Primární zpracování radarového signálu dopplerovská filtrace

Rozměr: px
Začít zobrazení ze stránky:

Download "Primární zpracování radarového signálu dopplerovská filtrace"

Transkript

1 ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE K Katedra radioelektroniky A2M37RSY Jméno Stud. rok Stud. skupina Ročník Lab. skupina Václav Dajčar 2011/ Datum zadání Datum odevzdání Klasifikace Číslo úlohy 1 Primární zpracování radarového signálu dopplerovská filtrace

2 1. Úvod Dopplerovská filtrace navazuje ve zpracování radarového signálu na přizpůsobenou filtraci - kompresi pulsu. Radar s dopplerovským zpracováním signálu může rozdělit přijímaný signál do několika kanálů dle radiálních rychlostí cílů (MTD Moving Target Detection), případně jen potlačit nežádoucí signály odrazů od terénu (MTI Moving Target Indicator), čehož bude využito v této práci. Obr. 1 Přizpůsobená filtrace, dopplerovská filtrace Úmístění samotného MTI filtru v blokovém schématu je znázorněno na obrázku 2. Jedná se o pásmouvou zádrž v okolí nulové frekvence, která je realizována FIR filtrem, zádržné pásmo se periodicky opakuje na násobcích opakovací frekvence f op. Obr. 2 Zařazení MTI filtru v blokovém schématu

3 2. Úkoly 1. Vykreslete amplitudovou charakteristiku filtru MTI dvojité potlačení s koeficienty h=[1-2 1]/4, na vodorovné ose vyneste radiální rychlost cíle (pro radar s parametry dle hodnot v souboru s modelem signálu). V amplitudové charakteristice vyznačte první slepou rychlost radaru s tímto MTI filtrem. 2. Proveďte přizpůsobenou filtraci a dopplerovskou filtraci přijímaného signálu. Použijte MTI filtr dvojité potlačení. Zobrazte amplitudy: přijímaného signálu, signálu po průchodu přizpůsobeným filtrem, signálu za MTI filtrem. Na příslušných osách vyneste vzdálenost od radaru a úhel natočení antény. 3. Určete vzdálenosti a azimuty cílů (při prvním odběhu je anténa natočena směrem k severu). 3. Postup řešení Zadaný datový soubor obsahuje komplexní obálku modelující přijímaný signál z několika odběhů. Model obsahuje tři cíle s různou radiální rychlostí, rušení AWGN a jednoduchý model odrazu od terénu. Matice v proměnné s obsahuje ve sloupcích přijímané signály z jednotlivých odběhů, první vzorek je přijímaný ze vzdálenosti Rmin od radaru. Při realizaci přizpůsobené filtrace v programu Matlab využijeme toho, že funkce filter zpracovává signál paralelně ve všech sloupcích. Pro dopplerovskou filtraci lze po transpozici použít opět funkci filter. Vliv jednotlivých operací bude výhodné sledovat pomocí vykreslení absolutních hodnot prvků matice (amplitudy signálu) funkcí image nebo surf. a. Řešení úkolu 1 Amplitudovou charakteristiku filtru získáme Fourierovou transformací v Matlabu použita funkce freqz - ze známé impulsové odezvy (viz obr. 3) Obr. 3 Amplitudová charakteristika MTI filtru

4 b. Řešení úkolu 2 Na obrázku č. 4 je zobrazen přijatý signál, který dosud nebyl zpracován a není z něj možné určit přesné parametry cílů jako je azimut či vzdálenost, pouze vidíme, že vzorky komplexní obálky přijatého signálu jsou v matici o šířce 2,12 (horizontální osa) a délce 104,9 km (vertikální osa). Obr. 4 Amplituda přijímaného signálu Dle blokového schématu z obrázku 2 projde signál kompresorem pulsu, který představuje přizpůsobený filtr v Matlabu použita funkce filter, jíž byly jako parametry zadány vzorky komplexní obálky přijatého signálu a komplexně sdružené a záporné vzorky repliky vyslaného pulsu, které ještě byly váhovány hammingovým oknem. Takto zpracovaný signál je na obrázku č. 5. Obr. 5 Signál po průchodu přizpůsobeným filtrem

