a vevőbe beérkező céltárgyról reflektált jel zaj nélkül. Az additív zajt (teljes rendszerre vonatkozik) S ( ω)

Hasonló dokumentumok
LINEÁRIS TRANSZFORMÁCIÓ

Vezetéki termikus védelmi funkció

BUDAPESTI MŰ SZAKI ÉS GAZDASÁGTUDOMÁNYI EGYETEM KÖZLEKEDÉSMÉRNÖKI ÉS JÁRMŰMÉRNÖKI KAR VASÚTI JÁRMŰVEK ÉS JÁRMŰRENDSZERANALÍZIS SZAKCSOPORT

8. előadás Ultrarövid impulzusok mérése - autokorreláció

JELEK ALAPSÁVI LEÍRÁSA. MODULÁCIÓK. A CSATORNA LEÍRÁSA, TULAJDONSÁGAI.

Váltakozóáramú hajtások Dr. TARNIK István 2006

Tiszta és kevert stratégiák

HF1. Határozza meg az f t 5 2 ugyanabban a koordinátarendszerben. Mi a lehetséges legbővebb értelmezési tartománya és

1. Előadás: Készletezési modellek, I-II.

Helyettesítéses-permutációs iteratív rejtjelezők

Fourier-sorok konvergenciájáról

párhuzamosan kapcsolt tagok esetén az eredő az egyes átviteli függvények összegeként adódik.

Modellek áttekintése

f (M (ξ)) M (f (ξ)) Bizonyítás: Megjegyezzük, hogy konvex függvényekre mindig létezik a ± ben

Előszó. 1. Rendszertechnikai alapfogalmak.

GAZDASÁGI ÉS ÜZLETI STATISZTIKA jegyzet ÜZLETI ELŐREJELZÉSI MÓDSZEREK

8.1. A rezgések szétcsatolása harmonikus közelítésben. Normálrezgések. = =q n és legyen itt a potenciál nulla. q i j. szimmetrikus. q k.

Sorozatok A.: Sorozatok általában

Képlékenyalakítás elméleti alapjai. Feszültségi állapot. Dr. Krállics György

D 1: 2.a: 2.b: 3: Σ: Digitális technika felvételi feladatok szeptember J-K flip-flopokból az alábbi sorrendi hálózatot építettük.

Numerikus módszerek 2. Nemlineáris egyenletek közelítő megoldása

Elektronika 2. TFBE1302

(A TÁMOP /2/A/KMR számú projekt keretében írt egyetemi jegyzetrészlet):

Gazdasági és megbízhatósági elemzések

3. Gyakorlat. A soros RLC áramkör tanulmányozása

Portfóliókezelési szolgáltatásra vonatkozó szerzıdéskötést megelızı tájékoztatás lakossági partnerbesorolású ügyfelek részére

Numerikus módszerek 2. Nemlineáris egyenletek közelítő megoldása

Síkalapok vizsgálata - az EC-7 bevezetése

GYAKORLÓ FELADATOK 5. Beruházások

IFFK 2013 Budapest, augusztus Vasúti járművek energiafogyasztásának csökkentése prediktív optimalizáció alkalmazásával

Folytonosidejű időinvariáns lineáris rendszerek

A sztochasztikus idősorelemzés alapjai

Aggregált termeléstervezés

Statisztika II. előadás és gyakorlat 1. rész

Több piacra épülő webáruház térbeli árversenye

3. SOROZATOK. ( n N) a n+1 < a n. Egy sorozatot (szigorúan) monotonnak mondunk, ha (szigorúan) monoton növekvő vagy csökkenő.

= λ valós megoldása van.

MATEMATIKA I. KATEGÓRIA (SZAKKÖZÉPISKOLA)

Vizsgainformációk A vizsgán 2 elméleti tételt kell kidolgozni (15 pont / tétel), a példamegoldási rész 20 pont (1 nagyobb és 1 kisebb feladat), míg a

INFOKOMMUNIKÁCIÓ távoktatási segédletek-

Mesterséges Intelligencia MI

VII. A határozatlan esetek kiküszöbölése

Schmitt-trigger tanulmányozása

Komplex számok. d) Re(z 4 ) = 0, Im(z 4 ) = 1 e) Re(z 5 ) = 0, Im(z 5 ) = 2 f) Re(z 6 ) = 1, Im(z 6 ) = 0

ELEKTRONIKAI ALAPISMERETEK

5. Szerkezetek méretezése

ELEKTRONIKAI ALAPISMERETEK

Statisztika 1. zárthelyi dolgozat március 21.

