Forkunnskapskrav. Hva handler kurset om. Kontaktinformasjon. Kurset er beregnet på en student som kan

Like dokumenter
Repetisjon: Sampling. Repetisjon: Diskretisering. Repetisjon: Diskret vs kontinuerlig. Forelesning, 12.februar 2004

Forelesning, 23.februar INF2400 Sampling II. Øyvind Ryan. Februar 2006

Repetisjon: Eksempel. Repetisjon: Aliasing. Oversikt, 26.februar Gitt. Alle signaler. Ettersom. vil alle kontinuerlig-tid signaler.

Forelesning, 17.februar INF2400 Sampling II. Øyvind Ryan. Februar 2005

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

LØSNINGSFORSLAG TIL SIGNALBEHANDLING 1 JUNI 2010

Lyd. Litt praktisk informasjon. Litt fysikk. Lyd som en funksjon av tid. Husk øretelefoner på øvelsestimene denne uken og en stund framover.

UNIVERSITETET I OSLO

HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi

Sampling, kvantisering og lagring av lyd

Repetisjon: LTI-systemer

Aliasing: Aliasfrekvensene. Forelesning 19.februar Nyquist-Shannons samplingsteorem

HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi

HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi

Sampling ved Nyquist-raten

Uke 9: Diskret Fourier Transform, I

z = a + jb Mål Komplekse tall: Sum og produkt Komplekse tall

Bruk av tidsvindu. Diskret Fourier-transform. Repetisjon: Fourier-transformene. Forelesning 6. mai 2004

Forelesening INF / Spektre - Fourier analyse

f(t) F( ) f(t) F( ) f(t) F( )

UNIVERSITETET I OSLO

Repetisjon: Spektrum for en sum av sinusoider

INF1040 Digital representasjon

HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi

Omlegging av brukerkurs i matematikk og statistikk ved MN-fakultetet RAPPORT FRA ARBEIDSGRUPPEN FOR GRUNNUNDERVISNING I MATEMATIKK OG STATISTIKK

Fouriersyntese av lyd

pdf

Fourier-analyse. Hittil har vi begrenset oss til å se på bølger som kan beskrives ved sinus- eller cosinusfunksjoner

UNIVERSITETET I OSLO

HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi

Introduksjon til lyd. Det ytre øret. Fra lydbølger til nerveimpulser. INF Digital representasjon : Introduksjon til lyd.

VELKOMMEN TIL MAT-INF1100

VELKOMMEN TIL MAT-INF 1100

VELKOMMEN TIL MAT-INF1100(L) Knut Mørken Rom 1033, Niels Henrik Abels hus

INF 1040 høsten 2008: Oppgavesett 9 Sampling og kvantisering av lyd (kapittel 11)

VELKOMMEN TIL MAT-INF1100

VELKOMMEN TIL MAT-INF 1100

Hjelpemidler: D Ingen trykte eller håndskrevne hjelpemidler tillatt. Bestemt, enkel kalkulator tillatt.

Kort om kursene IN1900, MAT-IN1105, IN-KJM1900

Transformanalyse. Jan Egil Kirkebø. Universitetet i Oslo 17./23. september 2019

1 Trigonometriske Funksjoner Vekt: 1. 2 Trigonometriske Funksjoner Vekt: 1

Uke 6: Analyse i frekvensdomenet

Forelesning nr.4 INF 1411 Elektroniske systemer

VELKOMMEN TIL MAT-INF1100(L) Knut Mørken Rom 1033, Niels Henrik Abels hus

Kompleks eksponentialform. Eulers inverse formler. Eulers formel. Polar til kartesisk. Kartesisk til polar. Det komplekse signalet

Kort om kursene IN1900, MAT-IN1105, IN-KJM1900

Oversikt. Informatikk. INF1000: Grunnkurs i objektorientert programmering. Utenom INF1000 Informasjon & hjelp

UNIVERSITETET I OSLO

VELKOMMEN TIL MAT-INF1100 og MAT-INF1105. Knut Mørken Rom Ø368, Fysikkbygget

VELKOMMEN TIL MAT-INF1100 og MAT-IN1105

UNIVERSITETET I OSLO.

