Repetisjon: Sampling. Repetisjon: Diskretisering. Repetisjon: Diskret vs kontinuerlig. Forelesning, 12.februar 2004
|
|
- Bjarte Andreassen
- 6 år siden
- Visninger:
Transkript
1 Repetisjon: Diskret vs kontinuerlig Forelesning,.februar 4 Kap i læreboken. Anta variabelen t slik at a < t < b, (a, b) R sampling og rekonstruksjon, i tids- og frekvensdomenet Nyquist-Shannons samplingsteorem oversampling undersampling, aliasing og folding Variabelen t er kontinuerlig dersom aksen har uendelig oppløsning, så t kan ta enhver verdi innenfor grensene. diskret dersom aksen har endelig oppløsning, så settet med verdier innenfor grensene er begrenset. INSTITUTT FOR INFORMATIKK INSTITUTT FOR INFORMATIKK Repetisjon: Sampling Repetisjon: Diskretisering Gitt endelig presisjon kan vi ikke representere kontinuerlige variable fullstendig, hverken i tid eller verdi (amplitude). Sampling Tiden t diskretiseres, vi ser på verdien av x(t) kun ved bestemte tidspunkt Kvantisering Amplituden til funksjonen x(t) diskretiseres til bestemte nivåer Vi konsentrerer oss om sampling, og vil benytte en sinusoid på formen x(t) = A cos(ωt + φ) som det kontinuerlige signalet x(t). Å sample et kontinuerlig-tid (analogt) signal x(t) vil si å ta prøver av signalverdien ved bestemte tidspunkt nt s, gitt n =...,,,,,,... Det samplede signalet er en indeksert sekvens av signalverdier x[n] = x(nt s ) = A cos(ωt s n + φ), der T s kalles samplingsperioden, og f s = /T s er samplingsraten. Sekvensen x[n] er en diskret-tid (digital) representasjon av x(t). x(t) sampler (C til D omformer) x[n] T s INSTITUTT FOR INFORMATIKK 3 INSTITUTT FOR INFORMATIKK 4
2 Sampling av en cosinus Diskret-tid signaler x(t) = A cos(ωt), A = 3, ω = 4π x[n] = x(nt s ), T s = /5 s Signaler som er diskrete i tid kan oppstå på to måter:. Ved sampling, x[n] = x(nt s ). Ved beregning direkte fra en formel, f.eks. x[n] = n 3 + n 3 3 Plot av x (t) = A cos(ω t) og x [n] = x (n T s ) = A cos(ω T s n), gitt A = 3, ω = 4 π Kontinuerlig signal 5 sampler per periode Samplet sekvens Uansett refererer vi ofte til leddene i sekvensen som sampler. amplitude tid [s] INSTITUTT FOR INFORMATIKK 5 INSTITUTT FOR INFORMATIKK 6 Informasjonstap ved sampling Gitt verdier av det samplede x[n] for n [, N]. Normalisert vinkelfrekvens Vi sampler en cosinus x[n] = x(nt s ) = A cos(ωnt s + φ) = A cos( ˆωn + φ) Kan vi da si noe om T s, eller om ω og φ for x(t)? Eksempel Gitt N = 6; for ˆω =.4 og ˆω =.5. 3 ω T s =.4 Den normaliserte vinkelfrekvensen er definert som ˆω ωt s = ω f s, med radianer som enhet. x [n] Tidsindeks (n) 3 ω T s =.5 x [n] Tidsindeks (n) INSTITUTT FOR INFORMATIKK 7 INSTITUTT FOR INFORMATIKK 8
3 Informasjonstap ved sampling II Vi har to samplede diskret-tid sinuoider og x [n] = cos( ˆω n) = cos(ω nt s, ) x [n] = cos( ˆω n) = cos(ω nt s, ) Dersom ˆω = ˆω er, for alle n, x [n] = x [n]. Eksempel For sekvensen x [n] har vi ω = 3π, T s, = 5 s, mens x [n] gis ved ω = π, T s, = 6 s Det er klart at ˆω = ˆω =.π Aliasing alias adv (lat. ellers ) den samme som; også kalt. Kjartan Fløgstad a- K. Villum To signaler x [n] = cos(.3π n) og x [n] = cos(4.3π n) har diskret-tid frekvensene og vi ser at ˆω =.3π og ˆω = 4.3π x [n] = cos(4.3π n) = cos(.3π n + 4π n) = cos(.3π n) =x [n] x [n] er et annet navn på signalet x [n], altså et alias. På samme måte er ˆω et alias for ˆω. Finn nok en aliasfrekvens til ˆω =.3π. INSTITUTT FOR INFORMATIKK 9 INSTITUTT FOR INFORMATIKK Eksempel, gitt ω =.3π, ω = 4.3π og Ts = s. x (t) = cos(.3π t) x (t) = cos(.3π t) x 3 (t) = cos(4.3π t) x [n] = x [n] = x 3 [n] Amplitude Tid (s) INSTITUTT FOR INFORMATIKK Uendelig mange aliasfrekvenser Gitt en sinusoid x[n] = A cos( ˆω n + φ) har vi følgende aliasfrekvenser ˆω, ˆω + πl, πl ˆω, l et heltall Dette følger av likheten A cos( ˆω n + φ) = A cos(( ˆω + πl)n + φ) = A cos((πl ˆω )n φ) INSTITUTT FOR INFORMATIKK
