Číslicové zpracování a analýza signálů (BCZA) Spektrální analýza signálů

Rozměr: px
Začít zobrazení ze stránky:

Download "Číslicové zpracování a analýza signálů (BCZA) Spektrální analýza signálů"

Transkript

1 Číslcové zpracování a analýza sgnálů (BCZA) Spektrální analýza sgnálů

2 5. Spektrální analýza sgnálů 5. Spektrální analýza determnstckých sgnálů 5.. Dskrétní spektrální analýza perodckých sgnálů 5..2 Dskrétní spektrální analýza obecných sgnálů.2. Vlastnost analýzy pomocí DFT ve srovnání s ntegrální FT spojtých sgnálů.2.2 Časově - frekvenční analýza, spektrogram 5.2. Spektrální analýza stochastckých sgnálů 5.2. Podstata odhadu spekter stochastckých procesů eparametrcký odhad výkonových spekter Metoda perodogramu Metoda korelogramu Odhad výkonového spektra bankou fltrů

3 Úvodní poznámky Spektrum chápeme ve smyslu (ntegrální) Fourerovy transformace - sgnál považujeme za adtvní směs (obecně nekonečného počtu) harmonckých složek Oboustranné spektrum vychází z vyjádření harmonckého sgnálu (-téharmonckésložky) s jωt jϕ jωt j () t A cos( ω t + ϕ ) e e + e e Ampltudové (modulové) spektrum: spektrální čáry A /2 na kmtočtech ±ω Fázové (argumentové) spektrum: fáze ϕ na ω a fáze -ϕ na -ω A 2 A 2 ϕ Spektra dskrétních sgnálů jsou perodcká peroda je ω vz pro -tou harmonckou složku můžeme psát s ( nt ) f f + kfvz A cos( nt ) A cos 2 n A cos 2 n, fvz f ω + ϕ π + ϕ π + ϕ vz kde k je celé číslo

4 Spojtý harmoncký sgnál s(t) 2cos(2πf +ϕ ), kde f 5 Hz, ϕ π/2, a jeho modulové a argumentové spektrum. 2 spojtý harmoncký sgnál a jeho spektrum u(t) t[s] 2 S(f) f[hz] -f f arg(s(f)) [ ] - -ϕ ϕ f[hz] -f f

5 Úsek s dskretního harmonckého sgnálu s(nt) 2cos(2πf nt+ϕ ), kde f 5 Hz, fvz 32 Hz, ϕ π/2, a jeho spektrum. Spektrum je perodcké s perodou f vz. dskrétní harmoncký sgnál a jeho spektrum 2 u(t) t{s] 2 peroda S(f) arg(s(f)) [ ] fvz -fvz/2 fvz/2 fvz peroda f[hz] f[hz]

6 Reálná a magnární část komplexního dskretního harmonckého sgnálu s(nt) e j(2πfnt+ϕ), kde f 5 Hz, fvz 32 Hz, ϕ π/2. Spektrum je perodcké s perodou f vz. REAL(exp[j*(2*p*f*n*T+p/2)]), IMAG(exp[j*(2*p*f*n*T+p/2)]) u(t) t[s].5 u(t) t[s].5 modulové spektrum S(f) arg(s(f)) [ ].5 - peroda -f vz -f vz /2 f vz / f-fvz f f+fvz argumentové spektrum peroda f vz f[hz] f[hz]

7 Spektrum spojtého harmonckého sgnálu o kmtočtu (tučné čáry), f 27 Hz, ϕ π/2. Po vzorkování s f vz 32 Hz dojde k alasngu (f >f vz /2), objeví se spektrální čára na 5 Hz. 2 dskrétní harmoncký sgnál a jeho spektrum u(t) S(f) t{s] 2 f vz f vz fvz -fvz/2 fvz/2 fvz f[hz] arg(s(f)) [ ] f[hz]

8 Vlastnost spekter determnstckých sgnálů Časová oblast Spojté sgnály perodcké Dskrétní sgnály perodcké neperodcké neperodcké Spektrum dskrétní neperodcké spojté neperodcké dskrétní perodcké spojté perodcké Výpočet spektra Fourerova řada ntegrální FT DFT DTFT Poznámka spektrem jsou koefcenty FŘ používá se pojmu spektrální hustota spektrum - koef. DFŘ shodné sdft praxe - počítáme vzorky spektra (DFT)

9 5.. Spektrální analýza determnstckých sgnálů 5.. Analýza perodckých sgnálů Spojté perodcké sgnály analýza pomocí Fourerových řad (FŘ) Dskrétní perodcké sgnály analýza pomocí dskrétní FŘ sgnál s () t k c k e jkωt, Ω 2π komplexní koefcenty FŘ (tj. komplexní spektrální čáry) c k T s T s základní kmtočet s(t) s () t e jkωt dt T s peroda sgnálu s(t) peroda sgnálu základní kmtočet s(nt) s ( nt ) k c koefcenty DFŘ (vzorkovaná peroda spektra) c k n k s e jkωnt ( nt ), Ω 2π T peroda sgnálu s(nt) T/f vz e jkωnt Shodné výsledky, když:. s(t) je korektně vzorkován (f vz >2f max ), 2. do DFT vstupuje celočíselný počet perod s(nt)

