális jelfeldolgozás Rádiós napok 2001. nov. 7-8. Tartalom Digitalizálás és gyakorlati következményei Jelfeldolgozási alapok Digitális jelátvitel 2 Digitalizálás és következményei

Részletesebben

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

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

Részletesebben

Véges állapotú gépek (FSM) tervezése

Véges állapotú gépek (FSM) tervezése Véges állapotú gépek (FSM) tervezése F1. A 2. gyakorlaton foglalkoztunk a 3-mal vagy 5-tel osztható 4 bites számok felismerésével. Abban a feladatban a bemenet bitpárhuzamosan, azaz egy időben minden adatbit

Részletesebben

Az információelmélet alapjai, biológiai alkalmazások. 1. A logaritmusfüggvény és azonosságai

Az információelmélet alapjai, biológiai alkalmazások. 1. A logaritmusfüggvény és azonosságai Az információelmélet alapjai, biológiai alkalmazások 1. A logaritmusfüggvény és azonosságai 2 k = N log 2 N = k Például 2 3 = 8 log 2 8 = 3 10 4 = 10000 log 10 10000 = 4 log 2 2 = 1 log 2 1 = 0 log 2 0

Részletesebben

Objektív beszédminősítés

Objektív beszédminősítés Objektív beszédminősítés Fegyó Tibor fegyo@tmit.bme.hu Beszédinformációs rendszerek -- Objektív beszédminõsítés 1 Beszédinformációs rendszerek -- Objektív beszédminõsítés 2 Bevezető kérdések Mi a [beszéd]

Részletesebben

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

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

Részletesebben

Yottacontrol I/O modulok beállítási segédlet

Yottacontrol I/O modulok beállítási segédlet Yottacontrol I/O modulok beállítási segédlet : +36 1 236 0427 +36 1 236 0428 Fax: +36 1 236 0430 www.dialcomp.hu dial@dialcomp.hu 1131 Budapest, Kámfor u.31. 1558 Budapest, Pf. 7 Tartalomjegyzék Bevezető...

Részletesebben

Térinformatikai algoritmusok Elemi algoritmusok

Térinformatikai algoritmusok Elemi algoritmusok Cserép Máté 2016. szeptember 14. Analóg programozásnak nevezzük azt, amikor egy feladat megoldásához egy már ismert és megoldott feladat megoldását használjuk fel. Általában nem pontosan ugyanazt a feladatot

Részletesebben

Leképezések. Leképezések tulajdonságai. Számosságok.

Leképezések. Leképezések tulajdonságai. Számosságok. Leképezések Leképezések tulajdonságai. Számosságok. 1. Leképezések tulajdonságai A továbbiakban legyen A és B két tetszőleges halmaz. Idézzünk fel néhány definíciót. 1. Definíció (Emlékeztető). Relációknak

Részletesebben

10.1. ANALÓG JELEK ILLESZTÉSE DIGITÁLIS ESZKÖZÖKHÖZ

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

Részletesebben

Véletlenszám generátorok és tesztelésük. Tossenberger Tamás

Véletlenszám generátorok és tesztelésük. Tossenberger Tamás Véletlenszám generátorok és tesztelésük Tossenberger Tamás Érdekességek Pénzérme feldobó gép: $0,25-os érme 1/6000 valószínűséggel esik az élére 51% eséllyel érkezik a felfelé mutató oldalára Pörgetésnél

Részletesebben

Sorozatok és Sorozatok és / 18

Sorozatok és Sorozatok és / 18 Sorozatok 2015.11.30. és 2015.12.02. Sorozatok 2015.11.30. és 2015.12.02. 1 / 18 Tartalom 1 Sorozatok alapfogalmai 2 Sorozatok jellemz i 3 Sorozatok határértéke 4 Konvergencia és korlátosság 5 Cauchy-féle