4 Samplingsteoremet Hvor ofte må vi sample for å kunne rekonstruere det originale, analoge signalet? Shannons samplingsteorem Et kontinuerlig-tid signal x(t) med høyeste frekvens f max kan rekonstrueres eksakt fra samplet versjon x[n] = x(nt s ), hvis samplingsraten f s = /T s tilfredsstiller f s > f max. Nyquist-raten (kritisk sampling): f s = f max. Foldingsfrekvensen: f = f s /. Eksempel Hørbart frekvensområde for mennesker ligger mellom Hz og Hz, så f max = khz. Shannon og Nyquist Harry Nyquist ( ) ble født i Sverige, men emigrerte til USA og tok utdannelse der. Nyquist formulerte samplingsteoremet allerede i 98, i sitt arbeid "Certain topics in telegraph transmission theory". Det ble imidlertid ikke formelt bevist før av Claude Shannon (96-) i 949. Shannon regnes som informasjonsteoriens far. Hans forskning la grunnlaget for den senere digitale kommunikasjonsrevolusjonen. Både Nyquist og Shannon var tilknyttet Bell Laboratories i en årrekke, der de utførte mye av sin forskning. CD-lyd samples med f s = 44. khz, og oppfyller således samplingsteoremet ettersom f s > f max. Også kjent som Nyquist-Shannons samplingsteorem effektiv lagring, transmisjon og representasjon av informasjon INSTITUTT FOR INFORMATIKK 3 INSTITUTT FOR INFORMATIKK 4 Ideell rekonstruksjon Samplingsteoremet stiller krav som muliggjør rekonstruksjon av x(t) fra x[n], som gjøres ved D-til-C konvertering. x[n] Ideell D til C omformer x(t) Ideell rekonstruksjon II Ved sampling finner vi uendelig mange diskret-tid aliasfrekvenser av ˆω, nemlig ˆω, ˆω + πl, πl ˆω, l et heltall Vi forventer x(t) = x[n] f s = /Ts n=fst < n <, men dette holder bare når x(t) er en sum av sinusoider. En virkelig D-til-A omformer må også fylle inn verdier mellom samplingspunktene nt s, en prosess som involverer interpolering. Hvilken diskret-tid frekvens ˆω velges ved rekonstruksjon (ideell D-til-C omformer)? Regelen er at den frekvenskomponenten nærmest ˆω = (principal alias i boken) velges. Denne er garantert å alltid oppfylle π < ˆω pa π. INSTITUTT FOR INFORMATIKK 5 INSTITUTT FOR INFORMATIKK 6
5 Valg av samplingsrate f s Vi sampler signalet Sampling sett fra frekvensdomenet Spektret til signalet x(t) = A cos(ω t + φ) består av to spektralkomponenter, beliggende ved ±ω og med komplekse amplituder Ae±jφ. Vi sampler x(t) med f s x[n] = x(n/f s ) = A cos ( (ω /f s )n + φ ) til sekvensen x(t) = A cos(ω t + φ) x[t] = A cos(ω nt s + φ) = A cos( ˆωn + φ) Oversampling, f s > f max Signalet x(t) kan gjenvinnes fra sekvensen av sampler. Pga ikke-ideelle komponenter er f s gjerne en del større enn f max x[n] har spektrallinjer ved ˆω = ±ω /f s, men også ved aliasfrekvensene ˆω = ω /f s + πl l =, ±, ±,... ˆω = ω /f s + πl l =, ±, ±,... Sistnevnte kalles foldede aliasfrekvenser. Kritisk sampling, f s = f max Signalet x(t) kan i noen tilfeller gjenvinnes fra sekvensen av sampler. Eksempelvis bevares frekvensinformasjonen i cos(πf t) gjennom sampling og rekonstruksjon med f s = f, mens den går tapt ved sampling av sin(πf t) med samme rate. Test selv! Undersampling, f s < f max Kan ikke ikke rekonstruere x(t) fra samplene, undersampling fører til aliasing og folding. INSTITUTT FOR INFORMATIKK 7 INSTITUTT FOR INFORMATIKK 8 Oversampling ω = π Hz og f s = 5 Hz ˆω =.4π + πl l =, ±, ±,... ˆω =.4π + πl l =, ±, ±,... Aliasing som følge av undersampling ω = π Hz og f s = 8 Hz ˆω =.5π + πl l =, ±, ±,... ˆω =.5π + πl l =, ±, ±,... Sampling av en Hz sinusoid ved f s = 5 Hz. Sampling av en Hz sinusoid ved f s = 8 Hz INSTITUTT FOR INFORMATIKK 9 INSTITUTT FOR INFORMATIKK
6 Aliasing som følge av undersampling ω = π Hz og f s = Hz ˆω = πl l =, ±, ±,... Folding som følge av undersampling ω = π Hz og f s = 5 Hz ˆω =.6π + πl l =, ±, ±,... ˆω =.6π + πl l =, ±, ±,....5 Sampling av en Hz sinusoid ved f s = Hz. Sampling av en Hz sinusoid ved f s = 5 Hz INSTITUTT FOR INFORMATIKK INSTITUTT FOR INFORMATIKK Illustrasjon av frekvensfolding Maksimal rekonstruerbar frekvens Definisjonen av ˆω er ˆω = ω T s = ω f s Frekvensen på signalet x(t) økes lineært fra 4 til 4 Hz på 4 sekunder. Samplingsfrekvensen er 3 Hz, slik at maksimal rekonstruerbar frekvens er 5 Hz. En ideell C-til-D omformer plukker aliasfrekvensen ˆω nærmest null, slik at 5 π < ˆω π. Omregning til analog frekvens ( fs ) f = ˆω π Frequency Da ser vi at f s < f f s Time INSTITUTT FOR INFORMATIKK 3 INSTITUTT FOR INFORMATIKK 4
Forelesning, 23.februar INF2400 Sampling II. Øyvind Ryan. Februar 2006
INF2400 Februar 2006 INF2400 Innhold Delkapitlene 4.4-4.6 fra læreboken, 4.3 er til selvstudium. Repetisjon om sampling og aliasing Diskret-til-kontinuerlig omforming Interpolasjon med pulser Oversamling
DetaljerForelesning, 17.februar INF2400 Sampling II. Øyvind Ryan. Februar 2005
INF2400 Februar 2005 INF2400 Innhold Delkapitlene 4.4-4.6 fra læreboken, 4.3 er til selvstudium. Repetisjon om sampling og aliasing Diskret-til-kontinuerlig omforming Interpolasjon med pulser Oversamling
DetaljerRepetisjon: Eksempel. Repetisjon: Aliasing. Oversikt, 26.februar Gitt. Alle signaler. Ettersom. vil alle kontinuerlig-tid signaler.
