Fourier-Transformasjoner IV
|
|
|
- Ada Markussen
- 8 år siden
- Visninger:
Transkript
1 Fourier-Transformasjoner IV Lars Vidar Magnusson March 1, 2017 Delkapittel 4.6 Some Properties of the 2-D Discrete Fourier Transform
2 Forholdet Mellom Spatial- og Frekvens-Intervallene Et digitalt bilde f (x, y) er en samplet utgave av en kontinuerlig funksjon f (t, z). Vi har M N samples tatt med et mellomrom på henholdsvis T og Z. Mellomrommet mellom de korresponderende diskrete frekvens-variablene blir.. u = 1 M T og v = 1 N Z Merk at intervallene i frekvens-domenet er invers-proporsjonale med både intervallstørrelsen i spatial-domenet og antall samples.
3 Translering og Rotering Man kan translere en DFT med... f (x, y)e j2π(u0x/m+v0y/n F (u u 0, v v 0 ) Man kan translere et bilde med... f (x x 0, y y 0 ) F (u, v)e j2π(ux0/m+vy0/n Med polarkoordinater så har vi følgende... x = r cos θ y = r sin θ u = ω cos ϕ v = ω sin ϕ og vi får dette rotasjonsparet f (r, θ + θ 0 ) F (ω, ϕ + θ 0 )
4 Periodiskhet Både f (x, y) og F (u, v) er periodiske. F (u, v) = F (u + k 1 M, v) = F (u, v + k 2 N) = F (u + k 1 M, v + k 2 N) f (x, y) = F (x + k 1 M, y) = F (x, y + k 2 N) = F (x + k 1 M, y + k 2 N) Dette er et nyttig faktum når vi skal implementere transformasjonen.
5 Flytting av Origo i Frekvens-Domenet Vi foretrekker typisk å flytte origo i frekvensdomenet til (M/2, N/2). Vi skal se senere at dette gjør det enklere å få et riktig inntrykk av frekvensene.
6 Flytting av Origo i Frekvens-Domenet Vi kan flytte origo ved hjelp av translering. Vi kan translere til (M/2, N/2) i frekvens-domenet ved å multiplisere f (x, y) med følgende eksponent. Vi får altså følgende... e j2π([m/2]x/m+[n/2]y/n) = e jπ(x+y) = ( 1) x+y f (x, y)( 1) x+y F (u M/2, v N/2)
7 Symmetri Et viktig resultat fra funksjonsanalyse er at alle reelle og komplekse funksjoner kan skrives som summen av en even (lik) og en odd (ulik) funksjon. w(x, y) = w e (x, y) + w o (x, y) Hvor den like og ulike funksjonen er definert som.. w e (x, y) = w o (x, y) = w(x, y) + w( x, y) 2 w(x, y) w( x, y) 2
8 Symmetri Like funksjoner blir ofte kalt symmetriske. w e (x, y) = w e ( x, y) Ulike funksjoner kalles ofte antisymmetriske. w o (x, y) = w o ( x, y)
9 Diskret Symmetri Det er ikke like intuitivt å visualisere like og ujevne funksjoner av diskrete variable. Like funksjoner blir følgende... w e (x, y) = w e (M x, N y) og ulike blir.. w o (x, y) = w o (M x, N y) M er bredden og N er høyden til et bilde i vårt tilfelle.
