Digitální filtrace a signálové procesory

Rozměr: px
Začít zobrazení ze stránky:

Download "Digitální filtrace a signálové procesory"

Transkript

1 Dgtálí fltrace a sgálové procesory Petr Skalcký Praha 995 Teto text byl uvolě pouze pro potřeby studetů v předmětech KN a ASP a katedře Radoelektroky ČVUT v Praze pro rok jako doplňující lteratura. Text bez souhlasu autora esmí být kopírová a v elektrocké a tštěé podobě pro jé účely ež jsou výše uvedey. P.Skalcký - -

2 P.Skalcký- Dgtálí fltrace a sgálové procesory Praha - /995 Obsah Úvod.... Spojté a dskrétí sgály Impulzí sgál Dskrétí sgál...6. Dskrétí soustava Základí vlastost dskrétí soustavy Odezva dskrétí soustavy Stablta soustavy Kmtočtová charakterstka dskrétí soustavy Z - trasformace Základí vlastost Z-trasformace Zpětá Z-trasformace Použtí Z-trasformace k popsu dskrétí soustavy Geometrcká terpretace H(jω) Odezva dskrétí soustavy a áhodé sgály Základí vyjádřeí přeosové fukce Dskrétí soustavy s ekoečou mpulzí odezvou Dskrétí soustavy s koečou mpulzí odezvou Vlv kvatováí koefcetů a vlastost struktury Návrh číslcových fltrů s ekoečou mpulzí odezvou Trasformace dferecálů Impulzě varačí trasformace Bleárí trasformace Počítačový ávrh fltrů NIO etoda ejmeších čtverců Iverzí ávrh metodou ejmeších čtverců Kmtočtová trasformace fltrů typu dolí propust s NIO Návrh fltrů s koečou mpulzí odezvou - KIO etoda Fourerových řad Návrh fltrů užtím oke Návrh fltru pomocí kmtočtového vzorkováí Fltry KIO vyjádřeé trgoometrckým polyomem Vlvy koečé délky slova v dgtálím zpracováí sgálů

3 P.Skalcký- Dgtálí fltrace a sgálové procesory Praha - / Zobrazeí čísel Čísla s pevou řádovou čárkou Vyjádřeí čísel kladých a záporých Vyjádřeí čísel s pohyblvou řádovou čárkou Kvatováí a přetečeí čísel Kvatováí ořízutím čísla Přetečeí Kvatováí výsledků artmetckých operací Nulový lmtí cyklus ve fltrech NIO Statstcká aalýza kvatováí ve fltrech NIO Statstcká aalýza pro realzace fltrů NIO s artmetkou s pohyblvou čárkou Vlv koečé délky regstrů ve fltrech KIO Prostředky číslcového zpracováí sgálů Použtí uverzálích obvodů k číslcovému zpracováí Specálí obvody s paralelí archtekturou Sgálové procesory Vývoj sgálových procesorů Sgálové procesory Texas Istrumets Sgálový procesor TS3C5x Cetrálí artmetcko-logcká jedotka CAU Paralelí logcká jedotka PU Způsoby adresováí Pomocé regstry Stavové a řídící regstry Překrýváí strukcí - Ppele Řízeí a geerováí programové adresy Přerušovací systém Nulováí CPU Čítač opakováí Blokové operace Paměťové přesuy Časovač Pamět Programová paměť Zaváděcí program okálí datová paměť

4 P.Skalcký- Dgtálí fltrace a sgálové procesory Praha - / Přímý přístup do pamět Globálí paměť Vstupě/výstupí prostor Programovatelý geerátor čekacích stavů ódy se sížeou spotřebou Sérové bráy Časově přepíaá sérová bráa Istrukčí soubor TS3C5x Programováí sgálových procesorů Vývojové prostředky Příklady aplkačích programů...73 Dodatek A...85 Dodatek B...97 Dodatek C...99 C.. Ampltudově oretovaý ávrh... C.. Fázově oretovaý ávrh...4 Dodatek D...7 teratura... - v -

5 Úvod Rozvoj mkroelektroky, který začal okolo roku 96, umožl využtí číslcové techky eje v oblast výpočetí techky, ale v ostatích techckých oborech. Číslcové zpracováí sgálů, které má své základy v matematce 8. století, v současost hluboce proklo a stále tezvě proká do ejrůzějších oborů ldské čost. Přechod od aalogového přeosu, zpracováí a vyhodoceí formací k číslcovému je eje způsobe zvýšeým ároky a parametry zařízeí, ale techologckým rozvojem součástkové základy a vývojem ových ávrhových postupů. Z oblastí, ve kterých dochází k ejvětšímu rozvoj číslcového zpracováí jmeujme zejméa telekomukace, radotechku, řídící, měřící a automatzačí techku, bomedcíu a spotřebí elektroku. Vlastostí aalogového sgálu je je relatví přesost, která se př jeho zkresleí projeví určtou ztrátou přeášeé formace. Naprot tomu u číslcového (dvojkového) sgálu, kdy přeášeý sgál je vyjádře posloupostí čísel, př velkém zkresleí edochází ke ztrátě formace, pokud spolehlvě rozlšujeme obě dskrétí úrově sgálu. Reprezetace fyzkálích velč dskrétím číslcovým sgály dovoluje př zpracováí používat eje postupy modelující chováí reálých fyzkálích soustav, ale metody ryze matematcké, optmalzačí, statstcké, atd. Chováí soustav je pak možé modelovat a počítač ebo přímo realzovat číslcovým fltrem, sgálový procesorem, fourerovským procesorem, atd., které pracují v reálém čase. Skrpta jsou určea pro studety 4. ročíku, kteří se sezáml se základím vlastostm sgálů a soustav a se základy číslcové a mpulzové techky v rozsahu [3] a []. Skrpta přáší krátké sezámeí s jevy a problémy spojeým s přechodem od aalogového sgálu k sgálu číslcovému. Potom je pozorost věováa vlastostem dskrétí soustavy jako je stablta, kmtočtová charakterstka až po prostředky usadňující její pops a aalýzu (Z-trasformace). V dalších kaptolách jsou popsáy struktury číslcových fltrů s ekoečou koečou mpulzovou charakterstkou včetě ávrhových metod utých k jejch použtí a zhodoceí jejch vlastostí. Nakoec je pozorost věováa problémům číslcového zpracováí a fltrace souvsejícím s jejch realzací artmetkou s pevou ebo pohyblvou řádovou čárkou. Druhá část skrpta je, po sezámeí s prostředky k realzac fltrů jých obvodů číslcového zpracováí, věováa sgálovým procesorům jako ceově ejpřístupějšímu prostředku k realzac číslcového zpracováí sgálů. Na popsu ejovějšího vysoce výkoého procesoru frmy Texas Istrumets TS3C5x se čteář sezámí s odlšostm sgálových procesorů od procesorů uversálích, s ávrhem jejch obvodového zapojeí s prostředky a způsobem realzace jejch programového vybaveí. Děkuj všem svým spolupracovíkům z katedry radoelektroky, zejméa doc.ig. Jřímu Podlešákov, CSc za ceé přpomíky př sestaveí této pomůcky a dále Ig. Borsov Šmákov, CSc z katedry telekomukačí techky za zpřístupěí ejovější lteratury a programového vybaveí frmy Texas Istrumets zapůjčeého elektrotechcké fakultě ČVUT. - -

6 . Spojté a dskrétí sgály Sgálem ozačujeme měřtelou fyzkálí velču, která zprostředkovává přeos, zpracováí ebo vyhodoceí formace. K tomu, aby bylo možé sgál zpracovávat v dskrétí (číslcové) soustavě je potřeba jej převést a sgál mpulzový ebo číslcový. O změách ve vlastostech převáděého sgálu se yí krátce zmííme. Aalogový (spojtý) sgál obr.. je reprezetová a ohračeém časovém tervalu spojtou fukcí času. Jedá se o sgál, který je relatvě přesý, protože umožňuje zazameat lbovolě malé změy. Jeho evýhoda spočívá v tom, že jakékolv jeho zkresleí přáší určtou ztrátu přeášeé formace. Přeos takového sgálu zarušeým prostředím je problémový, e-l přímo emožý. Prvím krokem v přechodu od aalogového sgálu a sgál číslcový je jeho kvatováí. Př kvatováí sgálu rozdělíme jeho dyamcký rozsah do daého počtu úroví a podle zvoleého pravdla mu přřadíme jedotlvé úrově a získáme tak kvatovaý sgál obr... Přřazeím úroví vytvoříme chybu (kvatováí), která je dáa způsobem přřazeí kvatovacích úroví a bude se pohybovat v tervalu (x - x/, x + x/> pro zaokrouhleí a <, x) pro ořezáváí (omezováí). Přeášíme-l pak úroveň sgálu apříklad bárím číslem, edojde ke zkresleí formace do té doby, dokud budeme bezpečě rozlšovat hodoty jedotlvých logckých ul a jedček. Kvatováím zavádíme do sgálu určté zkresleí, které je ozačováo jako kvatovací šum. Pro středí hodotu chyby způsobeé kvatováím sado odvodíme x + x/ [ k] ( ) () () E x x p x dx p x kostata x x/ (-) V případě, že by kvatováí bylo prováděo ořezáváím, byla by středí hodota kvatováí rova polově kvatovacího kroku ( E k 5, x). Větší výzam má však rozptyl chyby kvatováí, který umožňuje kvattatvě staovt zkresleí sgálu způsobeé kvatováím. Pro rozptyl odvodíme x + x/ D[ ] ( x x ) p( x) k dx. p( x ). x x x/ 3 (-) Souč p(x ). x určuje pravděpodobost výskytu velčy x v tervalu ( x x/ ; x+ x/ >. Pro celý dyamcký rozsah velčy x pak sado odvodíme N D[ k] e. x. p( x). x. x σ (-3) - 3 -

7 P.Skalcký- Dgtálí fltrace a sgálové procesory Praha - /995 f (t) f (t) k t x t Obr.. Spojtý sgál Obr.. Kvatovaý sgál Kvatováí yí můžeme chápat jako proces, př kterém k původímu sgálu přčteme šumový sgál a způsobíme jeho zkresleí. Velčou, která ám umožňuje posoudt velkost tohoto zkresleí, je poměr výkou sgálu k výkou šumu. Pro poměr sgál-šum S/N můžeme psát S N σ σ x x b σe /... σ (-4) b x kde σ x je rozptyl vstupího sgálu x a b je počet btů. Vypočteme-l logartmus tohoto poměru získáme teto vztah S/ N.log( σx / σe ) 6,.b +,79 + log( σ x ) (-5) Ze vztahu (-5) je jasé, že poměr S/N se zvětšuje přblžě o 6dB a každý přdaý bt kvatováí. Z výrazu je však zřejmé, že poměr závsí též a velkost vstupího sgálu A.x(t) a prudce se sžuje se sížeím jeho ampltudy s hodotou log (A). Proto se v aplkacích sažíme maxmálě využít celého dyamckého rozsahu a vystavujeme se tak ebezpečí jeho překročeí př ojeděle velké hodotě. Exstuje řada sgálů jako je řeč ebo hudba, které mohou být považováy za áhodý proces. Obecě lze takové sgály charakterzovat rozděleím hustoty pravděpodobost s maxmálí hodotou v okolí uly a s prudkým poklesem pro zvětšující se ampltudu sgálu. V takových případech pravděpodobost ampltudy rové 3 až 4 ásobku středí kvadratcké hodoty σ x je velm malá. Položíme-l A rové /4σ x, potom s velkou pravděpodobostí se ebudou vyskytovat vzorky přesahující dyamcký rozsah. Pro poměr S/N pak můžeme psát S/ N 6.b -,4 db (-6) Například pro poměr sgál k šumu S/N 8dB musíme ke kvatováí sgálu použít alespoň 4 btů

8 P.Skalcký- Dgtálí fltrace a sgálové procesory Praha - /995.. Impulzí sgál f *(t) Provedeme-l dskretzac sgálu v čase zameá to, že vybereme vzorky sgálu s určtou perodou opakováí T. Potom se musíme zajímat o * spektrum ově vytvořeé velčy f (t) a jeho sou- f (t) vslost se spektrem původího sgálu f(t). Omezíme se pouze a případ deálího vzorkováí, kdy vzorkujeme pomocí δ fukce (šířka vzorkovacích mpulzů -> ) obr..3. Použtím vzorkovací vlastost δ fukce -T T Obr..3 Impulzí sgál T 3T 4T 5T 6T 7T 8T t ( ). δ( ) ( ). δ( ) f x x x f x x x o o o * můžeme získat vztah, mez původím sgálem f(t) a vzorkovaou posloupostí f (t) (-7) * f ( t) f ( kt). δ( t kt) f ( t). δ( t kt) k * Pro spektrum fukce f () t pak můžeme psát k (-8) kde ( ω) { (). ()}. ( ω) * [ ()] * F j F f t v t F j F v t π (-9) vt () δ ( t kt) k (-) Spektrum fukce v(t), která je perodcká, odvodíme za pomoc Fourerovy řady, pro kterou můžeme psát jωot () c e δ () vt k. kde c. t e T. T jωot dt (-) Z výrazu pro c sado zjstíme, že všechy koefcety c jsou rovy hodotě /T. Pro Fourerův obraz fukce v(t) pak můžeme psát Fvt [ ()] [ ] ( ) ( ) T. F e jω t o T. p. π δ ω ω T.. o δ ω ωo k Pro spektrum vzorkovaé velčy pak jž sado odvodíme (-) F * ( j ). F( j ) * F[ v() t ] ( ) ( ) ( ) T. F j *. ω ω ω δ ω ωo F j j o π T. ω. ω (-3) Ze vztahu vyplývá, že spektrum vzorkovaé velčy získáme jako součet spekter původího sgálu vůč sobě posuutých o ásobky vzorkovacího kmtočtu ω o π/t obr