Negyedik gyakorlat: Szöveges feladatok, Homogén fokszámú egyenletek Dierenciálegyenletek, Földtudomány és Környezettan BSc

3. ábra nem periodikus, változó jel 4. ábra periodikusan változó jel

( a b)( c d) 2 ab2 cd 2 abcd 2 Egyenlőség akkor és csak akkor áll fenn

Tőkeköltségvetési kérdések, elemzések

1. A radioaktivitás statisztikus jellege

A tárgy címe: ANALÍZIS 1 A-B-C (2+2). 1. gyakorlat

BODE-diagram szerkesztés

Oldalszög Magassági szög Moduláció Antenna 0 * 0 * 1 1

ELEKTRONIKAI ALAPISMERETEK

Piaci részesedések eloszlásának előrejelzése Markovmodellel a biztosítási piacon Kovács Norbert 1

Primitív függvény. (határozatlan integrál)

1 g21 (R C x R t ) = -g 21 (R C x R t ) A u FE. R be = R 1 x R 2 x h 11

Fourier sorok FO 1. Trigonometrikus. A diákon megjelenő szövegek és képek csak a szerző (Kocsis Imre, DE MFK) engedélyével használhatók fel!

Közelítő módszerek általános elmélete Konkrét véges differencia sémák

Modulzáró ellenőrző kérdések és feladatok (3)

Beruházási lehetőségek tőke-költségvetési és kockázati elemzése

A HOZAMGÖRBE TANULÁSI. Romhányi Balázs

3. Fejezet. Deformáns jelek

A határokon átnyúló egyesülések adóvonatkozásai és azok hatásai a vállalat beruházásainak értékére

Makroökonómiai modellépítés monetáris politika

9. HAMILTON-FÉLE MECHANIKA

A FORGALMI ÁRAM FLUKTUÁCIÓJÁNAK HATÁSA AZ ÚT-TELJESÍTMÉNY GÖRBÉRE

3.4. gyakorlat. Matematika B1X február 1819.

BIOMATEMATIKA ELŐADÁS

- 1 - KÉPLETEK ÉS SZÁMPÉLDÁK A SŰRŰSÉGMÉRÉS FOGALOMKÖRÉBŐL ANYAGSŰRŰSÉGMÉRÉS. Oldat Sűrűség [g/cm 3 ]

Optikai mérési módszerek

Statisztika gyakorló feladatok

EGYENLETEK ÉS EGYENLETRENDSZEREK MEGOLDÁSA A Z n HALMAZON. egyenletrendszer megoldása a Z

5. Differenciálegyenlet rendszerek

A T LED-ek "fehér könyve" Alapvetõ ismeretek a LED-ekrõl

) leképezést jelenti, ahol a ξ. moduláló jelet az f (.) funkcionál leképezi az η

Zsembery Levente VOLATILITÁS KOCKÁZAT ÉS VOLATILITÁS KERESKEDÉS

6. szemináriumi. Gyakorló feladatok. Tőkekínálat. Tőkekereslet. Várható vs váratlan esemény tőkepiaci hatása. feladatok

ELVÉTELES KONDENZÁCIÓS ÉS ELLENNYOMÁSÚ GŐZTURBINÁS ERŐMŰEGYSÉGEK MEGBÍZHATÓSÁGI MODELLEZÉSE

Túlgerjesztés elleni védelmi funkció

) (11.17) 11.2 Rácsos tartók párhuzamos övekkel

Stabilitás Irányítástechnika PE MI_BSc 1

2. gyakorlat - Hatványsorok és Taylor-sorok

MAGYAR ÉPÜLETGÉPÉSZET

A BIZOTTSÁG MUNKADOKUMENTUMA

Takács Lajos ( ) és Prékopa András ( ) emlékére.

REZONANCIÁRA HANGOLVA

NÉMETH LÁSZLÓ VÁROSI MATEMATIKA VERSENY 2013 HÓDMEZŐVÁSÁRHELY OSZTÁLY ÁPRILIS 8.

2.5. A lineáris kongruencia egyenlet.

Matematika I. 9. előadás

Járműelemek I. Tengelykötés kisfeladat (A típus) Szilárd illesztés

HŐTAN Oktatási segédanyag

(d) x 6 3x 2 2 = 0, (e) x + x 2 = 1 x, (f) 2x x 1 = 8, 2(x 1) a 1

Az ökotérképezés. Az ökotérképezés. Milyen térkép. A térképezés végzésének fázisai. Települési elhelyezkedés. Települési elhelyezkedés