10 Diskret Symmetri Vi har følgende resultater fra funksjonsanalyse Produktet av to like funksjoner er en lik funksjon Produktet av to ulike funksjoner er en lik funksjon Produktet av en lik og en ulik funksjon er en ulik funksjon Vi vet også at elementene i en ulik funksjon må summere til 0. Vi får da følgende interessante resultat. M 1 N 1 w e (x, y)w o (x, y) = 0 x=0 y=0
11 Et 1D Eksempel på Lik Funksjon La oss ta en titt på et enkelt eksempel i en dimensjon. f (x) = [2, 1, 1, 1] Vi ser at M = 4, som betyr at f (x) = f (4 x) må være oppfylt for at funksjonen skal være lik. f (0) = f (4) siden 4 faller på utsiden (kan være hva som helst) f (1) = f (3) f (2) = f (2) Vi kan konkludere at funksjonen er lik. Alle funksjoner med 4 elementer må ha følgende form for å være lik. f (x) = [a, b, c, b]
12 Et 1D Eksempel på Ulik Funksjon Under har vi et nytt eksempel. f (x) = [0, 1, 0, 1] Vi ser at M = 4, som betyr at f (x) = f (4 x) må være oppfylt for at funksjonen skal være ulik. f (0) = 0 som er påkrevd f (1) = f (3) f (2) = 0 som er påkrevd for funksjoner hvor M er et partall Vi kan konkludere at funksjonen er ulik. Alle funksjoner med 4 elementer må ha følgende form for å være ulik. f (x) = [0, b, 0, b] Alle funksjoner hvor M er et partall har f (0) = 0 og f (M/2) = 0, mens de resterende bare har f (0) = 0
13 Et 1D Eksempel Vi fant at [0, 1, 0, 1] er ulik, men hva med den tilsynelatende ulike f (x) = [0, 1, 0, 1, 0] Vi ser at M = 5, som betyr at f (x) = f (5 x) må være oppfylt for at funksjonen skal være ulik. f (0) = 0 f (1) f (4) Denne er altså ikke ulik (den er heller ikke ulik).
14 Et 2D Eksempel Det samme gjelder for to dimensjoner Denne er ulik. Hvis vi hadde lagt til en rad og en kolonne hadde den ikke vært hverken lik eller ulik.
15 Symmetriske Egenskaper En mye brukt egenskap er den Fourier-transformerte av en reell funksjon f (x, y) er konjugert symmetrisk (conjugated symmetric). F (u, v) = F ( u, v) Hvis f (x, y) er imaginær så er den Fourier-transformerte konjugert antisymmetrisk. F ( u, v) = F (u, v)
16 Symmetriske Egenskaper f (x, y) real F (u, v) = F ( u, v) f (x, y) imaginary F ( u, v) = F (u, v) f (x, y) real R(u, v) even; I (u, v) odd f (x, y) imaginary R(u, v) odd; I (u, v) even f ( x, y) real F (u, v) complex f ( x, y) complex F ( u, v) complex f (x, y) complex F ( u, v) complex f (x, y) real even F (u, v) real even f (x, y) real odd F (u, v) imaginary odd f (x, y) imaginary even F (u, v) imaginary even f (x, y) imaginary odd F (u, v) real odd f (x, y) complex even F (u, v) complex even f (x, y) complex odd F (u, v) complex odd
17 Fourier-Spektrum og Fasevinkel Siden DFT er kompleks så kan vi utrykke den på polarform F (u, v) = F (u, v) e jφ(u,v) Magnituden til F (u, v) kalles Fourier-spektrum (frekvensspektrum) og kan finnes med.. F (u, v) = [R 2 (u, v) + I 2 (u, v)] 1/2 Fasevinkelen (phase angle) kan finnes med.. [ ] I (u, v) φ(u, v) = arctan R(u, v) Power-spectrum kan finnes med.. P(u, v) = R(u, v) 2 + I (u, v) 2
18 Egenskaper ved Fourier-Spektrum og Fasevinkel Fourier-transformasjonen til en reell funksjon er konjugert symmetrisk. Dette impliserer at Fourier-spektrumet er lik. F (u, v) = F ( u, v) Fasevinkelen er ulik φ(u, v) = φ( u, v)
19 Et Eksempel Under har vi et enkelt bilde og dets Fourier-transformasjon.
20 Et Eksempel Under har vi dets Fourier-transformasjon etter at funksjonen er multiplisert med ( 1) x+y.
21 Et Eksempel Under har vi dets log transformerte Fourier-transformasjon etter at funksjonen er multiplisert med ( 1) x+y.
22 Et Eksempel med Translering Under har vi et lignende bilde, bare translert, og dets Fourier-transformasjon. Merk den Fourier-transformerte er lik som ved det opprinnelige bildet.