10 Analýza perodckých sgnálů Příklad: Dskrétní harmoncký sgnál, peroda T s /5 s (f s 5 Hz), f vz 32 Hz. Transformovat musíme násobek 32 vzorků (5 perod původního spojtého sgnálu), jnak nezískáme spektrální čáry na 5 (resp. 27) Hz... protože 32/5 není celé číslo Peroda dskrétního sgnálu obsahuje 32 vzorků. 32

11 Příklad spektrální analýzy Analýza perodckých sgnálů perodckého sgnálu pomocí DFT Harmoncký sgnál o kmtočtu 5 Hz, f vz 5 Hz transformace necelého počtu perod sgnálu peroda sgnálu T vypočtené DFT spektrum: obdélníkové okno trojúhelníkové okno Hammngovo okno

12 5..2 Analýza obecných sgnálů (neperodckých) Spojté sgnály analýza pomocí Fourerovy transformace (FT) Spektrum S vzorkovaný sgnál FT jωt ( ω) FT{ s( t) } s( t )e dt s { δ ( t nt )} v ( t ) n s n δ jωt jω nt ( t nt ) e dt e δ ( t nt ) spektrum Drac. mpulsu posunutého o nt spektrum vzorkovaného sgnálu pak je FT jω nt { s ( t )} s e DTFT v n n Dskrétní sgnály analýza pomocí DTFT (Dscrete-Tme FT) S ( ω) DTFT{ s( nt )} n s v prax pomocí DFT S ( nt ) e jω nt ( kω) DFT{ s( nt )} k n s ( nt ),,..., e ω kω jkω nt

13 Analýza obecných sgnálů Změny spektra př dskretzac sgnálu (pro jednu harmonckou složku) př ω kω př ω kω sgnálová oblast spektrální oblast sgnálová oblast spektrální oblast spektrum obdélníkového okna má velké boční laloky

14 Analýza obecných sgnálů Důsledky dskretzace sgnálu snížení rozlšovací schopnost náprava: delší okno, jné okno (s lepším spektrálním vlastnostm) perodzace spektra, zkreslení alasngem náprava: zvýšt f vz, použít antalasngový fltr Důsledky dskretzace spektra (př použtí DFT) nemusí být jasný rozdíl mez spektrem původně čarovým a spektrem s původně spojtou hustotou náprava: šířka okna celstvým násobkem perody sgnálu, je-l perodcký výskyt a poloha extrémů nemusí být vzuálně dost zřetelné náprava: m-krát hustší vzorkování spektra doplněním sgnálu (m-) nulam

15 Časově-frekvenční analýza, spektrogramy rozdělení sgnálu na segmenty o délce časové rozlšení, frekvenční rozlšení ( ΔΩ 2π/T ) segmenty se mohou překrývat stanovení spektra z každého segmentu (STFT Short Tme FT) analyzovaný sgnál spektrogram 5 vzorků překrytí 45 vzorků spektrogram vzorků překrytí 9 vzorků

16 Ukázka spektrogramu zobrazeného v 3D prostoru kmtočet čas

17 5.2. Spektrální analýza stochastckých sgnálů Výkonová spektra náhodných procesů Je-l náhodný proces staconární (resp. ergodcký) z hledska autokorelace, pak je svou autokorelační funkcí plně reprezentován Autokorelační funkce staconárního (ergodckého) náhodného procesu je determnstcká náhodný sgnál f(n) determnstcká autokorelace r ss ()f(n) f(-n) DTFT DTFT náhodné spektrum F(ω)? determnstcké spektrum R ss (ω) F(ω)F * (ω) F(ω) 2 F(ω) F(ω) e jargf(ω)... náhodné je fázové spektrum argf(ω). výkonové spektrum

18 Vysvětlující poznámky: DTFT spektrum reálné reverzní posloupnost f ( n) F ( ω) D.: DTFT jω nt jω mt { f ( n) } f ( n) e m n f ( m) e F( ω) F ( ω) n autokorelační teorém Wenerova Chnčnova věta r ff m DTFT ( n) R ( ω) F( ω) F ( ω) ff D.: R ff jω nt ( ω) r ( n) e f ( k) f ( k n) k k f f n k n jω nt jω nt jω ( k ) ( k) f ( k n) e f ( k) f ( m) e n ff jω kt jω mt ( k) e f ( m) e F( ω) F ( ω) F( ω) 2 m n k n m k m k e m m T

19 Výkonové spektrum náhodného procesu ( ) ( ) ( ) ( ) ( ) M ff F M F E F F E R 2 2 ω ω ω ω ω jedná se o souborový průměr jednotlvých výkonových spekter z M realzací o délce vzorků Perodogram