5 Signál dále projde MTI filtrem v Matlabu opět použita funkce filter, které byly jako parametry dány impulsová odezva a v předchozím kroku zpracovaný a transponovaný signál. Potřeba transpozice je patrná z obrázku č. 1, kde Dopplerovská filtrace probíhá napříč odběhy oproti přizpůsobené filtraci, která se provádí v rámci jednotlivých odběhů. Výsledně získaný signál je na obrázku 6. První tři odběhy, počet je dán počtem členů impulsové odezvy, jsou téměř shodné s odběhy v předchozím kroku (viz obr. 5). Obr. 6 Signál za MTI filtrem c. Řešení úkolu 3 Vzdálenosti a azimuty jednotlivých cílů byly odečteny z obrázku č. 7, v němž nejsou zobrazeny první tři odběhy. Hodnoty jsou následující: R1=31km =1,36 R2=54km =1,95 R3=87km =0,26 Výsledky korespondují se skutečnosti, že signál byl přijat ve vzdálenosti 10 km od radaru, která odpovídá slepé zóně, a nebylo tak nutné odečítat vzdálenost (9,045 km), kterou urazí puls během vyslání. 4. Závěr V rámci semestrální práce byl zpracován přijatý signál, pomocí něhož se daly určit základní parametry cílů jako vzdálenost a azimut (viz bod 3.c.). Ke zpracování byl využit výpočetní software Matlab, v němž byl vytvořen skript (viz příloha) simulující část blokového schématu z obrázku 2. Tvorba této práce přispěla k lepšímu pochopení dané problematiky.

6 Obr. 7 Dopplerovská filtrace - 3D zobrazení

7 Příloha skript z Matlabu % % % % Semestralka c. 1 - V. Dajcar % % % % % % % % % % % % %A2M37RSY% % % % % % % % % % clear all close all clear; load 'Cv05_Srec_Doppler' % % pv je pocet vzorku % % po je pocet odbehu [pv po]=size(s); % % % % Ukol 1 % % rychlost svetla v m/s c=3e8; % % rychlost svetla v km/s c1=3e5; % % slepa rychlost vb=c/2*fop/fc; % % impulzova odezva MTI filtru - dvojite potlaceni h1=[1-2 1]/4; % % vypocet freq. charky MTI filtru h=freqz(h1,1,500,'whole'); % % horizontalni osa - radialni rychlost rr=vb*(0:length(h)-1)/length(h); figure() hold on plot(rr,abs(h),'linewidth',4) plot(vb,0,'h red','markersize',10) title('amplitudova charakteristika MTI filtru'); xlabel('radialni rychlost [m/s]'); ylabel(' H [-]'); legend('amp. charka','slepa rychlost',2); % text(vb-2,0.02,'slepa rychlost \rightarrow','horizontalalignment','right','backgroundcolor','yellow') % % % % Ukol 2 % % delka vzorkovaci periody Tv=1/fv; % % urceni horizontalni osy - azimutu ve stupnich azimut=(0:po-1)*v_phi/fop; % % urceni vzdalenosti v km, prvni vzorek prijat v Rmin R=(0:pv-1)*c1/2*Tv+Rmin; % % komplexni sdruzeni repliky, vahovani Hamming. oknem s01=conj(s0).*hamming(length(s0)); % % komprese pulsu - Kompresor pulsu v blokovem schematu f=filter(-s01,1,s); % % Dopplerovska filtrace - viz blokove schema (MTI filtr) f1=filter(h1,1,f.').'; figure('name','pred kompresi') h=image(azimut,r,20*log10(abs(s))); set(get(h,'parent'),'ydir','normal'); %prevraceni osy y - nula dole title('amplituda vstupniho signalu - pred kompresi') xlabel('phi [ ]') ylabel('r [km]')

8 colorbar figure('name','prizpusobeny filtr') h=image(azimut,r,20*log10(abs(f))); set(get(h,'parent'),'ydir','normal'); %prevraceni osy y - nula dole title('signal po pruchodu filtrem') xlabel('phi [ ]') ylabel('r [km]') colorbar figure('name','dopplerovska filtrace') h=image(azimut,r,20*log10(abs(f1))); set(get(h,'parent'),'ydir','normal'); %prevraceni osy y - nula dole title('signal za MTI filtrem') xlabel('phi [ ]') ylabel('r [km]') colorbar figure('name','dopplerovska filtrace 3D') h=surf(azimut(length(h1):end),r,20*log10(abs(f1(:,length(h1):end)))); set(get(h,'parent'),'ydir','normal'); %prevraceni osy y - nula dole title('signal za MTI filtrem 3D') xlabel('phi [ ]') ylabel('r [km]') axis([min(azimut(length(h1):end)) max(azimut(length(h1):end)) min(r) max(r)]) colorbar

