Fourierova transformace ve zpracování obrazů

Rozměr: px
Začít zobrazení ze stránky:

Download "Fourierova transformace ve zpracování obrazů"

Transkript

1 Fourierova trasformace ve zpracováí obrazů Jea Baptiste Joseph Fourier předáška předmětu Zpracováí obrazů Martia Mudrová 24

2 Motivace Proč používat Fourierovu trasformaci? základí matematický ástroj ve zpracováí digitálích obrazů detekce hra a segmetace obrazu úprava kvality obrazu rekostrukce obrazu komprese obrazu (formát.jpg) detekce objektů atd. M. Mudrová, 24 2

3 Matematické miimum = převod mezi časovou x(t) a frekvečí X(f) oblastí x( t) X ( f ) t...časová (prostorová oblast) f...frekvečí oblast Základí defiice: přímá spojitá FT: zpětá spojitá FT: X + i πtf = x( t ) e 2 dt + i πtf ( f ) x( t) = X ( f ) e 2 df + Požadavky a f(t) : po částech spojitá itegrovatelá x ( t) dt < M. Mudrová, 24 3

4 Příklad spojité FT Jak vypadá FT periodických fukcí? x ( t ) si(2 π f t ) = X ( f ) = ( δ ( f f) δ ( f + f) ) Def. FT: X ( f ) + i πtf = x( t) e 2 dt 2 i ± i Eulerovy vzorce: 2 πf t e = cos( 2πf t) ± i si(2πf t ) d(f) Diracova fukce f f Časová (prostorová) oblast x(t) Spektrum X(f) (amplitudová fr. charakt.) x(t) X(f) T=/f 2T 3T t -f f f M. Mudrová, 24 4

5 Od spojité k diskrétí FT Co je diskrétí FT? Diskretizace v čase: ty t Y + Diskretizace ve frekveci: f Y f k Y k Přímá diskrétí FT: X ( k) = N N = x( ) e k i 2π N Diskrétí Fourierova trasformace x( ) X ( k) Zpětá diskrétí FT: x( ) = N k = X ( k ) e k + i 2π N x() X(k) k...idex ω k...kruhová frekvece f ormalizovaá frekv. M. Mudrová, 24 5

6 Omezeí vzorové fukce v čase (prostoru) Fukce s koečou délkou... = váhováí = apodizace Periodický sigál a jeho spektrum 4 3 x() X(ω) ω od do π.5 Obdelikové oko a jeho spektrum 4 x() X(ω) ω od do π Omezeý sigál a jeho spektrum 4 3 x() X(ω) ω od do π M. Mudrová, 24 6

7 Do dvou dimezí X ( k, l) = MN x() Přímá 2D DFT: N M = m= x(, m) e -> [, m] k-> [k, l] 2D DFT k lm i 2π ( + ) N M X(k) 3 5 x(, m) X ( k, l) k x(, m) = N M k = l= 63 Zpětá 2D DFT: X ( k, l) e k ml + i 2π ( + ) N M x(,m ) x(,m ) X(f k,f l ) 64 m m 64 f l - - f k M. Mudrová, 24 7

8 Příklad 2D DFT reálého obrazu x(,m) m Symetrie M. Mudrová, 24 8

9 Pricip číslicové filtrace Co se stae při úpravě spektra? prostorová oblast x() spektrum X(k). periodická fukce 2. áhodý šum 3. = po úpravě spektra M. Mudrová, 24 9

10 2D filtrace M. Mudrová, 24

11 Pricip diskrétí kovoluce Co se při úpravě spektra děje v prostorové oblasti? Spektrálí oblast: Y ( k) = X( k). H( k) pro k Souči Prostorová oblast: y( ) = x( ) * h( ) = j = x( j) h( j) Kovoluce M. Mudrová, 24 Kde: y() žádaý tvar fukce x()...daý (poškozeý) tvar fukce h()...číslicový filtr

12 Příklad diskrétí kovoluce Jaký má výzam kovoluce? Příklad: x() = ; 2; 3; 4; 5 h() =,5;,5 (Klouzavý průměr) y( ) = x( )* h( ) = x( j) h( j= j) = j= f().h().,5 5 y()= 5 = j= f().h(-).,5 5 j= f().h(-) 2.,5 y()=5+ = 5 =2 j= f().h(2-) edef. j= f().h(2-) 2.,5 j=2 f(2).h(2-2) 3.,5 5 y(2)=+5= 25 =3 j= f().h(3-) edef. j= f().h(3-) edef. j=2 f(2).h(3-2) 3.,5 5 j=3 f(3).h(3-3) 4.,5 2 y(3)=5+2= 35 =4 j=,,2 edef. j=3 f(4).h(4-3) 4.,5 2 j=4 f(4).h(4-4) 5.,5 25 y(4)=25+2= 45 M. Mudrová, 24 y() = 5; 5; 25; 35; 45 2

13 2D diskrétí kovoluce Jak vypadá 2D kovoluce? y(, m) = x(, m)* h(, m) = m j = j = 2 x( j, j 2 ) h( j, m j 2 ) matice filtru h(,m) Prvek počítaý a pozici(,m) -4 matice obrázku x(,m) M. Mudrová, 24 3

14 Aplikace I detekce hra Úloha detekce hra (=>segmetace obrazu) Hraa = áhlá změa obrazové fukce Pricip: Aplikace hraových detektorů = horopropustých filtrů Příklad matice filtru h(,m) (filtr Prewittové) Příklad spektra filtru H(k,l) Origiálí obraz Obraz po detekci hra M. Mudrová, 24 4

15 Aplikace II potlačeí šumu Úprava obrazu Pricip: Potlačeí vysokofrekvečích složek aplikací dolopropustého filtru Origiálí obraz Spektrum filtru H(k,l) Obraz po úpravě M. Mudrová, 24 5

16 Aplikace III ostřeí Úloha rekostrukce poškozeého obrazu Pricip: Iverzí filtrace Wieerova filtrace Poškozeý obraz Typ poškozeí: Rozostřeí pohybem objektu (objektivu) Špaté zaostřeí objektivu Turbulece atmosféry atd. Obraz po rekostrukci M. Mudrová, 24 6

17 Aplikace IV detekce objektů Úloha detekce polohy objektu Pricip: Výpočet korelačí fukce = kovoluce v prostor. oblasti Zrychleí výpočtu aplikací algoritmu FFT ve 2D -> souči ve frekvečí oblasti M. Mudrová, 24 Filtr h(,m) Obraz x(,m) Korelačí fukce h(,m) 7

18 Pokročilejší metody zpracováí obrazů Short-time Fourier trasform = krátká FT - Kompromis mezi časovým (prostorovým) a frekvečím rozlišeím Wavelet trasformace = vlková trasformace - používá časová (prostorová) okéka s promělivou délkou (wavelet fukce) - Aplikace v aalýze obrazu, potlačeí šumu, kompresi dat, Radoova trasformace (p. Rado české árodosti) - koverze z cylidrických souřadic - aplikace především v biomedicíě (PET, SPECT, CT, ) M. Mudrová, 24 8

Číslicové zpracování signálů a Fourierova analýza.