ELEKTRONIKAI ALAPISMERETEK

8. A KATÓDSUGÁR-OSZCILLOSZKÓP, MÉRÉSEK OSZCILLOSZKÓPPAL

1. ábra A hagyományos és a JIT-elvű beszállítás összehasonlítása

Átírás:

szempojából az illeszkedés feléele a döés pillaaába előálló leheséges maximum jel-zaj viszoy. A jel-zaj viszoy egyará meghaározza a deekció (deekciós és vaklárma valószíűség) és a mérés (mérési poosság) miőségé. 4. Ismer jel felismerése zajba Modell Tekisük a 4-. ábra modelljé, ahol f ( ) a vevőbe beérkező célárgyról reflekál jel zaj élkül. Az addiív zaj (eljes redszerre voakozik) S eljesíméy sűrűség spekrummal jellemezzük. A vevő lieáris jelfeldolgozásá a vevőszűrő ω y jele a deekció végzi, melyek ávieli karakeriszikája. A szűrő kimeő és a mérés alapja. A deekció és a mérés opimális megvalósíásáak előfeléele az alapjául szolgáló jel SR (Sigal o oise Raio) érékéek a maximalizálása. Az SR magyarul: Jel-zaj viszoy, de a magyar szakirodalom is az SR rövidíés szoka alkalmazi. f( ), ( ω ) + x( ) h( ), ( ω ) y( ), Y R ( τ), S 4-. ábra, Vevő modell idő- és frekveciaaromáyba eladauk ehá aak a ávieli karakeriszikáak a megkeresése, amely alkalmazásával a döés pillaaába maximális lesz a jel-zaj viszoy. Írjuk fel a kimeei jele időaromáyba: y ( ) = x( ) h 79

( ) = f ( ) x + y ( ) = [ f ( ) + ( ) ] h( ) Képleeikbe a * a kovolúció jelei. A eljesség kedvéér a kovolúciós iegrál: f g = f τ g τ dτ = g τ f τ dτ. A kovolúciós iegrál a realizálhaó redszerek kauzaliása mia egyszerűbb alako vesz fel: y( ) = f ( ) h( ) = h( τ) f ( τ) dτ. Levezeésük sorá a ovábbiakba em fogjuk haszáljuk a kovolúciós iegrál. Eek az oka egyrész ehézkes mivola, másrész pedig a redszerek ávielé álalába frekveciaaromáyba szokás jellemezi a ávieli karakeriszikával. A zaj időbeli jeléek jelölésére ( ) - válaszouk. Ez egy egyszerűsíe jelölés, ugyais a zaj szochaszikus folyama, melyek egyik elerjed jelölésmódja: ( ξ,) A szochaszikus folyama egy időfüggvéy halmaz, ami aralmazza az összes leheséges időfüggvéy. Amikor megfigyelük egy kokré zajfolyamao, akkor a szochaszikus folyama egy kokré miafüggvéyé figyeljük meg, eek jelölése: ( ξ ), k A jelölés a k. miafüggvéy muaja. Időaromáybeli képleeikbe ez jelöljük egyszerűsíe formába ( ) -vel.! = ( ξ ), k 8

Térjük vissza a kimeei jel időaromáybeli felírására. A kimeei jele bosuk fel csak a jelből és csak a zajból származó agokra: y s y ( ) = f ( ) h ( ) = h Mivel a zaj szochaszikus folyama, ezér realizációjáak csak saiszikus jellemzői ekihejük ismerek. A zajról felesszük, hogy ergodikus és legalább gyegé sacioer. Az ergodiciás az jelei, hogy ( ξ,) szochaszikus folyama halmaz és időálagai megegyezek. A gyegé sacioariás jeleése: ( ξ,) folyama első és másodredű álagai időfüggeleek. Az elsőredű álag a folyama várhaó éréke, a másodredű álag pedig az álageljesíméye. Várhaó érék: { ( k )} η= E ξ, A Gauss zaj ergódikus, ezér jelölésüke egyszerűsíjük: ( ξ,) ( ) η = E{ ( ) } ovábbá a gyegé sacioariás is eljesül rá, így felírhajuk az időfüggele auokorrelációs függvéy: R τ τ τ = E + Az auókorrelációs függvéy a helye a folyama álageljesíméyé adja: R =. avg R τ auokorrelációs függvéy ourier raszformálja a folyama eljesíméy spekruma, ovábbiakba SD (ower Specral Desiy), jelölése pedig: S ( ω ). 8

R ( τ) S ( ω ) A SD dimeziója: S eloszlásá jellemzi. W ω = z, vagyis a zaj eljesíméyéek spekrális eladauk a jel-zaj viszoy, a döés pillaaába öréő maximalizálása a ( ω ) szűrő megfelelő megválaszásával. A szélsőérék problémá célszerűe frekvecia aromáyba oldjuk meg. A zaj álageljesíméye a szűrő bemeeé: i = S A zaj eljesíméyéek várhaó éréke a szűrő kimeeé: = S A kimeei jel pillaayi ampliúdója a pillaaba: y f j = ω e és ebből a pillaayi eljesíméy a pillaaba: S y = j = ω f e π végül a kimeei jel-zaj viszoy: 8

