1 Zpracování a analýza tlakové vlny
|
|
- Jakub Vlček
- před 6 lety
- Počet zobrazení:
Transkript
1 1 Zpracování a analýza tlakové vlny 1.1 Cíl úlohy Prostřednictvím této úlohy se naučíte a zopakujete: analýzu biologických signálů v časové oblasti, analýzu biologických signálů ve frekvenční oblasti, implementaci SW filtraci pro potlačení rušivých složek měřených signálů. 1.2 Zadání 1. Načtěte a zobrazte tlakovou křivku, která je uložená v souboru s příponou.mat. 2. V MATLABu proveďte filtraci naměřených signálů. 3. Proveďte analýzu naměřených signálů ve frekvenční oblasti. 1.3 Předpokládané znalosti Pro tuto úlohu je vyžadováno následujících znalostí: znalost SW MATLAB, znalost analýzy signálů v časové oblasti, znalost analýzy signálů ve frekvenční oblasti, znalost návrhu a implementace SW filtrů pro filtraci signálů, znalost měření pletysmografických záznamů.
2 1.4 Teoretický rozbor Pulzní křivka Při průchodu tepové vlny dochází ke změně tlaku na pružnou cévní stěnu. Změna tlaku se projeví jako objemová změna cévy. Snímáním této změny objemu v čase dostaneme objemovou vlnu. Výhodou této metody je tvarová složitost, vlnový charakter, frekvenční a amplitudová diference umožňující jejich vyhodnocení. Nevýhodou pletysmografické metody je nelineární distenzibilita cév, získaná data přesně neodpovídají tlakové vlně Tlaková křivka Časový záznam tlakových změn udává tzv. tlaková křivka, která nese informaci o stavu uvažovaného úseku krevního řečiště. Tlaková křivka má svůj charakteristický tvar a velikost, která se vlivem nemocí může měnit. Na rozdíl od např. EKG křivky není u tlakové křivky zcela jednoznačně určen tvar normálních a patologických křivek. Posuzování je tedy zcela na lékaři a je poměrně subjektivní. Obr. 1 Tlaková křivka Základními parametry při hodnocení tvaru tlakové křivky jsou: vrcholový čas T v, což je časový úsek od začátku vzestupu pulsové vlny k jejímu vrcholu, průměrná hodnota nepřesahuje 0,2 s, inklinační doba T i je časový úsek mezi průsečíkem směrnice nejstrmější části nástupu pulsové vlny a tečny v maximu vlny, průměrná hodnota je 0,2s - 0,3 s, 11, tlaková křivka je tvořena sumací dvou vln. Při kontrakci levé komory dochází k šíření dopředné tlakové vlny, která se po odrazu na perifériích vrací zpět jako odražená vlna. Je označována jako retrográdní vlna a zvyšuje (augmentuje) tlak krve v aortě. U mladých lidí s pružnými cévami je zvýšen hlavně diastolický tlak, což přispívá k lepšímu plnění srdečního řečiště. Starší lidé mají rigidnější cévy a zvýšenou periferní rezistenci, proto se odra-
3 žená vlna dostane do aorty už během systoly a má absenci v diastole (dochází k zvýšení systolického tlaku). Obr. 2 Změna tvaru tlakové křivky v závislosti na věku Analýza signálů ve frekvenční oblasti K popisu a analýze signálů ve frekvenční oblasti se využívá harmonická analýza. Z hlediska harmonické analýzy lze libovolný periodický signál rozdělit na součet nekonečně mnoha harmonických složek. Vždy platí, že frekvence těchto harmonických složek jsou celistvými násobky základní frekvence signálu. Každá harmonická složka disponuje určitou amplitudou a frekvencí. Závislost amplitudy na frekvenci potom nazýváme amplitudové frekvenční spektrum. Každá z harmonických složek má rovněž jistou počáteční fázi. Závislost fáze jednotlivých harmonických složek potom nazýváme fázové frekvenční spektrum Fourierova transformace Rozklad (periodického i neperiodického) signálu na harmonické složky je možné provést pomocí Fourierovy transformace. Fourierova transformace představuje matematickou metodu, která se s úspěchem používá k analýze obrazů signálů. Obecně se jedná o vyjádření funkce, která popisuje obraz v jiných proměnných pomocí integrální transformace. Ve speciálním případě se uvažuje tvz. trigeometrická Fourierova transformace, kde se využívá bázových funkcí sin(kt), cos(kt). Fourierova transformace je definována vztahem: F(ω) = 1 2π f(t)e iωt dt (1.1)