Číslicové zpracování signálů a Fourierova analýza. Číslicové zpracování signálů a Fourierova analýza www.kme.zcu.cz/kmet/exm 1 Obsah prezentace 1. Úvod a motivace 2. Data v časové a frekvenční oblasti 3. Fourierova analýza teoreticky 4. Fourierova analýza

Více

OBRAZOVÁ ANALÝZA POVRCHU POTISKOVANÝCH MATERIÁLŮ A POTIŠTĚNÝCH PLOCH

OBRAZOVÁ ANALÝZA POVRCHU POTISKOVANÝCH MATERIÁLŮ A POTIŠTĚNÝCH PLOCH OBRAZOVÁ ANALÝZA POVRCU POTISKOVANÝC MATERIÁLŮ A POTIŠTĚNÝC PLOC Zmeškal Oldřich, Marti Julíe Tomáš Bžatek Ústav fyzikálí a spotřebí chemie, Fakulta chemická, Vysoké učeí techické v Brě, Purkyňova 8, 62

Více

Dodatky k FT: 1. (2D digitalizace) 2. Více o FT 3. Více k užití filtrů. 7. přednáška předmětu Zpracování obrazů

Dodatky k FT: 1. (2D digitalizace) 2. Více o FT 3. Více k užití filtrů. 7. přednáška předmětu Zpracování obrazů Dodatky k FT:. (D digitalizace. Více o FT 3. Více k užití filtrů 7. přednáška předmětu Zpracování obrazů Martina Mudrová 4 Pořízení digitálního obrazu Obvykle: Proces transformace spojité předlohy (reality

Více

ROZ1 - Cv. 2 - Fourierova transformace ÚTIA - ZOI

ROZ1 - Cv. 2 - Fourierova transformace ÚTIA - ZOI Vzorečky Co to je FT? Vzorečky Co to je FT? Transformace signálu z časové (resp. obrazové) reprezentace f(t) do frekvenční reprezentace F(ψ) a zpět. Díky ní můžeme signál analyzovat ve frekvenční oblasti

Více

Číslicové filtry. Použití : Analogové x číslicové filtry : Analogové. Číslicové: Separace signálů Restaurace signálů

Číslicové filtry. Použití : Analogové x číslicové filtry : Analogové. Číslicové: Separace signálů Restaurace signálů Číslicová filtrace Použití : Separace sigálů Restaurace sigálů Číslicové filtry Aalogové x číslicové filtry : Aalogové Číslicové: + levé + rychlé + velký dyamický rozsah (v amplitudě i frekveci) - evhodé

Více

Spektrální analyzátory

Spektrální analyzátory Lubomír Slavík TECHNICKÁ UNIVERZITA V LIBERCI Fakulta mechatroniky, informatiky a mezioborových studií Materiál vznikl v rámci projektu ESF (CZ.1.07/2.2.00/07.0247), který je spolufinancován Evropským

Více

Lineární a adpativní zpracování dat. 3. Lineární filtrace I: Z-transformace, stabilita

Lineární a adpativní zpracování dat. 3. Lineární filtrace I: Z-transformace, stabilita Lineární a adpativní zpracování dat 3. Lineární filtrace I: Z-transformace, stabilita Daniel Schwarz Investice do rozvoje vzdělávání Osnova Opakování: signály, systémy, jejich vlastnosti a popis v časové

Více

SIGNÁLY A SOUSTAVY, SIGNÁLY A SYSTÉMY

SIGNÁLY A SOUSTAVY, SIGNÁLY A SYSTÉMY SIGNÁLY A SOUSTAVY, SIGNÁLY A SYSTÉMY TEMATICKÉ OKRUHY Signály se spojitým časem Základní signály se spojitým časem (základní spojité signály) Jednotkový skok σ (t), jednotkový impuls (Diracův impuls)

Více

Regulace frekvence a velikosti napětí Řízení je spojeno s dodávkou a přenosem činného a jalového výkonu v soustavě.

Regulace frekvence a velikosti napětí Řízení je spojeno s dodávkou a přenosem činného a jalového výkonu v soustavě. 18. Řízeí elektrizačí soustavy ES je spojeí paralelě pracujících elektráre, přeosových a rozvodých sítí se spotřebiči. Provoz je optimálě spolehlivá hospodárá dodávka kvalití elektrické eergie. Stěžejími

Více

Lineární a adaptivní zpracování dat. 8. Modely časových řad I.

Lineární a adaptivní zpracování dat. 8. Modely časových řad I. Lieárí a adaptiví zpracováí dat 8. Modely časových řad I. Daiel Schwarz Ivestice do rozvoje vzděláváí Cíl, motivace Popis a idetifikace systémů BLACK BOX Cíl, motivace Popis a idetifikace systémů BLACK

Více

Lineární a adaptivní zpracování dat. 1. ÚVOD: SIGNÁLY a SYSTÉMY

Lineární a adaptivní zpracování dat. 1. ÚVOD: SIGNÁLY a SYSTÉMY Lineární a adaptivní zpracování dat 1. ÚVOD: SIGNÁLY a SYSTÉMY Daniel Schwarz Investice do rozvoje vzdělávání Osnova Úvodní informace o předmětu Signály, časové řady klasifikace, příklady, vlastnosti Vzorkovací

Více

1. Vlastnosti diskretních a číslicových metod zpracování signálů... 15

1. Vlastnosti diskretních a číslicových metod zpracování signálů... 15 Úvodní poznámky... 11 1. Vlastnosti diskretních a číslicových metod zpracování signálů... 15 1.1 Základní pojmy... 15 1.2 Aplikační oblasti a etapy zpracování signálů... 17 1.3 Klasifikace diskretních