SEMESTRÁLNÍ PRÁCE Z X37SAS Zadání č. 7

SEMESTRÁLNÍ PRÁCE Z X37SAS Zadání č. 7 SEMESTRÁLNÍ PRÁCE Z X37SAS Zadání č. 7 Daniel Tureček St-lichý týden, 9:15 Zadání Určete periodu signálu s(k), určete stejnosměrnou složku, výkon, autokorelační funkci. Záznam signálu je v souboru persig2.

Více

Komplexní obálka pásmového signálu

Komplexní 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

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

Vyhodnocení 2D rychlostního pole metodou PIV programem Matlab (zpracoval Jan Kolínský, dle programu ing. Jana Novotného)

Vyhodnocení 2D rychlostního pole metodou PIV programem Matlab (zpracoval Jan Kolínský, dle programu ing. Jana Novotného) Vyhodnocení 2D rychlostního pole metodou PIV programem Matlab (zpracoval Jan Kolínský, dle programu ing. Jana Novotného) 1 Obecný popis metody Particle Image Velocimetry, nebo-li zkráceně PIV, je měřící

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

BPC2E_C08 Parametrické 3D grafy v Matlabu

BPC2E_C08 Parametrické 3D grafy v Matlabu BPC2E_C08 Parametrické 3D grafy v Matlabu Cílem cvičení je procvičit si práci se soubory a parametrickými 3D grafy v Matlabu. Úloha A. Protože budete řešit transformaci z kartézských do sférických souřadnic,

Více

Číslicová filtrace. FIR filtry IIR filtry. ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE Fakulta elektrotechnická

Číslicová 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

Více

Číslicové filtry. Honza Černocký, ÚPGM

Číslicové 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

Více

UNIVERZITA PARDUBICE

UNIVERZITA PARDUBICE UNIVERZITA PARDUBICE Fakulta elektrotechniky a informatiky Návrh AMTI filtru pro radar s proměnnou periodou vysílání impulsů Michal Řezníček Diplomová práce 2015 Prohlášení autora Prohlašuji, že jsem

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

Quantization of acoustic low level signals. David Bursík, Miroslav Lukeš

Quantization 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.

Více

Dálkoměrný signál služby SPS systému GPS: vlastnosti, měření zpoždění a výpočet polohy

Dálkoměrný signál služby SPS systému GPS: vlastnosti, měření zpoždění a výpočet polohy 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

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

Problematika rušení meteorologických radarů ČHMÚ

Problematika rušení meteorologických radarů ČHMÚ Problematika rušení meteorologických radarů ČHMÚ Ondřej Fibich, Petr Novák (zdrojová prezentace) Český Hydrometeorologický ústav, oddělení radarových měření Meteorologické radary využití - detekce srážkové

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

Semestrální projekt. Vyhodnocení přesnosti sebelokalizace VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ. Fakulta elektrotechniky a komunikačních technologií

Semestrální projekt. Vyhodnocení přesnosti sebelokalizace VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ. Fakulta elektrotechniky a komunikačních technologií VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ Fakulta elektrotechniky a komunikačních technologií Semestrální projekt Vyhodnocení přesnosti sebelokalizace Vedoucí práce: Ing. Tomáš Jílek Vypracovali: Michaela Homzová,

Více

1 Základní funkce pro zpracování obrazových dat

1 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

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

Obrazovkový monitor. Antonín Daněk. semestrální práce předmětu Elektrotechnika pro informatiky. Téma č. 7: princip, blokově základní obvody

Obrazovkový monitor. Antonín Daněk. semestrální práce předmětu Elektrotechnika pro informatiky. Téma č. 7: princip, blokově základní obvody Obrazovkový monitor semestrální práce předmětu Elektrotechnika pro informatiky Antonín Daněk Téma č. 7: princip, blokově základní obvody Základní princip proud elektronů Jedná se o vakuovou elektronku.