4 Zpětná (inverzní Fourierova) transformace: f(t) = 1 2π F(ω)eiωt dω (1.2) Diskrétní Fourierova transformace V případě počítačového zpracování máme k dispozici vždy jen diskrétní vzorky funkce f(t). Tyto vzorky tvoří originální posloupnost {f i } i=. Zavádíme tedy tzv. diskrétní Fourierovu transformaci. Tuto transformaci dostaneme formálním nahrazením integrálu integrálním součtem s dělením, které odpovídá periodě vzorkování T. Volí se ekvidistální okamžiky. Vztah pro diskrétní Fourierovu transformaci je dán: F k = f i e j2πkit i= (1.3) kde {f k } k= představuje obrazovou posloupnost. Zde nemůžeme hovořit o Fourierově transformaci posloupnosti, ale pouze funkce. Pro praktické výpočty má největší význam tzv. konečná diskrétní Fourierova transformace. Při této transformaci probíhá sumace v mezích od 0 od N-1. Kde N představuje počet vzorků. Základní vztah pro konečnou diskrétní Fourierovu transformaci tedy je: N 1 F k = f i e j2πki N i=0 (1.4) Výsledkem transformace je tedy buď N členná posloupnost, nebo periodická nekonečná posloupnost. Inverzní diskrétní Fourierova transformace je dána vztahem: N 1 f i = 1 N F Ke j2πki N k=0 (1.5) Rychlé algoritmy pro výpočet Fourierovy transformace Značnou nevýhodou diskrétní Fourierovy transformace je velká výpočetní náročnost. Vztah pro diskrétní Fourierovu transformaci je ekvivalentní vyčíslení hodnoty polynomu stupně N-1 s koeficienty f i v bodě e i2πk n. Optimálním postupem pro výpočet polynomu je Hornerovo schéma, kde potřebujeme N-1 násobení a sčítání. Tento fakt pro celou transformaci dává počet operací: 2N(N-1), tedy přibližně N 2. operací. Již pro malý počet vstupních vzorků výpočetní čas neúměrně narůstá. Z tohoto důvodu je nutné pro výpočet využít jiných algoritmů, které využívají vlastností definice transformace. Důležitou vlastností těchto technik je časová úspora výpočtu a minimalizace počtu násobení. Důvodem je fakt, že násobení je výpočetněji náročnější než sčítání.
5 1.4.4 Filtrace signálů Proces filtrace signálů je využívám ke dvěma hlavním účelům, a sice k separaci sloučených signálů a k obnově zkresleného signálu. Separace signálu se využívá v případě, kdy je signál ovlivněn interferencí, šumem, nebo jinými signály. Filtr bývá standardně popsán pomocí impulzní odezvy, odezvy na skok a frekvenční odezvy. Filtry lze dělit na základě různých kritérií. Běžně rozeznáváme dělení filtrů dle použití a způsobu realizace. Dělení filtrů dle způsobu využití: V časové oblasti: pro odstranění DC složky, pro vyhlazení signálů. Ve frekvenční oblasti: separace frekvencí. Speciální: dekonvoluce. Dělení filtrů dle způsobu realizace: Pomocí konvoluce: filtry s konečnou impulzní charakteristikou Finite Impulse Response (FIR). Rekurzivní filtry: Infinite Impulse Response (IIR) Butterworthovy filtry Butterworthův filtr disponuje velmi plochým průběhem amplitudové charakteristiky v propustném pásmu, která začíná klesat teprve v blízkosti frekvence zlomu. Rozdíl mezi ideální a aproximovanou amplitudovou frekvenční charakteristikou je na frekvenci zlomu (f=f c ) 3dB a nezáleží na řádu filtru. Normovaným Butterworthovým polynomem n-tého řádu rozumíme polynom, jehož komplexně sdružené kořeny leží v levé polorovině. Pro liché n je jeden kořen vždy reálný a roven -1, dalších n-1 kořenů jsou komplexně sdružené se zápornou reálnou částí. Pro sudá n má polynom n/2 dvojic komplexně sdružených kořenů se zápornou reálnou částí. Fázová frekvenční charakteristika vykazuje v propustném pásmu plynulou změnu fáze s frekvencí, se sklonem daným řádem filtru. Pro posouzení těchto vlastností se využívá skupinového zpoždění, což je derivace fáze podle frekvence Analýza distribuce četnosti dat Jednou z možností pro analýzu četnosti naměřených dat je využití grafické reprezentace pomocí histogramu. Histogram poskytuje grafické znázornění distribuce četnosti tříd datového souboru, kde na horizontální osu vynášíme jednotlivé třídy a na vertikální osu vynášíme příslušné četnosti jednotlivých tříd. Histogram se často používá ve tvaru, kdy se hodnota odpovídající třídě znázorňuje jako sloupec s intervalem třídy jako základnou a výška je dána četností. Důležitým parametrem histogramu je modus. Tento parametr udává třídu, která má největší četnost. Obr. 3 Příklad histogramu
6 1.5 Pracovní postup Postup k bodu č. 1 zadání 1. Načtěte do MATLABu záznam tlakové křivky. 2. Zobrazte originální záznam a určete vzorkovací frekvenci signálu. 3. Pomocí datových kurzorů si vymezte libovolné okno zobrazování a zobrazte signál v definovaném rozmezí. 4. Pro zobrazované okno proveďte detekci maxim analyzovaného signálu. 5. Všechny výstupy uveďte do protokolu. Obr. 4 Vizualizace záznamu 10 s Postup k bodu č. 2 zadání 1. K analyzovaným signálům z druhého bodu superponujte šumové složky síťového rušení a dýchání s následujícími parametry: Síťové rušení: A=0,5 a f=50 Hz Dýchání: A=0,05 a f=0,15 Hz 2. Vypočítejte koeficienty Butterworthova filtru pro filtraci daného signálu. 3. Zvolte řád filtru 5, cut-off frekvenci 30Hz a vypočtěte normalizovanou cut-off frekvenci podle vzorce: 4. Aplikujte filtr na upravený signál. NFCO(normalized cut off frequency) = 2 f c f s (1.6) Obr. 5 Zašuměný signál (vlevo), filtrovaný signál (vpravo)