23 Et Eksempel med Translering Under har vi et lignende bilde, bare translert, og dets Fourier-transformasjon.
Fourier-Transformasjoner
Fourier-Transformasjoner Lars Vidar Magnusson February 5, 2018 Delkapittel 4.1 Background Delkapittel 4.2 Preliminary Concepts Delkapittel 4.3 Sampling and the Fourier Transform of Sampled Functions Delkapittel
Fourier-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
Fourier-Transformasjoner
Fourier-Transformasjoner Lars Vidar Magnusson February 21, 2017 Delkapittel 4.1 Background Delkapittel 4.2 Preliminary Concepts Fourier Fourier var en fransk matematiker/fysiker som levde på 1700/1800-tallet.
f(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
Introduksjon. «Diskret» sinus/cosinus i 1D. Funksjonen sin(θ) INF april 2010 Fourier -- En annen vinkling på stoffet i kapittel 4
Introduksjon INF 2310 13. april 2010 Fourier -- En annen vinkling på stoffet i kapittel 4 Fourier: Vi kan uttrykke ethvert bilde som en vektet sum av sinus- og cosinus-signaler med ulik frekvens og orientering
Uke 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
Generell 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....................
Uke 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
Dagens mål. Det matematiske fundamentet til den diskrete Fourier-transformen Supplement til forelesning 8 INF Digital bildebehandling
Dagens mål Det matematiske fundamentet til den diskrete Fourier-transformen Supplement til forelesning 8 IF2310 - Digital bildebehandling Ole Marius Hoel Rindal, slides av Andreas Kleppe Dagens mål Forstå
Kompleks 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
INF mars 2017 Fourier I -- En litt annen vinkling på stoffet i kapittel 4
INF 2310 22. mars 2017 Fourier I -- En litt annen vinkling på stoffet i kapittel 4 I dag: Sinus-funksjoner i 1D og 2D 2D diskret Fouriertransform (DFT) Mandag 27. mars: Supplementsforelesning holdt av
Repetisjon: 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
( x+ π 2) Bakgrunn: Sinus og cosinus. Bakgrunn: Samplet sinus i 1D. Bakgrunn: Samplet sinus i 2D. Bakgrunn: Sinus i 2D. sin( x)=cos.
Bakgrunn: Samplet sinus i 1D Bakgrunn: Sinus og cosinus En generell samplet sinusfunksjon kan skrives som: y(t) = A sin(2πut/n + φ) t : tid; 0, 1,..., N-1 A : amplitude u : antall hele perioder* N : antall
sin(2 ui/n) starter på 0 og repeteres u ganger per N samples. cos(2 ui/n) starter på 1 og repeteres u ganger per N samples
0700 Foreløbig versjon! INF 0 mars 07 Fourier I -- En litt annen vinkling på stoffet i kapittel I dag: Sinus-funksjoner i D og D D diskret Fouriertransform (DFT) Introduksjon I/II Et gråtonebilde Typisk
z = 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.
Wavelet P Sample number. Roots of the z transform. Wavelet P Amplitude Spectrum.
NORGES TEKNISK-NATURVITENSKAPELIGE UNIVERSITET INSTITUTT FOR PETROLEUMSTEKNOLOGI OG ANVENDT GEOFYSIKK SIG Geofysisk Signalanalyse Lsningsforslag ving Oppgave a) Vi har Amplitudespekteret er da Y (!) =
UNIVERSITETET I OSLO. Løsningsforslag
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Deleksamen i: MAT00 Kalkulus Eksamensdag: Fredag 4. oktober 20 Tid for eksamen: 5.00 7.00 Oppgavesettet er på 8 sider. Vedlegg: Tillatte
Bruk 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,
13.1 Fourierrekker-Oppsummering
3. Fourierrekker-Oppsummering Fourierrekken til en periodisk funksjon f med periode = L er gitt ved F f (x) = a + a n cos(nωx) + b n sin(nωx) der x D (konvergensområdet) a = / / f(x) dx = L b n = f(x)
Uke 6: Analyse i frekvensdomenet
Uke 6: Analyse i frekvensdomenet Jo Inge Buskenes Institutt for informatikk, Universitetet i Oslo INF3470/4470, høst 2011 2/39 Dagens temaer Fra forrige gang Frekvensrespons funksjonen Fourier rekker og
Uke 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
Introduksjon/motivasjon I. FOURIER-TRANSFORM I Ole Marius Hoel Rindal, foiler av Andreas Kleppe. Introduksjon/motivasjon II. Bakgrunn: Frekvens
Introduksjon/motivasjon I INF2310 Digital bildebehandling FORELESNING 8 FOURIER-TRANSFORM I Ole Marius Hoel Rindal, foiler av Andreas Kleppe I dag: Grunnlaget Grunnlaget og intuisjonen i Fourier-analyse
Idag. Hvis bildet f(x,y) er reelt og symmetrisk, vil Fourier transformen bestå av reelle koeffisienter korresponderende til cosinus leddene.