9 P.Skalcký- Dgtálí fltrace a sgálové procesory Praha - /995 F(j ω) ω F *(j ω) π/t π/t Dskrétí (číslcový) sgál získáme kvatováím hodot vzorkovaého (mpulzího) sgálu. Jedotlvé vzorky sgálu jsou pak vyjádřey b-btovým čísly a jejch další zpracováí probíhá v číslcových artmetckých obvodech, v uverzálích ebo specálích mkroprocesoω Obr..4 Spektrum aalogového a mpulzího sgálu * Ze vztahu (-3) vyplývá, že F ( jω ) je vždy perodcká fukce s perodou π/t jak ukazuje obr..4. V obecém případě se jedotlvé fukce F( jω ) překrývají. Bude-l vzorkovaý sgál mít kmtočtově omezeé spektrum, pro které platí Fjω ( ) pro ω ω a zároveň bude-l vzorkovací kmtočet splňovat podmíku regulárího vzorkováí π/t> ω, pak je možé sgál f(t) rekostruovat zpět ze vzorkovaého sgálu. Př rekostrukc vycházíme z předpokladu, že ze * spektra F ( jω ) vybereme jeom jedo spektrum Fjω ( ) pomocí deálí dolí propust s šířkou pásma daou vztahem ω π/t. V časové oblast odpovídá souču spekter kovolučí souč vzorkovaého sgálu s mpulzí odezvou dolí propust daé vztahem ( ) ( ) s π t / T t T f () t * f ( T) ( t. T) f ( T) ( t. T) * s π δ δ / π t / T πt / T (-4) Užtím vzorkovací vlastost δ fukce můžeme získat výraz pro rekostruovaý spojtý sgál f(t) ve tvaru ( ) ( t T) T f () t f ( T). s π. / π( t. T) / T (-5) Z výrazu je zřejmé, že původí sgál f(t) můžeme získat jako ekoečý součet fukcí s(x)/x s tím, že -tý pulz s(x)/x je posuut o T a vyásobe hodotou f(t). Pokud použjeme k vzorkováí reálý obvod, bude šířka vzorkovacích mpulzů koečá, což se projeví v poklesu ampltud ekoečé řady spekter z obr..4 závslost a vzdáleost od hlavího spektra... Dskrétí sgál - 6 -

10 P.Skalcký- Dgtálí fltrace a sgálové procesory Praha - /995 rech. Teore dskrétích soustav se zabývá zpracováím dskrétích sgálů, které jsou reprezetováy posloupostm čísel. Pro posloupost x, mající -tý čle vyjádře x, lze formálě psát { } x (-6) x kde - < x<. Ze studa spojtých sgálů víme, že zvláští výzam mají sgály ozačovaé jako jedotkový mpulz, jedotkový skok, harmocký sgál. Tyto sgály mají začý výzam v teor dskrétích sgálů a proto s je popšme. -T f f (t) T T 3T 4T 5T 6T 7T 8T Obr..5 Dskrétí sgál x t. Jedotkový mpulz δ je defová takto δ pro (-7) δ pro Sgál δ plí stejou fukc v dskrétích systémech jako Dracův mpulz v systémech spojtých.. Jedotkový skok u je defová jako u pro (-8) u pro Jedotkový skok lze defovat pomocí jedotkového mpulzu vztahem δ + δ +! +! δ u k k Obdobě lze pro jedotkový mpulz psát δ u u. (-9) 3. Reálá expoecálí posloupost je defováa výrazem a, kde a je reálé číslo. 4. Susová posloupost je defováa vztahem A.cos( ωt + ϕ) x Obr..6 Posloupost složeá ze čtyř vzorků defovaá výrazem α. x { α. } jestlže je dáa vztahem y x Posloupost x je defovaá jako perodcká s perodou N, jestlže x N x + pro všecha. Výše uvedeé defc emusí apříklad vyhovovat susová posloupost, pokud kπ/ ωt evytváří celočíselý podíl. Posloupost ásobeá hodotou α je a posloupost y je zpožděá (posuutá) o hodotu o, x. o - 7 -

11 P.Skalcký- Dgtálí fltrace a sgálové procesory Praha - /995 bovolou sekvec yí můžeme vyjádřt jako součet zpožděých jedotkových mpulzů, které jsou vyásobey příslušou ampltudou sgálu. Pro sekvec z obr..6 můžeme psát { } ebo obecým výrazem x x x. δ + x. δ + x. δ + x. δ (-) { } x x x.δ k k k (-) Vyjádřeí dskrétího sgálu jako posloupost zpožděých jedotkových mpulzů ám pozděj umoží defovat odezvy dskrétí soustavy a lbovolý vstupí sgál

12 P.Skalcký- Dgtálí fltrace a sgálové procesory Praha - /995. Dskrétí soustava Dskrétí soustavou rozumíme dyamcký systém, který převádí vstupí posloupost x a výstupí posloupost y. To můžeme matematcky vyjádřt vztahem y D x (-) kde x a y je vstupí a výstupí posloupost tvořeá mpulzím sgálem ebo sgálem dskrétím (číslcovým), které mají avíc kvatovaou ampltudu vyjádřeou b bty (b vodč). x DS y Obr.. Dskrétí soustava.. Základí vlastost dskrétí soustavy á-l soustava a vstupí sgál a x odezvu a y a a a x odezvu a y, pak soustava je leárí, jestlže a vstupí sgál ax + ax má odezvu ay + ay. ay + ay Dax + ax (-) á-l soustava a sgál x odezvu y, pak soustava je stacoárí, má-l posuutý sgál x -o odezvu y -o y D x (-3) - o - o Jým slovy soustava je stacoárí, jestlže a daý sgál má odezvu ezávslou v čase. á-l soustava a vstupí sgál x pro < o a lbovolý sgál pro > o odezvu y, pak soustava je kauzálí, jestlže odezva y pro < o. To zameá, že odezva a sgál zače až po příchodu vstupího sgálu. Kauzálí soustava je fyzkálě realzovatelá.... Odezva dskrétí soustavy. Odezvu dskrétí soustavy lze defovat aalogcky jako u leárích obvodů pomocí mpulzí odezvy. V předcházející část jsme defoval vstupí posloupost jako součet zpožděých mpulzů s příslušou ampltudou. Budeme-l předpokládat, že soustava je leárí a stacoárí, potom můžeme odezvu soustavy vytvořt jako superpozc mpulzích odezev systému a posuuté jedotkové pulzy s daou ampltudou takto y D x. δ D[ x. δ ] x. h h. x x * h (-4) - 9 -

13 P.Skalcký- Dgtálí fltrace a sgálové procesory Praha - /995 δ h x δ x δ h x δ - x δ - x DS y h x δ - x δ y x Obr.. Vytvářeí odezvy dskrétí soustavy 5 6 kde h D δ je mpulzí odezva soustavy a jedotkový mpulz δ. Odezva h je odezvou a posuutý jedotkový mpulz δ. Za předpokladu, že záme mpulzí odezvu soustavy, můžeme staovt odezvu y a lbovolý vstupí sgál. Grafcké zázorěí vztahu (-4) je zobrazeo a obr... Odvozeý vztah, který je aalogí kovolučího tegrálu u aalogových obvodů, představuje dskrétí kovoluc vstupího sgálu s mpulzí odezvou. Z odvozeého vztahu - -

14 P.Skalcký- Dgtálí fltrace a sgálové procesory Praha - /995 zjstíme, že dvě sérově zapojeé leárí dskrétí soustavy mají výsledou mpulzí odezvu daou vztahem hvýs h *h. Paralelě zapojeé dskrétí soustavy mají výsledou mpulzí odezvu daou součtem jedotlvých odezev hvýs h +h obr..3. x h y h x y h *h x h y x h +h y h Obr..3 Impulzí odezvy sérově a paralelě zapojeých dskrétích soustav... Stablta soustavy. Odvoďme yí absolutí krtérum stablty dskrétí soustavy. Toto krtérum ám určuje pouze teoretcké předpoklady stablty soustavy a ezaručuje ám ještě, že soustava realzovaá omezeou délkou vtřích regstrů a ásobících koefcetů se zaokrouhlováím výsledků bude stablí. Otázky vlvu omezeé délky vtřích regstrů a koefcetů budou probráy pozděj. Předpokládejme, že dskrétí soustava bude stablí tehdy, když a omezeý vstupí sgál x <C bude odezva omezeá y <. Př odvozeí budeme vycházet ze vztahu pro odezvu dskrétí soustavy a vstupí sgál y h. x < (-5) Protože absolutí hodota součtu eí větší ež součet absolutích hodot jedotlvých složek, můžeme rovc přepsat jako erovost y h. x < (-6) Nyí dosadíme za omezeý vstupí sgál maxmálí možou hodotu pro všechy vstupí vzorky y C. h < (-7) Z rovce je jž zřejmé, že soustava je stablí, jestlže suma absolutích hodot posloupost mpulzí odezvy bude koečá h < (-8) - -

15 P.Skalcký- Dgtálí fltrace a sgálové procesory Praha - /995 Odvozeý vztah je podmíkou utou a postačující pro zaručeí stablty dskrétího systému...3. Kmtočtová charakterstka dskrétí soustavy. Kmtočtová charakterstka se defuje jako hodota fázoru (ampltuda, fáze) ustáleé j T odezvy soustavy a harmocký sgál. ějme vstupí sgál x e ω pro (, ), který vzke regulárím vzorkováím sgálu e jω t. Po dosazeí harmockého sgálu do vztahu pro odezvu dskrétí soustavy můžeme psát ( ) T j T j T ( ω) j y h. e e. h. e H j. e ω ω ω jωt (-9) Odezva a harmocký sgál vzklý regulárím vzorkováím je tvořea harmockým sgálem o stejém kmtočtu s komplexí ampltudou určeou vztahem ( ω) H j h. e jω T (-) Vztah popsuje závslost mez mpulzí odezvou dskrétí soustavy a jeho kmtočtovou Hjω H jω j.h jω H j ω,h jω je reálá a magárí část charakterstkou ( ) R( ) + I( ), kde R( ) I( ) ( ) kmtočtové charakterstky. Tu můžeme vyjádřt v expoecálím vyjádřeí Hj ( ω).e j.argh j V ěkterých aplkacích je klade zvláští důraz a skupové zpožděí, které vypočteme ze vztahu τ ( ωo ) ( dϕ / dω) ω. Dosaďme yí do vztahu pro kmtočtovou charakterstku za hodotu ω hodotu ω ω+πk/ T. Potom můžeme o, psát, j( ω+ πk/ T) T jωt j πk H( jω ) h. e h. e. e H( jω) Z odvozeí vyplývá, že kmtočtová charakterstka H( jω) H( jω j π T) (-) + / dskrétí soustavy je perodcká fukce s perodou π T a můžeme j vyjadřovat ampltudovou charakterstkou H( jω ), fázovou charakterstkou arg H( jω ). Protože fukce H( jω ) je fukcí perodckou, lze j vyjádřt Fourerovou řadou. Koefcety jsou rovy hodotám mpulzí odezvy h, pro které můžeme psát h π / T T jω T. H( jω). e dω π π / T (-) Tato okolost vede a jedu z možých metod určeí mpulzí odezvy fltru se zadaou přeosovou charakterstkou Hjω ( ). Nevýhodou metody je však to, že často vede k fltru, který eí přímo fyzkálě realzovatelý... Z - trasformace Jedím z velm důležtých ástrojů pro reprezetac a mapulac s časovým dskrétím posloupostm - řadam je Z-trasformace, kterou můžeme považovat za zevšeobecěí Fourerovy trasformace pro dskrétí sgály a soustavy. Z-trasformace má pro tyto sgály obdobý ω. - -