7 o Použijte funkce: butter() výpočet koeficientů Butterworthova filtru; filtfilt() aplikace filtru Postup k bodu č. 3 zadání 1. Implementujte algoritmus pro výpočet frekvenčních spekter. 2. Algoritmus pro výpočet frekvenčních spekter otestujte na jedné harmonické složce. 3. Teoreticky vypočtěte spektrum definované harmonické složky. 4. Teoretický výpočet porovnejte s výstupem navrženého algoritmu. o Příklad: Mějme harmonickou funkci o amplitudě 5 a frekvenci 20 Hz. Obr. 6 Amplitudové spektrum harmonického signálu 5. K analyzovaným signálům z druhého bodu superponujte šumové složky síťového rušení a dýchání s následujícími parametry: Síťové rušení: A=0,5 a f=50hz Dýchání: A=0,05 a f=0,15hz 6. Vypočtěte amplitudové a výkonové spektrum originálního a zašuměného signálu. 7. Na základě spektrální analýzy odhadněte, jak se v signálu manifestují šumové složky. 8. Na základě spektrální analýzy odhadněte frekvenční rozsah největšího výkonu analyzovaného signálu. 9. Všechny výstupy uveďte do protokolu. Obr. 7 Amplitudové spektrum originálního signálu
8 Obr. 8 Amplitudové spektrum zašuměného signálu o Použijte funkci: fft() výpočet rychlé Fourierovy transformace 1.6 Závěr
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
VíceLineární 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
VíceÚvod do zpracování signálů
1 / 25 Úvod do zpracování signálů Karel Horák Rozvrh přednášky: 1. Spojitý a diskrétní signál. 2. Spektrum signálu. 3. Vzorkovací věta. 4. Konvoluce signálů. 5. Korelace signálů. 2 / 25 Úvod do zpracování
VíceLineární 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
VíceSignál 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
VíceLaboratorní úloha č. 8: Polykardiografie
pletys. dech FKG EKG-II. [mv] Laboratorní úloha č. 8: Polykardiografie Úvod: Polykardiografie je současný záznam několika metod sledujících různé projevy srdečního cyklu. Základem jsou elektrokardiografie,
VíceKTE/TEVS - Rychlá Fourierova transformace. Pavel Karban. Katedra teoretické elektrotechniky Fakulta elektrotechnická Západočeská univerzita v Plzni
KTE/TEVS - Rychlá Fourierova transformace Pavel Karban Katedra teoretické elektrotechniky Fakulta elektrotechnická Západočeská univerzita v Plzni 10.11.011 Outline 1 Motivace FT Fourierova transformace
VíceA7B31ZZS 10. PŘEDNÁŠKA Návrh filtrů 1. prosince 2014
A7B3ZZS. PŘEDNÁŠKA Návrh filtrů. prosince 24 Návrhy jednoduchých filtrů Návrhy složitějších filtrů Porovnání FIR a IIR Nástroje pro návrh FIR filtrů v MATLABu Nástroje pro návrh IIR filtrů v MATLABu Kvantování
Vícezákladní 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
VíceSIGNÁLY 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)
VíceLineární 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
Vícefiltry FIR zpracování signálů FIR & IIR Tomáš Novák
filtry FIR 1) Maximální překývnutí amplitudové frekvenční charakteristiky dolní propusti FIR řádu 100 je podle obr. 1 na frekvenci f=50hz o velikosti 0,15 tedy 1,1dB; přechodové pásmo je v rozsahu frekvencí
VíceČíslicové filtry. Honza Černocký, ÚPGM
Číslicové filtry Honza Černocký, ÚPGM Aliasy Digitální filtry Diskrétní systémy Systémy s diskrétním časem atd. 2 Na co? Úprava signálů Zdůraznění Potlačení Detekce 3 Zdůraznění basy 4 Zdůraznění výšky
VíceRychlost pulzové vlny (XII)
Rychlost pulzové vlny (XII) Definice pulzové vlny Pulzová vlna vzniká během srdeční revoluce, kdy dochází za systoly k vypuzení krve z levé komory do velkého oběhu. Arteriální systém se s tímto rychle
Více1. 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
VíceZvuk. 1. základní kmitání. 2. šíření zvuku
Zvuk 1. základní kmitání - vzduchem se šíří tlakové vzruchy (vzruchová vlna), zvuk je systémem zhuštěnin a zředěnin - podstatou zvuku je kmitání zdroje zvuku a tím způsobené podélné vlnění elastického
VíceČíslicové 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
VícePříloha č. 1. amplitudová charakteristika filtru fázová charakteristika filtru / frekvence / Hz. 1. Určení proudové hustoty
Příloha č. 1 Při hodnocení expozice nízkofrekvenčnímu elektromagnetickému poli (0 Hz 10 MHz) je určující veličinou modifikovaná proudová hustota J mod indukovaná v tělesné tkáni. Jak je uvedeno v nařízení
VícePři 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.