Více

Lineární a adaptivní zpracování dat. 1. ÚVOD: SIGNÁLY, ČASOVÉ ŘADY a SYSTÉMY

Lineární a adaptivní zpracování dat. 1. ÚVOD: SIGNÁLY, ČASOVÉ ŘADY a SYSTÉMY Lineární a adaptivní zpracování dat 1. ÚVOD: SIGNÁLY, ČASOVÉ ŘADY a SYSTÉMY Daniel Schwarz Investice do rozvoje vzdělávání Osnova Úvodní informace o předmětu Signály, časové řady klasifikace, příklady,

Více

FOURIEROVA ANAL YZA 2D TER ENN ICH DAT Karel Segeth

FOURIEROVA ANAL YZA 2D TER ENN ICH DAT Karel Segeth FOURIEROVA ANALÝZA 2D TERÉNNÍCH DAT Karel Segeth Motto: The faster the computer, the more important the speed of algorithms. přírodní jev fyzikální model matematický model numerický model řešení numerického

Více

je vstupní kvantovaný signál. Průběh kvantizační chyby e { x ( t )}

je vstupní kvantovaný signál. Průběh kvantizační chyby e { x ( t )} ČÍSLICOVÉ ZPRACOVÁNÍ ZVUKOVÝCH SIGNÁLŮ Z HLEDISKA PSYCHOAKUSTIKY Fratišek Kadlec ČVUT, fakulta elektrotechická, katedra radioelektroiky, Techická 2, 66 27 Praha 6 Úvod Při číslicovém zpracováí zvukových

Více

Příklady k přednášce 9 - Zpětná vazba

Příklady k přednášce 9 - Zpětná vazba Příklady k předášce 9 - Zpětá vazba Michael Šebek Automatické řízeí 205 6--5 Příklad: Přibližá iverze tak průřezu s výškou hladiy y(t), přítokem u(t) a odtokem dy() t dt + 2 yt () = ut () Cíl řízeí: sledovat

Více

Lineární a adaptivní zpracování dat. 2. SYSTÉMY a jejich popis v časové doméně a frekvenční doméně

Lineární a adaptivní zpracování dat. 2. SYSTÉMY a jejich popis v časové doméně a frekvenční doméně Lineární a adaptivní zpracování dat 2. SYSTÉMY a jejich popis v časové doméně a frekvenční doméně Daniel Schwarz Investice do rozvoje vzdělávání Osnova Opakování: signály a systémy Vlastnosti systémů Systémy

Více

IAJCE Přednáška č. 12

IAJCE Přednáška č. 12 Složitost je úvod do problematiky Úvod praktická realizace algoritmu = omezeí zejméa: o časem o velikostí paměti složitost = vztah daého algoritmu k daým prostředkům: časová složitost každé možiě vstupích

Více

12. N á h o d n ý v ý b ě r

12. N á h o d n ý v ý b ě r 12. N á h o d ý v ý b ě r Při sledováí a studiu vlastostí áhodých výsledků pozáme charakter rozděleí z toho, že opakovaý áhodý pokus ám dává za stejých podmíek růzé výsledky. Ty odpovídají hodotám jedotlivých

Více

(Auto)korelační funkce. 2. 11. 2015 Statistické vyhodnocování exp. dat M. Čada www.fzu.cz/ ~ cada

(Auto)korelační funkce. 2. 11. 2015 Statistické vyhodnocování exp. dat M. Čada www.fzu.cz/ ~ cada (Auto)korelační funkce 1 Náhodné procesy Korelace mezi náhodnými proměnnými má široké uplatnění v elektrotechnické praxi, kde se snažíme o porovnávání dvou signálů, které by měly být stejné. Příkladem

Více

Digitalizace převod AS DS (analogový diskrétní signál )

Digitalizace převod AS DS (analogový diskrétní signál ) Digitalizace signálu v čase Digitalizace převod AS DS (analogový diskrétní signál ) v amplitudě Obvykle převod spojité předlohy (reality) f 1 (t/x,...), f 2 ()... připomenutí Digitalizace: 1. vzorkování

Více

Lineární a adaptivní zpracovní dat. 5. Lineární filtrace: FIR, IIR

Lineární a adaptivní zpracovní dat. 5. Lineární filtrace: FIR, IIR Leárí a adaptví zpracoví dat 5. Leárí fltrace: FIR, IIR Dael Schwarz Ivestce do rozvoje vzděláváí Opakováí 2 Co je to fltrace? Co je to fltr? A jak ho popsujeme? Jaký je vztah Z trasformace a Fourerovy

Více

doc. Dr. Ing. Elias TOMEH Elias Tomeh / Snímek 1

doc. Dr. Ing. Elias TOMEH   Elias Tomeh / Snímek 1 doc. Dr. Ing. Elias TOMEH e-mail: elias.tomeh@tul.cz Elias Tomeh / Snímek 1 Frekvenční spektrum Dělení frekvenčního pásma (počet čar) Průměrování Časovou váhovou funkci Elias Tomeh / Snímek 2 Vzorkovací

Více

Lineární a adaptivní zpracování dat. 3. SYSTÉMY a jejich popis ve frekvenční oblasti

Lineární a adaptivní zpracování dat. 3. SYSTÉMY a jejich popis ve frekvenční oblasti Lineární a adaptivní zpracování dat 3. SYSTÉMY a jejich popis ve frekvenční oblasti Daniel Schwarz Osnova Opakování: systémy a jejich popis v časové oblasti Fourierovy řady Frekvenční charakteristika systémů

Více

Filtrace snímků ve frekvenční oblasti. Rychlá fourierova transformace

Filtrace snímků ve frekvenční oblasti. Rychlá fourierova transformace Filtrace snímků ve frekvenční oblasti Rychlá fourierova transformace semestrální práce z předmětu KIV/ZVI zpracoval: Jan Bařtipán A03043 bartipan@students.zcu.cz Obsah Úvod....3 Diskrétní Fourierova transformace

Více

Základní metody číslicového zpracování signálu část I.