16 P.Skalcký- Dgtálí fltrace a sgálové procesory Praha - /995 výzam jako Fourerova a aplaceova trasformace pro spojté sgály a soustavy. Z-trasformace posloupost { x } je defováa výrazem { } ( ) Z x X z x. z (-3) kde z je komplexí proměá. V ěkterých případech je užtečé vyjadřovat Z- trasformac jako jedostraou, u které ve srováí s trasformací dvoustraou ( -3 ) začíá sumace dexem. Pro ěkteré posloupost x pro <, je jedostraá dvoustraá trasformace shodá. Vyjádříme-l komplexí proměou z v polárích souřadcích z r.e jωt a dosadíme do vztahu pro Z-trasformac posloupost x, můžeme psát ω ω jωt j T j T ( ) [ ] Xre. x. re. xr.. e (-4) Na základě vztahu (-4) můžeme Z-trasformac terpretovat jako Fourerovu trasformac posloupost x vyásobeé expoecálí posloupostí r. Pro poloměr r ze vztahu (-4) vyplývá, že Z-trasformace a jedotkové kružc ( z) je shodá s Fourerovou trasformací. Obdobě jako u Fourerovy trasformace ekoverguje Z-trasformace pro všechy posloupost ebo pro všechy hodoty z. Pro daou posloupost lze alézt hodoty z pro, které Z-trasformace koverguje ( oblast kovergece ). Vyjdeme-l z faktu, že Fourerova trasformace je kovergetí pro sgály, jejchž absolutí hodoty vytváří kovergetí řadu, musí ásledující řada být absolutě kovergetí. x. r < (-5) Reálá expoecála ve vztahu ( -5) vždy zajstí pro ějakou hodotu R x kovergec řady. Potom hodotu R x, př které dochází ke kovergec řady azýváme poloměrem kovergece. Obecě astávají čtyř případy řad, pro které lze staovt obor kovergece:. Koečá posloupost má pouze koečý počet eulových hodot X() z x. z (-6) kde a jsou koečé hodoty. Pro zajštěí kovergece je třeba, aby hodota z př součtu koečého součtu prvků ležela v tervalu < z <.. Pravostraá posloupost mající eulové hodoty pro > X() z x. z má oblast kovergece vě kružce s poloměrem R x tj. pro z>r x. (-7) - 3 -

17 P.Skalcký- Dgtálí fltrace a sgálové procesory Praha - / evostraá posloupost, která má eulové hodoty pouze pro <, má oblast kovergece uvtř kružce s poloměrem R x tj. pro z<r x. 4. Oboustraá posloupost se dá rozdělt a posloupost pravostraou a levostraou. V průku oborů (oblastí) kovergece, koverguje oboustraá posloupost [4]. Nyí s odvodíme obrazy Z-trasformace ěkterých základích posloupostí (sgálů), se kterým budeme dále pracovat.. Sgál shodý s jedotkovým mpulzem x δ má obraz X(z).. Sgál shodý s jedotkovým skokem x u má obraz daý výrazem, který získáme po vyčísleí součtu ekoečé geometrcké řady X( z) z (-8) z 3. Expoecálí sgál defovaý vztahem x c pro a x pro < má obraz daý rovcí ( ) X z c z cz (-9)... Základí vlastost Z-trasformace Řadu základích vlastostí Z-trasformace lze odvodt přímo z defčího vztahu a větša z ch má podobu v aplaceově a Fourerově trasformac. Uvedeme pouze čtyř ze základích vlastostí, které se uplatňují př popsu chováí dskrétích soustav. Nechť { x }, { y }, { } h jsou časové posloupost (řady), X(z), Y(z), H(z) jejch Z-trasformace, a, b - kostaty a k - ějaké celé číslo. Potom pro vlastost Z-trasformace můžeme psát. earta Z( a.x +b.y ) a.x( z ) +b.y( z) -k. Věta o posuu Zx ( ) z.xz ( ) Věta o útlumu Za (.x ) Xa (.z) 4. Kovoluce -k Z{ y} Z x. h x. h. z x. h. z Zavedeím substtuce m -, můžeme psát m x h z z Y( z) X( z) H( z). m... m (-) (-) - 4 -

18 P.Skalcký- Dgtálí fltrace a sgálové procesory Praha - / Zpětá Z-trasformace Zpětá Z-trasformace začí postup alezeí předmětu (sgálu) k daému obrazu X(z) a je defová vztahem x j X() z z dz π.. (-) c kde c je uzavřeá křvka v rově z obepíající sgulárí body. K výpočtu tohoto tegrálu se obvykle používají jedodušší postupy jako je: a) Výpočet pomocí rezduí [ () ] x resduí X z. z uvtř křvky c (-3) b) Rozvojem a parcálí zlomky pro < () X z ( z z ) A.. ( p. z ) kde α /( p. z ) fukce z rovce (-4) pak můžeme vyjádřt vztahem α p. z (-4) je obrazem sgálu α.p ( ). Zpětou trasformac racoálě lomeé x c) Dlouhé děleí α.( p ) pro, a x pro < (-5) X() z + a. z b. z (-6) Dlouhým děleím jmeovatele čtatelem v rovc (-6) rozvíjíme X(z) v ekoečou mocou řadu z. d) Rozvoj v mocou řadu. e) Nalezeí odpovídajícího sgálu ve slovíku Z-trasformace. Příklad. Rozveďte v mocou řadu /(,5.z ). ( ) : -,5.z +,5.z +,5.z +,5.z ,5.z,5.z - - 5,. z + 5,. z (-7) - 5 -

19 P.Skalcký- Dgtálí fltrace a sgálové procesory Praha - /995 Odtud x pro < a pro x ;,5;,5;,5; atd. tj. x (,5)...3. Použtí Z-trasformace k popsu dskrétí soustavy Pomocí Fourerovy trasformace můžeme staovt kmtočtovou charakterstku dskrétí soustavy ebo kmtočtové vlastost výstupího sgálu dskrétí soustavy. Přesto ám Fourerova trasformace edává takové možost, jako Z-trasformace. Předpokládejme, že máme kauzálí dskrétí soustavu, pro její odezvu a vstupí sgál x můžeme psát y h. x h* x (-8) Na základě věty o kovoluc (-) jsou obrazy sgálů X(z), Y(z) a H(z) svázáy vztahem Y(z) X(z).H(z). Fukce H(z), kterou získáme Z-trasformací mpulzí odezvy, a která je dáa podílem obrazu výstupí posloupost k obrazu vstupí posloupost, se azývá systémová fukce a je dáa vztahem Yz () Hz ( ) Zh { } h. z (-9) X() z Porováme-l vztahy pro kmtočtovou charakterstku H(jω) (-) a systémovou fukc H(z) (-9) zjstíme H(jω) H(z), jestlže budeme za z substtuovat z e jω T. To zameá, že systémová fukce vyjadřuje a jedotkové kružc z kmtočtovou charakterstku dskrétí soustavy. Tato okolost byla jž zřejmá z popsu vztahu Z-trasformace s Fourerovou trasformací. Na tomto místě je vhodé poukázat a to, že v lteratuře [] se ve výrazech často eobjevuje hodota perody vzorkováí T. Toho lze dosáhout zavedeím ormalzace, př které položíme T. Z ormovaého kruhového kmtočtu ω' ( jeho rozměr je [rad]) a zámé hodoty T [s] vypočteme skutečý kruhový kmtočet ω ω'/t [rad/s]. Předpokládejme, že máme leárí systém s kostatím koefcety, potom můžeme systémovou fukc vyjádřt racoálě lomeou fukcí. ( z z ) a. z A.. Yz ( ) Hz ( ) X( z) b. z ( p. z ) (-3) kde A ao bo, z jsou uly a p póly racoálě lomeé fukce. Upravíme-l vztah (-3) do tvaru Yz ( ). b. z Xz ( ). a. z (-3) můžeme pomocí zpěté Z-trasformace a věty o leartě a posuu, vyjádřt dskrétí soustavu pomocí této dferečí rovce (b o ) - 6 -

20 P.Skalcký- Dgtálí fltrace a sgálové procesory Praha - /995 y a. x b. y (-3) Z tvaru dferečí rovce vyplývá, že dskrétí soustava v pamět uchovává starší vzorky vstupího výstupího (odezvy) sgálu. Prví suma rovce ( -3 ) představuje tzv. klouzavý průměr ( váhovaý průměr), který eovlvňuje stabltu soustavy. Druhá část rovce ( -3 ) představuje tzv. autoregresí čle, který udává rychlost odezvy a její charakter zakáí. Teto čle rozhoduje o stabltě soustavy..3. Geometrcká terpretace H(jω) Předpokládejme, že systémová fukce je ve tvaru racoálě lomeé fukce vyjádřea součem ul z a pólů p takto () Hz () () ( z z ) A.. Yz X z ( p. z ) (-33) Dosadíme-l do systémové fukce za z e jωt můžeme pro kmtočtovou charakterstku psát ásledující výraz jω T ( ω) H( e ) H j jω T ( z e ) A.. jω T ( p. e ) jω ( ). T Ae.. Ampltudovou charakterstku potom můžeme vyjádřt takto jω T ( e z ) jω T ( e p ) (-34) ( ω) H j A.. jω T ( e z ) jω T ( e p )..!. r. r.!. r (-35) kde,,!, jsou vzdáleost mez bodem a jedotkové kružc určeém hodotou ωt a ulam přeosové fukce a r, r,!, jsou vzdáleost mez bodem a kružc a póly přeosové fukce. Pro fázovou charakterstku sado ze vztahu ( -34 ) odvodíme r jωt jωt ( ω) ( ) ( ) ( ) + + arg H j arg e z arg e p arg A. ω. T (-36) Příklad. Odhaděte průběh kmtočtové charakterstky fltru se systémovou fukcí H(z) z /(z-,7).(z-,9). U systémové fukce ejprve vyásobíme čtatele jmeovatele hodotou z fukc do tohoto tvaru a rozepíšeme - 7 -

21 P.Skalcký- Dgtálí fltrace a sgálové procesory Praha - /995 Hz ( ) ( z. z )(. z. z ) ( p. z )(. p. z ) (. z )(.. z ) ( 7,. z )(. 9,. z ) (-37) ω r r z, p p Obr..4 Geometrcká terpretace vztahu (-35) Systémová fukce, jak vyplývá ze vztahu (-37) má dvojásobou ulu v ule ( z z ) a dva reálé póly v bodech p,7 a p,9. Pro odhad kmtočtové charakterstky využjeme vztahu (-35), který v ašem případě bude dá vztahem (vz.vz )/(vp.vp ), kde vz jsou vzdáleost ul od bodu ωt a jedotkové kružc a vp jsou vzdáleost pólů od tohoto bodu. Na základě zalostí z aalytcké geometre potom můžeme pro ampltudu kmtočtové charakterstky H(jω) odvodt teto výraz ( ω) H j [( cos ωt 7, ) + ( s ωt) ]. ( cos ωt 9, ) + ( sωt) [ ] (-38).4. Odezva dskrétí soustavy a áhodé sgály Pro odvozeí základích vlastostí předpokládejme, že dskrétí soustava je stablí a vstupí sgál je omezeý, stacoárí, se středí hodotou µ x a autokorelačí fukcí R ( m) Pro středí hodotu a výstupu dskrétí soustavy sado odvodíme µ y Ey [ ] E h x hex [ ] µ x h.. (-39) xx. Záme-l přeosovou fukc H(jω) dskrétí soustavy, potom můžeme pro středí hodotu a výstupu soustavy použít výraz ( ) µ H j. µ (-4) y Pro autokorelačí fukc a výstupu soustavy můžeme odvodt teto výraz Ryy (, + m) E[ y. y m] E h. hk. x. x m k + + k h. hk. E x. x+ m k k x (-4) Je-l x stacoárí, pak Ex.x+ m k závsí pouze a hodotě m-k+ a středí hodota představuje autokorelačí fukc vstupího sgálu. Zaveďme substtuc - k do rovce (-4). kde R ( m) R ( m ) h. h R ( m ) v( ) yy xx xx (-4) - 8 -

22 P.Skalcký- Dgtálí fltrace a sgálové procesory Praha - /995 v ( ) h. h je tzv. aperodcká autokorelačí posloupost (autokorelačí fukce mpulzí odezvy). Pro vzájemou korelačí fukc mez vstupem a výstupem systému je možé psát Rxy m E y y m E x h x m h R m k ( ) [. ] ( ) xx (-43) (-44) Ze vztahu je zřejmé, že vzájemá korelace vstupu a výstupu systému odpovídá kovoluc mpulzí odezvy s autokorelačí fukcí vstupího sgálu. Bude-l mít vstupí sgál autokorelačí fukc bílého šumu (eulovou pouze v ule), pak vztah defuje jedo z možých měřeí mpulzí odezvy soustavy. Příklad.3 Odvoďte výraz pro rozptyl výstupích hodot číslcového fltru, a jehož vstup přchází ezávslé vzorky vstupího sgálu. Př odvozeí rozptylu výstupích hodot ejprve vyjdeme z defčího vztahu, který upravíme a rozdíl středí hodoty kvadrátu velčy y míus kvadrát středí hodoty Dy [ ] E h x Ey [ ] E h x E [ y ] (-45).. Pro středí hodotu kvadrátu velčy y můžeme dál psát E h. x E h. x hk. x k hhk. E[ x. x k] k k h h R ( k) k. xx k kde R ( k) xx σ x + E [ x ] pro k a R ( ) xx k E [ x ] rozptyl a výstupu fltru můžeme psát závěrečý vztah (-46) pro k. Odtud pro Dy σ. h h+ E x. h h E y σ. h x k x (-47) Příklady k samostatému řešeí Příklad.4 Odvoďte kmtočtovou charakterstku jedoduchého číslcového fltru IPC (dkátor pohyblvých cílů), který je popsá touto dferečí rovcí y x x. Nakreslete jeho realzac. Příklad.5 Odvoďte dferečí rovc a mpulzovou charakterstku číslcového fltru z obr..5. Určete zda fltr je stablí