Slide Slide Idag Cosinus transform Cosinus transform Sinus transform Hvis bildet f(,y) er reelt og symmetrisk, vil Fourier transformen bestå av reelle koeffisienter korresponderende til cosinus leddene.
UNIVERSITETET 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:
Repetisjon: 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
Dagens 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 [email protected], INF37 Institutt for informatikk, Universitetet i Oslo Spektral glatting pga endelig lengde data Bruk av en Frekvensestimering
Forelesning nr.12 INF 1410
Forelesning nr.12 INF 1410 Komplekse frekvenser analyse i frekvensdomenet 20.04. INF 1410 1 Oversikt dagens temaer Intro Komplekse tall Komplekse signaler Analyse i frekvensdomenet 20.04. INF 1410 2 Intro
Filtrering i Frekvensdomenet II
Filtrering i Frekvensdomenet II Lars Vidar Magnusson March 7, 2017 Delkapittel 4.8 Image Smoothing Using Frequency Domain Filters Delkapittel 4.9 Image Sharpening Using Frequency Domain Filters Low-Pass
TMA4123/TMA4125 Matematikk 4M/4N Vår 2013
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag TMA41/TMA415 Matematikk 4M/4N Vår 1 Løsningsforslag Øving 1 Skriv om følgende trigonometriske funksjoner til fourierrekker ved
UNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF2310 Digital bildebehandling Eksamensdag : Tirsdag 25. mars 2014 Tid for eksamen : 15:00 19:00 Oppgavesettett er på : 6 sider
FFT. 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
UNIVERSITETET 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
0.1 Kort introduksjon til komplekse tall
Enkel introduksjon til matnyttig matematikk Vi vil i denne innledningen introdusere litt matematikk som kan være til nytte i kurset. I noen tilfeller vil vi bare skrive opp uttrykk uten å komme inn på
Repetisjon: 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
FILTERDESIGN 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
Nicolai Kristen Solheim
Oppgave 1. For å kunne skrive det komplekse tallet følgende endringer foretas på uttrykket. 3 3, hvor 3 og 3 på formen, hvor og, må For å kunne skrive det komplekse tallet på polarformen, må vi først finne
Løsningsforslag for Eksamen i MAT 100, H-03
Løsningsforslag for Eksamen i MAT, H- Del. Integralet cos( ) d er lik: Riktig svar: b) sin( ) + C. Begrunnelse: Vi setter u =, du = d og får: cos( ) d = cos u du = sin u + C = sin( ) + C. Integralet ln(
TMA Matlab Oppgavesett 2
TMA4123 - Matlab Oppgavesett 2 18.02.2013 1 Fast Fourier Transform En matematisk observasjon er at data er tall, og ofte opptrer med en implisitt rekkefølge, enten i rom eller tid. Da er det naturlig å
Bildetransformer Lars Aurdal
Bildetransformer Lars Aurdal FORSVARETS FORSKNINGSINSTITUTT Lars Aurdal. Forsvarets forskningsinstitutt (FFI), Kjeller. 5 ansatte. Ca. 3 forskere og ingeniører. Tverrfaglig institutt med vekt på arbeide
FILTERDESIGN 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
Fasit til midtveiseksamen
Fasit til midtveiseksamen INF344/444 Signalbehandling 2. november 24 Oppgave Betrakt systemet x(n) T y (n) med y(n) = 4 5 [x(n+)] 2. Avgjør og begrunn ditt svar om hvorvidt dette systemet er. lineært,
Basisbilder - cosinus v Bildene
Repetisjon Basis-bilder 737 Midlertidig versjon! INF 3 9 mars 7 Diskret Fouriertransform del II Ortogonal basis for alle 4x4 gråtonebilder Kjapp repetisjon Konvolusjonsteoremet Filtre og filtrering i frekvensdomenet