Részletesebben

A Matematika I. előadás részletes tematikája

A Matematika I. előadás részletes tematikája A Matematika I. előadás részletes tematikája 2005/6, I. félév 1. Halmazok és relációk 1.1 Műveletek halmazokkal Definíciók, fogalmak: halmaz, elem, üres halmaz, halmazok egyenlősége, részhalmaz, halmazok

Részletesebben

Idő-frekvencia transzformációk waveletek

Idő-frekvencia transzformációk waveletek Idő-frekvencia transzformációk waveletek Pokol Gergő BME NTI Üzemi mérések és diagnosztika 2015. április 23. Vázlat Alapfogalmak az idő-frekvencia síkon Rövid idejű Fourier-transzformáció spektrogram Folytonos

Részletesebben

Mintavételezés tanulmányozása. AD - konverzió. Soros kommunikáció

Mintavételezés tanulmányozása. AD - konverzió. Soros kommunikáció Mintavételezés tanulmányozása. AD - konverzió. Soros kommunikáció A gyakorlat célja A gyakorlat során a dspic30f6010 digitális jelprocesszor Analóg Digital konverterét tanulmányozzuk. A mintavételezett

Részletesebben

Eseményalgebra. Esemény: minden amirl a kísérlet elvégzése során eldönthet egyértelmen hogy a kísérlet során bekövetkezett-e vagy sem.

Eseményalgebra. Esemény: minden amirl a kísérlet elvégzése során eldönthet egyértelmen hogy a kísérlet során bekövetkezett-e vagy sem. Eseményalgebra. Esemény: minden amirl a kísérlet elvégzése során eldönthet egyértelmen hogy a kísérlet során bekövetkezett-e vagy sem. Elemi esemény: a kísérlet egyes lehetséges egyes lehetséges kimenetelei.

Részletesebben

A/D ÉS D/A ÁTALAKÍTÓK

A/D ÉS D/A ÁTALAKÍTÓK A/D ÉS D/A ÁTALAKÍTÓK 1. DAC egységek A D/A átalakító egységekben elvileg elkülöníthető egy D/A dekódoló rész és egy tartó rész: A D/A dekódoló diszkrét időpontokban a digitális értékéknek megfelelő amplitúdók

Részletesebben

Dr. Kuczmann Miklós JELEK ÉS RENDSZEREK

Dr. Kuczmann Miklós JELEK ÉS RENDSZEREK Dr. Kuczmann Miklós JELEK ÉS RENDSZEREK Dr. Kuczmann Miklós JELEK ÉS RENDSZEREK Z UNIVERSITAS-GYŐR Kht. Győr, 25 SZÉCHENYI ISTVÁN EGYETEM MŰSZAKI TUDOMÁNYI KAR TÁVKÖZLÉSI TANSZÉK Egyetemi jegyzet Írta:

Részletesebben

Mozgásmodellezés. Lukovszki Csaba. Navigációs és helyalapú szolgáltatások és alkalmazások (VITMMA07)

Mozgásmodellezés. Lukovszki Csaba. Navigációs és helyalapú szolgáltatások és alkalmazások (VITMMA07) TÁVKÖZLÉSI ÉS MÉDIAINFORMATIKAI TANSZÉK () BUDAPESTI MŰSZAKI ÉS GAZDASÁGTUDOMÁNYI EGYETEM (BME) Mozgásmodellezés Lukovszki Csaba Áttekintés» Probléma felvázolása» Szabadsági fokok» Diszkretizált» Hibát

Részletesebben

HÁZI FELADATOK. 1. félév. 1. konferencia A lineáris algebra alapjai

HÁZI FELADATOK. 1. félév. 1. konferencia A lineáris algebra alapjai HÁZI FELADATOK. félév. konferencia A lineáris algebra alapjai Értékelés:. egység: önálló feladatmegoldás.8. Döntse el, párhuzamosak-e a következő vektorpárok: a) a( ; ; 7) b(; 5; ) b) c(; 9; 5) d(8; 6;

Részletesebben

Irányításelmélet és technika II.

