fül 7 R í«1 Lül uihj Direkt módszerek véges memóriájú digitális szűrők tervezéséhez

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "fül 7 R í«1 Lül uihj Direkt módszerek véges memóriájú digitális szűrők tervezéséhez"

Átírás

1 * fül 7 R í«1 Lül uihj DR. SALLAI GYULA Posta Kísérleti Intézet Direkt módszerek véges memóriájú digitális szűrők tervezéséhez ETO A digitális szűrők osztályozását és tervezésük alapelveit az [1, 2] cikkek tekintik át. Jelen cikkben a véges memóriájú digitális szűrők tervezésére néhány olyan módszert ismertetünk, amelyek a transzfer függvény együtthatóira explicit összefüggéseket eredményeznek. A véges memóriájú szűrők leggyakrabban alkalmazott transzverzális struktúrájú megvalósítása esetén a szűrőegyütthatók az approximáció során nyert együtthatókkal közvetlenül megegyeznek. A. véges memóriájú (FIR) digitális szűrők approximációjára számos módszer ismeretes, úgymint 1. a frekvenciatartománybeli követelmények Fourier sorfejtése és az együtthatók módosítása különböző ablakfüggvényekkel [3, 4], 2. a transzfer függvény felírása frekvencia szerinti mintavételezéssel és javítása lineáris optimalizálással [5, 6], 3. az alternálási tételen alapuló iteratív Csebisevi közelítés [7 10], valamint 4. speciális trigonometrikus közelítő eljárások [5, 11, 12]. Beérkezett: IV. 24. Az ablaktechnikát a legkönnyebb alkalmazni, egyben a legáltalánosabb is. Azonban, ha lineáris vagy minimális fázisú szűrőt kívánunk tervezni, a többi eljárás jobb approximációt eredményez, bár a gépi tervezési idő tekintélyes lehet. Csak néhány esetben ismeretes a szurőegyütthatókra minden szempontból előnyös zárt alakú kifejezés. Ezen tanulmányban a FIR szűrő tervezését analóg szűrő tervezésére vezetjük vissza. Az analóg tartományban az approximációs feladat számos esetben könnyebben és zárt alakban megoldható lesz. Az approximációt lineáris fázisú maximálisan lapos és inverz Csebisev szelektív szűrőkre, valamint maximálisan lapos kvadratúra szűrőre végezzük el. A már ismert módszerekkel [5, 11, 12, 14] szemben a javasolt referens szűrős módszerek közvetlenül alkalmazhatók mind páros, mind páratlan fokszámú szűrő esetén, és a FIR szűrő együtthatóira egyszerűbb, egységes explicit kifejezéseket eredményeznek. Feloldhatók a maximálisan lapos szűrőknél jelentkező megkötések is, az eredmények explicit formájának megtartása mellett. inimálfázisú szűrőt a megfelelő lineáris fázisú szűrőből nyerhetünk. A konvertálást a referens tartományban végezve a megoldandó egyenlet fokszáma kisebb (legfeljebb fele). A referens szűrős módszer egy általánosítását, valamint kiterjesztését a mindentáteresztőből felépített késleltető láncok esetére [15, 16] ismerteti. 1. A referens szűrők módszere A végtelen memóriájú (IIR) digitális szűrők legáltalánosabban alkalmazott tervezési módszerei analóg referens szűrők leképzésén, leggyakrabban bilineáris leképzésén alapulnak. Igazolható, hogy bármely frekvenciatartományban megfogalmazott digitális szűrőtervezési feladathoz egy frekvenciatartománybeli analóg approximációs feladat rendelhető, és ha létezik analóg megoldás, akkor azonos értelemben vett digitális megoldás is létezik [17]. Az összerendelés az «. P- T bilineáris transzformáció, és az annak megfelelő ü=a.-tg- - frekvencia-transzformáció segítségével teremthető meg (1. ábra). Itt z=e pt, T a mintavételi időköz, p = a+]'co a komplex frekvencia jelölése a digitális szűrők, s=z+jü a referens analóg szűrők számára. Szimuláció esetén az OÍ=2/T választás előnyös, hiszen így Í2«et>, ha a> -^.njt. Referens szűrős tervezésnél legegyszerűbb, ha a=1 választással élünk. (1) (2) Általában tehát a transzfer függvények, átviteli-, fázis- és futási idő karakterisztikák közötti összefüggés:

2 HÍRADÁSTECHNIKA XXIX. ÉVF. 10. SZ. V leképezést tekintve, az s = a az a pont, amely a z== 0 ponthoz tartozik. Bevezetve az A R (s) a 0 +a 1 s+...a R s R, R^ polinomot, a megengedett referens transzfer függvényekre az alábbi formát kapjuk: s = (S + Oí} Ugyanis (l)-et (6)-ba helyettesítve : (6) 1. ábra. Az s-sík bilineáris leképzése a z-síkra K{z) = K(s) K{ei mr )=K(jQ) Í3=«tg-ib{m) = b{ü) l-z-i 'l+z- 1 (3) K(z)=- 2 a/«'(l + z - 1 ) ~'(l - z- 1 )' = "(2a) (=0 R ~ l Í l\ 1 í l \ = z-j (2 r«l /,«' i i(l-')p( A K(z) -ed fokú polinom z _1 -ben, ha (-l)*z- )<-4 a=xtg A referens szűrő karakterisztikáinak megkülönböztésére a ~ jelet alkalmaztuk. Az analóg szűrők approximációja jól kidolgozott, számos zárt formájú kifejezéseket eredményező analóg tervezési eljárás ismeretes. Ezért igen gyakran, szemben a FIR szűrők tervezésével, a végtelen memóriájú szűrők approximációja könnyen végrehajtható. A bilineáris leképzés különösen akkor hatásos, ha az előírás lépcsős toleranciasémával adott. Ha a kritikus frekvenciákat a (2) szerint transzformáljuk, előtorzítjuk, akkor a digitális szűrő az előírt specifikációt biztosan kielégíti. (Futásijdő-előírásokat (4)- nek megfelelően módosítani kell!) A bilineáris leképzés módszerét a FIR szűrők tervezéséhez nem használják, pedig a FIR szűrőket a végtelen memóriájú szűrők speciális esetének tekinthetjük. A FIR szűrő olyan végtelen memóriájú szűrő, amelynek pólusai a z síkon az origóban vannak. Transzfer függvénye:, 2 d t z ~ l 1=0 Z Ilyen transzfer függvények nyilvánvalóan a referens analóg szűrők egy szűkebb osztályának leképzésével hozhatók létre. Ha a megengedett referens transzfer függvényekkel a referens tartományban megfogalmazott előírást kielégítjük, akkor a FIR szűrő bilineáris leképzéssel nyert transzfer függvénye az előírásokat ugyanolyan értelemben teljesíteni fogja. 1.1 egengedeti referens szűrők Első lépésként a referens függvények megengedett osztályát kell meghatározni. Az i=o 1-z" 1 z-1 + z+1 (4) (5) A K(z) 1=0 kifejezését összehasonlítva (5)-tel a FIR szűrő együtthatóit kapjuk. Az a=l esetet tekintve: "'= 2 -^S*^i(t"*, )Q<- 1), (7 > A bilineáris leképzés tulajdonságaiból következik, hogy minimál fázisú FIR szűrőt kapunk, ha az A(s) polinomnak a jobb félsíkon nincsenek zérushelyei. 1.2 A lineáris fázisú FIR szűrők prototípusa A lineáris fázisú FIR szűrők különösen fontosak. int ismeretes, megengedett K(z) transzfer függvényük tükörképpolinom, azaz d t = d _i (szimmetrikus eset), vagy d t = d ^i (antiszimmetrikus eset). Az átviteli karakterisztika ennek megfelelően: K(el a7 )=. 2 (ej' at ) (e^) ha ha di d.. t di d _i, ahol (e JwT ) valós, páros illetve páratlan függvénye eo-nak. Nevezzük -t amplitúdókarakterisztikának, annak ellenére, hogy íáltalában ^\K\. A szűrőegyütthatók szimmetrikus voltának következményeként K(z) zéruselrendeződésének természetesen bizonyos követelményeket ki kell elégítenie [2, 5, 6]. A leglényegesebb, hogy a zérushelyek reciprok párokat alkotnak, azaz egy z t zérushely esetén 1 fz t is zérushely. Könnyű belátni, hogy a (6) szerinti referens függvény bilineáris transzformációja akkor és csakis akkor eredményez T/2 késleltetésű, lineáris fázisú FIR szűrőt, ha az A(s) számlálópolinom tiszta páros, vagy tiszta páratlan. Ha A(s)=B( s 2 ), akkor szimmetrikus, ha A(s)=*sB( s 2 ) akkor antiszimmetrikus együttható-elrendezésű FIR szűrőt kapunk. A K{z) 290