Sampling 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
Fargebilder. Lars Vidar Magnusson. March 12, 2018
Fargebilder Lars Vidar Magnusson March 12, 2018 Delkapittel 6.1 Color Fundamentals Delkapittel 6.2 Color Models Delkapittel 6.3 Bildeprosessering med Pseudofarger Delkapittel 6.4 Prosessering av Fargebilder
Transformanalyse. Jan Egil Kirkebø. Universitetet i Oslo 17./23. september 2019
Transformanalyse Jan Egil Kirkebø Universitetet i Oslo [email protected] 17./23. september 2019 Jan Egil Kirkebø (Inst. for Inf.) IN3190/IN4190 17./23. september 2019 1 / 22 Egenfunksjoner til LTI-systemer
Dagens temaer. Definisjon av z-transformasjonen. Tema. Time 5: z-transformasjon og frekvens transformasjon. Fra forrige gang
Dagens temaer Time 5: z-transformasjon og frekvens transformasjon Andreas [email protected], NF3470 fi/uio September 2009 Fra forrige gang Kausalitet, stabilitet og inverse systemer Z 1 { }: nvers z-transformasjon
Diagonalisering. Kapittel 10
Kapittel Diagonalisering I te kapitlet skal vi anvende vår kunnskap om egenverdier og egenvektorer til å analysere matriser og deres tilsvarende lineærtransformasjoner Eksempel Vi begynner med et eksempel
MA0002 Brukerkurs i matematikk B Vår 2014
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag MA0002 Brukerkurs i matematikk B Vår 2014 Løsningsforslag Øving 10 Oppgaver fra boken: 10.6 : 1, 8, 9, 12, 19, 26, 29,, 4 Det
UNIVERSITETET 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:
Komplekse tall og komplekse funksjoner
KAPITTEL Komplekse tall og komplekse funksjoner. Komplekse tall.. Definisjon av komplekse tall. De komplekse tallene er en utvidelse av de reelle tallene. Dvs at de komplekse tallene er en tallmengde som
MA0002 Brukerkurs i matematikk B Vår 2013
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag MA0002 Brukerkurs i matematikk B Vår 2013 Løsningsforslag Øving 10 10.6.3 La f (x, y) = x 2 y 4x 2 4y der (x, y) R 2. Finn alle
HØGSKOLEN 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
Fourier-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
STE6146 Signalbehandling =-WUDQVIRUPHQ
TE6146 ignalbehandling =-WUDQVIRUPHQ,QWURGXNVMRQ Fourier-transformen er et meget nyttig verktøy for diskrete signaler og systemer Fourier-transformen konvergerer ikke for alle følger Trenger mere generelt
MA0002 Brukerkurs i matematikk B Vår 2016
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag MA0002 Brukerkurs i matematikk B Vår 2016 Løsningsforslag Øving 11 Oppgaver fra boken: 10.6 : 1, 8, 9, 12, 19, 26, 29,, 4 Det
STE 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
Ghost amplitude spectrum. d=6 m V=1500 m/s c= 1
NORGES TEKNISK-NATURVITENSKAPELIGE UNIVERSITET INSTITUTT FOR PETROLEUMSTEKNOLOGI OG ANVENDT GEOFYSIKK Oppgave SIG445 Geofysisk Signalanalyse ving 5 En seismisk kilde er plassert pa endybde d ivann, hvor
Integraler. John Rognes. 15. mars 2011
15. mars 2011 forener geometrisk målbare områder Ω og skalarfelt f : Ω R definert på disse områdene. Vi danner produktet f (Ω) Ω av verdien f (Ω) av funksjonen og størrelsen Ω av området. Mer presist deler
Hjelpemidler/hjelpemiddel: D - "Ingen trykte eller håndskrevne hjelpemidler tillatt. Enkel kalkulator tillatt."