Základní metody číslicového zpracování signálu část I. A4M38AVS Aplikace vestavěných systémů Základní metody číslicového zpracování signálu část I. Radek Sedláček, katedra měření, ČVUT v Praze FEL, 2015 Obsah přednášky Úvod, motivace do problematiky číslicového

Více

Vyšší harmonické a meziharmonické

Vyšší harmonické a meziharmonické České vysoké učeí techické v Praze Fakulta elektrotechická Katedra elektroeergetiky Vyšší harmoické a meziharmoické. předáška ZS 0/0 Ig. Tomáš Sýkora, Ph.D. Defiice a zdroje vyšších harmoických Defiice

Více

" Furierova transformace"

 Furierova transformace UNIVERZITA JANA EVANGELISTY PURKYNĚ V ÚSTÍ NAD LABEM FAKULTA ŽIVOTNÍHO PROSTŘEDÍ " Furierova transformace" Seminární práce z předmětu Dálkový průzkum Země Marcela Bartošová, Veronika Bláhová OŽP, 3.ročník

Více

Investice do rozvoje vzdělávání

Investice do rozvoje vzdělávání Lieárí systémy a modely časových řad Daiel Schwarz Ivestice do rozvoje vzděláváí Cíl, motivace Popis a idetifikace systémů Lieárí systémy a modely časových řad Istitute of Biostatistics ad Aalyses Cíl,

Více

6. FUNKCE A POSLOUPNOSTI

6. FUNKCE A POSLOUPNOSTI 6. FUNKCE A POSLOUPNOSTI Fukce Dovedosti:. Základí pozatky o fukcích -Chápat defiici fukce,obvyklý způsob jejího zadáváí a pojmy defiičí obor hodot fukce. U fukcí zadaých předpisem umět správě operovat

Více

Aplikovaná informatika. Podklady předmětu Aplikovaná informatika pro akademický rok 2006/2007 Radim Farana. Obsah. Algoritmus

Aplikovaná informatika. Podklady předmětu Aplikovaná informatika pro akademický rok 2006/2007 Radim Farana. Obsah. Algoritmus Podklady předmětu pro akademický rok 006007 Radim Faraa Obsah Tvorba algoritmů, vlastosti algoritmu. Popis algoritmů, vývojové diagramy, strukturogramy. Hodoceí složitosti algoritmů, vypočitatelost, časová

Více

Motivace příklad použití lokace radarového echa Význam korelace Popis náhodných signálů číselné charakteristiky

Motivace příklad použití lokace radarového echa Význam korelace Popis náhodných signálů číselné charakteristiky A0M38SPP - Signálové procesory v praxi - přednáška 7 2 Motivace příklad použití lokace radarového echa Význam korelace Popis náhodných signálů číselné charakteristiky (momenty) Matematická definice korelační

Více

Základní metody číslicového zpracování signálu a obrazu část II.

Základní metody číslicového zpracování signálu a obrazu část II. A4M38AVS Aplikace vestavěných systémů Přednáška č. 8 Základní metody číslicového zpracování signálu a obrazu část II. Radek Sedláček, katedra měření, ČVUT FEL, 2015 Obsah přednášky Převzorkování decimace,

Více

1 Elektronika pro zpracování optického signálu

1 Elektronika pro zpracování optického signálu 1 Elektronika pro zpracování optického signálu Výběr elektroniky a detektorů pro měření optického signálu je odvislé od toho, jaký signál budeme detekovat. V první řadě je potřeba vědět, jakých intenzit

Více

Základy zpracování obrazu

Základy zpracování obrazu UNIVERZITA PARDUBICE FAKULTA CHEMICKO-TECHNOLOGICKÁ Základy zpracování obrazu Ing. Miroslav Fribert, Dr Pardubice 006 . Operace s maticemi, program Mathematica. Matice ve zpracování obrazu Matematickým

Více

Náhodný výběr 1. Náhodný výběr

Náhodný výběr 1. Náhodný výběr Náhodý výběr 1 Náhodý výběr Matematická statistika poskytuje metody pro popis veliči áhodého charakteru pomocí jejich pozorovaých hodot, přesěji řečeo jde o určeí důležitých vlastostí rozděleí pravděpodobosti

Více

Úvod do zpracování obrazů. Petr Petyovský Miloslav Richter

Úvod do zpracování obrazů. Petr Petyovský Miloslav Richter Úvod do zpracování obrazů Petr Petyovský Miloslav Richter 1 OBSAH Motivace, prvky a základní problémy počítačového vidění, pojem scéna Terminologie, obraz, zpracování a analýza obrazu, počítačové vidění,

Více

Při návrhu FIR filtru řešíme obvykle následující problémy:

Při návrhu FIR filtru řešíme obvykle následující problémy: Návrh FIR filtrů Při návrhu FIR filtru řešíme obvykle následující problémy: volba frekvenční odezvy požadovaného filtru; nejčastěji volíme ideální charakteristiku normovanou k Nyquistově frekvenci, popř.

Více

DYNAMIC PROPERTIES OF ELECTRONIC GYROSCOPES FOR INERTIAL MEASUREMENT UNITS

DYNAMIC PROPERTIES OF ELECTRONIC GYROSCOPES FOR INERTIAL MEASUREMENT UNITS DYNAMIC PROPERTIES OF ELECTRONIC GYROSCOPES FOR INERTIAL MEASUREMENT UNITS Jiří Tůma & Jiří Kulháek Abstract: The paper deals with the dyamic properties of the electroic gyroscope as a sesor of agular

Více

Matematika 1 pro PEF PaE

Matematika 1 pro PEF PaE Derivace funkcí jedné proměnné / 9 Matematika pro PEF PaE 4. Derivace funkcí jedné proměnné Přemysl Jedlička Katedra matematiky, TF ČZU Derivace funkcí jedné proměnné Nejjednodušší derivace 2 / 9 Derivace

Více

8. Sběr a zpracování technologických proměnných

8. Sběr a zpracování technologických proměnných 8. Sběr a zpracování technologických proměnných Účel: dodat v částečně předzpracovaném a pro další použití vhodném tvaru ucelenou informaci o procesu pro následnou analyzu průběhu procesu a pro rozhodování

Více

ADA Semestrální práce. Harmonické modelování signálů

ADA Semestrální práce. Harmonické modelování signálů České vysoké učení technické v Praze ADA Semestrální práce Harmonické modelování signálů Jiří Kořínek 31.12.2005 1. Zadání Proveďte rozklad signálu do harmonických komponent (řeč, hudba). Syntetizujte

