Híradástechikai jelfeldolgozás
|
|
- Kornél Nemes
- 7 évvel ezelőtt
- Látták:
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 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
Részletesebben6. 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
RészletesebbenDigitális 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
RészletesebbenHíradástechikai 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
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
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
RészletesebbenAnalóg 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
RészletesebbenKommunikációs 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
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
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.
RészletesebbenElektronika 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
RészletesebbenKommunikációs 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
RészletesebbenANTAL 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
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
RészletesebbenBeszédinformációs 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
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
RészletesebbenGazdasági 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
RészletesebbenGazdasági 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
RészletesebbenÉrtékelés 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,
RészletesebbenGazdasági 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
RészletesebbenAnalóg-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
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.
RészletesebbenSorozatok, 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:
RészletesebbenIványi 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
RészletesebbenTávközlő 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
RészletesebbenValószínűségszámítás 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:
Részletesebbenegyenletesen, 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,
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
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
Részletesebben4. 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.
RészletesebbenHíradástechikai 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
RészletesebbenPontműveletek. Sergyán Szabolcs Óbudai Egyetem Neumann János Informatikai Kar február 20.
Pontműveletek Sergyán Szabolcs sergyan.szabolcs@nik.uni-obuda.hu Óbudai Egyetem Neumann János Informatikai Kar 2012. február 20. Sergyán (OE NIK) Pontműveletek 2012. február 20. 1 / 40 Felhasznált irodalom
RészletesebbenJelfeldolgozás. Gyakorlat: A tantermi gyakorlatokon való részvétel kötelező! Kollokvium: csak gyakorlati jeggyel!
1 Jelfeldolgozás Jegyzet: http://itl7.elte.hu : Elektronika jegyzet (Csákány A., ELTE TTK 119) Jelek feldolgozása (Bagoly Zs. Csákány A.) angol nyelv DSP (PDF) jegyzet Gyakorlat: A tantermi gyakorlatokon
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
RészletesebbenMintavételezés: 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
RészletesebbenÉRZÉKELŐK 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
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
RészletesebbenJelfeldolgozás 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
RészletesebbenJel, adat, információ
Kommunikáció Jel, adat, információ Jel: érzékszerveinkkel, műszerekkel felfogható fizikai állapotváltozás (hang, fény, feszültség, stb.) Adat: jelekből (számítástechnikában: számokból) képzett sorozat.
RészletesebbenSTATISZTIKA 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
RészletesebbenFüggvény határérték összefoglalás
Függvény határérték összefoglalás Függvény határértéke: Def: Függvény: egyértékű reláció. (Vagyis minden értelmezési tartománybeli elemhez, egyértelműen rendelünk hozzá egy elemet az értékkészletből. Vagyis
RészletesebbenA/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)
RészletesebbenKÓDOLÁSTECHNIKA 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.)
RészletesebbenTávközlő 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
RészletesebbenVIDEOTECHNIKA. 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
RészletesebbenMechatronika 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
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
Részletesebben[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 =
RészletesebbenStatisztika - 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
RészletesebbenJelek 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
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
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
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
RészletesebbenFirst 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.
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
RészletesebbenSzámítógépes 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
Részletesebben1. 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
RészletesebbenBIOMATEMATIKA 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
RészletesebbenVéges 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
RészletesebbenVéletlen 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
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
RészletesebbenINFOKOMMUNIKÁCIÓS RENDSZEREK MENEDZSMENTJE
BME Gazdaság- és Társadalomtudományi Kar Műszaki menedzser alapszak (BSc) INFOKOMMUNIKÁCIÓS RENDSZEREK MENEDZSMENTJE Infokommunikációs alapfogalmak Vezetékes beszédkommunikáció Dr. Babarczi Péter - Dr.
RészletesebbenMATEMATIKA 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
RészletesebbenIrányítástechnika 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
RészletesebbenTérinformatikai 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,
RészletesebbenHatodik 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
RészletesebbenDigitális 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
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
RészletesebbenVéges 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
RészletesebbenAz 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
RészletesebbenObjektív beszédminősítés
Objektív beszédminősítés Fegyó Tibor fegyo@tmit.bme.hu Beszédinformációs rendszerek -- Objektív beszédminõsítés 1 Beszédinformációs rendszerek -- Objektív beszédminõsítés 2 Bevezető kérdések Mi a [beszéd]
Részletesebbene (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:
RészletesebbenYottacontrol 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...
RészletesebbenTérinformatikai 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
RészletesebbenLeképezések. 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
Részletesebben10.1. ANALÓG JELEK ILLESZTÉSE DIGITÁLIS ESZKÖZÖKHÖZ
101 ANALÓG JELEK ILLESZTÉSE DIGITÁLIS ESZKÖZÖKHÖZ Ma az analóg jelek feldolgozása (is) mindinkább digitális eszközökkel történik A feldolgozás előtt az analóg jeleket digitalizálni kell Rendszerint az
RészletesebbenVéletlenszám 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
RészletesebbenSorozatok 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
RészletesebbenA 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
RészletesebbenIdő-frekvencia transzformációk waveletek
Idő-frekvencia transzformációk waveletek Pokol Gergő BME NTI Üzemi mérések és diagnosztika 2015. április 23. Vázlat Alapfogalmak az idő-frekvencia síkon Rövid idejű Fourier-transzformáció spektrogram Folytonos
RészletesebbenMintavételezés 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
RészletesebbenEseményalgebra. 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.
RészletesebbenA/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
RészletesebbenDr. 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:
RészletesebbenMozgásmodellezés. 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
RészletesebbenHÁZI 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;
RészletesebbenIrányításelmélet 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
Részletesebben1. 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)
RészletesebbenIdő-frekvencia transzformációk waveletek
Idő-frekvencia transzformációk waveletek Pokol Gergő BME NTI Üzemi mérések és diagnosztika 2014. május 8. Vázlat Alapfogalmak az idő-frekvencia síkon Rövid idejű Fourier-transzformáció spektrogram Folytonos
RészletesebbenJel, adat, információ
Kommunikáció Jel, adat, információ Jel: érzékszerveinkkel, műszerekkel felfogható fizikai állapotváltozás (hang, fény, feszültség, stb.) Adat: jelekből (számítástechnikában: számokból) képzett sorozat.
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
RészletesebbenVIK A1 Matematika BOSCH, Hatvan, 5. Gyakorlati anyag
VIK A1 Matematika BOSCH, Hatvan, 5. Gyakorlati anyag 2018/19 1. félév Függvények határértéke 1. Bizonyítsuk be definíció alapján a következőket! (a) lim x 2 3x+1 5x+4 = 1 2 (b) lim x 4 x 16 x 2 4x = 2
Részletesebben[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.
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
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
RészletesebbenMáté: 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
RészletesebbenAnalízis 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,
RészletesebbenA 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,
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
RészletesebbenSTATISZTIKA 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