20 Prncp výpočtu perodogramu z úseku sgnálu f(n)... sgnál ( vzorků) váhování oknem (n) odhad ndvduálního výkonového spektra perodogramem f(n)(n) DFT F(k)... spektrum ( vzorků) umocnění složek spektra, násobení / F(k) 2 /... výkonové spektrum ( vzorků) konvoluce s oknem W (k) 3 až 5 vzorků vyhlazené výkonové spektrum

21 Prncp výpočtu perodogramu ze segmentovaného sgnálu sgnál ( vzorků) rozdělíme na M navazujících segmentů segmenty o délkách m, když 2... M vstup po segmentech o délkách m odhad ndvduálního výkonového spektra perodogramem kumulace /M konvoluce s oknem W (k) 3 až 5 vzorků vyhlazené výkonové spektrum

22 Alternatvou k perodogramu je korelogram Korelogram vychází z Wenerova-Chnčnova vztahu ( ) ( ) ( ) { } ( ) ( ) ( ), e r r DTFT R T j ff ff ff ω ω + ( ) ( ) ( ) + n n f n f r' ( ) ( ) ( ) + n n f n f r vychýlený odhad nestranný odhad ( ) ( ) r r'

23 Prncp výpočtu korelogramu (B s možností vyhlazení spektra konvolucí) vstup ( vzorků) korelátor vychýlený odhad váhování (-)/ DFT konvoluce s oknem W (k) 3 až 5 vzorků vyhlazené výkonové spektrum

24 Výpočet korelogramu ze segmentovaných dat sgnál ( vzorků) rozdělíme na M navazujících segmentů segmenty o délkách m, když 2... M vstup po segmentech o délkách m korelátor vychýlený odhad váhování ( m -)/ m kumulace DFT m konvoluce s oknem W (k) 3 až 5 vzorků vyhlazené výkonové spektrum

25 Prncp odhadu výkonového spektra pomocí banky fltrů vstupní sgnál PP PP2... PP M pásmové propust se stř. kmt. ω m ( ) 2 ( ) 2 ( ) 2 krátkodobý ntegrátor krátkodobý ntegrátor krátkodobý ntegrátor S(ω ) S(ω 2 ) S(ω M )

26 Perodogram šum + 2 harmoncké složky (5 a Hz) 5 úsek sgnálu Jeden prubeh - realzace DFT perodogram useku sgnalu perodogram úseku sgnálu <, f vz /2 > Vykonove spektrum zprumerneneho perodogramu zprůměrněný perodogram úseků sgnálu <, f vz /2 >

27 Korelogram šum + 2 harmoncké složky (5 a Hz) autokorelace úseku sgnálu autokorelace useku (modra) a zprumernena autokorelace (cervena) DFT korelogram useku sgnalu korelogram úseku sgnálu <, f vz /2 > zprůměrněná autokorelace úseků sgnálu DFT korelogram ze zprumernene autokorelace korelogram úseků sgnálu <, f vz /2 >

SIGNÁLY A SOUSTAVY, SIGNÁLY A SYSTÉMY

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

Více

Úvod do zpracování signálů

Úvod 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

Více

Digitalizace převod AS DS (analogový diskrétní signál )

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

Více

31ZZS 9. PŘEDNÁŠKA 24. listopadu 2014

31ZZS 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

Více

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

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

Více

KTE/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 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

Více

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

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

Více

9. Měření kinetiky dohasínání fluorescence ve frekvenční doméně

9. Měření kinetiky dohasínání fluorescence ve frekvenční doméně 9. Měření knetky dohasínání fluorescence ve frekvenční doméně Gavolův experment (194) zdroj vzorek synchronní otáčení fázový posun detektor Měření dob žvota lumnscence Frekvenční doména - exctace harmoncky

Více

Přednášky část 4 Analýza provozních zatížení a hypotézy kumulace poškození, příklady. Milan Růžička

Přednášky část 4 Analýza provozních zatížení a hypotézy kumulace poškození, příklady. Milan Růžička Přednášky část 4 Analýza provozních zatížení a hypotézy kumulace poškození, příklady Mlan Růžčka mechanka.fs.cvut.cz mlan.ruzcka@fs.cvut.cz Analýza dynamckých zatížení Harmoncké zatížení x(t) přes soubor

Více

NUMERICAL INTEGRATION AND DIFFERENTIATION OF SAMPLED TIME SIGNALS BY USING FFT

NUMERICAL INTEGRATION AND DIFFERENTIATION OF SAMPLED TIME SIGNALS BY USING FFT NUMERICAL INTEGRATION AND DIFFERENTIATION OF SAMPLED TIME SIGNALS BY USING FFT J. Tuma Summary: The paper deals wth dfferentaton and ntegraton of sampled tme sgnals n the frequency doman usng the FFT and

Více

Poznámky k Fourierově transformaci

Poznámky k Fourierově transformaci Poznámky k Fourierově transformaci V těchto poznámkách jsou uvedeny základní vlastnosti jednorozměrné Fourierovy transformace a její aplikace na jednoduché modelové případy. Pro určitost jsou sdružené

Více

Příloha č. 1. amplitudová charakteristika filtru fázová charakteristika filtru / frekvence / Hz. 1. Určení proudové hustoty