Více

Á Í Č Ě Č ň ť Š Č Ť ň ň ď Ť Ú ť Č ň ď ť Č Š Ž Ú Ť Ť Ť Ť ň Ť Ť ť Ť Ť Á Ť Ť Ť ď Ť Ť Ť Ť Ť Ť Ť Ť Ť ň ďť Ť Ť Ť Š Š Š ď ň Č Š ň Š ť Š ň Š Š Ť Ť Ť Ť Ť Ť Ť Ť Ť Ť Ť Ť Ť Ť Ť Ú Š ň ť ť Š ň Š Ž ť ť ť ň Š Č Š Š Í

Více

Analýza signálů technikou Waveletů

Analýza signálů technikou Waveletů Analýza signálů tecnikou Waveletů Piecota, Hynek 1 1 Ing., Katedra ATŘ-352, VŠB-TU Ostrava, 17. listopadu, Ostrava - Poruba, 708 33 ynek.piecota@vsb.cz, ttp://www.fs.vsb.cz 1 Abstrakt Teorie analýzy signálů

Více

MODERNÍ SMĚROVÉ ZPŮSOBY REPREZENTACE OBRAZŮ

MODERNÍ SMĚROVÉ ZPŮSOBY REPREZENTACE OBRAZŮ VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA ELEKTROTECHNIKY A KOMUNIKAČNÍCH TECHNOLOGIÍ ÚSTAV TELEKOMUNIKACÍ FACULTY OF ELECTRICAL ENGINEERING AND COMMUNICATION DEPARTMENT OF TELECOMMUNICATIONS

Více

5 PŘEDNÁŠKA 5: Jednorozměrný a třírozměrný harmonický oscilátor.

5 PŘEDNÁŠKA 5: Jednorozměrný a třírozměrný harmonický oscilátor. 5 PŘEDNÁŠKA 5: Jedorozměrý a třírozměrý harmoický oscilátor. Půjde o spektrum harmoického oscilátoru emá to ic společého se spektrem atomu ebo se spektrálími čarami atomu. Liší se to právě poteciálem!

Více

Téma: 11) Dynamika stavebních konstrukcí

Téma: 11) Dynamika stavebních konstrukcí Počítačová podpora statických výpočtů Téma: ) Dyamika stavebích kostrukcí Katedra stavebí mechaiky Fakulta stavebí, VŠB V Techická uiverzita Ostrava Rozděleí mechaiky Statika Zabývá se problematikou působeí

Více

Periodicita v časové řadě, její popis a identifikace

Periodicita v časové řadě, její popis a identifikace Periodicita v časové řadě, její popis a idetifikace 1 Periodicita Některé časové řady obsahují periodickou složku. Pomocí vybraých ástrojů spektrálí aalýzy budeme tuto složku idetifikovat. Mějme fukci

Více

6. Posloupnosti a jejich limity, řady

6. Posloupnosti a jejich limity, řady Moderí techologie ve studiu aplikovaé fyziky CZ..07/..00/07.008 6. Poslouposti a jejich limity, řady Posloupost je speciálí, důležitý příklad fukce. Při praktickém měřeí hodot určité fyzikálí veličiy dostáváme

Více

1.1. Definice Reálným vektorovým prostorem nazýváme množinu V, pro jejíž prvky jsou definovány operace sčítání + :V V V a násobení skalárem : R V V

1.1. Definice Reálným vektorovým prostorem nazýváme množinu V, pro jejíž prvky jsou definovány operace sčítání + :V V V a násobení skalárem : R V V Předáška 1: Vektorové prostory Vektorový prostor Pro abstraktí defiici vektorového prostoru jsou podstaté vlastosti dvou operací, sčítáí vektorů a ásobeí vektoru (reálým číslem) Tyto dvě operace musí být

Více

Simulace zpracování optické obrazové informace v Matlabu. Petr Páta, Miloš Klíma, Jaromír Schindler

Simulace zpracování optické obrazové informace v Matlabu. Petr Páta, Miloš Klíma, Jaromír Schindler Simulace zpracování optické obrazové informace v Matlabu Petr Páta, Miloš Klíma, Jaromír Schindler Katedra radioelektroniky, K337, ČVUT FEL Praha, Technická, 166 7, Praha 6 E-mail: pata@fel.cvut.cz, klima@fel.cvut.cz,

Více

(Diskrétní) Fourierova transformace

(Diskrétní) Fourierova transformace (Diskrétní) Fourierova transformace Obsah Úvod 1 Fourierova transformace 3 1.1 Fourierova řada periodické funkce................................ 3 1. Fourierova transformace.....................................

Více

množina všech reálných čísel

množina všech reálných čísel /6 FUNKCE Základí pojmy: Fukce sudá a lichá, Iverzí fukce Nepřímá úměrost, Mociá fukce, Epoeciálí fukce a rovice Logaritmus, logaritmická fukce a rovice Opakováí: Defiice fukce, graf fukce Defiičí obor,

Více

Spolehlivost a diagnostika

Spolehlivost a diagnostika Spolehlvost a dagostka Složté systémy a jejch spolehlvost: Co je spolehlvost? Vlv spolehlvost kompoetů systému Návrh systému z hledska spolehlvost Aplkace - žvotě důležté systémy - vojeské aplkace Teore

Více

ELEKTRONIKA PRO ZPRACOVÁNÍ SIGNÁLU

ELEKTRONIKA PRO ZPRACOVÁNÍ SIGNÁLU ELEKTRONIKA PRO ZPRACOVÁNÍ SIGNÁLU Václav Michálek, Antonín Černoch Společná laboratoř optiky UP a FZÚ AV ČR Regionální centrum pokročilých technologií a materiálů CZ.1.07/2.2.00/07.0018 VM, AČ (SLO/RCPTM)

Více

zpracování signálů - Fourierova transformace, FFT Frekvenční

zpracování signálů - Fourierova transformace, FFT Frekvenční Digitální zpracování signálů - Fourierova transformace, FF Frevenční analýza 3. přednáša Jean Baptiste Joseph Fourier (768-830) Zálady experimentální mechaniy Frevenční analýza Proč se frevenční analýza

Více

Fourierovské metody v teorii difrakce a ve strukturní analýze

Fourierovské metody v teorii difrakce a ve strukturní analýze Osnova přednášky na 31 kolokviu Krystalografické společnosti Výpočetní metody v rtg a neutronové strukturní analýze Nové Hrady, 16 20 6 2003 Fourierovské metody v teorii difrakce a ve strukturní analýze