Side av 8 + sider vedlegg NORGES TEKNISK-NATURVITENSKAPELIGE UNIVERSITET INSTITUTT FOR ELEKTRONIKK OG TELEKOMMUNIKASJON Signalbehandling Faglig kontakt under eksamen: Navn: Tor A. Ramstad Tlf.: 46660465
STE 6219 Digital signalbehandling Løsningsforslag
HØGSKOLEN I NARVIK Institutt for data-, elektro-, og romteknologi Masterstudiet EL/RT Side 1 av 3 STE 6219 Digital signalbehandling Løsningsforslag Tid: Fredag 20.04.2007, kl: 09:00-12:00 Tillatte hjelpemidler:
NOTAT OM UNIFORM KONTINUITET VEDLEGG TIL BRUK I KURSET MAT112 VED UNIVERSITETET I BERGEN
NOTAT OM UNIFORM KONTINUITET VEDLEGG TIL BRUK I KURSET MAT2 VED UNIVERSITETET I BERGEN ANDREAS LEOPOLD KNUTSEN OG ARNE STRAY. Innledning og definisjoner Vi vil i dette notatet betrakte reelle funksjoner
Grunnleggende Matematiske Operasjoner
Grunnleggende Matematiske Operasjoner Lars Vidar Magnusson January 16, 2017 Delkapittel 2.6 Array vs Matrise Operasjoner Det er vanlig med både array- og matrise-operasjoner på bilder. Array-multiplikasjon
Forelesning nr.6 IN 1080 Elektroniske systemer. Strøm, spenning og impedans i RC-kretser Anvendelser av RC-krester
Forelesning nr.6 IN 1080 Elektroniske systemer Strøm, spenning og impedans i RC-kretser Anvendelser av RC-krester Dagens temaer Strøm, spenning og impedans i serielle RC-kretser Mer om ac-signaler og sinussignaler
LØSNINGSFORSLAG 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
TMA 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
Løsningsforslag til utvalgte oppgaver i kapittel 3
Løsningsforslag til utvalgte oppgaver i kapittel 3 I dette kapittelet har mange av oppgavene et mindre teoretisk preg enn i de foregående kapitlene, og jeg regner derfor med at lærebokas eksempler og fasit
2 n+2 er konvergent eller divergent. Observer først at; 2n+2 2 n+2 = n=1. n=1. 2 n > for alle n N. Denne summen er.
MA2 Vår 28 Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag 9.2.9 Ønsker å finne ut om 3+ 2 n+2 er konvergent eller divergent. Observer først at; 3 + 2 n 2 n+2 = ( 3 ) + +2
Forelesning nr.13 INF 1410
Forelesning nr.3 INF 4 Komplekse frekvenser og Laplace-transform Oversikt dagens temaer Me Mer om sinusformede signaler om komplekse frekvenser Introduksjon til Laplace-transform Løsning av kretsligninger
303d 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...