S = S e jω Eek a kifejezések kell a maximumá keresi a szűrő ávieli karakeriszika függvéyébe. Max S Vezessük be a kövekező segédfüggvéyeke: ω = ˆ S e jω S =ˆ Ekkor a jel-zaj viszoyra voakozó egyeleük a kövekezőképp alakul: S = A kifejezés maximumáak megállapíásához haszáljuk fel a Cauchy Buyakovszkij Schwarz 3 egyelőlesége: 3 Az egyelőlesége Cauchy Buyakovszkij Schwarz evek fémjelzik, így eze evek eszőleges halmazáak és részhalmazaiak bármely permuációja előfordul az irodalomba. A Cauchy Buyakovszkij Schwarz egyelőleség a valós vagy komplex számes felei V euklideszi vekorér eszőleges x és y eleméek <x,y> skaláris szorzaa abszolú érékéek felső becslésére szolgál. 83

az egyelőség akkor és csak akkor eljesül, ha ω = k. Ez figyelembe véve áalakíhajuk egyelőleségüke egyelőséggé α segéd kosas bevezeésével. α α = helyeesísük ez vissza a maximalizáladó egyeleükbe: S α = majd egyszerűsísük: S α = fei egyele a maximumo α = esebe veszi fel. Max S = ( ω ) eredei kifejezésé visszahelyeesíve: 84

Max S = S Az opimum szűrőre az α = = ω k megköésből kövekezeheük és visszahelyeesíve: eredei kifejezései op = k S e jω 4. Opimális szűrő fehér zajba ehér zaj eseébe S ( ω ) =. Az opimális szűrő ávieli karakeriszikája: op k e j ω ω = ω a jel-zaj viszoy maximuma pedig = S S Max = d = ω ω ω π E S Max = E 85

ahol E a jel eergiája. Megállapíhajuk, hogy fehér zaj eseébe a maximális jel-zaj viszoy em függ a moduláció jellegéől, csak a kisugárzo jel eergiájáól. 4.3 Illesze szűrő - korrelációs vevő op k e j ω ω = ω legye k = ugyaez időaromáyba: h op ( ) = f ( ) Mivel az opimális vevő ávieli karakeriszikája és súlyfüggvéye illeszkedik az ω szűrő illesze szűrőek evezzük. eredei jelhez, ezér op A 4-. ábra az illesze szűrő muaja frekvecia- és időaromáyba. 4-. ábra, Korrelációs vevő A szűrő időaromáybeli kimeee a jel auokorrelációs függvéye idővel elolva. Ez magyarázza a korrelációs vevő elevezés. Vizsgáljuk meg, milye aromáyba mozogha. 86

f a τ R b τ ( ) R c τ τ 4-3. ábra, Vevő korrelációs kimeee A 4-3. ábra /a részébe az f ( ) jel láhaó, ami mos az egyszerű áekiheőség érdekébe impulzus. A 4-3. ábra /b részébe az f ( ) jel auokorrelációs függvéyé R ( ) ábrázolja. R ( ) elvileg esebe jelehee meg a szűrő kimeeé. Azoba mi az a /b részbe jól láhaó, ez esebe a szűrő kimeeé hamarabb jelee meg a válasz, mi ahogy a bemeeé a gerjeszés. Ilye válaszás eseé ehá em lee kauzális a redszer. Ado példáál a kauzaliás feléele: = τ. A 4-3. ábra /c része a = τ esee muaja. Álaláos jelalakra em lehe kisebb, mi a jel időbeli arója, ami jele esebe =τ. 87

f a τ b R R c + R c 4-4. ábra, Időbe elol auókorrelációs függvéy R A radaros alkalmazásál a kiado jelhez ovábbi késleleés adódik, így a c R R radar vevőszűrőjéek kimeeé az R jeleik meg, ahol a ag c c becslése jelei számukra a célárgy radiális ávolságáak mérésé (4. ábra). 4.4 Illesze szűrő kapcsolaa az impulzuskompresszióval Az impulzus kompresszió alkalmazó radarok időbe hosszú impulzus alkalmazak, ezzel bizosíják a deekcióhoz és a méréshez szükséges eergiá. Ahhoz azoba, hogy a radiális felboóképesség e romoljo, az impulzus spekrális kierjeszése szükséges. A kompressziós szűrő eze időbe és spekrálisa kierjesze impulzus yomja időbe össze. Az illesze szűrő f jelalak lehe kierjesze levezeése eljese álaláosa végezük, vagyis az spekrumú is. Az illesze szűrő az ilye jelalakok eseébe kompressziós jellege mua és ezér szokás kompressziós szűrőek is evezi. Szemléleese: a jel időbeli arójáak csökkeése szükségszerűe öveli aak ampliúdójá és így a jel-zaj viszoy, vagyis a maximális jel-zaj viszoy és a kompresszió azoos esebe valósul meg. 88