23 P.Skalcký- Dgtálí fltrace a sgálové procesory Praha - /995 Příklad.6 Odvoďte mpulzovou charakterstku fltru s dferečí rovcí y a.y určete zda se jedá o fltr stablí. + x - a Příklad.7 Odvoďte dferečí rovc fltru z obr..6. x - - z z y x -b z - a y k,8 k,8 -b z - a Obr..5 Obr

24 P.Skalcký- Dgtálí fltrace a sgálové procesory Praha - / Základí vyjádřeí přeosové fukce Přeosovou fukc H(z) můžeme realzovat růzým strukturam dskrétích (číslcových) soustav, které ačkolv realzují stejou přeosovou fukc lší se od sebe v kokrétí realzac ěkterým vlastostm jako je ctlvost a změu polohy ulových bodů a pólů H(z), vhodostí pro realzac sgálovým procesory, možostí přetečeí př artmetckých operacích, atd. V zásadě můžeme číslcové fltry rozdělt podle vlastostí mpulzí odezvy a fltry s ekoečou mpulzí odezvou NIO (Ifte Impulse Respose - IIR) a fltry s koečou mpulzí odezvou KIO (Fte Impulse Respose - FIR), které emají v oblast aalogových obvodů svůj ekvvalet. Předpokládejme, že budeme chtít realzovat leárí dskrétí soustavu s kostatím koefcety, potom můžeme systémovou fukc vyjádřt ve tvaru racoálě lomeé fukce ( z z ) a. z A.. Yz ( ) Hz ( ) X( z) b. z ( p. z ) (3-) kde A a o/bo. Budeme-l a prví a druhý zlomek rovce (3-) aplkovat zpětou Z-trasformac, potom získáme ásledující dferečí rovc pro (b ) y a. x b. y (3-) Z tvaru dferečí rovce vyplývá, že k realzac dskrétí soustavy potřebujeme tř základí stavebí prvky, kterým jsou sčítačky, ásobčky kostatou a obvody realzující zpožděí. Na obr.3. jsou akresley jejch schématcké začky. x w w + y b x x x b. - z y Obr.3. Základí stavebí prvky dskrétí soustavy Výraz z začí časové zpožděí sgálu, pro který je obraz Z-trasformace výstupího sgálu rove obrazu vstupího sgálu ásobeého koefcetem z. Dgtálí soustavu (fltr) můžeme realzovat buď pomocí číslcového obvodu s daou strukturou a základě zalostí základů číslcové techky [] s využtím tegrovaých obvodů sčítaček, ásobček a regstrů ebo programovatelých polí ebo pomocí uverzálích ebo specálích procesorů. V druhém případě je třeba vytvořt vhodý výpočetí algortmus, ze kterého je odvoze výpočetí program v jazyce symbolckých adres ebo jazyka C. - -

25 P.Skalcký- Dgtálí fltrace a sgálové procesory Praha - / Dskrétí soustavy s ekoečou mpulzí odezvou Dferečí rovc (3-) lze v souladu se zavedeým začkam realzovat obvodem z obr.3. tzv. kaockou ( přímou ) formou. Forma se skládá ze dvou samostatých částí, které odpovídají sumám v dferečí rovc sčítající starší vzorky vstupího výstupího sgálu. Prví suma představuje tzv. klouzavý průměr (váhovaý průměr kostatam a ), který eovlvňuje stabltu soustavy. Druhá suma představuje tzv. autoregresí čle, který ovlvňuje rychlost zakáí odezvy a tudíž rozhoduje o stabltě soustavy. Odtud azýváme soustavu rekurzví, pokud alespoň ěkterá kostata b pro,,..,.. x - - z z z - a a a a - a y -b -b - -b - - z z - - z z Obr.3. Prví kaocká (přímá) forma číslcového fltru Z možých realzací systémové fukce lze vhodou volbou získat fltr, který bude mít meší počet ásobeí kostatou ebo meší počet utých zpožděí. Sížeím zpožďovacích čleů sžujeme ároky a paměťové regstry (ebo paměť procesoru), redukcí počtu ásobeí je možé zvýšt výpočetí rychlost a tím opakovací (vzorkovací) kmtočet fltru. Na druhé straě je třeba pamatovat a to, že dvě odlšé struktury fltrů mající př ekoečé přesost koefcetů a proměých stejé přeosové vlastost, mohou mít př koečé přesost zcela odlšé vlastost. Ukazuje se, že v ěkterých případech je třeba k realzac volt strukturu, která emá mmálí počet ásobeí a zpožděí, zato je méě ctlvá a vlvy koečé délky regstrů. Ukažme s yí, jak lze u prví kaocké formy zredukovat počet zpožďovacích čleů. Systémovou fukc můžeme rozložt takto Hz ( ) H( z). H( z) b. z. a. z (3-3) Jestlže položíme H (z) W(z)/X(z) a H (z) Y(z)/W(z) a provedeme zpětou Z-trasformac fukcí H (z) a H (z) za předpokladu, že b, dostaeme tyto dferečí rovce w x b. w y a. w (3-4) - -

26 P.Skalcký- Dgtálí fltrace a sgálové procesory Praha - /995 které lze realzovat tzv. kaockou formou, která vyžaduje polovčí počet zpožďovacích obvodů v případě, že. V ostatích případech se počet redukuje a větší z hodot ebo. Jý způsob realzace přeosové fukce ve tvaru racoálí lomeé fukce vychází z rozkladu této fukce a souč přeosových fukcí prvého ebo druhého řádu, který můžeme vyjádřt tímto vztahem x -b -b -b w z - w - z - w - z - a a a a y Obr.3.3 Druhá kaocká forma ČF Hz ( ) A. H( z) ( z z ) A.. ( p. z ). j j * ( zj. z )(. zj. z ) * ( pj. z )(. pj. z ) (3-5) x H (z) H (z) H 3(z) H k(z) y Obr.3.4 Kaskádí forma číslcového fltru kde +. a +.. Ve výrazech prvého řádu představuje z reálé uly a p reálé póly, ve výrazech druhého řádu pak z j, z j * představuje komplexě sdružeé uly a p j, p j * představuje komplexě sdružeé póly. Tato forma posthuje obecé rozložeí ul a pólů za předpokladu, že a a b jsou reálé koefcety. Odvozeý vztah podporuje strukturu dskrétí soustavy tvořeou kaskádím řazeím soustav prvího ebo druhého řádu s přeosovým fukcem H ( z) obr.3.4. Př realzac je třeba rozhodout o spojeí dvojc ul a pólů a o pořadí řazeí sekcí prvího ebo druhého řádu, kterým můžeme př omezeí rozsahu koefcetů a zaokrouhlováí součů ovlvňovat šumové a dyamcké vlastost dskrétí soustavy. Dalším alteratvím rozkladem systémové fukce je rozklad fukce a parcálí zlomky, který můžeme vyjádřt tímto výrazem x c H (z) H (z) H k(z) Obr.3.5 Paralelí forma ČF y - 3 -

27 P.Skalcký- Dgtálí fltrace a sgálové procesory Praha - /995 () Hz A B.( z. z ) ( j )( j ) k k j k + + k + k ( p z ). *. k p. z. p. z k k Jsou-l a a b reálé, potom jsou hodoty A k, B k, C,paz k j také reálé. Je-l <, potom z posledí sumy v rovc zůstae jeom koefcet C. Rovce reprezetuje systémovou fukc číslcového fltru jako paralelí spojeí přeosových fukcí prvého a druhého řádu, zobrazeých a obr.3.5. Odtud je zobrazeá forma azýváa paralelí formou realzace přeosové fukce. V předcházející část se dskutovalo o realzacích systému s ekoečou mpulzí odezvou, které obsahují rekurzví výpočetí algortmus. V případech kauzálích systémů s koečou mx () C z C H z α /β /α /β k z - z - (3-6) y Jý z možých rozkladů přeosové fukce vzke děleím čtatele přeosové fukce jejím jmeovatelem. Přeosová fukce je potom vyjádřea řetězovým zlomkem ásledujícího tvaru /α Obr.3.6 Realzace řetězovým zlomkem Hz () α + β. z + α + β. z α (3-7) kterou realzuje příčková struktura zobrazeá a obr.3.6. Z I x z - z - y hledska obvodů, které jsou méě závslé a kvatováí koefcetů s ukážeme strukturu, která se azývá vazebí struktura R -I R obr.3.7. Její zvláštostí je Obr.3.7 Vazebí struktura číslcového fltru druhého stupě to, že dvě ásobčky realzují reálou část pólů přeosové fukce a druhá dvojce realzuje část magárí. Jak s pozděj ukážeme vykazuje tato struktura rovoměrý vlv a rozložeí pólů v rově z v důsledku kvatováí ásobících koefcetů. Přeosová fukce vazebí struktury je dáa výrazem ( ) Hz Iz.. Rz. + ( R + I ). z (3-8) 3.. Dskrétí soustavy s koečou mpulzí odezvou - 4 -

28 P.Skalcký- Dgtálí fltrace a sgálové procesory Praha - /995 pulzí odezvou, které emají v aalogové oblast svůj ekvvalet, má výpočetí algortmus charakter klouzavého průměru. Pro systémovou fukc ve tvaru polyomu stupě - můžeme psát Yz ( ) Hz ( ) ak z X( z). Po aplkac zpěté Z-trasformace a výraz (3-9) můžeme psát tuto dferečí rovc k k (3-9) y a. x + a. x + a. x +! + a. x a. x (3-) + k k Systémová fukce má - pólů v bodě z a - ul, které mohou ležet kdekolv v koečé rově z. Proto jsou fltry KIO vždy stablí. Systémy s koečou mpulzí odezvou (KIO) mohou, stejě jako fltry typu NIO, mít rozmaté formy realzace, z chž ejdůležtější yí probereme. Přímou formu realzace systémové fukce můžeme kreslt a základě dferečí rovce (3-), u které koefcety a jsou totožé s koefcety mpulzí odezvy h obr.3.8 vz. rovce (-4). k x - - z z z - a a a a - a - y Obr.3.8 Přímá forma erekurzvího číslcového fltru Tato forma je shodá s.kaockou formou fltru NIO s ulovým koefcety b. Proto j lze považovat za specálí případ struktury NIO. Vyjdeme-l z faktu, že tato struktura odpovídá též výrazu pro odezvu dskrétí soustavy (-4), můžeme k realzac využít druhý vztah pro odezvu dskrétí soustavy. Takto získáme tzv. trasverzálí strukturu zobrazeou a obr.3.9. x h - h - h h z z z z - y Obr.3.9 Trasverzálí struktura erekurzvího číslcového fltru Dalším možým vyjádřeím systémové fukce je její rozklad a souč fukcí druhého případě prvého řádu takto ( )/ ( )/ (). (). ( βk + βk. + β k. ) Hz A H z A z z (3-) - 5 -

29 P.Skalcký- Dgtálí fltrace a sgálové procesory Praha - /995 kde jede z koefcetů β k bude ulový, jestlže je lché a H(z) má lchý počet reálých kořeů. V moha aplkacích je požadová ávrh fltru s pokud možo leárím průběhem fáze a skoro kostatím skupovým zpožděím. Jedou z velm důležtých vlastostí fltrů KIO je to, že umožňují realzovat fltry s přesě leárí fází. Impulzí odezva takového fltru je vyjádřea tímto vztahem h ± h (3-) To zameá, že se jedá o osově ebo bodově symetrckou fukc. Dosadíme-l tuto závslost do systémové fukce, můžeme psát (pro lché - sudý počet hodot mpulzí odezvy) / / / / h. z + h. z h. z ± h. z ( ) / / / ( ) ( ) h. z h. z h. z z ± ± (3-3) Odpovídající struktura realzující tuto systémovou fukc je zobrazea a obr.3. pro - lché a tečkovaá pro - sudé, za předpokladu kladého zaméka v rovc (3-3) x - - z z z - z - y h z- z- h h z - h /- - sudé h (-3)/ - lché pro sudý poèet hodot mpulzí odezvy h /- - sudé h (-)/ - lché Obr.3. Nerekurzví číslcový fltr s leárí fází z 3 /z* z z 4 z /z z* /z z* 3 Obr.3. Symetre ul u fltru KIO s leárí fází Symetre koefcetů mpulzí odezvy způsobuje, že uly systémové fukce, za předpokladu, že h jsou reálé, jsou v komplexě sdružeých párech ebo v recpročích párech obr.3.. Z odpovídajících skup ul můžeme vytvořt polyomy prvího, druhého ebo čtvrtého řádu, jejchž koefcety mají stejou symetr jako H(z) a každý z ch má leárí fáz. Fltr je potom možé realzovat též jako kaskádu systémů s leárí fází prvého, druhého ebo čtvrtého řádu. Prví řád má odpovídající ulu z ebo z - a evyžaduje př realzac - 6 -