Více

BPC2E_C09 Model komunikačního systému v Matlabu

BPC2E_C09 Model komunikačního systému v Matlabu BPCE_C9 Model komunikačního systému v Matlabu Cílem cvičení je vyzkoušet si sestavit skripty v Matlabu pro model jednoduchého komunikačního systému pro přenos obrázků. Úloha A. Sestavte model komunikačního

Více

MĚŘENÍ 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 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

Více

Číslicové zpracování signálů a Fourierova analýza.

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

Více

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

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

Vlastnosti Fourierovy transformace

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

Více

Základy zpracování obrazu

Základy zpracování obrazu Základy zpracování obrazu Tomáš Mikolov, FIT VUT Brno V tomto cvičení si ukážeme základní techniky používané pro digitální zpracování obrazu. Pro jednoduchost budeme pracovat s obrázky ve stupních šedi

Více

2. Číslicová filtrace

2. 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

Více

VYUŽITÍ 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 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,

Více

Při návrhu FIR filtru řešíme obvykle následující problémy:

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

Více

Modelování blízkého pole soustavy dipólů

Modelování blízkého pole soustavy dipólů 1 Úvod Modelování blízkého pole soustavy dipólů J. Puskely, Z. Nováček Ústav radioelektroniky, Fakulta elektrotechniky a komunikačních technologií, VUT v Brně Purkyňova 118, 612 00 Brno Abstrakt Tento

Více

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE

ČESKÉ 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

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

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE

ČESKÉ 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 Geodetická astronomie 3/6 Aplikace keplerovského pohybu

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

X37SGS Signály a systémy

X37SGS Signály a systémy X7SGS Signály a systémy Matlab minihelp (poslední změna: 0. září 2008) 1 Základní maticové operace Vytvoření matice (vektoru) a výběr konkrétního prvku matice vytvoření matice (vektoru) oddělovač sloupců

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

Analýza a zpracování digitálního obrazu

Analýza 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

Více

Výpis m-souboru: Výsledný průběh:

Výpis m-souboru: Výsledný průběh: Příklad č. 1 Generujte a nakreslete náhodný šumový signál s normálním rozdělením o délce 100 vzorků a vzorkovací frekvencí 8kHz, rozsah amplitudy od 1 do 1 (funkce randn). N=100; % Počet vzorků Tv=1/fv;

Více

základní vlastnosti, používané struktury návrhové prostředky MATLAB problém kvantování koeficientů

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

Více

4. MĚŘENÍ NA SMĚŠOVAČI A MEZIFREKVENČNÍM FILTRU

4. MĚŘENÍ NA SMĚŠOVAČI A MEZIFREKVENČNÍM FILTRU 4. MĚŘENÍ NA SMĚŠOVAČI A MEZIFREKVENČNÍM FILTRU Cíl měření Seznámit se s vlastnostmi dvojitě vyváženého směšovače a stanovit: 1) spektrum výstupního signálu a vliv mezifrekvenčního filtru na tvar spektra,

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

Kreslení grafů v Matlabu

Kreslení grafů v Matlabu Kreslení grafů v Matlabu Pavel Provinský 3. října 2013 Instrukce: Projděte si všechny příklady. Každý příklad se snažte pochopit. Pak vymyslete a naprogramujte příklad podobný. Tím se ujistíte, že příkladu

Více

1. Zadání. 2. Teorie úlohy ID: 78 357. Jméno: Jan Švec. Předmět: Elektromagnetické vlny, antény a vedení. Číslo úlohy: 7. Měřeno dne: 30.3.

1. Zadání. 2. Teorie úlohy ID: 78 357. Jméno: Jan Švec. Předmět: Elektromagnetické vlny, antény a vedení. Číslo úlohy: 7. Měřeno dne: 30.3. Předmět: Elektromagnetické vlny, antény a vedení Úloha: Symetrizační obvody Jméno: Jan Švec Měřeno dne: 3.3.29 Odevzdáno dne: 6.3.29 ID: 78 357 Číslo úlohy: 7 Klasifikace: 1. Zadání 1. Změřte kmitočtovou

Více

Zpracování signálu a detekce

Zpracování signálu a detekce Zpracování signálu a detekce Přednáška pro studenty MRAR Radiolokační a radionavigační systémy Ing. Pavel Šedivý psedivy@retia.cz www.retia.cz 466 85 514 1 RETIA, a.s. Pardubice Soukromá společnost Přibližně