Oversikt, 6.februar Tilhørende pensum i boken er. -.. Repetisjon regning med aliasing og folding rekonstruksjon ved substitusjon FIR-filtre glidende middel et generelt FIR-filter enhetsimpulsresponsen
DetaljerForkunnskapskrav. Hva handler kurset om. Kontaktinformasjon. Kurset er beregnet på en student som kan
Velkommen til INF4, Digital signalbehandling Hilde Skjevling (Kursansvarlig) Svein Bøe (Java) INSTITUTT FOR INFORMATIKK Kontaktinformasjon E-post: hildesk@ifi.uio.no Telefon: 85 4 4 Kontor: 4 i 4.etasje,
DetaljerSampling ved Nyquist-raten
Samplingsteoremet Oppgavegjennomgang, 7.mai Oversikt Presisering av samplingsteoremet Løse utsendt oppgave om sampling Løse oppgave, V Løse oppgave 3, V If a function f (t contains no frequencies higher
DetaljerAliasing: Aliasfrekvensene. Forelesning 19.februar Nyquist-Shannons samplingsteorem
Forelesning 9.februar 24 Delkapilene 4.4-4.6 fra læreboken, 4.3 er il selvsudium. Repeisjon om sampling og aliasing Diskre-il-koninuerlig omforming Inerpolasjon med pulser Oversamling bedrer inerpolasjon
DetaljerBruk av tidsvindu. Diskret Fourier-transform. Repetisjon: Fourier-transformene. Forelesning 6. mai 2004
Repetisjon: Fourier-transformene Forelesning 6. mai 4 Spektralanalyse Pensum i boken: 3-4 til 3-5. Diskret tid Kontinuerlig tid Diskret frekvens DFT, X[k] Fourierrekker, {a k } Kontinuerlig frekvens DTFT,
DetaljerLØSNINGSFORSLAG TIL SIGNALBEHANDLING 1 JUNI 2010
LØSNINGSFORSLAG TIL SIGNALBEHANDLING JUNI Løsningsforslag til eksamen i Signalbehandling, mai Side av 5 Oppgave a) Inngangssignalet x(t) er gitt som x( t) = 5cos(π t) + 8cos(π 4 t). Bruker Eulers formel
DetaljerRepetisjon: Spektrum for en sum av sinusoider
Forelesning 9. april 4 Pensum i boken: - og -, noe fra -4 ikke nødvendig å lese, -6., -8-3. og -3.5 3- til 3-4 Oversikt Spektrum for et signal, frekvensinnholdet Bruk av Fourier-transform FT for å beregne
DetaljerSampling, kvantisering og lagring av lyd
Litteratur : Temaer i dag: Neste uke : Sampling, kvantisering og lagring av lyd Cyganski kap 11-12 Merk: trykkfeilliste legges på web-siden Sampling av lyd Kvantisering av lyd Avspilling av samplet og
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i Eksamensdag: Oppgavesettet er på 9 sider. Vedlegg: Tillatte hjelpemidler: INF2400 Digital signalbehandling 16. 23. april 2004,
DetaljerRepetisjon: LTI-systemer
Forelesning, 11. mars 4 Tilhørende pensum er 6.1-6.4 i læreboken. repetisjon av FIR-filtre frekvensresponsen til et FIR-filter beregne utgangen fra FIR-filtret ved hjelp av frekvensresponsen steady-state
DetaljerTemaer i dag. Mer om romlig oppløsning. Optisk avbildning. INF 2310 Digital bildebehandling
Temaer i dag INF 2310 Digital bildebehandling Forelesning II Sampling og kvantisering Fritz Albregtsen Romlig oppløsning i bilder Sampling av bilder Kvantisering i bilder Avstandsmål i bilder Pensum: Kap.