30 P.Skalcký- Dgtálí fltrace a sgálové procesory Praha - /995 fukc ásobeí (+ z ). Druhý řád bude realzová systémovou fukc (+ az. + z ), která 3 vyžaduje pouze jedo ásobeí. Čtvrtý řád má tvar (a+ b. z + c. z + b. z + a. z 4 ) a bude př realzac strukturou pro obvody s leárí fází vyžadovat pouze tř ásobeí. Jak vyplývá z aalýzy vlastostí fltrů s koečou mpulzí odezvou je jejch systémová fukce dáa polyomem stupě - s proměou z, kde je délka mpulzí odezvy. Je též dobře zámo, že polyom stupě - popsuje fukc v defovaých bodech. V lteratuře pak můžeme alézt rozmaté terpolačí formule, jako je agrageova ebo Newtoova, které určují polyom procházející hodotam. V případě agrageova rozvoje můžeme systémovou fukc vyjádřt takto kde () Pz () Hz.. k ( ) Pz z z z () (. ) ( ) Hzk (3-4) p. z k (3-5) jπ/(+ ) a z e, která vytváří polyom stupě - procházející vybraým body fukce H(z) lbovolě rozložeých a jedotkové kružc. Realzace agrageovy struktury se skládá z paralelího spojeí stupňů prvého řádu ásobeých hodotam H(z k ) v kaskádě spojeých se systémem tvořícím fukc P(z). Zvláštím případem je stuace, kdy body a jedotkové kružc jsou voley ekvdstatě. Systémová fukce pro takovouto strukturu zůstává vyjádřea stejým vztahem (3-4) a (3-5) s k j ( π k/) tím, že pk W e. Hlaví výhodou metody kmtočtového vzorkováí je to, že póly v paralelí část fltru mohou být spojey do komplexě sdružeých párů, které realzujeme fltrem druhého řádu s reálým koefcety Vlv kvatováí koefcetů a vlastost struktury Př ávrhu číslcových fltrů růzých typů je ávrhář postave před ěkolk důležtých rozhodutí. Nejprve se musí rozhodout mez typem s koečou ebo ekoečou mpulzovou odezvou. Do této volby může vstoupt počet utých regstrů a ásobeí kostatou ebo utost přesě leárí fáze. Po volbě typu fltru musíme určt systémovou fukc reprezetující fltr požadovaých vlastostí. Této otázce se budeme věovat v dalších kaptolách. Návrhy fltrů se provádějí pro kostaty se skoro eomezeou přesostí, které se však ezávsle a zvoleé realzac fltru (obvodové ebo programové) budou ve skutečost realzovat hodotam koefcetů s omezeou délkou. Použjeme-l koefcety fltru, které ejsou přesé, pak póly uly systémové fukce budou odlšé od požadovaých pólů a ul. Teto pohyb pólů a ul ( u fltrů KIO pouze ul) způsobí odchylku od požadovaé kmtočtové charakterstky. Je-l kvatováí koefcetů hrubé, - 7 -

31 P.Skalcký- Dgtálí fltrace a sgálové procesory Praha - /995 může systémová fukce vykazovat zcela jé vlastost. Navíc u fltrů NIO může jede ebo více pólů se přesuout a ebo vě jedotkové kružce, což povede k establtě fltru. Všeobecě vlv kvatováí koefcetů slě závsí a realzovaé struktuře, která je více č méě ctlvá a tyto změy. Př aalýze vlvů v soustavě s ekoečou odezvou vyjdeme z předpokladu, že systémová fukce je ve tvaru racoálě lomeé fukce () Hz ( z z ) a. z A.. Yz () X() z b. z ( p. z ) (3-6) kde a a b jsou požadovaé koefcety v přímé realzac fukce. Pro kvatovaé koefcety a" a b" můžeme zapsat stejý výraz pro systémovou fukc H(z), " kde vztah mez koefcety bude dá rovcem a" a + a b" b + b (3-7) Předpokládejme, že póly H(z) se achází v bodech z p pro,,.., a jsou tvořey polyomem () ( ) Pz p. z b. z k k k (3-8) Póly ( p ".z ) změěé fukce "H ( z ) jsou posuuté o hodotu p p p ". Chyba p může být vyjádřea ve výrazem pro změu k-tého koefcety b k takto p p. bk,,!, b k Užtím vztahu ( -8 ), můžeme psát Pz p kde p b k () p Pz () b. b z p k k z p k p k ( p pl) l l k (3-9) (3-) (3-) Rovce ám udává ctlvost -tého pólu a změě k-tého koefcetu v polyomu jmeovatele H(z). Teto výsledek platí pouze pro jedoduché póly, jak vyplývá z rovce ( -8 ). Protože přímá forma má aalogcký polyom pro ulové body, můžeme aalogcky odvodt ctlvost ul z a koefcetech a. Ze vztahu vyplývá, že jsou-l póly těsě vedle sebe, mohou malé změy koefcetů způsobt velké změy pólů ebo ul. Každý faktor (p p ) může být reprezetová k - 8 -

32 P.Skalcký- Dgtálí fltrace a sgálové procesory Praha - /995 p p ω ω p 3 jako vektor v rově z obr.3.3. Hodota ctlvost pólu závsí a délce tohoto vektoru od všech ostatích pólů. Tak fltr typu pásmové propust bude mít ve srováí s fltrem typu dolí propust meší ctlvost a rova z změu koefcetů a a b obr.3. a obr.3.3. Aalýzou lze ověřt jak je daá struktura fltru ctlvá a kvatováí koefcetů. Obecě lze říc, že fltr je méě ctlvý, když poloha každého pólu a každé uly závsí a meším počtu koefcetů. Uveďme vlastost ěkterých struktur:. V případě přímé struktury fltru realzovaé prví ebo druhou kaockou formou je každý pól ovlvňová hodotou všech koefcetů b a každá ula hodotam všech koefcetů a. alé změy hodot koefcetů a a b mohou tedy způsobt velké změy poloh pólů a ul. Největší změa vlastostí fltru astává v případě, že uly č póly jsou blízko u sebe (apř. u úzkopásmových fltrů).. V paralelí struktuře je každý pól ebo pár pólů urče malým počtem koefcetů v každé paralelí větv. Naprot tomu uly závsí a všech koefcetech. Z toho vyplývá, že paralelí struktura je málo ovlvěa kvatováím v propustém pásmu, které je hlavě určeo polohou pólů, ale je velm ctlvá a změy koefcetů v epropustém pásmu, které je převážě určeo polohou ul. 3. V kaskádích strukturách jsou póly uly ovlvěy malý počtem koefcetů. Fltry s touto strukturou mají proto malou ctlvost, jak v propustém, tak v epropustém pásmu. p p p * p * Obr.3. Rozložeí pólů fltru typu dolí propust rova z p * p p* 3 Obr.3.3 Rozložeí pólů fltru typu pásmové propust * Abychom demostroval vlv kvatováí a polohu pólů a ul číslcového fltru, uvedeme jedoduchý příklad NIO fltru druhého řádu s přímou strukturou z obr.3.4. x z- - z *b b y Pro přeosovou fukc tohoto fltru sado odvodíme teto výraz Obr.3.4 Fltr druhého řádu typu NIO - 9 -

33 P.Skalcký- Dgtálí fltrace a sgálové procesory Praha - /995 ( ) Hz z * b. z b (3-) Fukce má dva póly p a p a dvě uly v bodě z. Budeme-l předpokládat, že póly jsou tvořey komplexě sdružeým párem, potom pro jejch polohu můžeme psát ( ( ) ( )) ± jϕ p, R. e R. cos ϕ ± js ϕ (3-3) a pro přeosovou fukc můžeme vyjádřt ve tvaru () Hz z ( z R e j ϕ jϕ. ).( z R. e ) Z porováí rovce (3-4) s rovcí (3-) vyplývá, že ( ) (3-4) b R b R.cos ϕ (3-5) Pokud koefcety ásobček b a b ebudou kvatováy, můžeme určt požadovaý pár komplexě sdružeých pólů přesým výpočtem těchto koefcetů. Póly pak zaujímají polohu v z-rově daou pouze vypočteou hodotou koefcetů. Po kvatováí mohou koefcety b a b, a tedy kostaty R a ϕ abývat pouze omezeého počtu hodot, a tudíž póly v z-rově mohou zaujímat pouze omezeý počet poloh, zázorěý jakous mřížkou. Kvatujeme-l apř. koefcety výše uvedeého fltru 4-btovým regstrem tz. (,xxx pro kladá čísla a,xxx pro záporá čísla ), potom bude odpovídající mřížka přípustých poloh pólů mít tvar podle obr.3.5. Z důvodu úspory místa je uvede pouze jede kvadrat. Im,,75,5,5,5,5,75, Re Obr.3.5 Rozložeí možých poloh pólů pro koefcety kvatovaé a čtyř bty Každý koefcet může abývat osm hodot. Soustředé kružce odpovídají kvatováí b R a vertkálí ekvdstatí čáry odpo vídají kvatováí koefcetu b R.cos( ϕ ). Koefcety b a b abývají hodot,/8,/8,...,7/8. Poloměr ejmeší kružce je urče odmocou hodoty b /8 tj. R /8,35. Největší chyby v kmtočtové charakterstce astaou, jestlže realzovaý fltr má póly v oblast mřížky, kde jsou jedotlvé přípusté pozce od sebe více vzdáley. Růzé struktury fltrů mají též růzou mřížku rozložeí ul a pólů v z-rově z - 3 -

34 P.Skalcký- Dgtálí fltrace a sgálové procesory Praha - /995 důvodu kvatováí koefcetů. Abychom lustroval toto tvrzeí, uveďme vazebí strukturu NIO fltru podle obr.3.6. Přeosová fukce tohoto fltru má tvar Hz ( ) Budeme-l předpokládat, že přeosová fukce bude mít opět dva komplexě sdružeé póly, potom pro jejch umístěí v komplexí rově z můžeme psát b ( z a + jb)(. z a jb) b z az + a + b b x z- - z a a -b Obr.3.6 Fltr.řádu - vazebí struktura (3-6) y ( ( ) ( )) ± jϕ p, R. e R. cos ϕ ± js ϕ (3-7) Dosazeím kořeů p, do rovce (3-6) získáme tyto vztahy pro kostaty a a b ( ).s( ) a R.cos ϕ b R ϕ (3-8) Im, Jestlže opět kvatujeme koefcety a, b jako 4-btová čísla, můžeme př realzac umístt póly do ěkterých pozc uvtř jedotkové kružce v,75 z-rově podle obr.3.7. Z obrázku je patré, že rozložeí pólů je rovoměrější ež u,5 struktury z obr.3.5. Kaskádí a paralelí forma, která realzuje každý,5 komplexě sdružeý pár samostatě, přáší ezávslost a vzdáleost,5,5,75, Re od ostatích pólů v systému. Z to- hoto hledska lze kaskádí a paralelí formy preferovat před přímou Obr.3.7 Rozložeí možých poloh pólů pro koefcety kvatovaé a čtyř bty u vazebí struktury formou, zvláště pak jedá-l se o pásmové propust s blízkým rozložeím ul a pólů

35 P.Skalcký- Dgtálí fltrace a sgálové procesory Praha - /995 Příklady k samostatému řešeí Příklad 3. Odvoďte prví a druhou kaockou, kaskádí a paralelí formu stacoárího systému s ásledující dferečí rovcí y -,75. y +,5. y x + x / Příklad 3. Odvoďte druhou kaockou formu a příčkovou strukturu fltru se systémovou fukcí H() z.z + 4.z + z + z + Příklad 3.3 Nakreslete všechy možé realzace číslcového fltru se systémovou fukcí () H z 3. ( z + )(. z + ) ( z +,5 ).( z -,4) - 3 -

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

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

Odhady parametrů základního. Ing. Michal Dorda, Ph.D.