3 DR. SALLAI GY.: DIREKT ÓDSZEREK VÉGES EŐRIÁJŰ DIGITÁLIS SZŰRŐK TERVEZÉSÉHEZ fokszáma, ha </?/2> 2(- ahol (R/2) R/2 egész részét jelöli. Az s=]'q helyettesítést elvégezve nyilvánvaló, hogy B(Q 2 ) valós, tehát a fázismenetet a számláló nem módosítja. A realizálhatósághoz szükséges T/2 késleltetést a nevező hozza létre: j arctg (]Q+<y.) (í2 2 + <x 2 ) ' 2 (í3 2 + a 2 ) / 2, ' 2 így a (e JwT ) amplitúdókarakterisztikához rendelhető referens amplitúdókarakterisztika, <x = l totovábbi feltételezésével: (Q)-- B(Q 2 ) (l + ^2)Aí/2 Q-B(ü 2 ) (l +^2)/2 ha ha d t =- d í =d J -i ahol a polinomegyütthatók b r = ( í) r a 2r illetve b r = (-iy a2r+1 r=0,l...<fl/2> int tudjuk a számláló fokszáma a nevező fokszámánál nagyobb nem lehet, i?=s. Vegyük azonban észre, hogy a szimmetrikus eset páratlan -nél és az antiszimmetrikus eset páros -nél R^ megkötést eredményez. Következésképpen z~ l-ben (co=7i/t) legalább egyszeres zérushely jön létre. Az ilyen szűrők tehát felüláteresztő jellegű karakterisztikák megvalósítására nem alkalmasak. Lineáris fázisú FIR szűrők esetén tehát a tervezés a B(Q 2 ) polinom együtthatóinak megfelelő meghatározására irányul. Ezek ismeretében a FIR szűrő együtthatóit (7) alapján kapjuk. A (7) -t közvetlenül a b r együtthatókkal kifejezve, szimmetrikus esetben: ^-"lsi<-'>í1:f)(í í=0,l... (10) 2. aximálisan lapos szelektív szűrők Ebben a szakaszban a maximálisan lapos lineáris fázisú FIR digitális szűrők megfelelő analóg referens szűrő bilineáris transzformációján alapuló approximációját mutatjuk be. Az ismertetendő módszer egységes kifejezéseket nyújt tetszőleges fokszámú szűrő esetén és egyszerű lehetőséget ad átmeneti monoton karakterisztikájú, valamint minimálfázisú FIR szűrők transzfer függvényének előállítására. 2.1 Lineáris fázisú aluláteresztők A (8) összefügggésből kiindulva, bevezetve az N=/2 jelölést, a maximálisan lapos aluláteresztő referens szűrő amplitúdókarakterisztikája: 2 o K * (8) (9) (11) ahol a végtelenbeli átviteli zérus biztosítása érdekében 0=sm</2. A cél a számláló b r együtthatóinak olyan megválasztása, hogy K Ü {Q) maximálisan lapos karakterisztika legyen. Ha a B(Q) 2 számlálópolinomot úgy választjuk, hogy a nevező origó körüli Taylor sorának m-f okú csonkítása legyen, azaz x = Q 2 jelöléssel: 8'(1 + x) A dx r x=0 rí = 1+Z -T[N{N~Í). r=x r!.(iv-r+1)], (12) akkor K Q (Q) első 2m +1 ü szerinti deriváltja az origóban zérus lesz. A B(ü) 2 ilyen választása adott m</2 mellett maximálisan lapos, monoton csökkenő karakterisztikát biztosít. Nyilvánvaló, hogy ha páros és így N egész, a nevező Taylor-sora önmaga és B m (x) egyszerűen az (l+x) N polinomalakjának csonkítása lesz., Az párosságától függetlenül a keresett b r együtthatók (12)-ből nyerhetők. A binomiális együtthatót valós számokra is értelmezve írhatjuk, hogy N(N-í)...(N-r+l) fc r = rl r=0,l..m. (13) A b r értékeit a (10) összefüggésbe helyettesítve a szűrőegyütthatókra egyszerű explicit kifejezéseket nyerünk. Kihasználva, hogy d d^j és hogy 2d t - 1=0 = 1, elegendő csupán a d t, i=0, 1,... (N l) együtthatókat számítani a (10) összefüggés szerint. Könnyen belátható, hogy d { szűrőegyütthatók egy 2~ L tényezőtől eltekintve egész számok, ahol +2\-öí /' t i a.2'/ Páratlan fokszám esetén ha páros páratlan. /2\ (-2)...(-2m + 2) 2 m m\ - \m+ Z <"i2-<> = 1-2 L J, ahol / egy megfelelő egész szám. Sajnos L gyakorlatilag túl nagy ahhoz, hogy a szűrőegyütthatókat kvantálási hiba nélkül valósíthassuk meg. A szűrőegyütthatók értékét, amelyek a FIR szűrő k(t) súlyfüggvényének mintáival közvetlenül egyenlők, =8 fokszám esetén a lehetséges m paraméterértékek mellett az 1. táblázat tünteti fel. A (10) öszszefüggésből nyilvánvaló az alábbi m szerinti rekurziós formula: O- 1> { í-tf7) (14) 291

4 HÍRADÁSTECHNIKA XXIX. ÉVF. 10. SZ. \256.k(t) 110 k =8 m m t -3 l T ± T T -8-3 H591-SG ff = 8 fokú lineáris fázisú max. lapos szűrő együtthatói 0,0039 0,0117 0,117 0,0039 í?l=í?7 0, , , , ,1094 0, ,0469 0, ,0469 0, ,1094 0, , , , , táblázat 0,26 0,43 0,57 0,74 (A W súlyszámot a 2.2 pontban értelmezzük, itt W= 1). A maximálisan lapos FIR szűrő amplitúdókarakterisztikája (ll)-ből: (e'"> T ) = ( 1+t 2-2-J 2 r-? yrj cot 2r sin' -cos -2r ^. (15) Vegyük észre, hogy összetevői nem negatívak a 0=sco=sjr/r tartományban. Az adott fokszám esetén az m paraméter megválasztásától függően ((+l)/2)-íé\e különböző maximálisan lapos szűrőkarakterisztikát kapunk. A karakterisztikák lapossága 2m + l rendű <»=0-nál, 2m 1 rendű co=n/t-nél. Az z= l-ben levő átviteli zérusok multiplicitása 2m (2. és 3. ábra). 3. ábra. 8-ad fokú maximálisan lapos, lineáris fázisú FIR digitálisszűrő-karakterisztikák (Szaggatottan: átmeneti karakterisztikák) egjegyezzük, hogy Herrmann és Fahmy által javasolt approximációs módszerek [11, 12] csak páros fokszámú lineáris fázisú FIR szűrők tervezésére alkalmasak. Természetesen azonos kényszerfeltételek mellett a karakterisztikák azonosak, mint azt Fahmy módszerének kritikájában Kaiser [13] is leszögezte. A referens szűrők módszerével azonban a szűrőegyütthatókra nyert kifejezések egyszerűbbek és páratlan fokszámra is érvényesek. Az ugyanolyan fokszámú, de különböző m paraméterű szűrőkarakterisztikák rekurzívan számíthatók. (15)-ből: X ^ K ^ + ^ j s i n ^ ^ cos -lm cot (16) Páros fokszám esetén az amplitúdókarakterisztikák az alábbi szimmetria-tulajdonsággal rendelköznek * K^\ei< at )=1 - KtXe 1^7-^), ahol q=n m 1. Ugyanis az (1 +x) N nevezőpolinom együtthatóinak szimmetriája miatt írható, hogy BJx) = {\+x) N -^B m (x-*). Képezve a referens transzfer függvényeket, majd azok bilineáris transzformációjával a megfelelő FIR szűrő transzfer függvényeket: K q (z^)=z^-(-l) N K m (-z^), amiből z=e lat helyettesítéssel már az állítás következik. Az utóbbi összefüggésből kiolvasható a szűrőegyütthatók kapcsolata is: 2. ábra. 7-ed fokú maximálisan lapos, lineáris fázisú FIR digitálisszűrő-karakterisztikák (Szaggatottan: átmeneti karakterisztikák) c$>=l-4 ffl>. Kiterjedt numerikus vizsgálataink szerint az amplitúdókarakterisztikák vágási meredeksége a 6 db csillapításhoz tartozó tw 6 határfrekvenciánál az m értékétől nem, függ. Az =22 és 4 fokszámokhoz tartozó meredekség viszonya 2. A maximális meredekség m<( 2)/4 esetén co«=;co 6 frekvenciánál, m>- >( 2)/4 esetén CÜ>CO 6 frekvenciánál jelentkezik. A határfrekvencia egy közelítő kifejezése, amely a Herrmann-féle formulánál jobb közelítést nyújt: (-2-4m arc cos *T. 2n cos 51/ (17) 292