Více

DETEKCE HRAN V BIOMEDICÍNSKÝCH OBRAZECH

DETEKCE HRAN V BIOMEDICÍNSKÝCH OBRAZECH DETEKCE HRAN V BIOMEDICÍNSKÝCH OBRAZECH Viktor Haškovec, Martina Mudrová Vysoká škola chemicko-technologická v Praze, Ústav počítačové a řídicí techniky Abstrakt Příspěvek je věnován zpracování biomedicínských

Více

I. Exponenciální funkce Definice: Pro komplexní hodnoty z definujeme exponenciální funkci předpisem. z k k!. ( ) e z = k=0

I. Exponenciální funkce Definice: Pro komplexní hodnoty z definujeme exponenciální funkci předpisem. z k k!. ( ) e z = k=0 8. Elemetárí fukce I. Expoeciálí fukce Defiice: Pro komplexí hodoty z defiujeme expoeciálí fukci předpisem ) e z = z k k!. Vlastosti expoeciálí fukce: a) řada ) koverguje absolutě v C; b) pro z = x + jy

Více

ÚPGM FIT VUT Brno, periodické a harmonické posloupnosti. konvoluce Fourierova transformace s diskrétním časem

ÚPGM FIT VUT Brno, periodické a harmonické posloupnosti. konvoluce Fourierova transformace s diskrétním časem Diskrétní signály a jejich frekvenční analýza. Jan Černocký ÚPGM FIT VUT Brno, cernocky@fit.vutbr.cz opakování základy o diskrétních signálech. periodické a harmonické posloupnosti operace s diskrétními

Více

1. ZÁKLADY VEKTOROVÉ ALGEBRY 1.1. VEKTOROVÝ PROSTOR A JEHO BÁZE

1. ZÁKLADY VEKTOROVÉ ALGEBRY 1.1. VEKTOROVÝ PROSTOR A JEHO BÁZE 1. ZÁKLADY VEKTOROVÉ ALGEBRY 1.1. VEKTOROVÝ PROSTOR A JEHO BÁZE V této kapitole se dozvíte: jak je axiomaticky defiová vektor a vektorový prostor včetě defiice sčítáí vektorů a ásobeí vektorů skalárem;

Více

Ultrazvuková defektoskopie. M. Kreidl, R. Šmíd, V. Matz, S. Štarman

Ultrazvuková defektoskopie. M. Kreidl, R. Šmíd, V. Matz, S. Štarman Ultrazvuková defektoskopie M. Kreidl, R. Šmíd, V. Matz, S. Štarman Praha 2011 ISBN 978-80-254-6606-3 2 OBSAH 1. Předmluva 7 2. Základní pojmy 9 2.1. Fyzikální základy ultrazvuku a akustické veličiny 9

Více

3 METODY PRO POTLAČENÍ ŠUMU U ŘE- ČOVÉHO SIGNÁLU

3 METODY PRO POTLAČENÍ ŠUMU U ŘE- ČOVÉHO SIGNÁLU 3 METODY PRO POTLAČENÍ ŠUMU U ŘE- ČOVÉHO SIGNÁLU V současné době se pro potlačení šumu u řečového signálu používá mnoho různých metod. Jedná se například o metody spektrálního odečítání, Wienerovy filtrace,

Více

Základní metody číslicového zpracování signálu a obrazu část II.

Základní metody číslicového zpracování signálu a obrazu část II. A4M38AVS Aplikace vestavěných systémů Přednáška č. 7 Evropský sociální fond Praha & EU: Investujeme do vaší budoucnosti Základní metody číslicového zpracování signálu a obrazu část II. Radek Sedláček,

Více

Diskrétní 2D konvoluce

Diskrétní 2D konvoluce ČVUT FEL v Praze 6ACS. prosince 2006 Martin BruXy Bruchanov bruxy@regnet.cz Diracův impuls jednotkový impulz, δ-impulz, δ-funkce; speciální signál s nulovou šířkou impulzu a nekonečnou amplitudou; platí

Více

Parametrické přístupy k filtraci ultrazvukových signálů

Parametrické přístupy k filtraci ultrazvukových signálů České vysoké učení technické v Praze Fakulta elektrotechnická Katedra měření Parametrické přístupy k filtraci ultrazvukových signálů Bakalářská práce Luboš Kocourek 2010 Studijní program: Elektrotechnika

Více

1.2. NORMA A SKALÁRNÍ SOUČIN

1.2. NORMA A SKALÁRNÍ SOUČIN 2 NORMA A SKALÁRNÍ SOUČIN V této kapitole se dozvíte: axiomatickou defiici ormy vektoru; co je to ormováí vektoru a jak vypadá Euklidovská orma; axiomatickou defiici skalárího (také vitřího) součiu vektorů;

Více

Nové metody stereofonního kódování pro FM pomocí digitální technologie. Pavel Straňák, Phobos Engineering s.r.o.

Nové metody stereofonního kódování pro FM pomocí digitální technologie. Pavel Straňák, Phobos Engineering s.r.o. Nové metody stereofonního kódování pro FM pomocí digitální technologie Pavel Straňák, Phobos Engineering s.r.o. Úvod Cílem této stati je popis modelu číslicového stereofonního kodéru s možností kompozitního

Více

Signál v čase a jeho spektrum

Signál v čase a jeho spektrum Signál v čase a jeho spektrum Signály v časovém průběhu (tak jak je vidíme na osciloskopu) můžeme dělit na periodické a neperiodické. V obou případech je lze popsat spektrálně určit jaké kmitočty v sobě

Více

Měřící technika - MT úvod

Měřící technika - MT úvod Měřící techika - MT úvod Historie Už Galileo Galilei zavádí vědecký přístup k měřeí. Jeho výrok Měřit vše, co je měřitelé a co eí měřitelým učiit platí stále. - jedotá soustava jedotek fyz. veliči - símače

Více

9. T r a n s f o r m a c e n á h o d n é v e l i č i n y

9. T r a n s f o r m a c e n á h o d n é v e l i č i n y 9. T r a n s f o r m a c e n á h o d n é v e l i č i n Při popisu procesů zpracováváme vstupní údaj, hodnotu x tak, že výstupní hodnota závisí nějakým způsobem na vstupní, je její funkcí = f(x). Pokud

Více

v Praze mezi kanály EEG Ondřej Drbal 5. ročník, stud. sk. 9

v Praze mezi kanály EEG Ondřej Drbal 5. ročník, stud. sk. 9 České vysoké učení technické v Praze Algoritmy pro měření zpoždění mezi kanály EEG Ondřej Drbal 5. ročník, stud. sk. 9 31. března 23 Obsah 1 Zadání 1 2 Uvedení do problematiky měření zpoždění signálů 1