Více

Zpráva k semestrální práci z B2M31SYN Syntéza audio signálů

Zpráva k semestrální práci z B2M31SYN Syntéza audio signálů Zpráva k semestrální práci z B2M31SYN Syntéza audio signálů Část 1 - Syntéza orchestrálních nástrojů pro symfonickou báseň B.Smetany "Vltava" Cílem této části práce je syntetizovat symfonickou báseň B.Smetany

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

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

Při návrhu FIR filtru řešíme obvykle následující problémy:

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

Více

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

INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ. Příklady použití tenkých vrstev Jaromír Křepelka

INVESTICE 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

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

BIOMECHANIKA KINEMATIKA

BIOMECHANIKA KINEMATIKA BIOMECHANIKA KINEMATIKA MECHANIKA Mechanika je nejstarším oborem fyziky (z řeckého méchané stroj). Byla původně vědou, která se zabývala konstrukcí strojů a jejich činností. Mechanika studuje zákonitosti

Více

Fyzikální sekce přírodovědecké fakulty Masarykovy univerzity v Brně FYZIKÁLNÍ PRAKTIKUM. Praktikum z pevných látek (F6390)

Fyzikální sekce přírodovědecké fakulty Masarykovy univerzity v Brně FYZIKÁLNÍ PRAKTIKUM. Praktikum z pevných látek (F6390) Fyzikální sekce přírodovědecké fakulty Masarykovy univerzity v Brně FYZIKÁLNÍ PRAKTIKUM Praktikum z pevných látek (F6390) Zpracoval: Michal Truhlář Naměřeno: 13. března 2007 Obor: Fyzika Ročník: III Semestr:

Více

Cvi ení 2. Cvi ení 2. Modelování systém a proces. Mgr. Lucie Kárná, PhD. March 5, 2018

Cvi ení 2. Cvi ení 2. Modelování systém a proces. Mgr. Lucie Kárná, PhD. March 5, 2018 Modelování systém a proces Mgr. Lucie Kárná, PhD karna@fd.cvut.cz March 5, 2018 1 Gracké moºnosti Matlabu 2 Zobrazení signálu 3 4 Analýza signálu Gracké moºnosti Matlabu Základní gracké p íkazy I Graf

Více

4. Měření rychlosti zvuku ve vzduchu. A) Kalibrace tónového generátoru

4. Měření rychlosti zvuku ve vzduchu. A) Kalibrace tónového generátoru 4. Měření rychlosti zvuku ve vzduchu Pomůcky: 1) Generátor normálové frekvence 2) Tónový generátor 3) Digitální osciloskop 4) Zesilovač 5) Trubice s reproduktorem a posuvným mikrofonem 6) Konektory A)

Více

Světlo jako elektromagnetické záření

Světlo 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

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

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

Spektrální analýza a diskrétní Fourierova transformace. Honza Černocký, ÚPGM

Spektrální 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

Více

Volba zobrazení (Direct Current, Scaling) - FFT 1D, FFT 2D

Volba zobrazení (Direct Current, Scaling) - FFT 1D, FFT 2D Volba zobrazení (Direct Current, Scaling) - FFT 1D, FFT 2D Jiří Stančík Fakulta chemická, Vysoké učení technické v Brně Purkyňova 118, 61200 Brno e-mail: HTUxcstancik@fch.vutbr.czUTH Úkolem této práce

Více

Měření vlastností datového kanálu

Měření vlastností datového kanálu ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE Fakulta elektrotechnická ÚLOHA E Měření vlastností datového kanálu Vypracoval: V rámci předmětu: Jan HLÍDEK Základy datové komunikace (X32ZDK) Měřeno: 14. 4. 2008 Cvičení:

Více

TSO NEBO A INVARIANTNÍ ROZPOZNÁVACÍ SYSTÉMY

TSO NEBO A INVARIANTNÍ ROZPOZNÁVACÍ SYSTÉMY TSO NEBO A INVARIANTNÍ ROZPOZNÁVACÍ SYSTÉMY V PROSTŘEDÍ MATLAB K. Nováková, J. Kukal FJFI, ČVUT v Praze ÚPŘT, VŠCHT Praha Abstrakt Při rozpoznávání D binárních objektů z jejich diskrétní realizace se využívají

Více

Analýza optické trasy optickým reflektometrem

Analýza optické trasy optickým reflektometrem Analýza optické trasy optickým reflektometrem Zadání: Pomocí optického reflektometru, zkrácené označení OTDR (Optical Time-Domain Reflectometer), proměřte trasu, která je složena z několika optických vláken.