5 DR. SALLAI GY.: DIREKT ÓDSZEREK VÉGES EÓRIÁJÚ DIGITÁLIS SZŰRÖK TERVEZÉSÉHEZ 2.2 Átmeneti szűrök aximálisan lapos aluláteresztő szűrő tervezésénél m értékét egész számra kell választani, így (17)- ből láthatóan tetszőleges határfrekvenciájú szűrőt nem valósíthatunk meg. A (15) szerinti karakterisztikákat megfigyelve könnyén belátható, hogy monoton, de nem maximálisan lapos karakterisztikákat nyerünk, ha a b r együtthatókat a (13)-ban meghatározott értéknél kisebbre választjuk. Gyakorlati szempontból csak a legmagasabb fokszámú b m együtthatóval való manipuláció érdekes. A b, -G) együtthatót egy W (0<W= =s 1) súlyszámmal szorozva, mint a (14) rekurziós formulából kitűnik, a d t szűrőegyütthatók az m-l és m paraméterekhez tartozó szűrőegyütthatók konvex kombinációi, lesznek: és nyilvánvaló (16)-ból, hogy az m 1 és m paraméterű amplitúdókarakterisztikák között elhelyezkedő, azok konvex kombinációjaként adódó átmeneti karakterisztikát kapunk:! KÍ m - 1+w \e^t ) = W-K^+(l~W)K í m 0-1 \ (18) Számításaink szerint az co 6 határfrekvencia az m 1 és m paraméterű karakterisztikák határfrekvenciái között lineárisan interpolálható. így a karakterisztikákat jx m 1 + W formában paraméterezhetjük, és a (17) összefüggés segítségével, m-t ^-vel helyettesítve meghatározhatjuk adott co 6 -hoz tartozó H paramétert. Ebből pedig: m=-<-/i> W=fi + l+(~fi). Az átmeneti karakterisztikák segítségével tehát az m=0 és m max =(( 1/2)) által meghatározott tartományon belül tetszőleges határfrekvenciájú monoton karakterisztika létrehozható (2. és 3. ábra). Az átmeneti karakterisztikák lapossága <w=0-nál az m 1 paraméterű, co=jt/t-nél az m paraméterű karakterisztikának megfelelően alakul. (A zérushely a z = l-ben +2'( fj,) multiplicitású.) A 4. ábrán =8 esetén láthatjuk a zérushelyek vándorlását a [x függvényében. Adott követelményű szűrő tervezéséhez a BASIC (PDP-8) nyelvű AXTRANS és TRANSCO programok készültek, melyek a karakterisztikák, ill. a szűrőegyütthatók számítását végzik. 2.3 inimálfázisú szűrők ivel a 2.1 pontban tárgyalt lineáris fázisú szűrők (Q) karakterisztikája nem-negatív, e szűrők transzformációja azonos csillapításmenetű, de fele akkora fokszámú minimálfázisú szűrőbe könnyen végre hajtható. A transzformáció az s tartományban kisebb munkával végezhető el, mint a z tartományban: helyett csak m</2 fokszámú algebrai egyenletet kell megoldani. A megfelelő páros fokszámhoz tartozó B m ( s 2 ) számlálópolinom 2/n zérushelye az s síkon a jü tengelyre szimmetrikusan helyezkedik el. (A jq tengelyen zérusok nem léphetnek fel.) A balfélsíkra eső zérusokat kiválasztva, a minimál-^ fázisú FIR szűrő m-fokú A P (s) referens számlálópolinomját állíthatjuk elő. Az A P (s) együtthatóit F =/2 mellett (7)-be helyettesítve közvetlenül az F fokszámú minimálfázisú szűrő d t együtthatóit kapjuk. A nyert szűrő amplitúdókarakterisztikája az fokú és m paraméterű lineáris fázisú szűrő karakterisztikájának négyzetgyöke lesz. Következésk(t) =4 m=1 4T 4 L IH 591-SG 2T = 4 fokú niiminálfázisú max. lapos szűrő együtthatói 2. táblázat m dl H 591-S ábra. A zérushelyek vándorlása a fi paraméter függvényében 8-ad fokú lineáris fázisú karakterisztika esetén ,0671 0,1800 0,4026 0,6958 0, ,6227 0,4514 0,3747 0,3717 0,0683 0,1902 0,2412 0,0016 0,1226 0,0486 0,0582 0,0617 0,0291 0,0056 0,26 0,43 0,57 0,74 293

6 HÍRADÁSTECHNIKA XXIX. ÉVF. 10. SZ. képpen a határfrekvenciára vonatkozó (17) összefüggés a 3 db csillapítású pontra lesz érvényes ( itt változatlanul a lineáris fázisú szűrő fokszámát jelzi.) A 2. táblázat a 4-ed fokú minimálfázisú szűrő együtthatóit tünteti fel egész n m paraméterekre. 2.4 Transzformált szűrők Az aluláteresztő K(z) transzfer függvényében z z helyettesítést elvégezve felüláteresztőt, z - z 2 helyettesítéssel rc/27 1 sávközepű szimmetrikus sávszűrőt, z->-z 2 esetén szimmetrikus sávzárót kapunk. Lineáris fázismenet igénye esetén felüláteresztőt és sávszűrőt csak páros fokszámú lineáris fázismenetű aluláteresztőből nyerhetünk, ugyanis páratlan fokszám esetén z = l-ben törvényszerűen zérushely van [2]. Ahhoz,^ hogy nagy értékű i2-kra konstans átvitelt kapjunk K(s) számlálójánák fokúnak kell lennie, következésképpen B( s 2 ) ( 1)/2 fokszámú lesz. Az co = í2=0 pontbeli követelmény automatikusan teljesül. így egy felüláteresztő jellegű K(s)-t kapunk. Ha elvégezzük az s l/s helyettesítést: K(l/S) _ -B(-l)/2( S 2 )_C(A 1 _i)/ 2 ( S 2 ) (S+í) alakú páratlan fokszámú aluláteresztőhöz jutunk, -l ahol: c r = (-l) 2 ö[(-i)/2]- r ' r=0,l... (-l)/2. A KQ./S) maximálisan lapos közelítése (1: 2.1 pont) a 3. aximálisan lapos kvadratúraszörők Az antiszimmetrikus FIR szűrők igen alkalmasak a 9ó(p)=] sgn (o definíciójú Hilbert-transzformáció realizálására. Az ilyen szűrőket Hilbert-transzformátornak vagy kvadratúraszűrőnek nevezik. A szűrőegyüthatók d i d _ l antiszimmetriája, egy T/2 késleltetés mellett biztosítja a 90 fázistolást, így teljes figyelmünket az co=0 pont kivételével konstans amplitúdókarakterisztika approximációjára fordíthatjuk (5. ábra). Az alternálási tételen alapuló egyenletes közelítések, az ablaktechnikát alkalmazó eljárások meglehetősen számításigényesek [5, 18]. ost felhasználva a páratlan fokszámú lineáris fázisú aluláteresztőkre nyert eredményeket, a kvadratúraszűrök explicit kifejezésekre vezető maximálisan lapos approximációját mutatjuk be. \ \ Faros \! Páratlan. 1 2\uT/jr V PT551-SG5 5. ábra Kvadratúraszürő-karakterisztikák Az 1.2 pont szerint a megengedett referens transzfer függvény: K(s)^- S *> (l+s) ivel antiszimmetrikus együtthatóelrendezésnél páros fokszám esetén a>=7r/t-ben törvényszerűen átviteli zérus lép fel, páratlan fokszám választása előnyösebb. így co =n/t környezetében maximálisan lapos közelítést nyerhetünk és a kihasználható frekvenciatartomány n/t-ig terjed (5. ábra). ' 6. ábra. Páratlan fokszámú, maximálisan lapos kvadratúraszürő-karakterisztikák maximális m=( 1) /2 paraméter mellett a c r együtthatókra a (13) szerinti binomiális együtthatókat eredményezi. A megfelelő alüláteresztő szűrő együtt- "hatóita c r értékek (10)-be helyettesítésével nyerjük. ivel az s = l/s transzformáció a S=(1 -Z _ 1 )/(l +Z" 1 ) bilineáris leképzés után Z~ 1 = z~ 1 helyettesítéssel invertálható, a kvadratúraszűrő együtthatóit az előzőekben nyert szűrőegyütthatók ( l)'-vel való szorzásával nyerjük, Formálisan, nagyon egyszerűen, a kvadratúraszűrő d { együtthatói (10)-ből közvetlenül kiszámíthatók, ha l...(-l)/2. Emlékeztetünk arra, hogy d t = d _ t és hogy a szelektív szűrőkhöz hasonlóan a d { együtthatók kvantálási hiba nélkül valósíthatók meg, ha a szóhosszúság elegendően nagy. Például =5 esetén a transzfer függvény: K{z)=2-8 (3+25Z" z z~ 3-25z- 4-3z~ 5 ). Az amplitúdó karakterisztikák n/t-re szükségképpen szimmetrikusak. A (15)-ből, az eot-»- TZ WT frekvenciatranszformációt elvégezve: rr / I 7N l^/2 (/2 2r CÚT sin -2r cot A 6. ábra különböző páratlan fokszámú kvadratúraszűrő karakterisztikákat mutat. int látható az egységtől való eltérés ^/2T-nél már 5-öd fokú szűrő esetén is kisebb 5%-nál. n/2t-re szimmetrikus karakterisztikájú kvadratúraszűrőt z _ 1 -»z - 2 helyettesítéssel állíthatunk elő. 294