Detaljerf(t) F( ) f(t) F( ) f(t) F( )
NORGES TEKNISK-NATURVITENSKAPELIGE UNIVERSITET INSTITUTT FOR PETROLEUMSTEKNOLOGI OG ANVENDT GEOFYSIKK Oppgave SIG4045 Geofysisk Signalanalyse Lsningsforslag ving 3 a) ' xy (t) = x()y(t + )d : La oss, for
DetaljerINF 1040 høsten 2008: Oppgavesett 9 Sampling og kvantisering av lyd (kapittel 11)
INF 1040 høsten 2008: Oppgavesett 9 Sampling og kvantisering av lyd (kapittel 11) Fasitoppgaver Denne seksjonen inneholder innledende oppgaver hvor det finnes en enkel fasit bakerst i oppgavesettet. Det
DetaljerINF 1040 Sampling, kvantisering og lagring av lyd
INF 1040 Sampling, kvantisering og lagring av lyd Temaer i dag : 1. Analog eller digital, kontinuerlig eller diskret 2. Sampling, kvantisering, digitalisering 3. Nyquist-Shannon teoremet 4. Oversampling,
DetaljerAnalog. INF 1040 Sampling, kvantisering og lagring av lyd. Kontinuerlig. Digital
INF 14 Sampling, kvantisering og lagring av lyd Temaer i dag : 1. Analog eller digital, kontinuerlig eller diskret 2. Sampling, kvantisering, digitalisering 3. Nyquist-Shannon teoremet 4. Oversampling,
DetaljerSampling av bilder. Romlig oppløsning, eksempler. INF Ukens temaer. Hovedsakelig fra kap. 2.4 i DIP
INF 2310 22.01.2008 Ukens temaer Hovedsakelig fra kap. 2.4 i DIP Romlig oppløsning og sampling av bilder Kvantisering Introduksjon til pikselmanipulasjon i Matlab (i morgen på onsdagstimen) Naturen er
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i INF3440/4440 Signalbehandling Eksamensdag: xx. desember 007 Tid for eksamen: Oppgavesettet er på 6 sider. Vedlegg: Tillatte hjelpemidler:
DetaljerEksempel 1. Frekvensene i DFT. Forelesning 13. mai På samme måte har vi at. I et eksempel fra forrige uke brukte vi sekvensen
Frekvensene i DFT Forelesning 3. mai 4 Pensum i boken: fra 3-5.3 til 3-8.4, samt 3-9. Delkapitlene 3-8.5, 3-8.6 og 3-8.7 er nyttig selvstudium. Oversikt Spektralanalyse av signaler med endelig lengde Spektralanalyse
DetaljerHØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi
HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi Målform: Bokmål Eksamensdato: 7.mai 24 Varighet/eksamenstid: 5 timer Emnekode: TELE 23 Emnenavn: Signalbehandling Klasse(r): 2EI 2EE Studiepoeng: Faglærer(e):
DetaljerINF januar 2017 Ukens temaer (Kap med drypp fra kap. 4. i DIP)
25. januar 2017 Ukens temaer (Kap 2.3-2.4 med drypp fra kap. 4. i DIP) Romlig oppløsning Sampling av bilder Kvantisering av pikselintensiteter 1 / 27 Sampling av bilder Naturen er kontinuerlig (0,0) j
DetaljerForelesening INF / Spektre - Fourier analyse
Forelesening INF 24 27/ - 25 Spektre - Fourier analyse Spektre - Fourier analyse og syntese Tosidig spektrum Beat notes Amplitudemodulasjon Periodiske og ikke-periodiske signaler Fourier rekker - analyse
DetaljerAnalog. INF 1040 Sampling, kvantisering og lagring av lyd. Kontinuerlig. Digital
INF 14 Sampling, kvantisering og lagring av lyd Temaer i dag : 1 Analog eller digital, kontinuerlig eller diskret 2 Sampling, kvantisering, digitalisering 3 Nyquist-Shannon teoremet 4 Oversampling, undersampling,
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i INF347/447 Digital signalbehandling Eksamensdag: 1. desember 16 Tid for eksamen: 14.3 18.3 Oppgavesettet er på 8 sider. Vedlegg:
Detaljery(t) t
Løsningsforslag til eksamen i TE 559 Signaler og Systemer Høgskolen i Stavanger Trygve Randen, t.randen@ieee.org 3. mai 999 Oppgave a) Et tidsinvariant system er et system hvis egenskaper ikke endres med
DetaljerFILTERDESIGN Ukeoppgavene skal leveres som selvstendige arbeider. Det forventes at alle har satt seg inn i instituttets krav til innleverte oppgaver: Norsk versjon: http://www.ifi.uio.no/studinf/skjemaer/erklaring.pdf
DetaljerINF 1040 Sampling, kvantisering og lagring av lyd
INF 1040 Sampling, kvantisering og lagring av lyd Temaer i dag : 1. Analog eller digital, kontinuerlig eller diskret 2. Sampling, kvantisering, digitalisering 3. Nyquist-Shannon teoremet 4. Oversampling,
DetaljerLyd. Litt praktisk informasjon. Litt fysikk. Lyd som en funksjon av tid. Husk øretelefoner på øvelsestimene denne uken og en stund framover.
Lyd Hva er lyd? Sinuser, frekvenser, tidssignaler Hvordan representere lydsignaler matematisk? Litt praktisk informasjon Husk øretelefoner på øvelsestimene denne uken og en stund framover. Lydeksemplene
DetaljerTemaer i dag. Mer om romlig oppløsning. Optisk avbildning. INF 2310 Digital bildebehandling
Temaer i dag INF 231 Digital bildebehandling Forelesning II Sampling og kvantisering Fritz Albregtsen Romlig oppløsning i bilder Sampling av bilder Kvantisering i bilder Avstandsmål i bilder Pensum: Kap.