Odhady parametrů základního. Ing. Michal Dorda, Ph.D. Odhady parametrů základího souboru Úvodí pozámky Základí soubor můžeme popsat jeho parametry, apř. středí hodota μ, rozptyl atd. Př praktckých úlohách ovšem zpravdla elze vyšetřt celou populac, provádíme

Více

Nejistoty měření. Aritmetický průměr. Odhad směrodatné odchylky výběrového průměru = nejistota typu A

Nejistoty měření. Aritmetický průměr. Odhad směrodatné odchylky výběrového průměru = nejistota typu A Nejstoty měřeí Pro každé přesé měřeí potřebujeme formac s jakou přesostí bylo měřeí provedeo. Nejstota měřeí vyjadřuje terval ve kterém se achází skutečá hodota měřeé velčy s určtou pravděpodobostí. Nejstota

Více

5.5. KOMPLEXNÍ ODMOCNINA A ŘEŠENÍ KVADRATICKÝCH A BINOMICKÝCH ROVNIC

5.5. KOMPLEXNÍ ODMOCNINA A ŘEŠENÍ KVADRATICKÝCH A BINOMICKÝCH ROVNIC 5.5. KOMPLEXNÍ ODMOCNINA A ŘEŠENÍ KVADRATICKÝCH A BINOMICKÝCH ROVNIC V této kaptole se dozvíte: jak je defováa fukce přrozeá odmoca v kompleím oboru a jaké má vlastost včetě odlšostí od odmocy v reálém

Více

Tento odhad má rozptyl ( ) σ 2 /, kde σ 2 je rozptyl souboru, ze kterého výběr pochází. Má-li každý prvek i. σ 2 ( i. ( i

Tento odhad má rozptyl ( ) σ 2 /, kde σ 2 je rozptyl souboru, ze kterého výběr pochází. Má-li každý prvek i. σ 2 ( i. ( i : ometové míry polohy zahrují růzé druhy průměrů pomocí kterých můžeme charakterzovat cetrálí tedec dat ometové míry polohy jsou jedoduché číselé charakterstky které se vyčíslují ze všech prvků výběru

Více

Generování dvojrozměrných rozdělení pomocí copulí

Generování dvojrozměrných rozdělení pomocí copulí Pravděpodobost a matematcká statstka eerováí dvojrozměrých rozděleí pomocí copulí umbelova copule PRAHA 005 Vpracoval: JAN ZÁRUBA OBSAH: CÍL PRÁCE TEORIE Metoda verzí trasformace O copulích Sklarova věta

Více

3. Hodnocení přesnosti měření a vytyčování. Odchylky a tolerance ve výstavbě.

3. Hodnocení přesnosti měření a vytyčování. Odchylky a tolerance ve výstavbě. 3. Hodoceí přesost měřeí a vytyčováí. Odchylky a tolerace ve výstavbě. 3.1 Úvod o měřeí obecě 3.2 Chyby měřeí a jejch děleí 3.2.1 Omyly a hrubé chyby 3.2.2 Systematcké chyby 3.2.3 Náhodé chyby 3.3 Výpočet

Více

Metody zkoumání závislosti numerických proměnných

Metody zkoumání závislosti numerických proměnných Metody zkoumáí závslost umerckých proměých závslost pevá (fukčí) změě jedoho zaku jedozačě odpovídá změa druhého zaku (podle ějakého fukčího vztahu) (matematka, fyzka... statstcká (volá) změám jedé velčy

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

Odhady parametrů základního souboru. Ing. Michal Dorda, Ph.D.

Odhady parametrů základního souboru. Ing. Michal Dorda, Ph.D. Odhady parametrů základího souboru Ig. Mchal Dorda, Ph.D. Úvodí pozámky Základí soubor můžeme popsat jeho parametry, apř. středí hodota μ, rozptyl σ atd. Př praktckých úlohách ovšem zpravdla elze vyšetřt

Více

1. Základy měření neelektrických veličin

1. Základy měření neelektrických veličin . Základ měřeí eelektrckých velč.. Měřcí řetězec Měřcí řetězec (měřcí soustava) je soubor měřcích čleů (jedotek) účelě uspořádaých tak, ab blo ožě splt požadovaý úkol měřeí, tj. získat formac o velkost

Více

a další charakteristikou je četnost výběrového souboru n.

a další charakteristikou je četnost výběrového souboru n. Předáška č. 8 Testováí rozptylu, testy relatví četost, testy dobré shody, test ezávslost kvaltatvích zaků Testy rozptylu Testy se používají k ověřeí hypotézy o určté velkost rozptylu a k ověřeí vztahu

Více

1 Základy Z-transformace. pro aplikace v oblasti

1 Základy Z-transformace. pro aplikace v oblasti Základy Z-trasformace pro aplikace v oblasti číslicového zpracováí sigálů Petr Pollák 9. říja 29 Základy Z-trasformace Teto stručý text slouží k připomeutí základích vlastostí Z-trasformace s jejími aplikacemi

Více

P1: Úvod do experimentálních metod

P1: Úvod do experimentálních metod P1: Úvod do epermetálích metod Chyby a ejstoty měřeí - Každé měřeí je zatížeo určtou epřesostí, která je způsobea ejrůzějším egatvím vlvy, vyskytujícím se v procesu měřeí. - Výsledek měřeí se díky tomu

Více

Ilustrativní příklad ke zkoušce z B_PS_A léto 2014.

Ilustrativní příklad ke zkoušce z B_PS_A léto 2014. Ilustratví příklad ke zkoušce z B_PS_A léto 0. Jsou dáa data výběrového souboru výšky že vz IS/ Učebí materály/ Témata 8, M. Kvaszová. č. výška č. výška 89 5 90 7 57 8 5 58 5 8 9 58 0 8 0 8 8 9 8 8 95

Více

1.1 Definice a základní pojmy

1.1 Definice a základní pojmy Kaptola. Teore děltelost C. F. Gauss: Matematka je královou všech věd a teore čísel je králova matematky. Základím číselým oborem se kterým budeme v této kaptole pracovat jsou celá čísla a pouze v ěkterých

Více

4.2 Elementární statistické zpracování. 4.2.1 Rozdělení četností

4.2 Elementární statistické zpracování. 4.2.1 Rozdělení četností 4.2 Elemetárí statstcké zpracováí Výsledkem statstckého zjšťováí (. etapa statstcké čost) jsou euspořádaá, epřehledá data. Proto 2. etapa statstcké čost zpracováí, začíá většou jejch utříděím, zpřehleděím.

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

Univerzita Karlova v Praze Pedagogická fakulta

Univerzita Karlova v Praze Pedagogická fakulta Uverzta Karlova v Praze Pedagogcká fakulta SEMINÁRNÍ PRÁCE Z OBECNÉ ALGEBRY DĚLITELNOST CELÝCH ČÍSEL V SOUSTAVÁCH O RŮZNÝCH ZÁKLADECH / Cfrk C. Zadáí: Najděte pět krtérí pro děltelost v jých soustavách

Více

[ jednotky ] Chyby měření

[ jednotky ] Chyby měření Chyby měřeí Provedeme-l určté měřeí za stejých podmíek vícekrát, jedotlvá měřeí se mohou odlšovat (z důvodu koečé rozlšovací schopost měř. přístrojů, áhodých vlvů apod.). Chyba měřeí: e = x x x...přesá

Více

11. Časové řady. 11.1. Pojem a klasifikace časových řad

11. Časové řady. 11.1. Pojem a klasifikace časových řad . Časové řad.. Pojem a klasfkace časových řad Specfckým statstckým dat jsou časové řad pomocí chž můžeme zkoumat damku jevů v čase. Časovou řadou (damcká řada, vývojová řada) rozumíme v čase uspořádaé

Více

Matematika I, část II

Matematika I, část II 1. FUNKCE Průvodce studiem V deím životě, v přírodě, v techice a hlavě v matematice se eustále setkáváme s fukčími závislostmi jedé veličiy (apř. y) a druhé (apř. x). Tak apř. cea jízdeky druhé třídy osobího

Více

, jsou naměřené a vypočtené hodnoty závisle

, jsou naměřené a vypočtené hodnoty závisle Měřeí závslostí. Průběh závslost spojtá křvka s jedoduchou rovcí ( jedoduchým průběhem), s malým počtem parametrů, která v rozmezí aměřeých hodot vsthuje průběh závslost, určeí kokrétího tpu křvk (přímka,

Více

9. Měření závislostí ve statistice. 9.1. Pevná a volná závislost

9. Měření závislostí ve statistice. 9.1. Pevná a volná závislost Dráha [m] 9. Měřeí závslostí ve statstce Měřeí závslostí ve statstce se zývá především zkoumáím vzájemé závslost statstckých zaků vícerozměrých souborů. Závslost přtom mohou být apříklad pevé, volé, jedostraé,

Více

LABORATORNÍ CVIČENÍ Z FYZIKY. Měření objemu tuhých těles přímou metodou

LABORATORNÍ CVIČENÍ Z FYZIKY. Měření objemu tuhých těles přímou metodou ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE KATEDRA FYZIKY LABORATORNÍ CVIČENÍ Z FYZIKY Jméo: Petr Česák Datum měřeí:.3.000 Studjí rok: 999-000, Ročík: Datum odevzdáí: 6.3.000 Studjí skupa: 5 Laboratorí skupa:

Více

Přednáška č. 2 náhodné veličiny

Přednáška č. 2 náhodné veličiny Předáša č. áhodé velčy Pozámy záladím pojmům z počtu pravděpodobost Pozáma 1: Př výpočtu pravděpodobost áhodého jevu dle lascé defce je uté věovat pozorost způsobu formulace vybraého jevu. V ásledující

Více

Náhodné jevy, jevové pole, pravděpodobnost

Náhodné jevy, jevové pole, pravděpodobnost S Náhodé jevy pravděpodobost Náhodé jevy jevové pole pravděpodobost Lbor Žák S Náhodé jevy pravděpodobost Lbor Žák Základí pojmy Expermet česky též vědecký pokus je soubor jedáí a pozorováí jehož účelem

Více

8. Zákony velkých čísel

8. Zákony velkých čísel 8 Zákoy velkých čísel V této část budeme studovat velm často užívaá tvrzeí o součtech posloupost áhodých velč Nedříve budeme vyšetřovat tvrzeí azývaá souhrě ako slabé zákoy velkých čísel Veškeré úvahy

Více

Ilustrativní příklad ke zkoušce z B_PS_A léto 2013.

Ilustrativní příklad ke zkoušce z B_PS_A léto 2013. Ilustratví příklad ke zkoušce z B_PS_A léto 0. Jsou dáa data výběrového souboru výšky že vz IS/ Učebí materály/ Témata 8, M. Kvaszová. č. výška č. výška 89 5 90 7 57 8 5 58 5 8 9 58 0 8 0 8 8 9 8 8 95

Více

1.1 Rozdělení pravděpodobnosti dvousložkového náhodného vektoru

1.1 Rozdělení pravděpodobnosti dvousložkového náhodného vektoru Lekce Normálí rozděleí v rově V této lekc se udeme věovat měřeí korelačí závslost dvojce áhodých velč (dvousložkového áhodého vektoru) Vcházet udeme z ormálího rozděleí pravděpodoost áhodého vektoru v

Více

IV. MKP vynucené kmitání

IV. MKP vynucené kmitání Jří Máca - katedra mechaky - B35 - tel. 435 4500 maca@fsv.cvut.cz IV. MKP vyuceé kmtáí. Rovce vyuceého kmtáí. Modálí aalýza rozklad do vlastích tvarů 3. Přímá tegrace pohybových rovc 3. Metoda cetrálích

Více

Interpolační křivky. Interpolace pomocí spline křivky. f 1. f 2. f n. x... x 2

Interpolační křivky. Interpolace pomocí spline křivky. f 1. f 2. f n. x... x 2 Iterpolace pomocí sple křvky dáo: bodů v rově úkol: alézt takovou křvku, která daým body prochází y f f 2 f 0 f x0 x... x 2 x x Iterpolace pomocí sple křvky evýhodou polyomálí terpolace změa ěkterého z

Více

Mendelova univerzita v Brně Statistika projekt

Mendelova univerzita v Brně Statistika projekt Medelova uverzta v Brě Statstka projekt Vypracoval: Marek Hučík Obsah 1. Úvod... 3. Skupové tříděí... 3 o Data:... 3 o Počet hodot:... 3 o Varačí rozpětí:... 3 o Počet tříd:... 4 o Šířka tervalu:... 4

Více

Chyby přímých měření. Úvod

Chyby přímých měření. Úvod Chyby přímých měřeí Úvod Př zjšťováí velkost sledovaé velčy dochází k růzým chybám, které ovlvňují celkový výsledek. V pra eestuje žádá metoda měřeí a měřcí zařízeí, které by bylo absolutě přesé, což zameá,

Více

VY_52_INOVACE_J 05 01

VY_52_INOVACE_J 05 01 Název a adresa školy: Středí škola průmyslová a umělecká, Opava, příspěvková orgazace, Praskova 399/8, Opava, 74601 Název operačího programu: OP Vzděláváí pro kokureceschopost, oblast podpory 1.5 Regstračí

Více

Lineární regrese ( ) 2

Lineární regrese ( ) 2 Leárí regrese Častým úolem je staoveí vzájemé závslost dvou (č více) fzálích velč a její matematcé vjádřeí. K tomuto účelu se používají růzé regresí metod, pomocí chž hledáme vhodou fuc f (), apromující

Více

Analýza a zpracování signálů. 4. Diskrétní systémy,výpočet impulsní odezvy, konvoluce, korelace

Analýza a zpracování signálů. 4. Diskrétní systémy,výpočet impulsní odezvy, konvoluce, korelace Aalýza a zpracováí sigálů 4. Diskrétí systémy,výpočet impulsí odezvy, kovoluce, korelace Diskrétí systémy Diskrétí sytém - zpracovává časově diskrétí vstupí sigál ] a produkuje časově diskrétí výstupí

Více

Intervalové odhady parametrů některých rozdělení.