Více1 Základní funkce pro zpracování obrazových dat
1 Základní funkce pro zpracování obrazových dat 1.1 Teoretický rozbor 1.1.1 Úvod do zpracování obrazu v MATLABu MATLAB je primárně určen pro zpracování a analýzu numerických dat. Pro analýzu obrazových
VíceModelování systémů a procesů (11MSP) Bohumil Kovář, Jan Přikryl, Miroslav Vlček. 8. přednáška 11MSP pondělí 20. dubna 2015
Modelování systémů a procesů (11MSP) Bohumil Kovář, Jan Přikryl, Miroslav Vlček Ústav aplikované matematiky ČVUT v Praze, Fakulta dopravní 8. přednáška 11MSP pondělí 20. dubna 2015 verze: 2015-04-14 12:31
VíceFunkce 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
Vícefluktuace jak dob trvání po sobě jdoucích srdečních cyklů, tak hodnot Heart Rate Variability) je jev, který
BIOLOGICKÉ A LÉKAŘSKÉ SIGNÁLY VI. VARIABILITA SRDEČNÍHO RYTMU VARIABILITA SRDEČNÍHO RYTMU VARIABILITA SRDEČNÍHO RYTMU, tj. fluktuace jak dob trvání po sobě jdoucích srdečních cyklů, tak hodnot okamžité
VíceBiofyzikální ústav LF MU Brno. jarní semestr 2011
pro obor Ošetřovatelská péče v gerontologii Biofyzikální ústav LF MU Brno jarní semestr 2011 Obsah letmý dotyk teorie systémů klasifikace a analýza biosignálů Co je signál? Co je biosignál? Co si počít
VíceStřední 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:
Více31ZZS 9. PŘEDNÁŠKA 24. listopadu 2014
3ZZS 9. PŘEDNÁŠKA 24. listopadu 24 SPEKTRÁLNÍ ANALÝZA Fourierovy řady Diskrétní Fourierovy řady Fourierova transformace Diskrétní Fourierova transformace Spektrální analýza Zobrazení signálu ve frekvenční
VícePrimární zpracování radarového signálu dopplerovská filtrace
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE K13137 - Katedra radioelektroniky A2M37RSY Jméno Stud. rok Stud. skupina Ročník Lab. skupina Václav Dajčar 2011/2012 2. 101 - Datum zadání Datum odevzdání Klasifikace
VíceTransformace obrazu Josef Pelikán KSVI MFF UK Praha
Transformace obrazu 99725 Josef Pelikán KSVI MFF UK Praha email: Josef.Pelikan@mff.cuni.cz WWW: http://cgg.ms.mff.cuni.cz/~pepca/ Transformace 2D obrazu dekorelace dat potlačení závislosti jednotlivých
VíceAkustika. 3.1 Teorie - spektrum
Akustika 3.1 Teorie - spektrum Rozklad kmitů do nejjednodušších harmonických Spektrum Spektrum Jedna harmonická vlna = 1 frekvence Dvě vlny = 2 frekvence Spektrum 3 vlny = 3 frekvence Spektrum Další vlny
VíceSIGNÁLY A LINEÁRNÍ SYSTÉMY
SIGNÁLY A LINEÁRNÍ SYSTÉMY prof. Ing. Jiří Holčík, CSc. holcik@iba.muni.cz, Kamenice 3, 4. patro, dv.č.424 INVESTICE Institut DO biostatistiky ROZVOJE VZDĚLÁVÁNÍ a analýz IV. FREKVENČNÍ TRASFORMACE SPOJITÉ
Vícedoc. 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
Více0.0001 0.001 0.01 0.1 1 10 100 1000 10000. Čas (s) Model časového průběhu sorpce vyplývá z 2. Fickova zákona a je popsán následující rovnicí
Program Sorpce1.m psaný v prostředí Matlabu slouží k vyhlazování naměřených sorpčních křivek a výpočtu difuzních koeficientů. Kromě standardního Matlabu vyžaduje ještě Matlab Signal Processing Toolbox
VíceDodatky 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
VíceFouriérova transformace, konvoluce, dekonvoluce, Fouriérovské integrály
co byste měli umět po dnešní lekci: používat funkce pro výpočet FFT (Fast Fourier Transformation) spočítat konvoluci/dekonvoluci pomocí FFT použít FFT při výpočtu určitých integrálů vědět co je nízko\vysoko
VíceLineární a adaptivní zpracování dat. 2. SYSTÉMY a jejich popis v časové doméně
Lineární a adaptivní zpracování dat 2. SYSTÉMY a jejich popis v časové doméně Daniel Schwarz Investice do rozvoje vzdělávání Osnova Opakování: signály Systémy: definice, několik příkladů Vlastnosti systémů