Příloha 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

Více

fluktuace jak dob trvání po sobě jdoucích srdečních cyklů, tak hodnot Heart Rate Variability) je jev, který

fluktuace 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

Více

Vlastnosti a modelování aditivního

Vlastnosti a modelování aditivního Vlastnosti a modelování aditivního bílého šumu s normálním rozdělením kacmarp@fel.cvut.cz verze: 0090913 1 Bílý šum s normálním rozdělením V této kapitole se budeme zabývat reálným gaussovským šumem n(t),

Více

SIGNÁLY A LINEÁRNÍ SYSTÉMY

SIGNÁLY 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

Více

ZPRACOVÁNÍ SIGNÁLŮ Z MECHANICKÝCH. Jiří Tůma

ZPRACOVÁNÍ SIGNÁLŮ Z MECHANICKÝCH. Jiří Tůma ZPRACOVÁNÍ SIGNÁLŮ Z MECHANICKÝCH SYSTÉMŮ UŽITÍM FFT Jiří Tůma Štramberk 1997 ii Anotace Cílem této knihy je systematicky popsat metody analýzy signálů z mechanických systémů a strojních zařízení. Obsahem

Více

popsat činnost základních zapojení převodníků U-f a f-u samostatně změřit zadanou úlohu

popsat činnost základních zapojení převodníků U-f a f-u samostatně změřit zadanou úlohu 7. Převodníky - f, f - Čas ke studu: 5 mnut Cíl Po prostudování tohoto odstavce budete umět popsat čnnost základních zapojení převodníků -f a f- samostatně změřt zadanou úlohu Výklad 7.. Převodníky - f

Více

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

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

Více

3. AMPLITUDOVĚ MODULOVANÉ SIGNÁLY

3. AMPLITUDOVĚ MODULOVANÉ SIGNÁLY 3. AMPLITUDOVĚ MODULOVANÉ SIGNÁLY Modulací nazýváme proces při kterém je jedním signálem přetvář en jiný signál za účelem př enosu informace. Př i amplitudové modulaci dochází k ovlivňování amplitudy nosného

Více

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

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

Více

Rozprostřené spektrum. Multiplex a mnohonásobný přístup

Rozprostřené 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

Více

Osnova. Idea ASK/FSK/PSK ASK Amplitudové... Strana 1 z 16. Celá obrazovka. Konec Základy radiotechniky

Osnova. 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,

Více

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

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

Více

1 Zpracování a analýza tlakové vlny

1 Zpracování a analýza tlakové vlny 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,

Více

ADA Semestrální práce. Harmonické modelování signálů

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

Více

Dále budeme předpokládat, že daný Markovův řetězec je homogenní. p i1 i 2

Dále budeme předpokládat, že daný Markovův řetězec je homogenní. p i1 i 2 4 Markovovy řetězce se nazývá Markovův řetě- Defnce 7 Posloupnost celočíselných náhodných velčn {X n } zec (markovský řetězec), jestlže P(X n+ = j X n = n,, X 0 = 0 ) = P(X n+ = j X n = n ) (7) pro každé

Více

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

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

Více

Základní metody číslicového zpracování signálu a obrazu část II.

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

Více

SIGNÁLY A LINEÁRNÍ SYSTÉMY

SIGNÁLY 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

Více

1 Elektrotechnika 1. 9:00 hod. G 0, 25

1 Elektrotechnika 1. 9:00 hod. G 0, 25 A 9: hod. Elektrotechnka a) Napětí stejnosměrného zdroje naprázdno je = 5 V. Př proudu A je svorkové napětí V. Vytvořte napěťový a proudový model tohoto reálného zdroje. b) Pomocí přepočtu napěťových zdrojů

Více

MĚRENÍ V ELEKTROTECHNICE

MĚRENÍ V ELEKTROTECHNICE EAICKÉ OKHY ĚENÍ V ELEKOECHNICE. řesnost měření. Chyby analogových a číslcových měřcích přístrojů. Chyby nepřímých a opakovaných měření. rmární etalon napětí. Zdroje referenčních napětí. rmární etalon

Více

3 METODY PRO POTLAČENÍ ŠUMU U ŘE- ČOVÉHO SIGNÁLU

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

Více

Funkce komplexní proměnné a integrální transformace

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

Více

Lineární a adaptivní zpracování dat. 8. Kumulační zvýrazňování signálů v šumu 2

Lineární a adaptivní zpracování dat. 8. Kumulační zvýrazňování signálů v šumu 2 Lneární a adaptvní zpracování dat 8. Kumulační zvýrazňování sgnálů v šumu 2 Danel Schwarz Investce do rozvoe vzdělávání Opakování Kumulační zpracování sgnálů co to e, k čemu to e? Prncp metody? Nutné podmínky

Více

31SCS Speciální číslicové systémy Antialiasing

31SCS 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,

Více

Fourierova transformace

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

Více

Signál v čase a jeho spektrum

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

Více

SIGNÁLY A LINEÁRNÍ SYSTÉMY

SIGNÁLY 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

Více

Transformace obrazu Josef Pelikán KSVI MFF UK Praha

Transformace 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

Více

Modelování 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. 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