7 DR. SALLAI GY.: DIREKT ÓDSZEREK VÉGES EÓRIÁJŰ DIGITÁLIS SZŰRŐK TERVEZÉSÉHEZ 4. Egyenletes zárótartományú szűrők A lineáris fázisú FIR digitális aluláteresztők áteresztő és zárótartományának egyaránt egyenletes közelítése nonlineáris optimatizálással, az alternálási tétel alapján érhető el [7 10]. Ha csak a tartományok egyikét kívánjuk egyenletesen közelíteni, akkor a Csebisev polinomok segítségével létezik analitikus megoldás páros fokszámú szűrőkre [5, 14]. ost olyan approximációs eljárást mutatunk, amely többszörös leképezéssel állít elő zárótartományban egyenletes közelítésű aluláteresztőt, bármilyen paritású fokszám esetén. A FIR szűrő együtthatóira explicit formulákat fogunk kapni. A lineáris fázismenetet biztosító referens függvényben A W (s + l) ' 2ms a pólusok előírt helyen vannak. Az fokszám és a számláló együtthatói úgy választandók, hogy az Q>Q z =tg(<o z -T/2) tartományban a csillapításminimumok előírt értékűek legyenek. Itt co z (0<a) z <7r/T) a digitális szűrő előírt zárótartományi határfrekvenciáját jelöli. Ilyen átviteli függvény konstruálásával találkozunk az ún. L szűrők approximációjánál [19]. Egy mindentáteresztő hálózat transzfer függvényéből többszöri transzformációval az F( S ) = n(p+»>i) függvényt állítja elő, ahol i»? = sj +í2f, [«] 2 a párosrészt jelöli. Az F(s) függvény abszolút értéke az Í3> == Q z tartományban 0 és 1 között ingadozik, zérushelyei mind a ]'Q tengelyen vannak. Ha most az s f = 1 és az ennek megfelelő wj = ül (z = l, 2... ) helyettesítéseket elvégezzük, akkor w 0 = w l jelöléssel: ahol - _[(w + w 0 ) UwZ = s*+ql ( S + 1) </2W t 2n^2n (19) IH591-SG7I 7. ábra. Egyenletes zárótartományú normalizálatlan referens karakterisztikák elnyomásra jellemző, a zárócsillapítás: a z =20 log F 0 [db]. Ha a Q z nagy (Q* +1 ^ flf ), akkor (20)-ból: F ^(2^) A FIR digitális szűrő amplitúdókarakterisztikája (20)-ból határozható meg. A normalizálást is figyelembe véve, átalakítások után a < N >Í\ 2 L (1 + cos cotf-" (cos cot - cos to z T) n n=o\<ínj <AÍ> (\ Z{2nY N - n V- ^n (21) kifejezést kapjuk*(8. ábra). A (20)-ból meghatározhatjuk, a referens számlálópolinom b r együtthatóit is: ^=(-'y", r/.vv <JV> ( \ (22) Nyilvánvalóan i» 0 =l és páros esetén b N =l/f 0. A b r értékeket a (10) összefüggésbe helyettesítve a d t együtthatóknak a fokszám paritástól függetlenül érvényes explicit kifejezése állt elő. E d t szűrőegyütthatók a TRANSCO program segítségével szintén előállíthatók (3. táblázat). Az előállított FIR digitális aluláteresztő zárócsillapítása, az [5, 14] eljárásaihoz hasonlóan, az adott alakban írható. Látható, hogy F(s) számlálójának fokszáma, ha páros; 1, ha páratlan. A (8) szerinti amplitúdókarakterisztika (19)-ből, az N=/2 jelölést alkalmazva (7. ábra): (20) Az F(s) függvényt F 0 =F 0 (0) mennyiséggel normalizálva kapjuk meg a keresett K(s) referens átviteli függvényt. Az F 0 normalizáló tényező éppen az adott és Q z mellett elérhető zárótartománybeli [tfjlt-jsgíj 8. ábra. Lineáris fázisú, egyenletes zárótartományú FIR digitálisszűrő-karakterisztikák at/r 295

8 HÍRADÁSTECHNIKA XXIX. ÉVF. 10. SZ. és Q z mellett elérhető legnagyobb. Ennek következménye egyrészt, hogy a szűrőegyütthatók mindig pozitívak. (Ezt könnyen beláthatjuk a lineáris fázisú FIR szűrők amplitúdókarakterisztikájának d t együtthatókkal felírt alakú lesz, ahol már figyelembe vettük az 1/F 0 eltolás miatt szükségessé váló újranormalizálást is. Az összefüggésből kiolvasható, hogy a zárótartománybeli ingadozás ampütúdója l/f 0 -ról a fokszám felezésével 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 /2 Ú12+2 Z <W-Í cos íot (Af+l)/2 2 y d+i cos Z /=1 2 4 ( páros) cot ( páratlan) 3. táblázat = 8 fokú lineáris fázisú egyenletes záró tartományú szűrő együtthatói 0,2894 0,1153 0,0500 0,0248 0,0139 0,0087 0,0061 0,0048 0,0041 0,0567 0,0881 0,0825 0,0684 0,0555 0,0456 0,0388 0,0345 0,0320 'z=d% d-&=d$ di 0,0601 0,1091 0,1250 0,1275 0,1248 0,1204 0^1159 0,1124 0,1101 0,0623 0,1233 0,1575 0,1793 0,1941 0,2042 0,2111 0,2155 0,2180 0,0630 0,1284 0,1697 0,2000 0,2236 0,2420 0,2559 0,2657 0,2715 5,6 16,2 28,0 40,8 55,2 72,1 93,1 122,0 170,6 alakjából.) ásrészt, hogy az áteresztő tartománybeli viselkedés függetlenül nem specifikálható. int a 8. ábráról leolvasható a zárótartemánybeli követelmények által megkívánt fokszámnál nagyobb fokszám alkalmazása az áteresztő tartománybeli viselkedést kedvezőtlenül befolyásolja. Az áteresztő tartomány vizsgálatához az EQUTRANS karakterisztika számító program készült. A különböző transzformációkkal lineáris fázisú felüláteresztőt, sávszűrőt, sávzárót konstruálhatunk (1: 2.4 pont). Az egyenletes közelítésű, lineáris fázisú szűrőből fele akkora fokszámú minimálfázisú szűrőt Herrmann és Schüssler által javasolt módszerrel állíthatunk elő [20]. Jelen esetben azonban, mivel a K(z) zérushelyei mind a z-sík egységkörén helyezkednek el, a lineáris fázismenet egyben a minimális fázis is. ötletüket a fokszámkétszerezés zárócsillápításnövelő hatásának meghatározására alkalmazhatjuk. Ha az amplitúdókarakterisztikát a zárótartomány- ~"beli ingadozás 1/F 0 nagyságával megemeljük, kétszeres multiplicitású zérushelyeket kapunk. A zérushelyeket egyszeres multiplicitással tartalmazó, fele fokszámú lineáris fázisú szűrő karakterisztikája: J o ^0/2(e^T ) : értékűre nő. A fokszám kétszerezésével tehát egy a 2 zárócsillapítás mintegy 2a z + 6 dr-re növelhető. IRODALO [I] Sallai Gy.: A mintavételező (digitális) szűrők osztályozása. Híradástechnika 27. k. 7. sz júl. [2] Sallai Gy.: A digitális szűrők tervezésének alapelvei. Híradástechnika 27. k. 9. sz szept. [3] J. F. Kaiser: System analysis by digital computer, John Wiley, New York (1966) [4] H. D. Helms: Nonrecursive digital filters; design methods for achiéving specifications on frequency response. IEEE Trans. Audi El. acoust. Vol (1968) [5] L. R. Rabiner, B. Gold.: Theory and application of digital signal processing. Prentice-Hall Inc. London, 1975 [6] L. R. Rabiner, B. Gold, C. A. cgonegal: An approach to the approxímation problem for nonrecursive digital filters. IEEE Trans. Audio El. acoust. Vol (1970) [7] A. V. Oppenheim, R. W. Schafer: Digital signal processing. Prentice-Hall Inc. New Yersey, 1975 [8] O. Herrmann: Design of nonrecursive digital filters with linear phase, Electronic Letters, Vol. 6. No (1970) [9] E. Hofsetter, A. Oppenheim, S. Siegel: On optimum nonrecursive digital filters, Proc. 9th Allerton Conf. on Circuit and System Theory, Oct [10] L. R. Rabiner, I. H. cclellan, T. W. Parks: FIR digital filter design techniques using weighted Chebyshev approximation, Proc. IEEE, Vol (1975) [11] O. Herrmann: On the approximation problem in nonrecursive digital filter design. IEEE Trans. Circuit Theory, Vol (1971) [12]. F. Fahmy: aximally fiat nonrecursive digital filters. Int. J. Circuit Theory and Appl. Vol (1976) [13] J. F. Kaiser: Comments on maximally fiat nonrecursive digital filters, Int. J. Circuit Theory and Appl. Vol (1977) [14] S. O. Scanlan, J. D. Rhodes: icrowave networks with constanst delay. IEEE Trans. Circuit Theory, Vol ^297 (1967) [15] Sallai Gy.: Transzverzális szűrők tervezése leképzéssel és kompenzálással. Kandidátusi értekezés, Budapest, [16] Gy. Sallai: Design of FIR digital filters írom analóg filters. Proc. of 5th Summer Symp. on Circuit Theory, Vol. 2. p Kladno, 1977 [17] A. J. Gibbs:The design of digital filters, Aust. Telecomm. Res. J. Vol (1970) [18] O. Herrmann: Transversal filter zur Hilbert-Transformation, Archiv. Elekt. Übertragung. Vol (1969) [19] Géher K.: Lineáris hálózatok. űszaki Könyvkiadó, Budapest, [20] O. Herrmann, W. Schüssler: Design of nonrecursive digital filters with minimum phase. Elektronic Letters, Vol. 6. No (1970) 296

Elektronika Előadás. Analóg és kapcsolt kapacitású szűrők

Elektronika 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.