VíceFILTRACE VE FOURIEROVSKÉM SPEKTRU
1/18 FILTRACE VE FOURIEROVSKÉM SPEKTRU (patří do lineárních integrálních transformací) Václav Hlaváč Fakulta elektrotechnická ČVUT v Praze katedra kybernetiky, Centrum strojového vnímání hlavac@fel.cvut.cz
VíceČíslicová filtrace. FIR filtry IIR filtry. ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE Fakulta elektrotechnická
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE Fakulta elektrotechnická Ing. Radek Sedláček, Ph.D., katedra měření K13138 Číslicová filtrace FIR filtry IIR filtry Tyto materiály vznikly za podpory Fondu rozvoje
VíceP7: Základy zpracování signálu
P7: Základy zpracování signálu Úvodem - Signál (lat. signum) bychom mohli definovat jako záměrný fyzikální jev, nesoucí informaci o nějaké události. - Signálem je rovněž funkce, která převádí nezávislou
VíceLaboratorní úloha č. 8: Elektroencefalogram
Laboratorní úloha č. 8: Elektroencefalogram Cíle úlohy: Rozložení elektrod při snímání EEG signálu Filtrace EEG v časové oblasti o Potlačení nf a vf rušení o Alfa aktivita o Artefakty Spektrální a korelační
VíceKomplexní obálka pásmového signálu
České vysoké učení technické v Praze, Fakulta elektrotechnická X37SGS Signály a systémy Komplexní obálka pásmového signálu Daniel Tureček 8.11.8 1 Úkol měření Nalezněte vzorky komplexní obálky pásmového
VícePři 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.
VíceX31EO2 - Elektrické obvody 2. Kmitočtové charakteristiky
X3EO - Elektrické obvody Kmitočtové charakteristiky Doc. Ing. Petr Pollák, CSc. Letní semestr 5/6!!! Volné šíření není povoleno!!! Fázory a spektra Fázor harmonického průběhu Û m = U m e jϕ ut) = U m sinωt
VíceSIGNÁLY A LINEÁRNÍ SYSTÉMY
SIGNÁLY A LINEÁRNÍ SYSTÉMY prof. Ing. Jiří Holčík, CSc. holcik@iba.muni.cziba.muni.cz II. SIGNÁLY ZÁKLADNÍ POJMY SIGNÁL - DEFINICE SIGNÁL - DEFINICE Signál je jev fyzikální, chemické, biologické, ekonomické
VíceMĚŘENÍ A ANALÝZA ELEKTROAKUSTICKÝCH SOUSTAV NA MODELECH. Petr Kopecký ČVUT, Fakulta elektrotechnická, Katedra Radioelektroniky
MĚŘENÍ A ANALÝZA ELEKTROAKUSTICKÝCH SOUSTAV NA MODELECH Petr Kopecký ČVUT, Fakulta elektrotechnická, Katedra Radioelektroniky Při návrhu elektroakustických soustav, ale i jiných systémů, je vhodné nejprve
VíceSvětlo jako elektromagnetické záření
Světlo jako elektromagnetické záření Základní pojmy: Homogenní prostředí prostředí, jehož dané vlastnosti jsou ve všech místech v prostředí stejné. Izotropní prostředí prostředí, jehož dané vlastnosti
VíceMatematika I A ukázkový test 1 pro 2014/2015
Matematika I A ukázkový test 1 pro 2014/2015 1. Je dána soustava rovnic s parametrem a R x y + z = 1 x + y + 3z = 1 (2a 1)x + (a + 1)y + z = 1 a a) Napište Frobeniovu větu (existence i počet řešení). b)
Více8. 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
VíceFiltrace obrazu ve frekvenční oblasti
Filtrace obrazu ve frekvenční oblasti Václav Hlaváč České vysoké učení technické v Praze Český institut informatiky, robotiky a kybernetiky 166 36 Praha 6, Jugoslávských partyzánů 1580/3 http://people.ciirc.cvut.cz/hlavac,
Více" 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
VíceRekurentní filtry. Matlab
Rekurentní filtry IIR filtry filtry se zpětnou vazbou a nekonečnou impulsní odezvou Výstupní signál je závislý na vstupu a minulém výstupu. Existují různé konvence zápisu, pozor na to! Někde je záporná
Více3 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,
VíceLineární 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
VíceDigitalizace 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
VíceOsnova. Idea ASK/FSK/PSK ASK Amplitudové... Strana 1 z 16. Celá obrazovka. Konec Základy radiotechniky