Více

Nastavení parametrů PID a PSD regulátorů

Nastavení parametrů PID a PSD regulátorů Fakulta elektrotechniky a informatiky Univerzita Pardubice Nastavení parametrů PID a PSD regulátorů Semestrální práce z předmětu Teorie řídicích systémů Jméno: Jiří Paar Datum: 9. 1. 2010 Zadání Je dána

Více

Fyzikální praktikum FJFI ČVUT v Praze

Fyzikální praktikum FJFI ČVUT v Praze Fyzikální praktikum FJFI ČVUT v Praze Úloha 12: Sonar Datum měření: 5. 11. 2015 Skupina: 8, čtvrtek 7:30 Vypracoval: Tadeáš Kmenta Klasifikace: 1 Zadání 1. DÚ: V domácí přípravě spočítejte úhel prvních

Více

[ n. Konvoluce. = 0 jinak. 0 jinak. Užitečné signály (diskrétní verze) Jednotkový skok 1 pro n = 0

[ n. Konvoluce. = 0 jinak. 0 jinak. Užitečné signály (diskrétní verze) Jednotkový skok 1 pro n = 0 Užitečné signály (diskrétní verze) Konvoluce σ Jednotkový skok [ n] Jednotkový impuls (delta funkce) Posunutý jednotkový impuls 1 pro n 0 1 pro n = 0 δ = δ [ n] [ n k] = 0 jinak 0 jinak Proč jsou užitečné?

Více

ETC Embedded Technology Club setkání 6, 3B zahájení třetího ročníku

ETC Embedded Technology Club setkání 6, 3B zahájení třetího ročníku ETC Embedded Technology Club setkání 6, 3B 13.11. 2018 zahájení třetího ročníku Katedra měření, Katedra telekomunikací,, ČVUT- FEL, Praha doc. Ing. Jan Fischer, CSc. ETC club,6, 3B 13.11.2018, ČVUT- FEL,

Více

13 Barvy a úpravy rastrového

13 Barvy a úpravy rastrového 13 Barvy a úpravy rastrového Studijní cíl Tento blok je věnován základním metodám pro úpravu rastrového obrazu, jako je např. otočení, horizontální a vertikální překlopení. Dále budo vysvětleny různé metody

Více

MATLAB PRO PODPORU VÝUKY KOMUNIKAČNÍCH SYSTÉMŮ

MATLAB PRO PODPORU VÝUKY KOMUNIKAČNÍCH SYSTÉMŮ MATLAB PRO PODPORU VÝUKY KOMUNIKAČNÍCH SYSTÉMŮ Aneta Coufalíková, Markéta Smejkalová Mazálková Univerzita obrany Katedra Komunikačních a informačních systémů Matlab ve výuce V rámci modernizace výuky byl

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

Hough & Radon transform - cvičení

Hough & Radon transform - cvičení Hough & Radon transform - cvičení ROZ UTIA - ZOI Adam Novozámský (novozamsky@utia.cas.cz) Motivace Co to je Houghova transformace a k čemu se používá?: metoda pro nalezení parametrického popisu objektů

Více

Měření času, periody, šíře impulsu a frekvence osciloskopem

Měření času, periody, šíře impulsu a frekvence osciloskopem http://www.coptkm.cz/ Měření času, periody, šíře impulsu a frekvence osciloskopem Měření času S měřením času, neboli se stanovením doby, která uběhne při zobrazení určité části průběhu, při kontrole časové

Více

Obrázek 2 Vodorovné a svislé půlvlnné antény a jejich zrcadlové obrazy. Činitel odrazu. Účinek odrazu je možno vyjádřit jako součinitel, který

Obrázek 2 Vodorovné a svislé půlvlnné antény a jejich zrcadlové obrazy. Činitel odrazu. Účinek odrazu je možno vyjádřit jako součinitel, který 10 OBRAZ ANTÉNY Často je vhodné použít pro znázornění účinku odrazu představu obrazu antény. Jak ukazuje obrázek 1, odražený paprsek urazí cestu stejné délky (AD se rovná BD), jakou by urazil, kdyby byl