DetaljerINF 2310 Digital bildebehandling
INF 2310 Digital bildebehandling Forelesning II Sampling og kvantisering Fritz Albregtsen 27.01.2014 INF2310 1 Temaer i dag Romlig oppløsning i bilder Sampling av bilder Kvantisering i bilder Avstandsmål
DetaljerHØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi
HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi Kandidatnr: Eksamensdato: 27.5.21 Varighet/eksamenstid: Emnekode: 5 timer EDT24T Emnenavn: Signalbehandling 1 Klasse(r): 2ET 2EE Studiepoeng: 1 Faglærer(e):
DetaljerTema nr 2: Analog eller digital, kontinuerlig eller diskret. Eksempel på ulike båndbredder. Frekvensinnhold og båndbredde. Analog
INF 1040 Sampling, kvantisering og lagring av lyd Temaer i dag : 1. Frekvensinnhold og båndbredde 2. Analog eller digital, kontinuerlig eller diskret 3. Sampling, kvantisering, digitalisering 4. Nyquist-Shannon
DetaljerUke 9: Diskret Fourier Transform, I
Uke 9: Diskret Fourier Transform, I Jo Inge Buskenes Institutt for informatikk, Universitetet i Oslo INF3470/4470, høst 2011 2/23 Dagens temaer Sampling og periodisitet DFT DFT og DTFT 3/23 Tema Sampling
DetaljerINF 2310 Digital bildebehandling
Temaer i dag INF 231 Digital bildebehandling Forelesning II Sampling og kvantisering Fritz Albregtsen Romlig oppløsning i bilder Sampling av bilder Kvantisering i bilder Avstandsmål i bilder Pensum: Kap.
DetaljerINF 2310 Digital bildebehandling
Temaer i dag INF 231 Digital bildebehandling Forelesning II Sampling og kvantisering Fritz Albregtsen Romlig oppløsning i bilder Sampling av bilder Kvantisering i bilder Avstandsmål i bilder Pensum: Kap.
DetaljerINF 2310 Digital bildebehandling
Temaer i dag INF 231 Digital bildebehandling Forelesning II Sampling og kvantisering Fritz Albregtsen Romlig oppløsning i bilder Sampling av bilder Kvantisering i bilder Avstandsmål i bilder Pensum: Kap.
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i Eksamensdag: 29. mars 2007 Tid for eksamen: 09.00 2.00 Oppgavesettet er på 5 sider. Vedlegg: INF 3470 / INF 4470 Digital Signalbehandling
DetaljerHØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi
HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi Målform: Bokmål Eksamensdato: 6.mai 215 Varighet/eksamenstid: 5 timer Emnekode: TELE 23 Emnenavn: Signalbehandling Klasse(r): 2EI 2EE Studiepoeng: 1 Faglærer(e):
DetaljerLøsningsforslag til kapittel 11 sampling, kvantisering og lagring av lyd
Løsningsforslag til kapittel 11 sampling, kvantisering og lagring av lyd Sampling og samplingsrate Hvis vi har et lydsignal som inneholder frekvenser fra 100 til 500 Hz, hvilken samplingsrate og samplingsintervall
DetaljerKap 7: Digital it prosessering av analoge signaler
Kap 7: Digital it prosessering av analoge signaler Sverre Holm Temaer 1. Sampling og rekonstruksjon 2. Finne spektret til samplet signal 3. Gjenvinning med forskjellige interpolasjoner 4. Nullinnsetting
DetaljerHjelpemidler: D Ingen trykte eller håndskrevne hjelpemidler tillatt. Bestemt, enkel kalkulator tillatt.
Side av 5 NORGES TEKNISK- NATURVITENSKAPELIGE UNIVERSITET INSTITUTT FOR ELEKTRONIKK OG TELEKOMMUNIKASJON Faglig kontakt under eksamen: Navn: John Torjus Flåm Tlf.: 957602 EKSAMEN I EMNE TTT40 INFORMASJONS-
DetaljerFourier-Transformasjoner II
Fourier-Transformasjoner II Lars Vidar Magnusson February 27, 2017 Resten av Delkapittel 4.2 Preliminary Concepts Delkapittel 4.3 Sampling and the Fourier Transform of Sampled Functions Delkapittel 4.4
DetaljerKapittel 2. Fourier analyse. 2.1 Fourier transform*
Kapittel 2 Fourier analyse [Copyright for kapittelet, tekst og figurer: Arnt Inge Vistnes.] 2.1 Fourier transform* Vi kan fremstille svingefenomener, slik vi hittil har gjort, ved å angi en tidsvariabel
DetaljerNoen presiseringer mhp Diskret Fourier Transform. Relevant for oblig 1.
FYS2130 Våren 2008 Noen presiseringer mhp Diskret Fourier Transform. Relevant for oblig 1. Vi har på forelesning gått gjennom foldingsfenomenet ved diskret Fourier transform, men ikke vært pinlig nøyaktige
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i INF3470 Digital signalbehandling Eksamensdag: 1. desember 013 Tid for eksamen: 14.30 18.30 Oppgavesettet er på 15 sider. Vedlegg:
DetaljerHØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi
HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi Målform: Eksamensdato: 14.5.213 Varighet/eksamenstid: Emnekode: Emnenavn: 5 timer EDT24T Signalbehandling Klasse(r): 2EI 2EE Studiepoeng: 1 Faglærer(e):
DetaljerFourier-analyse. Hittil har vi begrenset oss til å se på bølger som kan beskrives ved sinus- eller cosinusfunksjoner
Fourier-analyse Hittil har vi begrenset oss til å se på bølger som kan beskrives ved sinus- eller cosinusfunksjoner som yxt (, ) = Asin( kx ωt+ ϕ) En slik bølge kan karakteriseres ved en enkelt frekvens
DetaljerDet fysiske laget, del 2
Det fysiske laget, del 2 Kjell Åge Bringsrud (med foiler fra Pål Spilling) 1 Pulsforvrengning gjennom mediet Linje g(t) innsignal Dempning A(f) v(t) utsignal A(f) 0% 50% Frekvensresponsen Ideell Frekv.