Pulsní kódová modulace, amplitudové, frekvenční a fázové kĺıčování Josef Dobeš 24. října 2006 Strana 1 z 16 Základy radiotechniky 1. Pulsní modulace Strana 2 z 16 Pulsní šířková modulace (PWM) PAM, PPM,
VíceFOURIEROVA TRANSFORMACE FOURIEROVA VĚTA
FOURIEROVA TRANSFORMACE FOURIEROVA VĚTA V kapitole o Fourierových řadách byla dokázána Fourierova věta (připomeňte si, že f(x = (f(x + + f(x /2: VĚTA Necht f je po částech hladká na R a R f konverguje
VíceSIGNÁLY A LINEÁRNÍ SYSTÉMY
SIGNÁLY A LINEÁRNÍ SYSTÉMY prof. Ing. Jiří Holčík, CSc. holcik@iba.muni.cz II. SIGNÁLY ZÁKLADNÍ POJMY SIGNÁL - DEFINICE SIGNÁL - DEFINICE Signál je jev fyzikální, chemické, biologické, ekonomické či jiné
VíceRozprostřené spektrum. Multiplex a mnohonásobný přístup
Rozprostřené spektrum Multiplex a mnohonásobný přístup Multiplex Přenos více nezávislých informačních signálů jedním přenosovým prostředím (mezi dvěma body) Multiplexování MPX Vratný proces sdružování
VíceZákladní 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,
VíceUŽITÍ 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
VíceFOURIEROVA TRANSFORMACE
FOURIEROVA TRANSFORMACE FOURIEROVA VĚTA V kapitole o Fourierových řadách byla dokázána (připomeňte si, že f(x) = (f(x + ) + f(x ))/2): VĚTA. Necht f je po částech hladká na R a R f konverguje. Potom f(x)
Více2. Číslicová filtrace
Żpracování signálů a obrazů 2. Číslicová filtrace.......... Petr Česák Zimní semestr 2002/2003 . 2. Číslicová filtrace FIR+IIR ZADÁNÍ Účelem cvičení je seznámit se s průběhem frekvenčních charakteristik
VíceMatematika I A ukázkový test 1 pro 2011/2012. x + y + 3z = 1 (2a 1)x + (a + 1)y + z = 1 a
Matematika I A ukázkový test 1 pro 2011/2012 1. Je dána soustava rovnic s parametrem a R x y + z = 1 a) Napište Frobeniovu větu. x + y + 3z = 1 (2a 1)x + (a + 1)y + z = 1 a b) Vyšetřete počet řešení soustavy
VíceMultimediální systémy
Multimediální systémy Jan Outrata KATEDRA INFORMATIKY UNIVERZITA PALACKÉHO V OLOMOUCI přednášky Získání obsahu Jan Outrata (Univerzita Palackého v Olomouci) Multimediální systémy Olomouc, září prosinec
VíceZpracování obrazů. Honza Černocký, ÚPGM
Zpracování obrazů Honza Černocký, ÚPGM 1D signál 2 Obrázky 2D šedotónový obrázek (grayscale) Několikrát 2D barevné foto 3D lékařské zobrazování, vektorová grafika, point-clouds (hloubková mapa, Kinect)
Vícesin(x) x lim. pomocí mocninné řady pro funkci sin(x) se středem x 0 = 0. Víme, že ( ) k=0 e x2 dx.
Použití mocniných řad Nejprve si ukážeme dvě jednoduchá použití Taylorových řad. Příklad Spočtěte následující limitu: ( ) sin(x) lim. x x ( ) Najdeme lim sin(x) x x pomocí mocninné řady pro funkci sin(x)
VíceFyzikální podstata zvuku
Fyzikální podstata zvuku 1. základní kmitání vzduchem se šíří tlakové vzruchy (vzruchová vlna), zvuk je systémem zhuštěnin a zředěnin podstatou zvuku je kmitání zdroje zvuku a tím způsobené podélné vlnění
VíceINVESTICE DO ROZVOJE VZDĚLÁVÁNÍ. Příklady použití tenkých vrstev Jaromír Křepelka
Příklady použití tenkých vrstev Jaromír Křepelka Příklad 01 Spočtěte odrazivost prostého rozhraní dvou izotropních homogenních materiálů s indexy lomu n 0 = 1 a n 1 = 1,52 v závislosti na úhlu dopadu pro
VíceZásady regulace - proudová, rychlostní, polohová smyčka
Zásady regulace - proudová, rychlostní, polohová smyčka 23.4.2014 Schématické znázornění Posuvová osa s rotačním motorem 3 regulační smyčky Proudová smyčka Rychlostní smyčka Polohová smyčka Blokové schéma
VíceAnalýza a zpracování digitálního obrazu