Více

Zvuk. 1. základní kmitání. 2. šíření zvuku

Zvuk. 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

Více

VOLBA ČASOVÝCH OKEN A PŘEKRYTÍ PRO VÝPOČET SPEKTER ŠIROKOPÁSMOVÝCH SIGNÁLŮ

VOLBA ČASOVÝCH OKEN A PŘEKRYTÍ PRO VÝPOČET SPEKTER ŠIROKOPÁSMOVÝCH SIGNÁLŮ VOLBA ČASOVÝCH OKEN A PŘEKRYTÍ PRO VÝPOČET SPEKTER ŠIROKOPÁSOVÝCH SIGNÁLŮ Jiří TŮA, VŠB Technická univerzita Ostrava Petr Czyž, Halla Visteon Autopal Services, sro Nový Jičín 2 Anotace: Referát se zabývá

Více

2.4. DISKRÉTNÍ SIGNÁLY Vzorkování

2.4. DISKRÉTNÍ SIGNÁLY Vzorkování .4. DISKRÉTÍ SIGÁLY.4.. Vzorování Vzorování je nejběžnější způsob vznu dsrétních sgnálů ze sgnálů spojtých. Předpoládejme, že spojtý sgnál (t) je přveden na spínač, terý se velce rátce sepne aždých T vz

Více

ÚPGM FIT VUT Brno,

ÚPGM FIT VUT Brno, Systémy s diskrétním časem Jan Černocký ÚPGM FIT VUT Brno, cernocky@fit.vutbr.cz 1 LTI systémy v tomto kursu budeme pracovat pouze se systémy lineárními a časově invariantními. Úvod k nim jsme viděli již

Více

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ

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

Více

X31EO2 - Elektrické obvody 2. Kmitočtové charakteristiky

X31EO2 - 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

Více

ANALÝZA LIDSKÉHO HLASU

ANALÝZA LIDSKÉHO HLASU ANALÝZA LIDSKÉHO HLASU Pomůcky mikrofon MCA-BTA, LabQuest, program LoggerPro (nebo LoggerLite), tabulkový editor Excel, program Mathematica Postup Z každodenní zkušenosti víme, že každý lidský hlas je

Více

polyfázové filtry (multirate filters) cascaded integrator comb filter (CIC) A0M38SPP - Signálové procesory v praxi - přednáška 8 2

polyfázové filtry (multirate filters) cascaded integrator comb filter (CIC) A0M38SPP - Signálové procesory v praxi - přednáška 8 2 A0M38SPP - Signálové procesory v praxi - přednáška 8 2 Decimace snížení vzorkovací frekvence Interpolace zvýšení vzorkovací frekvence Obecné převzorkování signálu faktorem I/D Efektivní způsoby implementace

Více

Laboratorní úloha č. 8: Elektroencefalogram

Laboratorní 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

Více

DYNAMICKÉ MODULY PRUŽNOSTI NÁVOD DO CVIČENÍ

DYNAMICKÉ MODULY PRUŽNOSTI NÁVOD DO CVIČENÍ DYNAMICKÉ MODUY PRUŽNOSTI NÁVOD DO CVIČNÍ D BI0 Zkušebnctví a technologe Ústav stavebního zkušebnctví, FAST, VUT v Brně 1. STANOVNÍ DYNAMICKÉHO MODUU PRUŽNOSTI UTRAZVUKOVOU IMPUZOVOU MTODOU [ČSN 73 1371]

Více

A7B31ZZS 4. PŘEDNÁŠKA 13. října 2014

A7B31ZZS 4. PŘEDNÁŠKA 13. října 2014 A7B31ZZS 4. PŘEDNÁŠKA 13. října 214 A-D převod Vzorkování aliasing vzorkovací teorém Kvantování Analýza reálných signálů v časové oblasti řečové signály biologické signály ---> x[n] Analogově-číslicový

Více

( ) r Urč ete mohutnost a energii impulsu. r Vypočítejte spektrální hustotu signálu z př.1.57 a nakreslete modulové a fázové spektrum.

( ) r Urč ete mohutnost a energii impulsu. r Vypočítejte spektrální hustotu signálu z př.1.57 a nakreslete modulové a fázové spektrum. Sgná ly se souvslým časem Ř EŠENÉPŘ ÍKLADY r 57 Urč ee mohunos a energ mpulsu τ ( ) ( ) I e, I ma, τ ms ( ) I τ Obr34 Analyzovaný mpuls Mohunosmpulsu ( ) M d I e τ d τ I µ As µ C (mkrocoulomb) Normovanáenerge

Více

oblasti je znázorněn na obr Komplexní obálku můžeme rozepsat na její reálnou a

oblasti je znázorněn na obr Komplexní obálku můžeme rozepsat na její reálnou a Fakulta elektrotechniky a komunikačních technologií VUT v Brně 5 2 Komplexníobálka Zadání 1. Mějme dán pásmový signál s(t) =[1 0.5cos (2π5t)] cos (2π100t) (a) Zobrazte tento signál a odhad jeho modulového