Részletesebben

ÉRZÉKELŐK ÉS BEAVATKOZÓK I. 9. SZŰRŐK

ÉRZÉKELŐK 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:

Részletesebben

DIFFERENCIÁLEGYENLETEK. BSc. Matematika II. BGRMA2HNND, BGRMA2HNNC

DIFFERENCIÁLEGYENLETEK. BSc. Matematika II. BGRMA2HNND, BGRMA2HNNC BSC MATEMATIKA II. MÁSODRENDŰ LINEÁRIS DIFFERENCIÁLEGYENLETEK BSc. Matematika II. BGRMAHNND, BGRMAHNNC MÁSODRENDŰ DIFFERENCIÁLEGYENLETEK Egy explicit közönséges másodrendű differenciálegyenlet általános

Részletesebben

Digitális szűrők - (BMEVIMIM278) Házi Feladat

Digitális szűrők - (BMEVIMIM278) Házi Feladat Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rszerek Tanszék Digitális szűrők - (BMEVIMIM278) FIR-szűrő tervezése ablakozással Házi Feladat Név: Szőke Kálmán Benjamin Neptun:

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

Számítógépes gyakorlat MATLAB, Control System Toolbox

Számítógépes gyakorlat MATLAB, Control System Toolbox Számítógépes gyakorlat MATLAB, Control System Toolbox Bevezetés A gyakorlatok célja az irányítási rendszerek korszerű számítógépes vizsgálati és tervezési módszereinek bemutatása, az alkalmazáshoz szükséges

Részletesebben

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

KANDÓ KÁLMÁN VILLAMOSMÉRNÖKI FŐISKOLAI KAR. Mikroelektronikai és Technológiai Intézet. Aktív Szűrők. Analóg és Hírközlési Áramkörök KANDÓ KÁLMÁN VILLAMOSMÉRNÖKI FŐISKOLAI KAR Mikroelektronikai és Technológiai Intézet Analóg és Hírközlési Áramkörök Laboratóriumi Gyakorlatok Készítette: Joó Gábor és Pintér Tamás OE-MTI 2011 1.Szűrők

Részletesebben

Diszkréten mintavételezett függvények

Diszkréten mintavételezett függvények Diszkréten mintavételezett függvények A függvény (jel) értéke csak rögzített pontokban ismert, de köztes pontokban is meg akarjuk becsülni időben mintavételezett jel pixelekből álló műholdkép rácson futtatott

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

Fourier-sorfejtés vizsgálata Négyszögjel sorfejtése, átviteli vizsgálata

Fourier-sorfejtés vizsgálata Négyszögjel sorfejtése, átviteli vizsgálata Fourier-sorfejtés vizsgálata Négyszögjel sorfejtése, átviteli vizsgálata Reichardt, András 27. szeptember 2. 2 / 5 NDSM Komplex alak U C k = T (T ) ahol ω = 2π T, k módusindex. Időfüggvény előállítása

Részletesebben

Jelkondicionálás. Elvezetés. a bioelektromos jelek kis amplitúdójúak. extracelluláris spike: néhányszor 10 uv. EEG hajas fejbőrről: max 50 uv

Jelkondicionálás. 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,

Részletesebben

Gauss-Jordan módszer Legkisebb négyzetek módszere, egyenes LNM, polinom LNM, függvény. Lineáris algebra numerikus módszerei

Gauss-Jordan módszer Legkisebb négyzetek módszere, egyenes LNM, polinom LNM, függvény. Lineáris algebra numerikus módszerei A Gauss-Jordan elimináció, mátrixinvertálás Gauss-Jordan módszer Ugyanazzal a technikával, mint ahogy a k-adik oszlopban az a kk alatti elemeket kinulláztuk, a fölötte lévő elemeket is zérussá lehet tenni.

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

Taylor-polinomok. 1. Alapfeladatok. 2015. április 11. 1. Feladat: Írjuk fel az f(x) = e 2x függvény másodfokú Maclaurinpolinomját!

Taylor-polinomok. 1. Alapfeladatok. 2015. április 11. 1. Feladat: Írjuk fel az f(x) = e 2x függvény másodfokú Maclaurinpolinomját! Taylor-polinomok 205. április.. Alapfeladatok. Feladat: Írjuk fel az fx) = e 2x függvény másodfokú Maclaurinpolinomját! Megoldás: A feladatot kétféle úton is megoldjuk. Az els megoldásban induljunk el

Részletesebben

Egyenletek, egyenlőtlenségek VII.

Egyenletek, egyenlőtlenségek VII. Egyenletek, egyenlőtlenségek VII. Magasabbfokú egyenletek: A 3, vagy annál nagyobb fokú egyenleteket magasabb fokú egyenleteknek nevezzük. Megjegyzés: Egy n - ed fokú egyenletnek legfeljebb n darab valós

Részletesebben

6. Függvények. 1. Az alábbi függvények közül melyik szigorúan monoton növekvő a 0;1 intervallumban?

6. Függvények. 1. Az alábbi függvények közül melyik szigorúan monoton növekvő a 0;1 intervallumban? 6. Függvények I. Nulladik ZH-ban láttuk: 1. Az alábbi függvények közül melyik szigorúan monoton növekvő a 0;1 intervallumban? f x g x cos x h x x ( ) sin x (A) Az f és a h. (B) Mindhárom. (C) Csak az f.

Részletesebben

Passzív és aktív aluláteresztő szűrők

Passzív 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.

Részletesebben

Lineáris algebra numerikus módszerei

Lineáris algebra numerikus módszerei Hermite interpoláció Tegyük fel, hogy az x 0, x 1,..., x k [a, b] különböző alappontok (k n), továbbá m 0, m 1,..., m k N multiplicitások úgy, hogy Legyenek adottak k m i = n + 1. i=0 f (j) (x i ) = y

Részletesebben

6. Függvények. Legyen függvény és nem üreshalmaz. A függvényt az f K-ra való kiterjesztésének

6. Függvények. Legyen függvény és nem üreshalmaz. A függvényt az f K-ra való kiterjesztésének 6. Függvények I. Elméleti összefoglaló A függvény fogalma, értelmezési tartomány, képhalmaz, értékkészlet Legyen az A és B halmaz egyike sem üreshalmaz. Ha az A halmaz minden egyes eleméhez hozzárendeljük

Részletesebben

Tartalomjegyzék. Tartalomjegyzék Valós változós valós értékű függvények... 2

Tartalomjegyzék. Tartalomjegyzék Valós változós valós értékű függvények... 2 Tartalomjegyzék Tartalomjegyzék... Valós változós valós értékű függvények... Hatványfüggvények:... Páratlan gyökfüggvények:... Páros gyökfüggvények... Törtkitevős függvények (gyökfüggvények hatványai)...

Részletesebben

IV. INTEGRÁLSZÁMÍTÁS Megoldások november

IV. INTEGRÁLSZÁMÍTÁS Megoldások november IV. INTEGRÁLSZÁMÍTÁS Megoldások 009. november Határozatlan integrálás.05. + C + C.06. + C + C.07. ( ( 5 5 + C.08. ( ( + 5 5 + + C.09. + ( + ln + + C.. ( + ( + ( + 5 5 + + C.. + ( + ( + ( + + ( + ( + +

Részletesebben

KOVÁCS BÉLA, MATEMATIKA I.

KOVÁCS BÉLA, MATEMATIKA I. KOVÁCS BÉLA MATEmATIkA I 6 VI KOmPLEX SZÁmOk 1 A komplex SZÁmOk HALmAZA A komplex számok olyan halmazt alkotnak amelyekben elvégezhető az összeadás és a szorzás azaz két komplex szám összege és szorzata

Részletesebben

Algebra es sz amelm elet 3 el oad as Nevezetes sz amelm eleti probl em ak Waldhauser Tam as 2014 oszi f el ev

Algebra es sz amelm elet 3 el oad as Nevezetes sz amelm eleti probl em ak Waldhauser Tam as 2014 oszi f el ev Algebra és számelmélet 3 előadás Nevezetes számelméleti problémák Waldhauser Tamás 2014 őszi félév Tartalom 1. Számok felbontása hatványok összegére 2. Prímszámok 3. Algebrai és transzcendens számok Tartalom

Részletesebben

15. LINEÁRIS EGYENLETRENDSZEREK

15. LINEÁRIS EGYENLETRENDSZEREK 15 LINEÁRIS EGYENLETRENDSZEREK 151 Lineáris egyenletrendszer, Gauss elimináció 1 Definíció Lineáris egyenletrendszernek nevezzük az (1) a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21 x 1 + a 22 x 2 + + a

Részletesebben

Magasabbfokú egyenletek

Magasabbfokú egyenletek 86 Magasabbfokú egyenletek Magasabbfokú egyenletek 5 90 a) =! ; b) =! ; c) = 5, 9 a) Legyen = y Új egyenletünk: y - 5y+ = 0 Ennek gyökei: y=, y= Tehát egyenletünk gyökei:, =!,, =! b) Új egyenletünk: y

Részletesebben

2. Zárthelyi megoldásokkal 1998 tavasz I. évf. 13.-18.tk.

2. Zárthelyi megoldásokkal 1998 tavasz I. évf. 13.-18.tk. . Zárthelyi megoldásokkal 998 tavasz I. év..-8.tk.. Döntse el, hogy létezik e, és ha igen, számítsa ki az ) e üggvény századik deriváltját az helyen! MO. Egyrészt e ) n origó körüli Taylor-sora alapján

Részletesebben

Mintavétel: szorzás az idő tartományban

Mintavétel: szorzás az idő tartományban 1 Mintavételi törvény AD átalakítók + sávlimitált jel τ időközönként mintavétel Mintavétel: szorzás az idő tartományban 1/τ körfrekvenciánként ismétlődik - konvolúció a frekvenciatérben. 2 Nem fednek át:

Részletesebben

Lehetővé teszi szűrőáramkörök tervezésekor az átviteli karakterisztika megvalósítását közelítő függvényekkel.