Analýza a zpracování digitálního obrazu Úlohy strojového vidění lze přibližně rozdělit do sekvence čtyř funkčních bloků: Předzpracování veškerých obrazových dat pomocí filtrací (tj. transformací obrazové
Více1 Jasové transformace
1 Jasové transformace 1.1 Teoretický rozbor 1.1.1 Princip jasové transformace Jasové transformace představují transformační funkce, které mění vždy určitou hodnotu vstupní jasové funkce na výstupní. Transformace
VíceModulační parametry. Obr.1
Modulační parametry Specifickou skupinou měřicích problémů je měření modulačních parametrů digitálních komunikačních systémů. Většinu modulačních metod používaných v digitálních komunikacích lze realizovat
VíceSpektrální analýza a diskrétní Fourierova transformace. Honza Černocký, ÚPGM
Spektrální analýza a diskrétní Fourierova transformace Honza Černocký, ÚPGM Povídání o cosinusovce 2 Argument cosinusovky 0 2p a pak každé 2p perioda 3 Cosinusovka s diskrétním časem Úkol č. 1: vyrobit
VíceKepstrální analýza řečového signálu
Semestrální práce Václav Brunnhofer Kepstrální analýza řečového signálu 1. Charakter řečového signálu Lidská řeč je souvislý, časově proměnný proces. Je nositelem určité informace od řečníka k posluchači
VícePSK1-9. Číslicové zpracování signálů. Číslicový signál
Název školy: Autor: Anotace: PSK1-9 Vyšší odborná škola a Střední průmyslová škola, Božetěchova 3 Ing. Marek Nožka Princip funkce číslicové filtrace signálu Vzdělávací oblast: Informační a komunikační
VíceDiskretizace. 29. dubna 2015
MSP: Domácí příprava č. 3 Vnitřní a vnější popis diskrétních systémů Dopředná Z-transformace Zpětná Z-transformace Řešení diferenčních rovnic Stabilita diskrétních systémů Spojování systémů Diskretizace
VíceFourierova 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
VíceMatematika (KMI/PMATE)
Úvod do matematické analýzy Funkce a její vlastnosti Funkce a její vlastnosti Veličina Veličina - pojem, který popisuje kvantitativní (číselné) vlastnosti reálných i abstraktních objektů. Funkce a její
VíceFOURIEROVA 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
VíceZáklady matematiky pro FEK
Základy matematiky pro FEK 12. přednáška Blanka Šedivá KMA zimní semestr 216/21 Blanka Šedivá (KMA) Základy matematiky pro FEK zimní semestr 216/21 1 / 15 Integrování jako inverzní operace příklady inverzních
Vícer Odvoď te přenosovou funkci obvodů na obr.2.16, je-li vstupem napě tí u 1 a výstupem napě tí u 2. Uvaž ujte R = 1Ω, L = 1H a C = 1F.
Systé my, procesy a signály I - sbírka příkladů NEŘ EŠENÉPŘ ÍKADY r 223 Odvoď te přenosovou funkci obvodů na obr26, je-li vstupem napě tí u a výstupem napě tí Uvaž ujte Ω, H a F u u u a) b) c) u u u d)
VíceFourierova transformace
Fourierova transformace EO Přednáška Pavel Máša ÚVODEM Známe Fourierovy řady v komplexním tvaru f(t) = 1X k= 1 A k e jk! t Spektrum této řady je diskrétní A k = 1 T Obvody tedy musíme řešit v HUS člen
VíceEVIDENČNÍ FORMULÁŘ. FTVS-UK evidence VaV výsledků nepodléhající řízení o zápisu u ÚPV v Praze
EVIDENČNÍ FORMULÁŘ Název výsledku: Software pro vyhodnocení vibrační analýzy heterogenních systémů 1. Informace o projektu Název projektu, v rámci kterého předkládaný výsledek vznikl: PRVOUK P38 Biologické
VíceNávrh frekvenčního filtru
Návrh frekvenčního filtru Vypracoval: Martin Dlouhý, Petr Salajka 25. 9 2010 1 1 Zadání 1. Navrhněte co nejjednodušší přenosovou funkci frekvenčního pásmového filtru Dolní propusti typu Bessel, která bude
VíceQuantization of acoustic low level signals. David Bursík, Miroslav Lukeš
KVANTOVÁNÍ ZVUKOVÝCH SIGNÁLŮ NÍZKÉ ÚROVNĚ Abstrakt Quantization of acoustic low level signals David Bursík, Miroslav Lukeš Při testování kvality A/D převodníků se používají nejrůznější testovací signály.