Více

Harmonický průběh napětí a proudu v obvodu

Harmonický průběh napětí a proudu v obvodu Harmonický průběh napětí a proudu v obvodu Ing. Martin Černík, Ph.D. Projekt ESF CZ.1.07/2.2.00/28.0050 Modernizace didaktických metod a inovace. Veličiny elektrických obvodů napětí u(t) okamžitá hodnota,

Více

r 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.

r 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)

Více

" Furierova transformace"

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

Více

Fourierovské metody v teorii difrakce a ve strukturní analýze

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

Více

FOURIEROVA ANAL YZA 2D TER ENN ICH DAT Karel Segeth

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

Více

ANALÝZA BIOLOGICKÝCH A KLINICKÝCH DAT V MEZIOBOROVÉM POJETÍ

ANALÝZA BIOLOGICKÝCH A KLINICKÝCH DAT V MEZIOBOROVÉM POJETÍ ANALÝZA BIOLOGICKÝCH A KLINICKÝCH DAT V MEZIOBOROVÉM POJETÍ INVESTICE Institut DO biostatistiky ROZVOJE VZDĚLÁVÁNÍ a analýz 5. LETNÍ ŠKOLA MATEMATICKÉ BIOLOGIE ANALÝZA BIOLOGICKÝCH A KLINICKÝCH DAT V MEZIOBOROVÉM

Více

Hodnocení parametrů signálu AE při únavovém zatěžování tří typů konstrukčních materiálů. Vypracoval: Kolář Lukáš

Hodnocení parametrů signálu AE při únavovém zatěžování tří typů konstrukčních materiálů. Vypracoval: Kolář Lukáš Hodnocení parametrů signálu AE při únavovém zatěžování tří typů konstrukčních materiálů Vypracoval: Kolář Lukáš Cíl práce: Analýza současného stavu testování metodou AE Návrh experimentálního zajištění

Více

Přemysl Žiška, Pravoslav Martinek. Katedra teorie obvodů, ČVUT Praha, Česká republika. Abstrakt

Přemysl Žiška, Pravoslav Martinek. Katedra teorie obvodů, ČVUT Praha, Česká republika. Abstrakt ALGORITMUS DIFERENCIÁLNÍ EVOLUCE A JEHO UŽITÍ PRO IDENTIFIKACI NUL A PÓLŮ PŘE- NOSOVÉ FUNKCE FILTRU Přemysl Žška, Pravoslav Martnek Katedra teore obvodů, ČVUT Praha, Česká republka Abstrakt V příspěvku

Více

HUDEBNÍ EFEKT DISTORTION VYUŽÍVAJÍCÍ ZPRACOVÁNÍ PŘÍRŮSTKŮ SIGNÁLŮ ČASOVĚ

HUDEBNÍ EFEKT DISTORTION VYUŽÍVAJÍCÍ ZPRACOVÁNÍ PŘÍRŮSTKŮ SIGNÁLŮ ČASOVĚ HUDEBÍ EFEKT DISTORTIO VYUŽÍVAJÍCÍ ZPRACOVÁÍ PŘÍRŮSTKŮ SIGÁLŮ ČASOVĚ VARIATÍM SYSTÉMEM Ing. Jaromír Mačák Ústav telekomunkací, FEKT VUT, Purkyňova 118, Brno Emal: xmacak04@stud.feec.vutbr.cz Hudební efekt

Více

FOURIEROVA TRANSFORMACE FOURIEROVA VĚTA

FOURIEROVA 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

Více

Základy a aplikace digitálních. Katedra radioelektroniky (13137), blok B2, místnost 722

Základy a aplikace digitálních. Katedra radioelektroniky (13137), blok B2, místnost 722 Základy a aplikace digitálních modulací Josef Dobeš Katedra radioelektroniky (13137), blok B2, místnost 722 dobes@fel.cvut.cz 6. října 2014 České vysoké učení technické v Praze, Fakulta elektrotechnická

Více

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

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

Více

2 Teoretický úvod Základní princip harmonické analýzy Podmínky harmonické analýzy signálů Obdelník Trojúhelník...

2 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

Více

Kepstrální analýza řečového signálu

Kepstrální 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

Více

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

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

Více

Statická analýza fyziologických systémů

Statická analýza fyziologických systémů Statická analýza fyziologických systémů Studijní materiály http://physiome.cz/atlas/sim/regulacesys/ Khoo: Physiological Control Systems Chapter 3 Static Analysis of Physiological Systems Statická analýzy

Více

PROBLEMATIKA ZPRACOVÁNÍ SIGNÁLŮ V REÁLNÉM ČASE

PROBLEMATIKA ZPRACOVÁNÍ SIGNÁLŮ V REÁLNÉM ČASE VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA ELEKTROTECHNIKY A KOMUNIKAČNÍCH TECHNOLOGIÍ ÚSTAV TELEKOMUNIKACÍ FACULTY OF ELECTRICAL ENGINEERING AND COMMUNICATION DEPARTMENT OF TELECOMMUNICATIONS