Lehetővé 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,

Részletesebben

8. Egyenletek, egyenlőtlenségek, egyenletrendszerek II.

8. Egyenletek, egyenlőtlenségek, egyenletrendszerek II. 8 Egyenletek, egyenlőtlenségek, egyenletrendszerek II Elméleti összefoglaló Az a + b+ c, a egyenletet másodfokú egyenletnek nevezzük A D b ac kifejezést az egyenlet diszkriminánsának nevezzük Ha D >, az

Részletesebben

Mintavételezés és FI rendszerek DI szimulációja

Mintavételezés és FI rendszerek DI szimulációja Mintavételezés és FI rendszerek DI szimulációja Dr. Horváth Péter, BME HVT 5. december.. feladat Adott az alábbi FI jel: x f (t) = cos(3t) + cos(4t), ([ω] =krad/s). Legalább mekkorára kell választani a

Részletesebben

y + a y + b y = r(x),

y + a y + b y = r(x), Definíció 1 A másodrendű, állandó együtthatós, lineáris differenciálegyenletek általános alakja y + a y + b y = r(x), ( ) ahol a és b valós számok, r(x) pedig adott függvény. Ha az r(x) függvény az azonosan

Részletesebben

Példa: Tartó lehajlásfüggvényének meghatározása a Rayleigh Ritz-féle módszer segítségével

Példa: Tartó lehajlásfüggvényének meghatározása a Rayleigh Ritz-féle módszer segítségével Példa: Tartó lehajlásfüggvényének meghatározása a Rayleigh Ritz-féle módszer segítségével Készítette: Dr. Kossa Attila (kossa@mm.bme.hu) BME, Műszaki Mechanikai Tanszék 2013. szeptember 23. Javítva: 2013.10.09.

Részletesebben

M. 33. Határozza meg az összes olyan kétjegyű szám összegét, amelyek 4-gyel osztva maradékul 3-at adnak!

M. 33. Határozza meg az összes olyan kétjegyű szám összegét, amelyek 4-gyel osztva maradékul 3-at adnak! Magyar Ifjúság 6 V SOROZATOK a) Három szám összege 76 E három számot tekinthetjük egy mértani sorozat három egymás után következő elemének vagy pedig egy számtani sorozat első, negyedik és hatodik elemének

Részletesebben

Dr. Gyurcsek István. Példafeladatok. Helygörbék Bode-diagramok HELYGÖRBÉK, BODE-DIAGRAMOK DR. GYURCSEK ISTVÁN

Dr. Gyurcsek István. Példafeladatok. Helygörbék Bode-diagramok HELYGÖRBÉK, BODE-DIAGRAMOK DR. GYURCSEK ISTVÁN Dr. Gyurcsek István Példafeladatok Helygörbék Bode-diagramok 1 2016.11.11.. Helygörbe szerkesztése VIZSGÁLAT: Mi a következménye annak, ha az áramkör valamelyik jellemző paramétere változik? Helygörbe

Részletesebben

Differenciálegyenletek. Vajda István március 4.

Differenciálegyenletek. Vajda István március 4. Analízis előadások Vajda István 2009. március 4. Függvényegyenletek Definíció: Az olyan egyenleteket, amelyekben a meghatározandó ismeretlen függvény, függvényegyenletnek nevezzük. Függvényegyenletek Definíció:

Részletesebben

ALGEBRAI KIFEJEZÉSEK, EGYENLETEK

ALGEBRAI KIFEJEZÉSEK, EGYENLETEK ALGEBRAI KIFEJEZÉSEK, EGYENLETEK AZ ALGEBRAI KIFEJEZÉS FOGALMÁNAK KIALAKÍTÁSA (7-9. OSZTÁLY) Racionális algebrai kifejezés (betűs kifejezés): betűket és számokat a négy alapművelet véges sokszori alkalmazásával

Részletesebben

Határozatlan integrál (2) First Prev Next Last Go Back Full Screen Close Quit

Határozatlan integrál (2) First Prev Next Last Go Back Full Screen Close Quit Határozatlan integrál () First Prev Next Last Go Back Full Screen Close Quit 1. Az összetett függvények integrálására szolgáló egyik módszer a helyettesítéssel való integrálás. Az idevonatkozó tétel pontos

Részletesebben

Folytonos rendszeregyenletek megoldása. 1. Folytonos idejű (FI) rendszeregyenlet általános alakja

Folytonos rendszeregyenletek megoldása. 1. Folytonos idejű (FI) rendszeregyenlet általános alakja Folytonos rendszeregyenletek megoldása 1. Folytonos idejű (FI) rendszeregyenlet általános alakja A folytonos rendszeregyenletek megoldásakor olyan rendszerekkel foglalkozunk, amelyeknek egyetlen u = u(t)

Részletesebben

Tartalom. Állapottér reprezentációk tulajdonságai stabilitás irányíthatóság megfigyelhetőség minimalitás

Tartalom. Állapottér reprezentációk tulajdonságai stabilitás irányíthatóság megfigyelhetőség minimalitás Tartalom Állapottér reprezentációk tulajdonságai stabilitás irányíthatóság megfigyelhetőség minimalitás 2018 1 Állapottér reprezentációk tulajdonságai Általánosan egy lineáris, SISO dinamikus rendszer

Részletesebben

Integrálszámítás. a Matematika A1a-Analízis nevű tárgyhoz november

Integrálszámítás. a Matematika A1a-Analízis nevű tárgyhoz november Integrálszámítás a Matematika Aa-Analízis nevű tárgyhoz 009. november Tartalomjegyzék I. Feladatok 5. A határozatlan integrál (primitív függvények........... 7.. A definíciók egyszerű következményei..................

Részletesebben

Abszolútértékes egyenlôtlenségek

Abszolútértékes egyenlôtlenségek Abszolútértékes egyenlôtlenségek 575. a) $, $ ; b) < - vagy $, # - vagy > 4. 5 576. a) =, =- 6, 5 =, =-, 7 =, 4 = 5; b) nincs megoldás;! c), = - ; d) =-. Abszolútértékes egyenlôtlenségek 577. a) - # #,

Részletesebben

2.Előadás ( ) Munkapont és kivezérelhetőség

2.Előadás ( ) Munkapont és kivezérelhetőség 2.lőadás (207.09.2.) Munkapont és kivezérelhetőség A tranzisztorokat (BJT) lineáris áramkörbe ágyazva "működtetjük" és a továbbiakban mindig követelmény, hogy a tranzisztor normál aktív tartományban működjön

Részletesebben

RENDSZERTECHNIKA 8. GYAKORLAT

RENDSZERTECHNIKA 8. GYAKORLAT RENDSZERTECHNIKA 8. GYAKORLAT ÜTEMTERV VÁLTOZÁS Gyakorlat Hét Dátum Témakör Házi feladat Egyéb 1 1. hét 02.09 Ismétlés, bevezetés Differenciálegyenletek mérnöki 2 2. hét 02.16 szemmel 1. Hf kiadás 3 3.

Részletesebben

Matematika A1a Analízis

Matematika A1a Analízis B U D A P E S T I M Ű S Z A K I M A T E M A T I K A É S G A Z D A S Á G T U D O M Á N Y I I N T É Z E T E G Y E T E M Matematika A1a Analízis BMETE90AX00 A derivált alkalmazásai H607, EIC 2019-04-03 Wettl

Részletesebben

A brachistochron probléma megoldása

A brachistochron probléma megoldása A brachistochron probléma megoldása Adott a függőleges síkban két nem egy függőleges egyenesen fekvő P 0 és P 1 pont, amelyek közül a P 1 fekszik alacsonyabban. Azt a kérdést fogjuk vizsgálni. hogy van-e

Részletesebben

Határozatlan integrál

Határozatlan integrál Határozatlan integrál Boros Zoltán Debreceni Egyetem, TTK Matematikai Intézet, Anaĺızis Tanszék Debrecen, 207. február 20 27. Primitív függvény, határozatlan integrál A továbbiakban legyen I R intervallum.

Részletesebben

x a x, ha a > 1 x a x, ha 0 < a < 1

x a x, ha a > 1 x a x, ha 0 < a < 1 EL 18 Valós exponenciális függvények Definíció: Ha a R, a>0, akkor legyen a x = e x lna, x R A valós változós exponenciális függvények grafikonja: x a x, ha a > 1 x a x, ha 0 < a < 1 A szinusz függvény

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

Numerikus integrálás

Numerikus integrálás Közelítő és szimbolikus számítások 11. gyakorlat Numerikus integrálás Készítette: Gelle Kitti Csendes Tibor Somogyi Viktor Vinkó Tamás London András Deák Gábor jegyzetei alapján 1. Határozatlan integrál

Részletesebben

LNM folytonos Az interpoláció Lagrange interpoláció. Lineáris algebra numerikus módszerei

LNM folytonos Az interpoláció Lagrange interpoláció. Lineáris algebra numerikus módszerei Legkisebb négyzetek módszere, folytonos eset Folytonos eset Legyen f C[a, b]és h(x) = a 1 φ 1 (x) + a 2 φ 2 (x) +... + a n φ n (x). Ekkor tehát az n 2 F (a 1,..., a n ) = f a i φ i = = b a i=1 f (x) 2

Részletesebben

25 i, = i, z 1. (x y) + 2i xy 6.1

25 i, = i, z 1. (x y) + 2i xy 6.1 6 Komplex számok megoldások Lásd ábra z = + i, z = + i, z = i, z = i z = 7i, z = + 5i, z = 5i, z = i, z 5 = 9, z 6 = 0 Teljes indukcióval 5 Teljes indukcióval 6 Az el z feladatból következik z = z = =