Více

FILTRACE VE FOURIEROVSKÉM SPEKTRU

FILTRACE 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

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

2 (3) kde S je plocha zdroje. Protože jas zdroje není závislý na směru, lze vztah (5) přepsat do tvaru:

2 (3) kde S je plocha zdroje. Protože jas zdroje není závislý na směru, lze vztah (5) přepsat do tvaru: Pracovní úkol 1. Pomocí fotometrického luxmetru okalibrujte normální žárovku (stanovte její svítivost). Pro určení svítivosti normální žárovky (a její chyby) vyneste do grafu závislost osvětlení na převrácené

Více

pracovní list studenta

pracovní list studenta Výstup RVP: Klíčová slova: pracovní list studenta Goniometrické funkce Mirek Kubera žák načrtne grafy elementárních funkcí a určí jejich vlastnosti, při konstrukci grafů aplikuje znalosti o zobrazeních,

Více

Oddělení fyzikálních praktik při Kabinetu výuky obecné fyziky MFF UK. Pracoval: Jiří Kozlík dne: 17.10.2013

Oddělení fyzikálních praktik při Kabinetu výuky obecné fyziky MFF UK. Pracoval: Jiří Kozlík dne: 17.10.2013 Oddělení fyzikálních praktik při Kabinetu výuky obecné fyziky MFF UK Praktikum II Úloha č. 5 Název: Měření osciloskopem Pracoval: Jiří Kozlík dne: 17.10.2013 Odevzdal dne: 24.10.2013 Pracovní úkol 1. Pomocí

Více

Modelování anelastické odezvy vlastních kmitů zemětřesení v Chile 2010

Modelování anelastické odezvy vlastních kmitů zemětřesení v Chile 2010 Modelování anelastické odezvy vlastních kmitů zemětřesení v Chile 2010 Eliška Zábranová Katedra geofyziky MFF UK, VCDZ Úvod Vlastní kmity jsou elementy stojatého vlnění s nekonečným počtem stupňů volnosti.

Více

Zpracování obrazů. Honza Černocký, ÚPGM

Zpracování 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)

Více

9 Impedanční přizpůsobení

9 Impedanční přizpůsobení 9 Impedanční přizpůsobení Impedančním přizpůsobením rozumíme situaci, při níž činitelé odrazu zátěže ΓL a zdroje (generátoru) Γs jsou komplexně sdruženy. Za této situace nedochází ke vzniku stojatého vlnění.

Více

popsat činnost základních zapojení operačních usměrňovačů samostatně změřit zadanou úlohu

popsat činnost základních zapojení operačních usměrňovačů samostatně změřit zadanou úlohu 4. Operační usměrňovače Čas ke studiu: 15 minut Cíl Po prostudování tohoto odstavce budete umět popsat činnost základních zapojení operačních usměrňovačů samostatně změřit zadanou úlohu Výklad Operační

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

Kapitola 2. o a paprsek sil lze ztotožnit s osou x (obr.2.1). sil a velikost rovnou algebraickému součtu sil podle vztahu R = F i, (2.

Kapitola 2. o a paprsek sil lze ztotožnit s osou x (obr.2.1). sil a velikost rovnou algebraickému součtu sil podle vztahu R = F i, (2. Kapitola 2 Přímková a rovinná soustava sil 2.1 Přímková soustava sil Soustava sil ležící ve společném paprsku se nazývá přímková soustava sil [2]. Působiště všech sil m i lze posunout do společného bodu

Více

25. DIGITÁLNÍ TELEVIZNÍ SIGNÁL A KABELOVÁ TELEVIZE

25. DIGITÁLNÍ TELEVIZNÍ SIGNÁL A KABELOVÁ TELEVIZE 25. DIGITÁLNÍ TELEVIZNÍ SIGNÁL A KABELOVÁ TELEVIZE Digitalizace obrazu a komprese dat. Uveďte bitovou rychlost nekomprimovaného číslicového TV signálu a jakou šířku vysílacího pásma by s dolním částečně

Více

DPZ10 Radar, lidar. Doc. Dr. Ing. Jiří Horák Institut geoinformatiky VŠB-TU Ostrava