Více

7.1. Číslicové filtry IIR

7.1. Číslicové filtry IIR Kapitola 7. Návrh číslicových filtrů Hraniční kmitočty propustného a nepropustného pásma jsou ve většině případů specifikovány v[hz] společně se vzorkovacím kmitočtem číslicového filtru. Návrhové algoritmy

Více

A/D převodníky - parametry

A/D převodníky - parametry A/D převodníky - parametry lineární kvantování -(kritériem je jednoduchost kvantovacího obvodu), parametry ADC : statické odstup signálu od kvantizačního šumu SQNR, efektivní počet bitů n ef, dynamický

Více

Multimediální systémy

Multimediální 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

Více

FOURIEROVA TRANSFORMACE

FOURIEROVA 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)

Více

14 - Moderní frekvenční metody

14 - Moderní frekvenční metody 4 - Moderní frekvenční metody Michael Šebek Automatické řízení 28 4-4-8 Loop shaping: Chování pro nízké frekvence Tvar OL frekvenční charakteristiky L(s)=KD(s)G(s) určuje chování, ustálenou odchylku a

Více

Impedanční děliče - příklady

Impedanční děliče - příklady Impedanční děliče - příklady Postup řešení: Vyznačení impedancí, tvořících dělič Z Z : podélná impedance, mezi svorkami a Z : příčná impedance, mezi svorkami a ' ' Z ' Obecné vyjádření impedancí nebo admitancí

Více

PSK1-5. Frekvenční modulace. Úvod. Vyšší odborná škola a Střední průmyslová škola, Božetěchova 3 Ing. Marek Nožka. Název školy: Vzdělávací oblast:

PSK1-5. Frekvenční modulace. Úvod. Vyšší odborná škola a Střední průmyslová škola, Božetěchova 3 Ing. Marek Nožka. Název školy: Vzdělávací oblast: PSK1-5 Název školy: Autor: Anotace: Vzdělávací oblast: Předmět: Tematická oblast: Výsledky vzdělávání: Klíčová slova: Druh učebního materiálu: Vyšší odborná škola a Střední průmyslová škola, Božetěchova

Více

Spektrální analyzátory

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

Více

Přenos pasivního dvojbranu RC

Přenos pasivního dvojbranu RC Střední průmyslová škola elektrotechnická Pardubice VIČENÍ Z ELEKTRONIKY Přenos pasivního dvojbranu R Příjmení : Česák Číslo úlohy : 1 Jméno : Petr Datum zadání : 7.1.97 Školní rok : 1997/98 Datum odevzdání

Více

A6M31BSG 2. PŘEDNÁŠKA 1. března 2018

A6M31BSG 2. PŘEDNÁŠKA 1. března 2018 A6M3BSG 2. PŘEDNÁŠKA. března 208 Hlas a řeč fonace, prosode, artkulace hlasvkový tón, formanty Poruchy hlasu rozdělení podle vznku tónu rozsahy, spektra, formanty Poruchy řeč subjektvní hodnocení metody

Více

filtry FIR zpracování signálů FIR & IIR Tomáš Novák

filtry 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

Více

Střední průmyslová škola elektrotechnická a informačních technologií Brno

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

Více

Časové řady, typy trendových funkcí a odhady trendů

Časové řady, typy trendových funkcí a odhady trendů Časové řady, typy trendových funkcí a odhady trendů Jiří Neubauer Katedra ekonometrie FVL UO Brno kancelář 69a, tel 973 442029 email:jirineubauer@unobcz Jiří Neubauer (Katedra ekonometrie UO Brno) Časové

Více

Časové řady, typy trendových funkcí a odhady trendů

Časové řady, typy trendových funkcí a odhady trendů Statistika II Katedra ekonometrie FVL UO Brno kancelář 69a, tel 973 442029 email:jirineubauer@unobcz Stochastický proces Posloupnost náhodných veličin {Y t, t = 0, ±1, ±2 } se nazývá stochastický proces

Více

KATEDRA ELEKTRICKÝCH MĚŘENÍ

KATEDRA ELEKTRICKÝCH MĚŘENÍ VŠB-TU Ostrava Datum měření: Datum odevzdání/hodnocení: KATEDRA ELEKTRICKÝCH MĚŘENÍ 9. VIRTUÁLNÍ MĚŘICÍ PŘÍSTROJE Fakulta elektrotechniky a informatiky Jména, studijní skupiny: Cíl měření: Seznámit se

Více

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

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

Více

Souřadnicové výpočty. Geodézie Přednáška

Souřadnicové výpočty. Geodézie Přednáška Souřadnicové výpočt Geodézie Přednáška Souřadnicové výpočt strana 2 Souřadnicové výpočt (souřadnicová geometrie) vchází z analtické geometrie zkoumá geometrické tvar pomocí algebraických a analtických

Více

Metody výpočtu limit funkcí a posloupností

Metody výpočtu limit funkcí a posloupností Metody výpočtu limit funkcí a posloupností Martina Šimůnková, 6. listopadu 205 Učební tet k předmětu Matematická analýza pro studenty FP TUL Značení a terminologie R značí množinu reálných čísel, rozšířenou

Více

Monte Carlo metody Josef Pelikán CGG MFF UK Praha.