Részletesebben

Konjugált gradiens módszer

Konjugált gradiens módszer Közelítő és szimbolikus számítások 12. gyakorlat Konjugált gradiens módszer Készítette: Gelle Kitti Csendes Tibor Vinkó Tamás Faragó István Horváth Róbert jegyzetei alapján 1 LINEÁRIS EGYENLETRENDSZEREK

Részletesebben

ANALÓG ÉS DIGITÁLIS TECHNIKA I

ANALÓG 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

Részletesebben

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉPSZINT Abszolútértékes és gyökös kifejezések

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉPSZINT Abszolútértékes és gyökös kifejezések MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉPSZINT Abszolútértékes és gyökös kifejezések A szürkített hátterű feladatrészek nem tartoznak az érintett témakörhöz, azonban szolgálhatnak fontos információval

Részletesebben

Polinomok zérushelyei az egységkörön

Polinomok zérushelyei az egységkörön Polinomok zérushelyei az egységkörön Losonczi László Debreceni Egyetem, Gazdaságtudományi Kar Analízis kutatószeminárium, 2016. március 9 1 / 28 Cohn tétel, szelf-inverzív polinomok Cohn tétel [1922] A

Részletesebben

DINAMIKAI VIZSGÁLAT OPERÁTOROS TARTOMÁNYBAN. 2003.10.30. Dr. Aradi Petra, Dr. Niedermayer Péter: Rendszertechnika segédlet 1

DINAMIKAI VIZSGÁLAT OPERÁTOROS TARTOMÁNYBAN. 2003.10.30. Dr. Aradi Petra, Dr. Niedermayer Péter: Rendszertechnika segédlet 1 DINAMIKAI VIZSGÁLAT OPERÁTOROS TARTOMÁNYBAN 2003.10.30. Dr. Aradi Petra, Dr. Niedermayer Péter: Rendszertechnika segédlet 1 Differenciálegyenlet megoldása u(t) diff. egyenlet v(t) a n d n v m dt a dv n

Részletesebben

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

Kalkulus S af ar Orsolya F uggv enyek S af ar Orsolya Kalkulus

Kalkulus S af ar Orsolya F uggv enyek S af ar Orsolya Kalkulus Függvények Mi a függvény? A függvény egy hozzárendelési szabály. Egy valós függvény a valós számokhoz, esetleg egy részükhöz rendel hozzá pontosan egy valós számot valamilyen szabály (nem feltétlen képlet)

Részletesebben

Lineáris leképezések. Wettl Ferenc március 9. Wettl Ferenc Lineáris leképezések március 9. 1 / 31

Lineáris leképezések. Wettl Ferenc március 9. Wettl Ferenc Lineáris leképezések március 9. 1 / 31 Lineáris leképezések Wettl Ferenc 2015. március 9. Wettl Ferenc Lineáris leképezések 2015. március 9. 1 / 31 Tartalom 1 Mátrixleképezés, lineáris leképezés 2 Alkalmazás: dierenciálhatóság 3 2- és 3-dimenziós

Részletesebben

Klasszikus algebra előadás. Waldhauser Tamás április 14.

Klasszikus algebra előadás. Waldhauser Tamás április 14. Klasszikus algebra előadás Waldhauser Tamás 2014. április 14. Többhatározatlanú polinomok 4.3. Definíció. Adott T test feletti n-határozatlanú monomnak nevezzük az ax k 1 1 xk n n alakú formális kifejezéseket,

Részletesebben

Analóg elektronika - laboratóriumi gyakorlatok

Analóg elektronika - laboratóriumi gyakorlatok Analóg elektronika - laboratóriumi gyakorlatok. Mûveleti erõsítõk váltakozó-áramú alkalmazásai. Elmélet Az integrált mûveleti erõsítõk váltakozó áramú viselkedését a. fejezetben (jegyzet és prezentáció)

Részletesebben

A függvényekről tanultak összefoglalása /9. évfolyam/

A függvényekről tanultak összefoglalása /9. évfolyam/ A függvényekről tanultak összefoglalása /9. évfolyam/ Készítette: Almási István almasi84@gmail.com Lineáris függvény A függvény általános alakja: f (x):= m 1 m 2 x+b m a meredekség b a tengelymetszet 2/42

Részletesebben

3. témakör. Rendszerek idő, frekvencia-, és komplex frekvenciatartományi leírása

3. témakör. Rendszerek idő, frekvencia-, és komplex frekvenciatartományi leírása 3. témakör Rendszerek idő, frekvencia-, és komplex frekvenciatartományi leírása Bevezetés Célunk a rendszer kimenő jelének meghatározása a bemenő jel és a rendszerjellemző függvény ismeretében. A rendszereket

Részletesebben

FÜGGVÉNYTANI ALAPOK A) ÉRTELMEZÉSI TARTOMÁNY

FÜGGVÉNYTANI ALAPOK A) ÉRTELMEZÉSI TARTOMÁNY FÜGGVÉNYTANI ALAPOK Foglalkoztunk az alaptulajdonságnak tekinthető értelmezési tartománnyal, és a paritással, továbbá az összetett függvények képzési módjával, illetve ezeknek az elemi függvényekre való

Részletesebben

I. feladatsor i i i i 5i i i 0 6 6i. 3 5i i

I. feladatsor i i i i 5i i i 0 6 6i. 3 5i i I. feladatsor () Töltse ki az alábbi táblázatot: Komplex szám Valós rész Képzetes rész Konjugált Abszolútérték + i i 0 + i i 5 5i 5 5i 6 6i 0 6 6i 6 5i 5 + 5i + i i 7i 0 7 7i 7 () Adottak az alábbi komplex

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

Tartalom. Algebrai és transzcendens számok

Tartalom. Algebrai és transzcendens számok Nevezetes számelméleti problémák Tartalom 6. Nevezetes számelméleti problémák Számok felbontása hatványok összegére Prímszámok Algebrai és transzcendens számok 6.1. Definíció. Az (x, y, z) N 3 számhármast

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

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

Differenciálegyenletek megoldása próbafüggvény-módszerrel

Differenciálegyenletek megoldása próbafüggvény-módszerrel Differenciálegyenletek megoldása próbafüggvény-módszerrel Ez még nem a végleges változat, utoljára módosítva: 2012. április 9.19:38. Elsőrendű egyenletek Legyen adott egy elsőrendű lineáris állandó együtthatós

Részletesebben

MÉSZÁROS JÓZSEFNÉ, NUMERIKUS MÓDSZEREK

MÉSZÁROS JÓZSEFNÉ, NUMERIKUS MÓDSZEREK MÉSZÁROS JÓZSEFNÉ, NUmERIKUS módszerek 9 FÜGGVÉNYKÖZELÍTÉSEK IX. SPLINE INTERPOLÁCIÓ 1. SPLINE FÜGGVÉNYEK A Lagrange interpolációnál említettük, hogy az ún. globális interpoláció helyett gyakran célszerű

Részletesebben

Függvények július 13. Határozza meg a következ határértékeket! 1. Feladat: x 0 7x 15 x ) = lim. x 7 x 15 x ) = (2 + 0) = lim.

Függvények július 13. Határozza meg a következ határértékeket! 1. Feladat: x 0 7x 15 x ) = lim. x 7 x 15 x ) = (2 + 0) = lim. Függvények 205. július 3. Határozza meg a következ határértékeket!. Feladat: 2. Feladat: 3. Feladat: 4. Feladat: (2 + 7 5 ) (2 + 7 5 ) (2 + 0 ) (2 + 7 5 ) (2 + 7 5 ) (2 + 0) (2 + 0 7 5 ) (2 + 0 7 5 ) (2

Részletesebben

Függvények december 6. Határozza meg a következő határértékeket! 1. Feladat: x 0 7x 15 x ) = lim. Megoldás: lim. 2. Feladat: lim.

Függvények december 6. Határozza meg a következő határértékeket! 1. Feladat: x 0 7x 15 x ) = lim. Megoldás: lim. 2. Feladat: lim. Függvények 05. december 6. Határozza meg a következő határértékeket!. Feladat: ( + 7 5 ) ( + 7 5 ) ( + 0 ). Feladat: ( + 7 5 ) ( + 7 5 ) ( + 0) 3. Feladat: ( + 0 7 5 ) 4. Feladat: ( + 0 7 5 ) ( + 7 0 5

Részletesebben

Matematika A1a Analízis

Matematika A1a Analízis B U D A P E S T I M Ű S Z A K I M A T E M A T I K A É S G A Z D A S Á G T U D O M Á N Y I I N T É Z E T E G Y E T E M Matematika A1a Analízis BMETE90AX00 Elemi függvények H607, EIC 2019-03-13 Wettl Ferenc

Részletesebben

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

Fehérzajhoz a konstans érték kell - megoldás a digitális szűrő Összegezési súlyok sin x/x szerint (ez akár analóg is lehet!!!) DSP processzorok: 1 2 3 HP zajgenerátor: 4 Shift regiszter + XOR kapu: 2 n állapot Autókorrelációs függvény: l. pénzdobálás: (sin x/x) 2 burkoló! Fehérzajhoz a konstans érték kell - megoldás a digitális

Részletesebben

Q 1 D Q 2 (D x) 2 (1.1)