Více

základní vlastnosti, používané struktury návrhové prostředky MATLAB problém kvantování koeficientů

základní vlastnosti, používané struktury návrhové prostředky MATLAB problém kvantování koeficientů A0M38SPP - Signálové procesory v praxi - přednáška 4 2 Číslicové filtry typu FIR a IIR definice operace filtrace základní rozdělení FIR, IIR základní vlastnosti, používané struktury filtrů návrhové prostředky

Více

SPM SPECTRUM NOVÁ UNIKÁTNÍ METODA PRO DIAGNOSTIKU LOŽISEK

SPM SPECTRUM NOVÁ UNIKÁTNÍ METODA PRO DIAGNOSTIKU LOŽISEK SPM SPECTRUM NOVÁ UNIKÁTNÍ METODA PRO DIAGNOSTIKU LOŽISEK V této části prezentujeme výsledky použití metody SPM Spectrum (Shock Pulse Method Metoda rázových pulsů) jako metody pro monitorování stavu valivých

Více

Fourierova transformace

Fourierova transformace Fourierova transformace Jean Baptiste Joseph Fourier (768-83) Jeho obdivovatel (nedatováno) Opáčko harmonických signálů Spojitý harmonický signál ( ) = cos( ω + ϕ ) x t C t C amplituda ω úhlová frekvence

Více

EKONOMETRIE 9. přednáška Zobecněný lineární regresní model

EKONOMETRIE 9. přednáška Zobecněný lineární regresní model EKONOMETRIE 9. předáška Zobecěý lieárí regresí model Porušeí základích podmíek klasického modelu Metoda zobecěých emeších čtverců Jestliže sou porušey ěkteré podmíky klasického modelu. E(u),. E (uu`) σ

Více

Funkce komplexní proměnné a integrální transformace

Funkce komplexní proměnné a integrální transformace Funkce komplexní proměnné a integrální transformace Fourierovy řady I. Marek Lampart Text byl vytvořen v rámci realizace projektu Matematika pro inženýry 21. století (reg. č. CZ.1.07/2.2.00/07.0332), na

Více

DSY-4. Analogové a číslicové modulace. Evropský sociální fond Praha & EU: Investujeme do vaší budoucnosti

DSY-4. Analogové a číslicové modulace. Evropský sociální fond Praha & EU: Investujeme do vaší budoucnosti DSY-4 Analogové a číslicové modulace Evropský sociální fond Praha & EU: Investujeme do vaší budoucnosti DSY-4 analogové modulace základní číslicové modulace vícestavové modulace modulace s rozprostřeným

Více

4. KRUHOVÁ KONVOLUCE, RYCHLÁ FOURIEROVA TRANSFORMACE (FFT) A SPEKTRÁLNÍ ANALÝZA SIGNÁLŮ

4. KRUHOVÁ KONVOLUCE, RYCHLÁ FOURIEROVA TRANSFORMACE (FFT) A SPEKTRÁLNÍ ANALÝZA SIGNÁLŮ 4. KRUHOVÁ KOVOLUCE, RYCHLÁ FOURIEROVA TRASFORMACE FFT A SEKTRÁLÍ AALÝZA SIGÁLŮ Kruová cylcá ovoluce Ryclá Fourerova trasformace Aplace DFT a aalogové sgály, frevečí aalýza perodcýc aalogovýc sgálů s využtím

Více

DERIVACE FUNKCÍ JEDNÉ REÁLNÉ PROM

DERIVACE FUNKCÍ JEDNÉ REÁLNÉ PROM Difereciálí počet fukcí jedé reálé proměé - - DERIVACE FUNKCÍ JEDNÉ REÁLNÉ PROMĚNNÉ ÚVODNÍ POZNÁMKY I derivace podobě jako limity můžeme počítat ěkolikerým způsobem a to kokrétě pomocí: defiice vět o algebře

Více

Spektrální analyzátory a analyzátory signálu

Spektrální analyzátory a analyzátory signálu Spektrální analyzátory a analyzátory signálu Osciloskopy a zapisovače popsané v předchozí kapitole zobrazují průběh signálu v závislosti na čase x(t), takže umožňují analýzu v tzv. časové oblasti (nebo

Více

UŽITÍ KOHERENČNÍ FUNKCE PRO DISTRIBUOVANOU

UŽITÍ KOHERENČNÍ FUNKCE PRO DISTRIBUOVANOU UŽITÍ KOHERENČNÍ FUNKCE PRO DISTRIBUOVANOU ANALÝZU VÍCEKANÁLOVÝCH SIGNÁLŮ Robert Háva, Aleš Procházka Vysoká škola chemicko-technologická, Abstrakt Ústav počítačové a řídicí techniky Analýza vícekanálových

Více

Lineární a adaptivní zpracování dat. 9. Modely časových řad II.

Lineární a adaptivní zpracování dat. 9. Modely časových řad II. Lieárí a adaptiví zpracováí dat 9. Modely časových řad II. Daiel Schwarz Ivestice do rozvoje vzděláváí Opakováí K čemu je dobré vytvářet modely procesů geerující časové řady? Dekompozice časový řad: jaké

Více

Lineární a adaptivní zpracovní dat. 4. Lineární filtrace II: FIR, IIR

Lineární a adaptivní zpracovní dat. 4. Lineární filtrace II: FIR, IIR Leárí a adaptví zpracoví dat 4 Leárí fltrace II: FIR, IIR Dael Schwarz Ivestce do rozvoje vzděláváí Opakováí 2 Co je to fltrace? Co je to fltr? A jak ho popsujeme? Jaký je vztah Z trasformace a Fourerovy

Více

VI. Derivace složené funkce.

VI. Derivace složené funkce. VI. Derivace složené funkce. 17. Parciální derivace složené funkce Budeme uvažovat složenou funkci F = f(g, kde některá z jejich součástí může být funkcí více proměnných. Předpokládáme, že uvažujeme funkce,

Více

Základní princip regulace U v ES si ukážeme na definici statických charakteristik zátěže

Základní princip regulace U v ES si ukážeme na definici statických charakteristik zátěže Regulace apětí v ES Základí pricip regulace v ES si ukážeme a defiici statických charakteristik zátěže Je zřejmé, že výko odebíraý spotřebitelem je závislý a frekveci a apětí a přípojicích spotřebitelů.