DPZ10 Radar, lidar. Doc. Dr. Ing. Jiří Horák Institut geoinformatiky VŠB-TU Ostrava DPZ10 Radar, lidar Doc. Dr. Ing. Jiří Horák Institut geoinformatiky VŠB-TU Ostrava RADAR SRTM Shuttle Radar Topography Mission. Endeavour, 2000 Dobrovolný Hlavní anténa v nákladovém prostoru, 2. na stožáru

Více

Software pro vzdálenou laboratoř

Software pro vzdálenou laboratoř Software pro vzdálenou laboratoř Autor: Vladimír Hamada, Petr Sadovský Typ: Software Rok: 2012 Samostatnou část vzdálených laboratoří tvoří programové vybavené, které je oživuje HW část vzdáleného experimentu

Více

Úloha č. 7 Disperzní vlastnosti optických vlnovodů

Úloha č. 7 Disperzní vlastnosti optických vlnovodů Úloha č. 7 Disperzní vlastnosti optických vlnovodů 1 Teoretický úvod Optické vláknové vlnovody jsou důležitou komponentou optických komunikačních sítí. Jejich nejvýznamnějším parametrem je měrný útlum

Více

A7B31ZZS 10. PŘEDNÁŠKA Návrh filtrů 1. prosince 2014

A7B31ZZS 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

Více

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE

ČESKÉ 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 Vyšší geodézie 1 2/3 GPS - Výpočet drah družic školní rok

Více

NOVÉ METODY HODNOCENÍ OBRAZOVÉ KVALITY

NOVÉ METODY HODNOCENÍ OBRAZOVÉ KVALITY NOVÉ METODY HODNOCENÍ OBRAZOVÉ KVALITY Stanislav Vítek, Petr Páta, Jiří Hozman Katedra radioelektroniky, ČVUT FEL Praha, Technická 2, 166 27 Praha 6 E-mail: svitek@feld.cvut.cz, pata@feld.cvut.cz, hozman@feld.cvut.cz

Více

PSK1-9. Číslicové zpracování signálů. Číslicový signál

PSK1-9. 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

Více

Kapitola 1. Signály a systémy. 1.1 Klasifikace signálů

Kapitola 1. Signály a systémy. 1.1 Klasifikace signálů Kapitola 1 Signály a systémy 1.1 Klasifikace signálů Signál představuje fyzikální vyjádření informace, obvykle ve formě okamžitých hodnot určité fyzikální veličiny, která je funkcí jedné nebo více nezávisle

Více

Základní metody číslicového zpracování signálu část I.

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

Více

UŽITÍ KOHERENČNÍ FUNKCE PRO DISTRIBUOVANOU

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

Více

Algoritmy a struktury neuropočítačů ASN - P11

Algoritmy a struktury neuropočítačů ASN - P11 Aplikace UNS při rozpoznání obrazů Základní úloha segmentace obrazu rozdělení obrazu do několika významných oblastí klasifikační úloha, clusterová analýza target Metody Kohonenova metoda KSOM Kohonenova

Více

Filtrace obrazu ve frekvenční oblasti

Filtrace 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

Uživatelská příručka. Software DataPlot nástroj pro vizualizaci csv dat

Uživatelská příručka. Software DataPlot nástroj pro vizualizaci csv dat ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE Fakulta stavební Katedra betonových a zděných konstrukcí Uživatelská příručka Vytvořeno v rámci grantu Grantové agentury České republiky GA16-18448S a grantu Studentské

Více

Nové trendy v zabezpečení rozsáhlých areálů

Nové trendy v zabezpečení rozsáhlých areálů Nové trendy v zabezpečení rozsáhlých areálů Tomáš Semerád Siemens, s. r. o. divize Building Technologies Page 1 Nové trendy v zabezpečení rozsáhlých areálů Obsah Termovize RADAR Page 2 Nové trendy v zabezpečení

Více

popsat princip činnosti základních zapojení čidel napětí a proudu samostatně změřit zadanou úlohu

popsat princip činnosti základních zapojení čidel napětí a proudu samostatně změřit zadanou úlohu 9. Čidla napětí a proudu Čas ke studiu: 15 minut Cíl Po prostudování tohoto odstavce budete umět popsat princip činnosti základních zapojení čidel napětí a proudu samostatně změřit zadanou úlohu Výklad

Více