Intervalové odhady parametrů některých rozdělení. 4. Itervalové odhady parametrů rozděleí. Jedou ze základích úloh mtematické statistiky je staoveí hodot parametrů rozděleí, ze kterého máme k dispozici áhodý výběr. Nejčastěji hledáme odhady dvou druhů:

Více

Testování statistických hypotéz

Testování statistických hypotéz Testováí statstckých hypotéz - Testováí hypotéz je postup, sloužící k ověřeí předpokladů o ZS (hypotéz a základě výběrových dat (tj. hodot z výběrového souboru. - ypotéza = určtý předpoklad o základím

Více

1.3. ORTOGONÁLNÍ A ORTONORMÁLNÍ BÁZE

1.3. ORTOGONÁLNÍ A ORTONORMÁLNÍ BÁZE ORTOGONÁLNÍ A ORTONORMÁLNÍ BÁZE V této kaptole se dozvíte: jak je oecě defováa kolmost (ortogoalta) vektorů; co rozumíme ortogoálí a ortoormálí ází; co jsou to tzv relace ortoormalty a Croeckerovo delta;

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA Matematka IV PRAVDĚPODOBNOT A TATITIKA Lbor Žák Matematka IV Lbor Žák Regresí aalýza Regresí aalýza zkoumá závslost mez ezávslým proměým X ( X,, X k a závsle proměou Y. Tato závslost se vjadřuje ve tvaru

Více

6 Intervalové odhady. spočteme aritmetický průměr, pak tyto průměry se budou chovat jako by pocházely z normálního. nekonečna.

6 Intervalové odhady. spočteme aritmetický průměr, pak tyto průměry se budou chovat jako by pocházely z normálního. nekonečna. 6 Itervalové odhady parametrů základího souboru V předchozích kapitolách jsme se zabývali ejprve základím zpracováím experimetálích dat: grafické zobrazeí dat, výpočty výběrových charakteristik kapitola

Více

Komplexní čísla. Definice komplexních čísel

Komplexní čísla. Definice komplexních čísel Komplexí čísla Defiice komplexích čísel Komplexí číslo můžeme adefiovat jako uspořádaou dvojici reálých čísel [a, b], u kterých defiujeme operace sčítáí, ásobeí, apod. Stadardě se komplexí čísla zapisují

Více

Úvod do korelační a regresní analýzy

Úvod do korelační a regresní analýzy Úvod do korelačí a regresí aalýz Bude ás zajímat, jak těsě spolu souvsí dva sledovaé jev Příklad: vztah mez rchlostí auta a brzdou dráhou vztah mez věkem žáka a rchlostí v běhu a 60 m vztah mez spotřebou

Více

S1P Popisná statistika. Popisná statistika. Libor Žák

S1P Popisná statistika. Popisná statistika. Libor Žák SP Popsá statstka Popsá statstka Lbor Žák SP Popsá statstka Lbor Žák Základí zdroje : skrpta Mateatka IV - doc. RNDr. Z. Karpíšek, CSc. ateatka o le - http://athole.fe.vutbr.cz/ Základ ateatcké statstk

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA PRAVDĚPODOBNOT A TATITIKA Přpomeutí pojmů,, P m θ, R θ R - pravděpodobostí prostor - parametrcký prostor - parametrcká fukce,, T - áhodý vektor defovaý a pravděpodobostím prostoru,, P θ s hustotou f x,

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

jsou varianty znaku) b) při intervalovém třídění (hodnoty x

jsou varianty znaku) b) při intervalovém třídění (hodnoty x Výběr z eřeštelých příkladů ze zkouškových testů Jde o výběr z tpů příkladů, jejchž úspěšost řešeí u zkoušek se blíží ule. Itervalové versus bodové tříděí V tabulce je uvedeo rozděleí četostí a) př bodovém

Více

Výstup a n. Vstup. obrázek 1: Blokové schéma a graf paralelní soustavy

Výstup a n. Vstup. obrázek 1: Blokové schéma a graf paralelní soustavy Paralelí soustava Vstup a a Výstup a Vstup a Výstup a a obrázek : Blokové schéma a graf paralelí soustavy paralelí soustava je v bezporuchovém stavu je-l v bezporuchovém stavu prvek (tzv. adbytečé spojeí

Více

PODNIKOVÁ EKONOMIKA 3. Cena cenných papírů

PODNIKOVÁ EKONOMIKA 3. Cena cenných papírů Semárky, předášky, bakalářky, testy - ekoome, ace, účetctví, ačí trhy, maagemet, právo, hstore... PODNIKOVÁ EKONOMIKA 3. Cea ceých papírů Ceé papíry jsou jedím ze způsobů, jak podk může získat potřebý

Více

TECHNICKÁ UNIVERZITA V LIBERCI

TECHNICKÁ UNIVERZITA V LIBERCI TECHNICKÁ UNIVERZITA V LIBERCI Fakulta mechatroky, formatky a meoborových studí Číslcové měřcí systémy Číslcové fltry Učebí text Iva Jaksch Lberec 2012 Materál vkl v rámc projektu ESF (CZ.1.07/2.2.00/07.0247)

Více

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor SP Náhodý vektor PRAVDĚPODOBNOS A SAISIKA Náhodý vektor SP Náhodý vektor Náhodý vektor Náhodý vektor slouží k popsu výsledku pokusu kdy měříme více údaů o procesu. Před provedeím pokusu eho výsledek a

Více

1.3. POLYNOMY. V této kapitole se dozvíte:

1.3. POLYNOMY. V této kapitole se dozvíte: 1.3. POLYNOMY V této kapitole se dozvíte: co rozumíme pod pojmem polyom ebo-li mohočle -tého stupě jak provádět základí početí úkoy s polyomy, kokrétě součet a rozdíl polyomů, ásobeí, umocňováí a děleí

Více

14. Korelace Teoretické základy korelace Způsoby měření závislostí pro různé typy dat

14. Korelace Teoretické základy korelace Způsoby měření závislostí pro různé typy dat 4. Korelace 4. Teoretcké základy korelace 4. Způsoby měřeí závslostí pro růzé typy dat Př prác se statstckým údaj se velm často setkáváme s daty, která jsou tvořea dvojcem, trojcem hodot. Složky takovýchto

Více

Doc. Ing. Dagmar Blatná, CSc.

Doc. Ing. Dagmar Blatná, CSc. PRAVDĚPODOBNOST A STATISTIKA Doc. Ig. Dagmar Blatá, CSc. Statsta statstcé údaje o hromadých jevech čost, terá vede zísáí statstcých údajů a jejch zpracováí teore statsty - věda o stavu, vztazích a vývoj

Více

Téma 11 Prostorová soustava sil

Téma 11 Prostorová soustava sil Stavebí statka,.ročík bakalářského studa Téma Prostorová soustava sl Prostorový svazek sl Statcký momet síly a dvojce sl v prostoru Obecá prostorová soustava sl Prostorová soustava rovoběžých sl Katedra

Více

3. Lineární diferenciální rovnice úvod do teorie

3. Lineární diferenciální rovnice úvod do teorie 3 338 8: Josef Hekrdla lieárí difereciálí rovice úvod do teorie 3 Lieárí difereciálí rovice úvod do teorie Defiice 3 (lieárí difereciálí rovice) Lieárí difereciálí rovice -tého řádu je rovice, která se

Více

FUNKCÍ JEDNÉ REÁLNÉ PROMĚNNÉ PRVNÍ DIFERENCIÁL

FUNKCÍ JEDNÉ REÁLNÉ PROMĚNNÉ PRVNÍ DIFERENCIÁL Difereciálí počet fukcí jedé reálé proměé - 6. - PRVNÍ DIFERENCIÁL TAYLORŮV ROZVOJ FUNKCÍ JEDNÉ REÁLNÉ PROMĚNNÉ PRVNÍ DIFERENCIÁL PŘÍKLAD Pomocí věty o prvím difereciálu ukažte že platí přibližá rovost

Více

Odhady parametrů polohy a rozptýlení pro často se vyskytující rozdělení dat v laboratoři se vyčíslují podle následujících vztahů:

Odhady parametrů polohy a rozptýlení pro často se vyskytující rozdělení dat v laboratoři se vyčíslují podle následujících vztahů: Odhady parametrů polohy a rozptýleí pro často se vyskytující rozděleí dat v laboratoři se vyčíslují podle ásledujících vztahů: a : Laplaceovo (oboustraé expoeciálí rozděleí se vyskytuje v případech, kdy

Více

Regrese. Aproximace metodou nejmenších čtverců ( ) 1 ( ) v n. v i. v 1. v 2. y i. y n. y 1 y 2. x 1 x 2 x i. x n

Regrese. Aproximace metodou nejmenších čtverců ( ) 1 ( ) v n. v i. v 1. v 2. y i. y n. y 1 y 2. x 1 x 2 x i. x n Regrese Aproxmace metodou ejmeších čtverců v v ( ) = f x v v x x x x Je dáo bodů [x, ], =,,, předpoládáme závslost a x a chceme ajít fuc, terá vsthuje teto tred - Sažíme se proložt fuc = f x ta, ab v =

Více

Přednáška V. Úvod do teorie odhadu. Pojmy a principy teorie odhadu Nestranné odhady Metoda maximální věrohodnosti Průměr vs.

Přednáška V. Úvod do teorie odhadu. Pojmy a principy teorie odhadu Nestranné odhady Metoda maximální věrohodnosti Průměr vs. Předáška V. Úvod do teore odhadu Pojmy a prcpy teore odhadu Nestraé odhady Metoda mamálí věrohodost Průměr vs. medá Opakováí výběrová dstrbučí fukce Sestrojíme výběrovou dstrbučí fukc pro výšku a váhu

Více

Při sledování a studiu vlastností náhodných výsledků poznáme charakter. podmínek různé výsledky. Ty odpovídají hodnotám jednotlivých realizací

Při sledování a studiu vlastností náhodných výsledků poznáme charakter. podmínek různé výsledky. Ty odpovídají hodnotám jednotlivých realizací 3. Náhodý výběr 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 realizací

Více

Univerzita Karlova v Praze Pedagogická fakulta

Univerzita Karlova v Praze Pedagogická fakulta Uverzt Krlov v Prze Pedgogcká kult SEMINÁRNÍ PRÁCE Z POLYNOMICKÉ ALGEBRY POLYNOM / CIFRIK Zdáí: Vyšetřete všem probrým prostředky polyom Vyprcováí: Rcoálí kořey Podle věty: Nechť p Q je koře polyomu q

Více

Sekvenční logické obvody(lso)

Sekvenční logické obvody(lso) Sekvečí logické obvody(lso) 1. Logické sekvečí obvody, tzv. paměťové čley, jsou obvody u kterých výstupí stavy ezávisí je a okamžitých hodotách vstupích sigálů, ale jsou závislé i a předcházejících hodotách

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA SP4 Přpomeutí pojmů PRAVDĚPODOBNOST A STATISTIKA SP4 Přpomeutí pojmů SP4 Přpomeutí pojmů Pravděpodobost Náhodý jev: - základí prostor - elemetárí áhodý jev A - áhodý jev, - emožý jev, jstý jev podjev opačý

Více

S polynomy jste se seznámili již v Matematice 1. Připomeňme definici polynomické

S polynomy jste se seznámili již v Matematice 1. Připomeňme definici polynomické 5 Itegrace racioálích fukcí 5 Itegrace racioálích fukcí Průvodce studiem V předcházejících kapitolách jsme se aučili počítat eurčité itegrály úpravou a základí itegrály, metodou per partes a substitučí

Více

11. Popisná statistika

11. Popisná statistika . Popsá statstka.. Pozámka: Př statstckém zkoumáí ás zajímají hromadé jevy a procesy, u kterých zkoumáme zákotost, které se projevují u velkého počtu prvků. Prvky zkoumáí azýváme statstcké jedotky. Př

Více

7 LIMITNÍ VĚTY. Čas ke studiu kapitoly: 70 minut. Cíl:

7 LIMITNÍ VĚTY. Čas ke studiu kapitoly: 70 minut. Cíl: 7 LIMITNÍ VĚTY Čas ke studu kaptoly: 70 mut Cíl: o prostudováí tohoto odstavce budete umět formulovat a používat lmtí věty aproxmovat já rozděleí rozděleím ormálím - 96 - Výklad: V této kaptole adefujeme

Více

Číslicové zpracování signálů - spojité a diskrétní signály

Číslicové zpracování signálů - spojité a diskrétní signály Číslicové zpracováí sigálů - spojité a diskrétí sigály f (t) f (t) k 6 5 4 3 t 2 t Obr. Sigál spojitý a kvatovaý f -T 7 6 5 4 3 2 f (t) T 2T 3T 4T 5T 6T 7T 8T Obr.2 Diskrétí sigál t -3-2 - 2 3 4 5 6 Obr.4