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i Eksamensdag: 11. juni 27 Tid for eksamen: 14.3 17.3 Oppgavesettet er på 5 sider. Vedlegg: INF 347 / INF 447 Digital Signalbehandling
DetaljerTDT4105/TDT4110 Informasjonsteknologi grunnkurs:
1 TDT4105/TDT4110 Informasjonsteknologi grunnkurs: Uke 38 Digital representasjon, del 2 - Representasjon av lyd og bilder - Komprimering av data Rune Sætre satre@idi.ntnu.no 2 Digitalisering av lyd Et
DetaljerFILTERDESIGN Ukeoppgavene skal leveres som selvstendige arbeider. Det forventes at alle har satt seg inn i instituttets krav til innleverte oppgaver: Norsk versjon: http://www.ifi.uio.no/studinf/skjemaer/erklaring.pdf
DetaljerHØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi
HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi Målform: Bokmål Eksamensdato: 16.mai 1 Varighet/eksamenstid: Emnekode: Emnenavn: 5 timer EDT4T Signalbehandling Klasse(r): EI EE Studiepoeng: 1 Faglærer(e):
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i INF3440/4440 Signalbehandling Eksamensdag: 11. desember 006 Tid for eksamen: 15.30 18.30 Oppgavesettet er på 7 sider. Vedlegg:
Detaljer6DPSOLQJ DY NRQWLQXHUOLJH VLJQDOHU
TE6146 ignalbehandling 6DPOLQJ DY NRQWLQXHUOLJH VLJQDOHU,QWURGXNVMRQ Mest vanlige måte å oppnå diskrete signaler på er ved sampling av kontinuerlige signaler Under gitte forutsetninger kan kontinuerlige
DetaljerHjelpemidler: D Ingen trykte eller håndskrevne hjelpemidler tillatt. Bestemt, enkel kalkulator tillatt.
Side av 5 NORGES TEKNISK- NATURVITENSKAPELIGE UNIVERSITET INSTITUTT FOR ELEKTRONIKK OG TELEKOMMUNIKASJON Faglig kontakt under eksamen: Navn: Bojana Gajić Tlf.: 92490623 EKSAMEN I EMNE TTT40 INFORMASJONS-
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i INF347/447 Digital signalbehandling Eksamensdag:. desember 5 Tid for eksamen: 9. 3. Oppgavesettet er på 7 sider. Vedlegg: Ingen
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i Eksamensdag: mai 2002 IN 155 Digital Signalbehandling Tid for eksamen: 6. mai 9.00 21. mai 12.00 Oppgavesettet er på 5 sider.
DetaljerAnalog. INF 1040 Sampling, kvantisering og lagring av lyd. Kontinuerlig. Digital
INF 14 Sampling, kvantisering og lagring av lyd Temaer i dag : 1. Analog eller digital, kontinuerlig eller diskret 2. Sampling, kvantisering, digitalisering 3. Nyquist-Shannon teoremet 4. Oversampling,
DetaljerDagens temaer. Endelig lengde data. Tema. Time 11: Diskret Fourier Transform, del 2. Spektral glatting pga endelig lengde data.
Dagens temaer Time : Diskret Fourier Transform, del Andreas Austeng@ifi.uio.no, INF37 Institutt for informatikk, Universitetet i Oslo Spektral glatting pga endelig lengde data Bruk av en Frekvensestimering
Detaljer1 Trigonometriske Funksjoner Vekt: 1. 2 Trigonometriske Funksjoner Vekt: 1
OPPGAVER TIL FORELESNINGSUKE NUMMER Ukeoppgavene skal leveres som selvsendige arbeider. De forvenes a alle har sa seg inn i insiues krav il innlevere oppgaver: Norsk versjon: hp://www.ifi.uio.no/sudinf/skjemaer/erklaring.pdf
DetaljerFFT. Prosessering i frekvensdomenet. Digital signalprosessering Øyvind Brandtsegg
FFT Prosessering i frekvensdomenet Digital signalprosessering Øyvind Brandtsegg Representasjonsmåter Tidsdomene: Amplityde over tid Frekvensdomene: Amplityde over frekvens Hvorfor? Prosessering i frekvensdomenet
DetaljerUNIVERSITETET I OSLO.
UNIVERSITETET I OSLO. Det matematisk - naturvitenskapelige fakultet. Eksamen i : Eksamens dag : Tid for eksamen : Oppgavesettet er på 6 sider Vedlegg : Tillatte hjelpemidler : FYS1210-Elektronikk med prosjektoppgaver
DetaljerUke 4: z-transformasjonen
Uke 4: z-transformasjonen Jo Inge Buskenes Institutt for informatikk, Universitetet i Oslo INF3470/4470, høst 2013 2/31 Dagens temaer z-dometet; ett av tre domener z-transformasjonen; definisjon og egenskaper
DetaljerTransformanalyse. Jan Egil Kirkebø. Universitetet i Oslo 17./23. september 2019
Transformanalyse Jan Egil Kirkebø Universitetet i Oslo janki@ifi.uio.no 17./23. september 2019 Jan Egil Kirkebø (Inst. for Inf.) IN3190/IN4190 17./23. september 2019 1 / 22 Egenfunksjoner til LTI-systemer
DetaljerUTVIDET TEST AV PROGRAM
Tid : 16.2.99, kl. 153 Til : Ole Meyer og prøvenemda Fra : Anders Sak : Fagprøve våren 1999, utvidet test av program Denne oppgaven var tre-delt. UTVIDET TEST AV PROGRAM Først skulle jeg påtrykke AD-kortet
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i INF3470/4470 Digital signalbehandling Eksamensdag: 5. januar 019 Tid for eksamen: 09:00 13:00 Oppgavesettet er på 9 sider. Vedlegg:
DetaljerTittel: Design av FSK-demodulator. Forfattere: Torstein Mellingen Langan. Versjon: 1.0 Dato: Innledning 1
Designnotat Innhold Tittel: Design av FSK-demodulator Forfattere: Torstein Mellingen Langan Versjon: 1.0 Dato: 13.11.17 1 Innledning 1 2 Prinsipiell løsning 2 2.1 Analyse av inngangssignal.............................