Pendler, differensialligninger og resonansfenomen

Analog. INF 1040 Sampling, kvantisering og lagring av lyd. Kontinuerlig. Digital

HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi

Sampling av bilder. Romlig oppløsning, eksempler. INF Ukens temaer. Hovedsakelig fra kap. 2.4 i DIP

Velkommen til MAT1030!

MAT1030 Diskret Matematikk

Noen presiseringer mhp Diskret Fourier Transform. Relevant for oblig 1.

Kompendium med oppgaver for MAT-INF Høsten Knut Mørken

Generell informasjon om faget er tilgjengelig fra It s learning.

Kort om kursene INF1100 og MAT-INF1100L

Dagens mål. Det matematiske fundamentet til den diskrete Fourier-transformen Supplement til forelesning 8 INF Digital bildebehandling

Innledning: Arbeidsgruppen for grunnundervisning i matematikk og statistikk består av:

INF 1040 Sampling, kvantisering og lagring av lyd

Institutt for fysikk Fakultet for naturvitenskap og teknologi. Løsningsforslag til eksamen i TFY4170 Fysikk 2 Onsdag 6.

INF1000 Eksamensforberedelser og -tips. Høst 2014 Siri Moe Jensen

Uke 4: z-transformasjonen

Forelesning nr.4 INF 1411 Elektroniske systemer. Vekselstrøm Kondensatorer

Uke 4: z-transformasjonen

Tips til arbeidet med obligatorisk oppgave 2 i MAT-INF 1100 høsten 2004

Oblig 1 FYS2130. Elling Hauge-Iversen

Emnebeskrivelse og emneinnhold

Uke 4: z-transformasjonen

Temaer i dag. Mer om romlig oppløsning. Optisk avbildning. INF 2310 Digital bildebehandling

UNIVERSITETET I OSLO

Fremdriftplan. I går. I dag. 1.1 Funksjoner og deres grafer 1.2 Operasjoner av funksjoner

UNIVERSITETET I OSLO

Mekanikk FYS MEK 1110

Bedømmelse: Ved bedømmelse vektlegges oppgavene I, II og III likt.

INF januar 2017 Ukens temaer (Kap med drypp fra kap. 4. i DIP)

Forelesere VELKOMMEN TIL MAT-INF Forelesere MAT-INF /8-2005

MA1102 Grunnkurs i analyse II Vår 2019

Kapittel 2. Fourier analyse. 2.1 Fourier transform*

Velkommen til. IN1010 Objektorientert programmering Våren 2018

Velkommen til TMA4100 Matematikk 1 for MTDESIG, MTIØT-PP og MTPROD høsten 2010

UNIVERSITETET I OSLO. Løsningsforslag

EKSAMEN STE 6219 Digital signalbehandling

Hjelpemidler: D Ingen trykte eller håndskrevne hjelpemidler tillatt. Bestemt, enkel kalkulator tillatt.

INF109 (kun et utvalg av kommentarene er med i denne rapporten)

UNIVERSITETET I OSLO

LØSNINGSFORSLAG TIL EKSAMEN I FY1002 BØLGEFYSIKK Mandag 10. desember 2007 kl

TMA4105 Matematikk2 Vår 2008

Matematikk 1 (TMA4100)

Velkommen til. INF våren 2017

Konvolusjon og filtrering og frevensanalyse av signaler

303d Signalmodellering: Gated sinus a) Finn tidsfunksjonen y(t) b) Utfør en Laplace transformasjon og finn Y(s)

Lab 6 Klokkegenerator, tellerkretser og digital-analog omformer

Utregning av en konvolusjonssum

Transkript:

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, ring (5 4 4) fra telefonen ved sofagruppen i resepsjonen INSTITUTT FOR INFORMATIKK Forkunnskapskrav Kurset er beregnet på en student som kan Hva handler kurset om introduksjon til fagfeltet digital signalbehandling analoge og digitale signaler sampling og filtrering representere og studere signaler på flere måter, f.eks. i tid og frekvens bruk av matematikk som verktøy for å beskrive signaler praktisk lab-arbeid, programmere signalbehandling i Java en del matematikk, med kjennskap til bl.a. regning med trigonometriske funksjoner komplekse tall løsing av ligninger grunnleggende Java-programmering, med bruk av objektorientering klassebiblioteker I motsetning til hva som står i emnebeskrivelsen bygger kurset i liten eller ingen grad på INF6 Introduksjon til operativsystemer og datakommunikasjon FYS Elektronikk med prosjektoppgaver INSTITUTT FOR INFORMATIKK INSTITUTT FOR INFORMATIKK 4