VíceSYNTÉZA AUDIO SIGNÁLŮ
SYNTÉZA AUDIO SIGNÁLŮ R. Čmejla Fakulta elektrotechnická, ČVUT v Praze Abstrakt Příspěvek pojednává o technikách číslicové audio syntézy vyučovaných v předmětu Syntéza multimediálních signálů na Elektrotechnické
VíceAnalýza lineárních regulačních systémů v časové doméně. V Modelice (ale i v Simulinku) máme blok TransfeFunction
Analýza lineárních regulačních systémů v časové doméně V Modelice (ale i v Simulinku) máme blok TransfeFunction Studijní materiály http://physiome.cz/atlas/sim/regulacesys/ Khoo: Physiological Control
VíceČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA STAVEBNÍ OBOR GEODÉZIE A KARTOGRAFIE KATEDRA VYŠŠÍ GEODÉZIE název předmětu úloha/zadání název úlohy Základy fyzikální geodézie 3/19 Legendreovy přidružené funkce
VícePolykardiografie. Cíle. Pulsní pletysmografie měří optickou transparentnost/odrazivost, která se mění se změnou pulzního tlaku v cévkách měkkých tkání
Polykardiografie Úvod Polykardiografie je současný záznam několika metod sledujících různé projevy srdečního cyklu. Základem jsou elektrokardiografie (EKG), pulsní pletysmografie (PPG), fonokardiografie
VíceZákladní 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
Vícevzorek1 0.0033390 0.0047277 0.0062653 0.0077811 0.0090141... vzorek 30 0.0056775 0.0058778 0.0066916 0.0076192 0.0087291
Vzorová úloha 4.16 Postup vícerozměrné kalibrace Postup vícerozměrné kalibrace ukážeme na úloze C4.10 Vícerozměrný kalibrační model kvality bezolovnatého benzinu. Dle následujících kroků na základě naměřených
VíceAutomatizace je proces při němž je řídicí funkce člověka nahrazována činností
Automatizace je proces při němž je řídicí funkce člověka nahrazována činností různých přístrojů a zařízení. (Mechanizace, Automatizace, Komplexní automatizace) Kybernetika je Věda, která zkoumá obecné
VíceZpracování náhodného výběru. Ing. Michal Dorda, Ph.D.
Zpracování náhodného výběru popisná statistika Ing. Michal Dorda, Ph.D. Základní pojmy Úkolem statistiky je na základě vlastností výběrového souboru usuzovat o vlastnostech celé populace. Populace(základní
VíceVYUŽITÍ MATLABU PRO PODPORU VÝUKY A PŘI ŘEŠENÍ VÝZKUMNÝCH ÚKOLŮ NA KATEDŘE KOMUNIKAČNÍCH A INFORMAČNÍCH SYSTÉMŮ
VYUŽITÍ MATLABU PRO PODPORU VÝUKY A PŘI ŘEŠENÍ VÝZKUMNÝCH ÚKOLŮ NA KATEDŘE KOMUNIKAČNÍCH A INFORMAČNÍCH SYSTÉMŮ Markéta Mazálková Katedra komunikačních a informačních systémů Fakulta vojenských technologií,
Více0.1 Funkce a její vlastnosti
0.1 Funkce a její vlastnosti Veličina - pojem, který popisuje kvantitativní (číselné) vlastnosti reálných i abstraktních objektů. Příklady veličin: hmotnost (m) čas (t) výše úrokové sazby v bance (i) cena
Více31SCS Speciální číslicové systémy Antialiasing
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE 2006/2007 31SCS Speciální číslicové systémy Antialiasing Vypracoval: Ivo Vágner Email: Vagnei1@seznam.cz 1/7 Převod analogového signálu na digitální Složité operace,
Více0.1 Úvod do matematické analýzy
Matematika I (KMI/PMATE) 1 0.1 Úvod do matematické analýzy 0.1.1 Pojem funkce Veličina - pojem, který popisuje kvantitativní (číselné) vlastnosti reálných i abstraktních objektů. Příklady veličin: hmotnost
Více25.z-6.tr ZS 2015/2016
Ústav technologie, mechanizace a řízení staveb Teorie měření a regulace Typové členy 2 25.z-6.tr ZS 2015/2016 2015 - Ing. Václav Rada, CSc. TEORIE ŘÍZENÍ třetí část tématu předmětu pokračuje. A oblastí
VíceMKI Funkce f(z) má singularitu v bodě 0. a) Stanovte oblast, ve které konverguje hlavní část Laurentova rozvoje funkce f(z) v bodě 0.
MKI -00 Funkce f(z) má singularitu v bodě 0. a) Stanovte oblast, ve které konverguje hlavní část Laurentova rozvoje funkce f(z) v bodě 0. V jakém rozmezí se může pohybovat poloměr konvergence regulární
Více2 Teoretický úvod Základní princip harmonické analýzy Podmínky harmonické analýzy signálů Obdelník Trojúhelník...
Obsah 1 Zadání 1 2 Teoretický úvod 1 2.1 Základní princip harmonické analýzy.................. 1 2.2 Podmínky harmonické analýzy signálů................. 1 3 Obecné matematické vyjádření 2 4 Konkrétní
Více7. Rozdělení pravděpodobnosti ve statistice
7. Rozdělení pravděpodobnosti ve statistice Statistika nuda je, má však cenné údaje, neklesejte na mysli, ona nám to vyčíslí Jednou z úloh statistiky je odhad (výpočet) hodnot statistického znaku x i,
Více