Q 1 D Q 2 (D x) 2 (1.1) . Gyakorlat 4B-9 Két pontszerű töltés az x tengelyen a következőképpen helyezkedik el: egy 3 µc töltés az origóban, és egy + µc töltés az x =, 5 m koordinátájú pontban van. Keressük meg azt a helyet, ahol

Részletesebben

2012. október 2 és 4. Dr. Vincze Szilvia

2012. október 2 és 4. Dr. Vincze Szilvia 2012. október 2 és 4. Dr. Vincze Szilvia Tartalomjegyzék 1.) Az egyváltozós valós függvény fogalma, műveletek 2.) Zérushely, polinomok zérushelye 3.) Korlátosság 4.) Monotonitás 5.) Szélsőérték 6.) Konvex

Részletesebben

Analóg elektronika - laboratóriumi gyakorlatok

Analóg elektronika - laboratóriumi gyakorlatok Analóg elektronika - laboratóriumi gyakorlatok. Passzív alkatrészek és passzív áramkörök. Elmélet A passzív elektronikai alkatrészek elméleti ismertetése az. prezentációban található. A 2. prezentáció

Részletesebben

f(x) vagy f(x) a (x x 0 )-t használjuk. lim melyekre Mivel itt ɛ > 0 tetszőlegesen kicsi, így a a = 0, a = a, ami ellentmondás, bizonyítva

f(x) vagy f(x) a (x x 0 )-t használjuk. lim melyekre Mivel itt ɛ > 0 tetszőlegesen kicsi, így a a = 0, a = a, ami ellentmondás, bizonyítva 6. FÜGGVÉNYEK HATÁRÉRTÉKE ÉS FOLYTONOSSÁGA 6.1 Függvény határértéke Egy D R halmaz torlódási pontjainak halmazát D -vel fogjuk jelölni. Definíció. Legyen f : D R R és legyen x 0 D (a D halmaz torlódási

Részletesebben

Saj at ert ek-probl em ak febru ar 26.

Saj at ert ek-probl em ak febru ar 26. Sajátérték-problémák 2018. február 26. Az alapfeladat Adott a következő egyenlet: Av = λv, (1) ahol A egy ismert mátrix v ismeretlen, nem zérus vektor λ ismeretlen szám Azok a v, λ kombinációk, amikre

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

Fourier-sorok. Lengyelné Dr. Szilágyi Szilvia. 2010. április 7.

Fourier-sorok. Lengyelné Dr. Szilágyi Szilvia. 2010. április 7. ME, Anaĺızis Tanszék 21. április 7. A Taylor-polinom ill. Taylor-sor hátránya, hogy az adott függvényt csak a sorfejtés helyén ill. annak környezetében közeĺıti jól. A sorfejtés helyétől távolodva a közeĺıtés

Részletesebben

Komplex számok. (a, b) + (c, d) := (a + c, b + d)

Komplex számok. (a, b) + (c, d) := (a + c, b + d) Komplex számok Definíció. Komplex számoknak nevezzük a valós számokból képzett rendezett (a, b) számpárok halmazát, ha közöttük az összeadást és a szorzást következőképpen értelmezzük: (a, b) + (c, d)

Részletesebben

1. Folytonosság. 1. (A) Igaz-e, hogy ha D(f) = R, f folytonos és periodikus, akkor f korlátos és van maximuma és minimuma?

1. Folytonosság. 1. (A) Igaz-e, hogy ha D(f) = R, f folytonos és periodikus, akkor f korlátos és van maximuma és minimuma? . Folytonosság. (A) Igaz-e, hogy ha D(f) = R, f folytonos és periodikus, akkor f korlátos és van maimuma és minimuma?. (A) Tudunk példát adni olyan függvényekre, melyek megegyeznek inverzükkel? Ha igen,

Részletesebben

Másodfokú egyenletek, egyenlőtlenségek

Másodfokú egyenletek, egyenlőtlenségek Másodfokú egyenletek, egyenlőtlenségek A másodfokú egyenlet grafikus megoldása Példa1. Ábrázold az f(x) = x + 1x + 16 függvényt, majd olvasd le az ábráról az alábbi egyenlet megoldását: x + 1x + 16 = 0.

Részletesebben

Függvények Megoldások

Függvények Megoldások Függvények Megoldások ) Az ábrán egy ; intervallumon értelmezett függvény grafikonja látható. Válassza ki a felsoroltakból a függvény hozzárendelési szabályát! a) x x b) x x + c) x ( x + ) b) Az x függvény

Részletesebben

π π A vivőhullám jelalakja (2. ábra) A vivőhullám periódusideje T amplitudója A az impulzus szélessége szögfokban 2p. 2p [ ]

π π A vivőhullám jelalakja (2. ábra) A vivőhullám periódusideje T amplitudója A az impulzus szélessége szögfokban 2p. 2p [ ] Pulzus Amplitúdó Moduláció (PAM) A Pulzus Amplitúdó Modulációról abban az esetben beszélünk, amikor egy impulzus sorozatot használunk vivőhullámnak és ezen a vivőhullámon valósítjuk meg az amplitúdómodulációt

Részletesebben

Eddig csak a polinom x-ben felvett értékét kerestük

Eddig csak a polinom x-ben felvett értékét kerestük Interpolációs polinom együtthatói Eddig csak a polinom x-ben felvett értékét kerestük Ez jó, ha kevés x-re kell kiértékelni Ha sok ismeretlen f (x)-et keresünk, akkor jobb kiszámolni az együtthatókat,

Részletesebben

Hatványsorok, Fourier sorok

Hatványsorok, Fourier sorok a Matematika mérnököknek II. című tárgyhoz Hatványsorok, Fourier sorok Hatványsorok, Taylor sorok Közismert, hogy ha 1 < x < 1 akkor 1 + x + x 2 + x 3 + = n=0 x n = 1 1 x. Az egyenlet baloldalán álló kifejezés

Részletesebben

Polinomok (el adásvázlat, április 15.) Maróti Miklós

Polinomok (el adásvázlat, április 15.) Maróti Miklós Polinomok (el adásvázlat, 2008 április 15) Maróti Miklós Ennek az el adásnak a megértéséhez a következ fogalmakat kell tudni: gy r, gy r additív csoportja, zéruseleme, és multiplikatív félcsoportja, egységelemes

Részletesebben

FFT. Második nekifutás. Czirbusz Sándor ELTE IK, Komputeralgebra Tanszék október 2.

FFT. Második nekifutás. Czirbusz Sándor ELTE IK, Komputeralgebra Tanszék október 2. TARTALOMJEGYZÉK Polinomok konvolúviója A DFT és a maradékos osztás Gyűrűk támogatás nélkül Második nekifutás Czirbusz Sándor ELTE IK, Komputeralgebra Tanszék 2015. október 2. TARTALOMJEGYZÉK Polinomok

Részletesebben

Fourier transzformáció

Fourier transzformáció a Matematika mérnököknek II. című tárgyhoz Fourier transzformáció Fourier transzformáció, heurisztika Tekintsük egy 2L szerint periodikus függvény Fourier sorát: f (x) = a 0 2 + ( ( nπ ) ( nπ )) a n cos

Részletesebben

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 sorozat fogalma. függvényeket sorozatoknak nevezzük. Amennyiben az értékkészlet. az értékkészlet a komplex számok halmaza, akkor komplex

A sorozat fogalma. függvényeket sorozatoknak nevezzük. Amennyiben az értékkészlet. az értékkészlet a komplex számok halmaza, akkor komplex A sorozat fogalma Definíció. A természetes számok N halmazán értelmezett függvényeket sorozatoknak nevezzük. Amennyiben az értékkészlet a valós számok halmaza, valós számsorozatról beszélünk, mígha az

Részletesebben

Shift regiszter + XOR kapu: 2 n állapot

Shift regiszter + XOR kapu: 2 n állapot DSP processzorok: 1 2 HP zajgenerátor: 3 Shift regiszter + XOR kapu: 2 n állapot Autókorrelációs függvény: l. pénzdobálás: (sin x/x) 2 burkoló! 4 Fehérzajhoz a konstans érték kell - megoldás a digitális

Részletesebben

Fourier sorok február 19.

Fourier sorok február 19. Fourier sorok. 1. rész. 2018. február 19. Függvénysor, ismétlés Taylor sor: Speciális függvénysor, melynek tagjai: cf n (x) = cx n, n = 0, 1, 2,... Állítás. Bizonyos feltételekkel minden f előállítható

Részletesebben

A lineáris programozás alapjai

A lineáris programozás alapjai A lineáris programozás alapjai A konvex analízis alapjai: konvexitás, konvex kombináció, hipersíkok, félterek, extrém pontok, Poliéderek, a Minkowski-Weyl tétel (a poliéderek reprezentációs tétele) Lineáris

Részletesebben

Exponenciális és logaritmikus kifejezések Megoldások

Exponenciális és logaritmikus kifejezések Megoldások Eponenciális és logaritmikus kifejezések - megoldások Eponenciális és logaritmikus kifejezések Megoldások ) Igazolja, hogy az alábbi négy egyenlet közül az a) és jelű egyenletnek pontosan egy megoldása

Részletesebben

3. Lineáris differenciálegyenletek

3. Lineáris differenciálegyenletek 3. Lineáris differenciálegyenletek A közönséges differenciálegyenletek két nagy csoportba oszthatók lineáris és nemlineáris egyenletek csoportjába. Ez a felbontás kicsit önkényesnek tűnhet, a megoldásra

Részletesebben