Více

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ ÚZKOPÁSMOVÉ FILTRY PRO SIGNÁLY EKG FAKULTA ELEKTROTECHNIKY A KOMUNIKAČNÍCH TECHNOLOGIÍ ÚSTAV RADIOELEKTRONIKY

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ ÚZKOPÁSMOVÉ FILTRY PRO SIGNÁLY EKG FAKULTA ELEKTROTECHNIKY A KOMUNIKAČNÍCH TECHNOLOGIÍ ÚSTAV RADIOELEKTRONIKY VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA ELEKTROTECHNIKY A KOMUNIKAČNÍCH TECHNOLOGIÍ ÚSTAV RADIOELEKTRONIKY FACULTY OF ELECTRICAL ENGINEERING AND COMMUNICATION DEPARTMENT OF

Více

VYUŽITÍ VÝPOČETNÍHO SYSTÉMU MATLAB PŘI NEDESTRUKTIVNÍ KONTROLE STAVEBNÍCH MATERIÁLŮ A DÍLCŮ ROZBOREM AKUSTICKÉ ODEZVY GENEROVANÉ MECHANICKÝM IMPULSEM

VYUŽITÍ VÝPOČETNÍHO SYSTÉMU MATLAB PŘI NEDESTRUKTIVNÍ KONTROLE STAVEBNÍCH MATERIÁLŮ A DÍLCŮ ROZBOREM AKUSTICKÉ ODEZVY GENEROVANÉ MECHANICKÝM IMPULSEM VYUŽITÍ VÝPOČETNÍHO SYSTÉMU MATLAB PŘI NEDESTRUKTIVNÍ KONTROLE STAVEBNÍCH MATERIÁLŮ A DÍLCŮ ROZBOREM AKUSTICKÉ ODEZVY GENEROVANÉ MECHANICKÝM IMPULSEM Jaroslav Smutný, Luboš Pazdera Vysoké učení technické

Více

Iterační výpočty projekt č. 2

Iterační výpočty projekt č. 2 Dokumetace k projektu pro předměty IZP a IUS Iteračí výpočty projekt č. 5..007 Autor: Václav Uhlíř, xuhlir04@stud.fit.vutbr.cz Fakulta Iformačích Techologii Vysoké Učeí Techické v Brě Obsah. Úvodí defiice.....

Více

Vlastnosti Fourierovy transformace

Vlastnosti Fourierovy transformace Vlastnosti Fourierovy transformace Linearita Fourierova transformace je lineární (všechny druhy :-) ), je tedy homogenní a aditivní Homogenita: změna amplitudy v časové oblasti způsobí stejnou změnu amplitudy

Více

Analýza a zpracování signálů

Analýza a zpracování signálů Analýza a zpracování ů Digital Signal Processing disciplína, která nám umožňuje nahradit (v případě že nezpracováváme vf y) obvody, dříve složené z rezistorů a kapacitorů, dvěma antialiasingovými filtry,

Více

Obsah. Vybraná témata z Excelu pro techniky 13. Obsah. Úvod 11 Komu je kniha určena 11 Uspořádání knihy 11. Typografická konvence použitá v knize 12

Obsah. Vybraná témata z Excelu pro techniky 13. Obsah. Úvod 11 Komu je kniha určena 11 Uspořádání knihy 11. Typografická konvence použitá v knize 12 Obsah Úvod 11 Komu je kniha určena 11 Uspořádání knihy 11 Typografická konvence použitá v knize 12 1 Vybraná témata z Excelu pro techniky 13 Vzorce a funkce pro techniky 14 Vytvoření jednoduchého vzorce

Více

Střední průmyslová škola elektrotechnická a informačních technologií Brno

Střední průmyslová škola elektrotechnická a informačních technologií Brno Střední průmyslová škola elektrotechnická a informačních technologií Brno Číslo a název projektu: CZ.1.07/1.5.00/34.0521 Investice do vzdělání nesou nejvyšší úrok Autor: Ing. Bohumír Jánoš Tématická sada:

Více

z možností, jak tuto veličinu charakterizovat, je určit součet

z možností, jak tuto veličinu charakterizovat, je určit součet 6 Charakteristiky áhodé veličiy. Nejdůležitější diskrétí a spojitá rozděleí. 6.1. Číselé charakteristiky áhodé veličiy 6.1.1. Středí hodota Uvažujme ejprve diskrétí áhodou veličiu X s rozděleím {x }, {p

Více

1. Nakreslete všechny kostry následujících grafů: nemá žádnou kostru, roven. roven n,

1. Nakreslete všechny kostry následujících grafů: nemá žádnou kostru, roven. roven n, DSM2 Cv 7 Kostry grafů Defiice kostry grafu: Nechť G = V, E je souvislý graf. Kostrou grafu G azýváme každý jeho podgraf, který má stejou možiu vrcholů a je zároveň stromem. 1. Nakreslete všechy kostry

Více

Teoretická elektrotechnika - vybrané statě

Teoretická elektrotechnika - vybrané statě Teoretická elektrotechnika - vybrané statě David Pánek EK 63 panek50@kte.zcu.cz Fakulta elektrotechnická Západočeská univerzita v Plzni September 26, 202 David Pánek EK 63 panek50@kte.zcu.cz Teoretická

Více

APLIKACE ALGORITMŮ ČÍSLICOVÉHO ZPRACOVÁNÍ SIGNÁLŮ 1. DÍL

APLIKACE ALGORITMŮ ČÍSLICOVÉHO ZPRACOVÁNÍ SIGNÁLŮ 1. DÍL David Matoušek, Bohumil Brtník APLIKACE ALGORITMÙ ÈÍSLICOVÉHO ZPRACOVÁNÍ SIGNÁLÙ 1 Praha 2014 David Matoušek, Bohumil Brtník Aplikace algoritmù èíslicového zpracování signálù 1. díl Bez pøedchozího písemného

Více

SIGNÁLY A LINEÁRNÍ SYSTÉMY

SIGNÁLY A LINEÁRNÍ SYSTÉMY SIGNÁLY A LINEÁRNÍ SYSTÉMY prof. Ig. Jiří Holčík, CSc. holcik@i.ui.c @i.ui.c,, Keice 3, 4. ptro, dv.č.44.44 INVESTICE Istitut DO iosttistiky ROZVOJE VZDĚLÁVÁNÍ lý IX. Z TRANSFORMACE SYSTÉMY S DISKRÉTNÍM

Více