Kursuken Kursets gang Hver uke er det timer forelesning timer gruppeøvelse på terminalstue timer regneøvelse Det vil bli 5 obligatoriske programmeringsoppgaver, hvorav 4 må leveres og godkjennes sett med regneoppgaver, med ukentlig innlevering, hvorav 8 må leveres og godkjennes hjemmeoppgave (programmering og regning), teller % av karakteren avsluttende skoleeksamen, uten hjelpemidler, teller 7 % av karakteren. forelesning, torsdag. gruppenes java-øvelser (fredag og mandag). regneøvelse, onsdager Som følge av dette blir første mandagstime på terminalstue utsatt til mandag 6. januar. Innleveringer Under "Detaljert undervisningsplan" på kurssidene finnes informasjon om ukene for innlevering av java-oppgaver, samt hvilke regneoppgaver som skal leveres hver uke. Leveringsfrister: Java-oppgavene, innen kl.. på tirsdager Regneoppgavene, innen kl. 4.5 på onsdager. Innleveringshylle finnes på laveregradsterminalstuen på Ifi. INSTITUTT FOR INFORMATIKK 5 INSTITUTT FOR INFORMATIKK 6 Signaler Signaler og systemer Et signal er et mønster av variasjoner i en fysisk størrelse som kan manipuleres, lagres og sendes av fysiske prosesser. Et system er, for vårt formål, noe som kan manipulere, endre, ta opp eller sende signaler. signal # signal # system Eksempler på signaler er tale-, audio-, videoog radarsignaler, mens mobiltelefoner, DVD-spillere og CD-brennere er noen forskjellige systemer. Ulike signaler kan sees på som mønstervariasjoner over ulike variable, som tid og rom. Lydsignal: Lufttrykk variert over tid Bilde i sort-hvitt: Gråskalanivå for hvert punkt i bildet, gitt ved to romlige variable Video i sort-hvitt: Gråskalanivå for hvert punkt i bildet til hver tid, gitt ved to romlige variable og tid Vi representerer signalene matematisk som funksjoner, og kan skrive de ovennevnte lyd-, bilde- og videosignalene som: s(t), p(x, y), v(x, y, t) INSTITUTT FOR INFORMATIKK 7 INSTITUTT FOR INFORMATIKK 8

Systemer Et system tar et signal x(t) som inngang, endrer det, og returnerer et signal y(t) som utgang. Vi lar systemet representeres av operatoren T, som gir uttrykket eller blokkdiagrammet y(t) = T { x(t) }, Sinusoider En gruppe av generelle signaler er sinus- og cosinussignaler, som begge hører inn under samlebetegnelsen sinusoider. Sinusoider er viktige å kjenne til av flere grunner: de oppstår naturlig i mange fysiske prosesser mer generelle signaler kan skrives som en sum av sinusoider de kan enkelt beskrives matematisk x(t) T {x(t)} y(t) y Noen enkle systemeksempler y(t) = [ x(t) ] og y(t) = x(t) θ x θ cosθ sinθ Pythagoras formel gir: sin θ + cos θ =. INSTITUTT FOR INFORMATIKK 9 INSTITUTT FOR INFORMATIKK Matematisk representasjon II Matematisk representasjon Generell matematisk formel for et cosinussignal x(t) = A cos(ω t + φ) Dette er en funksjon av den kontinuerlige variabelen t, som representerer tid målt i sekunder s. Parametrene er Amplitude A:, skaleringsfaktor, signalet oscillerer mellom +A og A Vinkelfrekvens ω :, målt i radianer per sekund, enhet rad/s Faseskift φ, også bare kalt fasen, målt i radianer Ved bruk av andre parametre kan signalet representeres på andre måter. Frekvens f : svingninger per sekund, enhet s eller Hz Periode T : svingetiden for en periode, målt i sekunder s, slik at x(t + T ) = x(t) Vi har sammenhengene ω = πf, T = f slik at x(t) også kan skrives som x(t) = A cos(πf t + φ) = A cos(π T t + φ) Se kapittel. for en gjennomgang av egenskaper ved sinusoider og trigonometriske identiteter. INSTITUTT FOR INFORMATIKK INSTITUTT FOR INFORMATIKK