Uke 5: Analyse i z- og frekvensdomenet
Uke 5: Analyse i z- og frekvensdomenet Jo Inge Buskenes Institutt for informatikk, Universitetet i Oslo INF3470/4470, høst 2011 2/32 Dagens temaer Fra forrige gang Kausalitet, stabilitet og inverse systemer
Forelesening 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
Uke 6: Analyse i frekvensdomenet
Uke 6: Analyse i frekvensdomenet Jo Inge Buskenes Institutt for informatikk, Universitetet i Oslo INF3470/4470, høst 2011 2/41 Dagens temaer Fra forrige gang Frekvensrespons funksjonen Fourier rekker og
ØVINGER 2017 Løsninger til oppgaver. Øving 1
ØVINGER 017 Løsninger til oppgaver Øving 1.1. Frekvenstabell For å lage en frekvenstabell må vi telle antall observasjoner av hvert antall henvendelser. Siden antall henvendelser på en gitt dag alltid
UNIVERSITETET I OSLO
Løsningsforslag UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: INF30 Digital bildebehandling Eksamensdag: Mandag 6. juni 06 Tid for eksamen: 4:30 8:30 Løsningsforslaget er
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
MA0002 Brukerkurs i matematikk B Vår 2017
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag MA0002 Brukerkurs i matematikk B Vår 2017 Løsningsforslag Øving 11 Oppgaver fra boken: 10.6 :, 8, 12, 19, 1, (valgfritt - 9,
Notasjon i rettingen:
UNIVERSITETET I BERGEN Det matematisk-naturvitenskapelige fakultet Løsningsforslag med kommentarer) til Innlevering /4 i emnet MAT, høsten 207 Notasjon i rettingen: R Rett R Rett, men med liten tulle)feil
UNIVERSITETET 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
Eksempel: Ideelt lavpassfilter
Filterdesign i frekvensdomenet Lavpassfiltre Romlig representasjon av ideelt lavpassfilter Slipper bare gjennom lave frekvenser (mindre enn en grense D 0 som kalles filterets cut-off-frekvens) I signalbehandling
En (reell) funksjon f fra en (reell) mengde D er en regel som til hvert element x D tilordner en unik verdi y = f (x).
Funksjoner En (reell) funksjon f fra en (reell) mengde D er en regel som til hvert element x D tilordner en unik verdi y = f (x). Mengden D kalles definisjonsmengden (eng.: domain) til f. Merknad Dersom
TMA4120 Matte 4k Høst 2012
TMA41 Matte 4k Høst 1 Norges tekiskaturviteskapelige uiversitet Istitutt for matematiske fag Løsigsforslag til oppgaver fra Kreyzig utgave 1: 11.1.18 Fuksjoe er lik for < x
Løsningsforslag øving 7
Løsningsforslag øving 7 8 Husk at en funksjon er injektiv dersom x y gir f(x) f(y), men her ser vi at f(3) 9 f( 3), eller generelt at f(z) z f( z) for alle z C, som betyr at f ikke er injektiv Vi ser også
Forelesning, 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
HØGSKOLEN 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):
Løsningsforslag ECON 2130 Obligatorisk semesteroppgave 2017 vår
Løsningsforslag ECON 130 Obligatorisk semesteroppgave 017 vår Andreas Myhre Oppgave 1 1. (i) Siden X og Z er uavhengige, vil den simultane fordelingen mellom X og Z kunne skrives som: f(x, z) = P(X = x
Løsningsforslag til eksamen i MAT 1100 H07
Løsningsforslag til eksamen i MAT H7 DEL. (3 poeng Hva er den partiellderiverte f y når f(x, y, z = xeyz? xze yz e yz xe yz e yz + xze yz e yz + xze yz + xye yz Riktig svar: a xze yz Begrunnelse: Deriver
LØSNINGSFORSLAG for KONTINUASJONSEKSAMEN I FAG SIE2010 Informasjons- og signalteori, 29. juli y(n) = ay(n 1) + x(n k),
NORGES TEKNISK-NATURVITENSKAPELIGE UNIVERSITET INSTITUTT FOR TELETEKNIKK Signalbehandling LØSNINGSFORSLAG for KONTINUASJONSEKSAMEN I FAG SIE200 Informasjons- og signalteori, 29. juli 2002 Oppgave I Gitt
Noen 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
Eksamen i fag FY1004 Innføring i kvantemekanikk Tirsdag 22. mai 2007 Tid:
Side 1 av 6 Norges teknisk-naturvitenskapelige universitet Institutt for fysikk Faglig kontakt under eksamen: Navn: Jan Myrheim Telefon: 73 59 36 53 (mobil 90 07 51 72) Sensurfrist: Tirsdag 12. juni 2007
'HQ GLVNUHWH )RXULHU-WUDQVIRUPHQ (')7)
TE6146 ignalbehandling 'HQ GLVNUHWH )RXULHU-WUDQVIRUPHQ (')7),QWURGXNVMRQ,, Har tidligere sett på Fourier- og Z-transformene for diskrete følger. For følger av endelig varighet, er det mulig å utvikle