DetaljerUke 6: Analyse i frekvensdomenet
Uke 6: Analyse i frekvensdomenet Jo Inge Buskenes Institutt for informatikk, Universitetet i Oslo INF3470/4470, høst 2011 2/26 Dagens temaer Fra forrige gang Frekvensrespons funksjonen Fourier rekker og
DetaljerKompleks eksponentialform. Eulers inverse formler. Eulers formel. Polar til kartesisk. Kartesisk til polar. Det komplekse signalet
Komplekse tall Vi definerer det komplekse tallet z C. Komplekse eksponentialer og fasorer Det komplekse planet Kartesisk og polar form Komplekse eksponentiale signaler Roterende fasor Addisjon av fasorer
DetaljerTTT4110 Informasjons- og signalteori Sortering av tidligere eksamensoppgaver
TTT4110 Informasjons- og signalteori Sortering av tidligere eksamensoppgaver 21. november 2010 1 Kontinuerlige signaler og systemer 1.1 Signaler i tidsdomenet 2009M 3 b gitt x(t), sum av DC og to sinussignaler,
DetaljerUke 10: Diskret Fourier Transform, II
Uke 10: Diskret Fourier Transform, II Jo Inge Buskenes Institutt for informatikk, Universitetet i Oslo INF3470/4470, høst 011 /38 Dagens temaer Spektral glatting pga endelig lengde data Bruk av DFT en
DetaljerIntroduksjon til lyd. Det ytre øret. Fra lydbølger til nerveimpulser. INF1040 - Digital representasjon 23.09.2009: Introduksjon til lyd.
Foreleser: INF1040 - Digital representasjon 23.09.2009: Introduksjon til lyd Martin Giese Kontakt: martingi@ifi.uio.no, 22852737 Det blir en del stoff per forelesning Er det matematikk eller praktisk regning?
DetaljerEKSAMEN STE 6219 Digital signalbehandling
HØGSKOLEN I NARVIK Institutt for data-, elektro-, og romteknologi Masterstudiet EL/RT Side 1 av 4 EKSAMEN STE 6219 Digital signalbehandling Tid: Tirsdag 07.03.2006, kl: 09:00-12:00 Tillatte hjelpemidler:
DetaljerTTT4110 Informasjons- og signalteori Løsningsforslag eksamen 9. august 2004
Norges teknisknaturvitenskapelige universitet Institutt for elektronikk og telekommunikasjon TTT40 Informasjons- og signalteori Løsningsforslag eksamen 9. august 004 Oppgave (a) Et lineært tidinvariant
Detaljer303d Signalmodellering: Gated sinus a) Finn tidsfunksjonen y(t) b) Utfør en Laplace transformasjon og finn Y(s)
303d Signalmodellering: Gated sinus... 1 610 Operasjonsforsterkere H2013-3... 1 805 Sallen and Key LP til Båndpass filter... 2 904 Z-transformasjon av en forsinket firkant puls.... 4 913 Chebyshev filter...
DetaljerOblig 1 FYS2130. Elling Hauge-Iversen
Oblig 1 FYS2130 Elling Hauge-Iversen February 9, 2009 Oppgave 1 For å estimere kvalitetsfaktoren til basilarmembranen for ulike frekvenser har jeg laget et program som generer et rent sinussignal. Ideen
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF310 Digital bildebehandling Eksamensdag : Tirsdag 5. juni 007 Tid for eksamen : 09:00 1:00 Oppgavesettet er på : 5 sider
DetaljerGenerell informasjon om faget er tilgjengelig fra It s learning.
Stavanger, 6. august 013 Det teknisknaturvitenskapelige fakultet ELE500 Signalbehandling, 013. Generell informasjon om faget er tilgjengelig fra It s learning. Innhold 5.1 Implementering av IIR filter....................