Monte Carlo metody Josef Pelikán CGG MFF UK Praha. Monte Carlo metody 996-7 Josef Pelkán CGG MFF UK Praha pepca@cgg.mff.cun.cz http://cgg.mff.cun.cz/~pepca/ Monte Carlo 7 Josef Pelkán, http://cgg.ms.mff.cun.cz/~pepca / 44 Monte Carlo ntegrace Odhadovaný

Více

Fourierova transformace

Fourierova 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

Více

R β α. Obrázek 1: Zadání - profil složený ze třech elementárních obrazců: 1 - rovnoramenný pravoúhlý trojúhelník, 2 - čtverec, 3 - kruhová díra

R β α. Obrázek 1: Zadání - profil složený ze třech elementárních obrazců: 1 - rovnoramenný pravoúhlý trojúhelník, 2 - čtverec, 3 - kruhová díra Zadání: Vypočtěte polohu těžiště, momenty setrvačnosti a deviační moment k centrálním osám a dále určete hlavní centrální momenty setrvačnosti, poloměry setrvačnosti a natočení hlavních centrálních os

Více

Akustika. 3.1 Teorie - spektrum

Akustika. 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

Více

Nauka o Kmitání Přednáška č. 4

Nauka o Kmitání Přednáška č. 4 Nauka o Kmitání Přednáška č. 4 Odezva lineárního systému na obecnou periodickou budící funkci Ing. Antonín Skarolek, Ph.D. Katedra mechaniky, pružnosti a pevnosti Technická Univerzita v Liberci 213 Ustálená

Více

SIMULACE. Numerické řešení obyčejných diferenciálních rovnic. Měřicí a řídicí technika magisterské studium FTOP - přednášky ZS 2009/10

SIMULACE. Numerické řešení obyčejných diferenciálních rovnic. Měřicí a řídicí technika magisterské studium FTOP - přednášky ZS 2009/10 SIMULACE numercké řešení dferencálních rovnc smulační program dentfkace modelu Numercké řešení obyčejných dferencálních rovnc krokové metody pro řešení lneárních dferencálních rovnc 1.řádu s počátečním

Více

SIGNÁLY A LINEÁRNÍ SYSTÉMY

SIGNÁLY A LINEÁRNÍ SYSTÉMY SIGNÁLY A LINEÁRNÍ SYSTÉMY prof. Ing. Jří Holčík, CSc. holck@ba.un.c @ba.un.c,, Kaence 3, 4. patro, dv.č.424.424 INVESTICE Insttut DO bostatstky ROZVOJE VZDĚLÁVÁNÍ a analý XIII. ZÁKLADNÍ TYPY DYNAMICKÝCH

Více

13 Měření na sériovém rezonančním obvodu

13 Měření na sériovém rezonančním obvodu 13 13.1 Zadání 1) Změřte hodnotu indukčnosti cívky a kapacity kondenzátoru RC můstkem, z naměřených hodnot vypočítej rezonanční kmitočet. 2) Generátorem nastavujte frekvenci v rozsahu od 0,1 * f REZ do

Více

teorie elektronických obvodů Jiří Petržela obvodové funkce

teorie elektronických obvodů Jiří Petržela obvodové funkce Jiří Petržela obvod jako dvojbran dvojbranem rozumíme elektronický obvod mající dvě brány (vstupní a výstupní) dvojbranem může být zesilovač, pasivní i aktivní filtr, tranzistor v některém zapojení, přenosový

Více

, 4. skupina (16:15-17:45) Jméno: se. Postup je třeba odůvodnit (okomentovat) nebo uvést výpočet. Výsledek bez uvedení jakéhokoliv

, 4. skupina (16:15-17:45) Jméno: se. Postup je třeba odůvodnit (okomentovat) nebo uvést výpočet. Výsledek bez uvedení jakéhokoliv ..06, 4. skupina (6: - 7:4) Jméno: Zápočtový test z PSI Nezapomeňte podepsat VŠECHNY papír, které odevzdáváte. Škrtejte zřetelně a stejně zřetelně pište i věci, které platí. Co je škrtnuto, nebude bráno

Více

9. PRINCIPY VÍCENÁSOBNÉHO VYUŽITÍ PŘENOSOVÝCH CEST

9. PRINCIPY VÍCENÁSOBNÉHO VYUŽITÍ PŘENOSOVÝCH CEST 9. PRINCIPY VÍCENÁSOBNÉHO VYUŽITÍ PŘENOSOVÝCH CEST Modulace tvoří základ bezdrátového přenosu informací na velkou vzdálenost. V minulosti se ji využívalo v telekomunikacích při vícenásobném využití přenosových

Více

VI. Derivace složené funkce.

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

Více