Irányításelmélet és technika II. Irányításelmélet és technika II. Legkisebb négyzetek módszere Magyar Attila Pannon Egyetem Műszaki Informatikai Kar Villamosmérnöki és Információs Rendszerek Tanszék amagyar@almos.vein.hu 200 november

Részletesebben

1. Házi feladat. Határidő: I. Legyen f : R R, f(x) = x 2, valamint. d : R + 0 R+ 0

1. Házi feladat. Határidő: I. Legyen f : R R, f(x) = x 2, valamint. d : R + 0 R+ 0 I. Legyen f : R R, f(x) = 1 1 + x 2, valamint 1. Házi feladat d : R + 0 R+ 0 R (x, y) f(x) f(y). 1. Igazoljuk, hogy (R + 0, d) metrikus tér. 2. Adjuk meg az x {0, 3} pontok és r {1, 2} esetén a B r (x)

Részletesebben

Idő-frekvencia transzformációk waveletek

Idő-frekvencia transzformációk waveletek Idő-frekvencia transzformációk waveletek Pokol Gergő BME NTI Üzemi mérések és diagnosztika 2014. május 8. Vázlat Alapfogalmak az idő-frekvencia síkon Rövid idejű Fourier-transzformáció spektrogram Folytonos

Részletesebben

Jel, adat, információ

Jel, adat, információ Kommunikáció Jel, adat, információ Jel: érzékszerveinkkel, műszerekkel felfogható fizikai állapotváltozás (hang, fény, feszültség, stb.) Adat: jelekből (számítástechnikában: számokból) képzett sorozat.

Részletesebben

Néhány fontosabb folytonosidejű jel

Néhány 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

Részletesebben

VIK A1 Matematika BOSCH, Hatvan, 5. Gyakorlati anyag

VIK A1 Matematika BOSCH, Hatvan, 5. Gyakorlati anyag VIK A1 Matematika BOSCH, Hatvan, 5. Gyakorlati anyag 2018/19 1. félév Függvények határértéke 1. Bizonyítsuk be definíció alapján a következőket! (a) lim x 2 3x+1 5x+4 = 1 2 (b) lim x 4 x 16 x 2 4x = 2

Részletesebben

[Biomatematika 2] Orvosi biometria

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

Részletesebben

Ellenőrző kérdések a Jelanalízis és Jelfeldolgozás témakörökhöz

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

Részletesebben

Villamosságtan szigorlati tételek

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

Részletesebben

Máté: Számítógép architektúrák

Máté: Számítógép architektúrák Fixpontos számok Pl.: előjeles kétjegyű decimális számok : Ábrázolási tartomány: [-99, +99]. Pontosság (két szomszédos szám különbsége): 1. Maximális hiba: (az ábrázolási tartományba eső) tetszőleges valós

Részletesebben

Analízis házi feladatok

Analízis házi feladatok Analízis házi feladatok Készült a PTE TTK GI szakos hallgatóinak Király Balázs 200-. I. Félév 2 . fejezet Első hét.. Házi Feladatok.. Házi Feladat. Írjuk fel a következő sorozatok 0.,., 2., 5., 0. elemét,

Részletesebben

A fontosabb definíciók

A fontosabb definíciók A legfontosabb definíciókat jelöli. A fontosabb definíciók [Descartes szorzat] Az A és B halmazok Descartes szorzatán az A és B elemeiből képezett összes (a, b) a A, b B rendezett párok halmazát értjük,

Részletesebben

Mérési hibák 2006.10.04. 1

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

Részletesebben

STATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Mi a modell? Matematikai statisztika. 300 dobás. sűrűségfüggvénye. Egyenletes eloszlás

STATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Mi a modell? Matematikai statisztika. 300 dobás. sűrűségfüggvénye. Egyenletes eloszlás ELŐADÁS ÁTTEKINTÉSE STATISZTIKA 7. Előadás Egyenletes eloszlás Binomiális eloszlás Normális eloszlás Standard normális eloszlás Normális eloszlás mint modell /56 Matematikai statisztika Reprezentatív mintavétel

Részletesebben