Více

USTÁLENÉ PROUDĚNÍ V OTEVŘENÝCH KORYTECH

USTÁLENÉ PROUDĚNÍ V OTEVŘENÝCH KORYTECH USTÁLENÉ POUDĚNÍ V OTEVŘENÝCH KOYTECH ovoměré prouděí Charakterstka:. Hloubka vod v kortě, průtočá plocha a průřezová rchlost jsou v každém příčém řezu kostatí.. Čára eerge, vodí hlada a do korta jsou

Více

Přednáška č. 10 Analýza rozptylu při jednoduchém třídění

Přednáška č. 10 Analýza rozptylu při jednoduchém třídění Předáška č. 0 Aalýza roztylu ř jedoduchém tříděí Aalýza roztylu je statstcká metoda, kterou se osuzuje romělvost oakovaých realzací áhodého okusu tj. romělvost áhodé velčy. Náhodá velča vzká za relatvě

Více

VYSOCE PŘESNÉ METODY OBRÁBĚNÍ

VYSOCE PŘESNÉ METODY OBRÁBĚNÍ VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ Fakulta strojího ižeýrství Ústav strojíreské techologie ISBN 978-80-214-4352-5 VYSOCE PŘESNÉ METODY OBRÁBĚNÍ doc. Ig. Jaroslav PROKOP, CSc. 1 1 Fakulta strojího ižeýrství,

Více

U. Jestliže lineární zobrazení Df x n n

U. Jestliže lineární zobrazení Df x n n MATEMATICKÁ ANALÝZA III předášky M. Krupky Zmí semestr 999/ 3. Iverzí a mplctí zobrazeí V této kaptole uvádíme dvě důležté věty, které acházeí aplkace v moha oblastech matematky: Větu o verzím a větu o

Více

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor SP Náhodý vektor PRAVDĚPODOBNOS A SAISIKA Náhodý vektor Lbor Žák SP Náhodý vektor Lbor Žák Náhodý vektor Náhodý vektor slouží k popsu výsledku pokusu kdy měříme více údaů o procesu. Před provedeím pokusu

Více

odhady parametrů. Jednostranné a oboustranné odhady. Intervalový odhad střední hodnoty, rozptylu, relativní četnosti.

odhady parametrů. Jednostranné a oboustranné odhady. Intervalový odhad střední hodnoty, rozptylu, relativní četnosti. 10 Cvičeí 10 Statistický soubor. Náhodý výběr a výběrové statistiky aritmetický průměr, geometrický průměr, výběrový rozptyl,...). Bodové odhady parametrů. Itervalové odhady parametrů. Jedostraé a oboustraé

Více

Obsah. 1 Mocninné řady Definice a vlastnosti mocninných řad Rozvoj funkce do mocninné řady Aplikace mocninných řad...

Obsah. 1 Mocninné řady Definice a vlastnosti mocninných řad Rozvoj funkce do mocninné řady Aplikace mocninných řad... Obsah 1 Mocié řady 1 1.1 Defiice a vlastosti mociých řad.................... 1 1. Rozvoj fukce do mocié řady...................... 5 1.3 Aplikace mociých řad........................... 10 1 Kapitola 1

Více

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA STAVEBNÍ KATEDRA SPECIÁLNÍ GEODÉZIE DIPLOMOVÁ PRÁCE

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA STAVEBNÍ KATEDRA SPECIÁLNÍ GEODÉZIE DIPLOMOVÁ PRÁCE ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA STAVEBNÍ KATEDRA SPECIÁLNÍ GEODÉZIE DIPLOMOVÁ PRÁCE Praha 8 Pavel Třasák ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA STAVEBNÍ KATEDRA SPECIÁLNÍ GEODÉZIE DIPLOMOVÁ

Více

14. Testování statistických hypotéz Úvod statistické hypotézy Definice 14.1 Statistickou hypotézou parametrickou neparametrickou. nulovou testovanou

14. Testování statistických hypotéz Úvod statistické hypotézy Definice 14.1 Statistickou hypotézou parametrickou neparametrickou. nulovou testovanou 4. Testováí statistických hypotéz Úvod Při práci s daty se mohdy spokojujeme s itervalovým či bodovým odhadem parametrů populace. V mohých případech se však uchylujeme k jiému postupu, většiou jde o případy,

Více

jako konstanta nula. Obsahem centrálních limitních vět je tvrzení, že distribuční funkce i=1 X i konvergují za určitých

jako konstanta nula. Obsahem centrálních limitních vět je tvrzení, že distribuční funkce i=1 X i konvergují za určitých 9 Limití věty. V aplikacích teorie pravděpodobosti (matematická statistika, metody Mote Carlo se užívají tvrzeí vět o kovergeci posloupostí áhodých veliči. Podle povahy kovergece se limití věty teorie

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA SP Záko velkých čísel, cetrálí lmtí věta PRAVDĚPODOBNOST A STATISTIKA Lbor Žák SP Záko velkých čísel, cetrálí lmtí věta Lbor Žák Kovergece podle pravděpodobost Posloupost áhodých proměých,,,, koverguje

Více

3 - Póly, nuly a odezvy

3 - Póly, nuly a odezvy 3 - Póly, uly a odezvy Michael Šebek Automatické řízeí 5 3--5 Automatické řízeí - Kyberetika a robotika Póly přeosu jsou kořey jmeovatele pro gs () = bs () as () jsou to komplexí čísla si: as ( i) = pokud

Více

Abstrakt. Co jsou to komplexní čísla? K čemu se používají? Dá se s nimi dělat

Abstrakt. Co jsou to komplexní čísla? K čemu se používají? Dá se s nimi dělat Komplexí čísla Hoza Krejčí Abstrakt. Co jsou to komplexí čísla? K čemu se používají? Dá se s imi dělat ěco cool? Na tyto a další otázky se a předášce/v příspěvku pokusíme odpovědět. Proč vzikla komplexí

Více

11. přednáška 16. prosince Úvod do komplexní analýzy.

11. přednáška 16. prosince Úvod do komplexní analýzy. 11. předáška 16. prosice 009 Úvod do komplexí aalýzy. Tři závěrečé předášky předmětu Matematická aalýza III (NMAI056) jsou věováy úvodu do komplexí aalýzy. Což je adeseá formulace eboť časový rozsah ám

Více

8 NELINEÁRNÍ REGRESNÍ MODELY

8 NELINEÁRNÍ REGRESNÍ MODELY 8 NELINEÁRNÍ REGRESNÍ MODELY 8 Tvorba eleárího regresího modelu Postup tvorby eleárího regresího modelu se dá rozčlet do těchto kroků: Návrh regresího modelu Obvykle se jako eleárí regresí model používá

Více

Analýza a zpracování signálů. 3. Číselné řady, jejich vlastnosti a základní operace, náhodné signály

Analýza a zpracování signálů. 3. Číselné řady, jejich vlastnosti a základní operace, náhodné signály Aalýza a zpracováí sigálů 3. Číselé řady, jejich vlastosti a základí operace, áhodé sigály Diskrétí sigál fukce ezávislé proměé.!!! Pozor!!!! : sigáleí defiová mezi dvěma ásledujícími vzorky ( a eí tam

Více

12. Neparametrické hypotézy

12. Neparametrické hypotézy . Neparametrcké hypotézy V této část se budeme zabývat specálí částí teore statstckých hypotéz tzv. eparametrckým hypotézam ebo jak řečeo eparametrckým statstckým testy. Neparametrcké se azývají proto,

Více

veličiny má stejný řád jako je řád poslední číslice nejistoty. Nejistotu píšeme obvykle jenom jednou

veličiny má stejný řád jako je řád poslední číslice nejistoty. Nejistotu píšeme obvykle jenom jednou 1 Zápis číselých hodot a ejistoty měřeí Zápis číselých hodot Naměřeé hodoty zapisujeme jako číselý údaj s určitým koečým počtem číslic. Očekáváme, že všechy zapsaé číslice jsou správé a vyjadřují tak i

Více

2. Vícekriteriální a cílové programování

2. Vícekriteriální a cílové programování 2. Vícerterálí a cílové programováí Úlohy vícerterálího programováí jsou úlohy, ve terých se a možě přípustých řešeí optmalzuje ěol salárích rterálích fucí. Moža přípustých řešeí je přtom defováa podobě

Více

Odhady parametrů 1. Odhady parametrů

Odhady parametrů 1. Odhady parametrů Odhady parametrů 1 Odhady parametrů Na statistický soubor (x 1,..., x, který dostaeme statistickým šetřeím, se můžeme dívat jako a výběrový soubor získaý realizací áhodého výběru z áhodé veličiy X. Obdobě:

Více

Úvod do teorie měření

Úvod do teorie měření Uverzta Jaa Evagelsty Purkyě v Ústí ad Labem Přírodovědecká fakulta Úvod do teore měřeí Prof. Chlář emář 0 Průměr, rozptyl a směrodatá odchylka X = X = ( X X ) = = = Výpočty pomocí vzorců a pomocí statstckých

Více

SIGNÁLY A LINEÁRNÍ SYSTÉMY (ČASOVÉ ŘADY)

SIGNÁLY A LINEÁRNÍ SYSTÉMY (ČASOVÉ ŘADY) SIGNÁLY A LINEÁRNÍ SYSTÉMY (ČASOVÉ ŘADY) prof. Ig. Jiří Holčík, CSc. holcik@iba.mui.cz, Kameice 3, 4. patro, dv.č.424 INVESTICE Istitut DO biostatistiky ROZVOJE VZDĚLÁVÁNÍ a aalýz IV. FREKVENČNÍ TRASFORMACE

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

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

je číselná posloupnost. Pro všechna n položme s n = ak. Posloupnost

je číselná posloupnost. Pro všechna n položme s n = ak. Posloupnost Číselé řady Defiice (Posloupost částečých součtů číselé řady). Nechť (a ) =1 je číselá posloupost. Pro všecha položme s = ak. Posloupost ( s ) azýváme posloupost částečých součtů řady. Defiice (Součet

Více

procesy II Zuzana 1 Katedra pravděpodobnosti a matematické statistiky Univerzita Karlova v Praze

procesy II Zuzana 1 Katedra pravděpodobnosti a matematické statistiky Univerzita Karlova v Praze limití Náhodé limití Katedra pravděpodobosti a matematické statistiky Uiverzita Karlova v Praze email: praskova@karli.mff.cui.cz 9.4.-22.4. 200 limití Outlie limití limití efiice: Řekeme, že stacioárí

Více

Budeme pokračovat v nahrazování funkce f(x) v okolí bodu a polynomy, tj. hledat vhodné konstanty c n tak, aby bylo pro malá x a. = f (a), f(x) f(a)

Budeme pokračovat v nahrazování funkce f(x) v okolí bodu a polynomy, tj. hledat vhodné konstanty c n tak, aby bylo pro malá x a. = f (a), f(x) f(a) Předáša 7 Derivace a difereciály vyšších řádů Budeme poračovat v ahrazováí fuce f(x v oolí bodu a polyomy, tj hledat vhodé ostaty c ta, aby bylo pro malá x a f(x c 0 + c 1 (x a + c 2 (x a 2 + c 3 (x a

Více

SOUKROMÁ VYSOKÁ ŠKOLA EKONOMICKÁ ZNOJMO. Statistika I. distanční studijní opora. Milan Křápek

SOUKROMÁ VYSOKÁ ŠKOLA EKONOMICKÁ ZNOJMO. Statistika I. distanční studijní opora. Milan Křápek SOUKROMÁ VYSOKÁ ŠKOLA EKONOMICKÁ ZNOJMO Statstka I dstačí studjí opora Mla Křápek Soukromá vysoká škola ekoomcká Zojmo Dube 3 Statstka I Vydala Soukromá vysoká škola ekoomcká Zojmo. vydáí Zojmo, 3 ISBN

Více

Cvičení 2: Rozhodovací stromy, RBF sítě, vlastní algoritmy v RapidMineru

Cvičení 2: Rozhodovací stromy, RBF sítě, vlastní algoritmy v RapidMineru České vysoké učeí techcké v Praze Fakulta formačích techologí Katedra teoretcké formatky Evropský socálí fod Praha & EU: Ivestujeme do vaší budoucost MI-ADM Algortmy data mgu 2010/2011 Cvčeí 2: Rozhodovací

Více

Statistika. Jednotlivé prvky této množiny se nazývají prvky statistického souboru (statistické jednotky).

Statistika. Jednotlivé prvky této množiny se nazývají prvky statistického souboru (statistické jednotky). Statstka. Základí pojmy Statstcký soubo - daá koečá, epázdá moža M předmětů pozoováí, majících jsté společé vlastost (událost, věc,.) Jedotlvé pvky této možy se azývají pvky statstckého soubou (statstcké

Více