Plot av x(t) = A cos(ω t + φ), med A =, vinkelfrekvens ω = 4π, fase φ = En hel periode A T = π (/ω) =.5 s....4.5.6.7.8.9 INSTITUTT FOR INFORMATIKK Plot av x(t) = A cos(ω t + φ), med A =, vinkelfrekvens ω = 8π, fase φ = pi/ 8 6 4 A T = π (/ω) =.5 s 4 6 8....4.5.6.7.8.9 INSTITUTT FOR INFORMATIKK 4 Fase- og tidsskift Vi antar signalet s(t) = A cos(ω t), med null faseskift, og definerer så x (t) = s(t t ) = A cos ( ω (t t ) ) Ved å uttrykke forsinkelsen som et faseskift krever vi at x (t) = A cos(ω t + φ) φ = π ( t T Et negativt faseskift (positivt tidsskift) gir forsinkelse, signalet flyttes mot høyre. Et positivt faseskift (negativt tidsskift) fremskynder signalet, og flytter det mot venstre. ) Effekter av positivt og negativt faseskift Plot av x(t) = A cos(ω t) og y(t) = A cos(ω t φ), gitt faseskiftet φ = π/....4.5.6.7.8.9 forsinkelse Plot av x(t) = A cos(ω t) og y(t) = A cos(ω t + φ), gitt faseskiftet φ = π/ fremskyndelse null faseskift negativt faseskift null faseskift positivt faseskift....4.5.6.7.8.9 INSTITUTT FOR INFORMATIKK 5 INSTITUTT FOR INFORMATIKK 6

Diskret vs kontinuerlig Anta variabelen t slik at a < t < b, (a, b) R Vi sier at variabelen t er kontinuerlig dersom den kan ta enhver verdi innenfor grensene, med uendelig oppløsning. Hvis t-aksen har begrenset oppløsning, slik at settet med verdier innenfor grensene er endelig, sier vi at variabelen er diskret. Eksempel : De reelle tall definerer en kontinuerlig akse, mens heltallene ligger som diskrete punkter langs denne. Eksempel : Musikk fra en fløyte er kontinuerlig-tid (analogt) signal, mens daglige svevestøvmålinger kan sees på som et signal i diskret tid. Diskret vs kontinuerlig II Digitale datamaskiner har endelig presisjon og kan ikke representere kontinuerlige variable fullstendig. En funksjon x(t), som er kontinuerlig i både tid og, må manipuleres på to måter for å tilpasses digital representasjon: 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 i dette kurset. INSTITUTT FOR INFORMATIKK 7 INSTITUTT FOR INFORMATIKK 8 Sampling Å sample et kontinuerlig-tid (analogt) signal x(t) vil si å ta prøver av signalverdien ved bestemte tidspunkt nt s, gitt n =...,,,,,,... T s kalles samplingsperioden, tiden mellom hver gang vi tar en prøve av signalet. Resultatet av samplingen er en sekvens av signalverdier, en diskret-tid representasjon av signalet. x[n] = x(nt s ) = A cos(ωt s n + φ) x(t) sampler (C til D omformer) T s x[n] INSTITUTT FOR INFORMATIKK 9 Plot av x (t) = A cos(ω t) og x [n] = x (n T s ) = A cos(ω T s n), gitt A =, ω = 4 π Kontinuerlig signal Samplet sekvens 5 sampler per periode....4.5.6.7.8.9 INSTITUTT FOR INFORMATIKK

Diskret-tid systemer Gitt at både inngang til og utgang fra et system er signaler i diskret tid, sier vi at systemet er et diskret-tid system. De tidligere viste systemeksemplene blir da y[n] = [ x[n] ] og y[n] = x[n] INSTITUTT FOR INFORMATIKK