Detaljer5. Fourieranalyse. 5.1 Innledende eksempler
5. Fourieranalyse Fouriertransformasjon og fourieranalyse har klare likhetstrekk med middelalderens bruk av episykler for å beregne hvordan planeter og sola beveget seg i forhold til hverandre. Det forteller
DetaljerForelesning nr.4 INF 1411 Elektroniske systemer
Forelesning nr.4 INF 1411 Elektroniske systemer Vekselstrøm Kondensatorer 1 Dagens temaer Sinusformede spenninger og strømmer Firkant-, puls- og sagtannsbølger Effekt i vekselstrømkretser Kondesator Oppbygging,
DetaljerLøsningsforslag til øving 1
1 FY100/TFY4160 Bølgefysikk. Institutt for fysikk, NTNU. Høsten 01. Løsningsforslag til øving 1 Oppgave 1 a) Vi antar at Hookes lov, F = kx, gjelder for fjæra. Newtons andre lov gir da eller kx = m d x
DetaljerUtkast med løsningshint inkludert UNIVERSITETET I OSLO
Utkast med løsningshint inkludert UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF2310 Digital bildebehandling Eksamensdag : Onsdag 2. juni 2010 Tid for eksamen : 09:00
DetaljerTMA Kræsjkurs i Matlab. Oppgavesett 2/3
TMA4123 - Kræsjkurs i Matlab. Oppgavesett 2/3 28.02.2013 Oppgave 0: Bruk av fftshift og ifftshift Når du bruker fft i Matlab flyttes frekvensene over midten av spekteret, slik at får du ut frekvensdata
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF2310 Digital bildebehandling Eksamensdag : Onsdag 2. juni 2010 Tid for eksamen : 09:00 12:00 Oppgavesettet er på : XXX sider
DetaljerKonvolusjon og filtrering og frevensanalyse av signaler
Høgskolen i Østfold Avdeling for informasjonsteknologi Fag IAD33505 Bildebehandling og mønstergjenkjenning Laboppgave nr 2 Konvolusjon og filtrering og frevensanalyse av signaler Sarpsborg 21.01.2005 20.01.05
DetaljerSTE 6146 Digital signalbehandling. Løsningsforslag til eksamen avholdt
HØGSKOLEN I NARVIK Institutt for data-, elektro-, og romteknologi Sivilingeniørstudiet EL/RT STE 6146 Digital signalbehandling Løsningsforslag til eksamen avholdt 06.02.03 Oppgaver 1. Forklar hva som er
DetaljerINF1040 Digital representasjon
INF1040 Digital representasjon av tekster, tall, former, lyd, bilder og video Forelesere: Gerhard Skagestein Fritz Albregtsen Første forelesning: Onsdag 23. august 12:15 14:00, Sophus Lies Auditorium.
DetaljerTMA4110 Matematikk 3 Haust 2011
Noregs teknisk naturvitskaplege universitet Institutt for matematiske fag TMA4110 Matematikk 3 Haust 2011 Løysingsforslag Øving 2 Oppgåver frå læreboka, s. xliv-xlv 9 Me finn først fjørkonstanten k. Når
DetaljerHØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi
HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi Eksamensdato: 19.5.211 Varighet/eksamenstid: Emnekode: 5 timer EDT24T Emnenavn: Signalbehandling 1 Klasse(r): 2EE Studiepoeng: 1 Faglærer(e): Håkon Grønning
DetaljerFYS2130 Svingninger og bølger, Obligatorisk oppgave C. Nicolai Kristen Solheim
FYS213 Svingninger og bølger, Obligatorisk oppgave C Nicolai Kristen Solheim FYS213 Svingninger og bølger Ukeoppgave, sett C Nicolai Kristen Solheim Ukeoppgave, sett C Oppgavetype 1 a) Læreboken beskriver
Detaljer01 Laplace og Z-transformasjon av en forsinket firkant puls.
Innholdsfortegnelse 0 Laplace og Z-transformasjon av en forsinket firkant puls.... 0 Sampling og filtrering og derivering av en trekant strømpuls... 03_Digitalt Chebyshev filter... 3 04 Digitalisering
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF2310 Digital bildebehandling Eksamensdag : Tirsdag 5. juni 2007 Tid for eksamen : 09:00 12:00 Oppgavesettet er på : 5 sider
DetaljerGitarstrengfrekvenser og Fourierspektra
Gitarstrengfrekvenser og Fourierspektra Hensikt Oppsettet vist pa bildet gir deg mulighet til leke med Fourierspektra og en gitarstreng. Gitarstrengen kan eksiteres enten ved at du klimprer pa den som
DetaljerUke 4: z-transformasjonen
Uke 4: z-transformasjonen Jo Inge Buskenes Institutt for informatikk, Universitetet i Oslo INF3470/4470, høst 2012 2/30 Dagens temaer z-dometet; ett av tre domener z-transformasjonen; definisjon og egenskaper
DetaljerLØSNINGSFORSLAG TIL EKSAMEN I FY1002 BØLGEFYSIKK Mandag 10. desember 2007 kl
NORGES TEKNISK- NATURVITENSKAPELIGE UNIVERSITET INSTITUTT FOR FYSIKK Faglig kontakt under eksamen: Jon Andreas Støvneng Telefon: 73 59 36 63 / 45 45 55 33 LØSNINGSFORSLAG TIL EKSAMEN I FY1002 BØLGEFYSIKK
Detaljerz = a + jb Mål Komplekse tall: Sum og produkt Komplekse tall
Mål IN3190/4190 Digital signalbehandling Andreas Austeng og Stine Hverven (INF3470/4470, H18). Repetisjon av komplekse tall og trigonometri Beherske komplekse tall. Beherske trigonometriske funksjoner.
DetaljerObligatorisk oppgave nr 4 FYS Lars Kristian Henriksen UiO
Obligatorisk oppgave nr 4 FYS-213 Lars Kristian Henriksen UiO 18. februar 215 Diskusjonsoppgaver: Oppgave 1 Hvordan kan vi ved å ta utgangspunkt i et frekvensspekter lage en syntstisk lyd? Vil en slik
DetaljerSPEKTALANALYSATORER. Fig. 1 Illustrasjon av sammenhengen tidsfunksjon - frekvensspektrum
SPEKTALANALYSATORER Fig. 1 Illustrasjon av sammenhengen tidsfunksjon - frekvensspektrum Vi har ofte nytte av å kunne veksle mellom de to grafiske presentasjonsmåtene for et elektrisk signal, tidsfunksjon
Detaljer