Løsningsforslag til hjemmeeksamen i INF3440 / INF4440

Like dokumenter
UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

Generell informasjon om faget er tilgjengelig fra It s learning.

Generell informasjon om faget er tilgjengelig fra It s learning.

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

UNIVERSITETET I OSLO

Dagens temaer. Definisjon av z-transformasjonen. Tema. Time 5: z-transformasjon og frekvens transformasjon. Fra forrige gang

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

Uke 4: z-transformasjonen

Uke 4: z-transformasjonen

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

Hjelpemidler/hjelpemiddel: D - "Ingen trykte eller håndskrevne hjelpemidler tillatt. Enkel kalkulator tillatt."

pdf

UNIVERSITETET I OSLO

Dagens temaer. Tema. Time 6: Analyse i frekvensdomenet. z-transformasjonen. Fra forrige gang. Frekvensrespons funksjonen

Sampling ved Nyquist-raten

UNIVERSITETET I OSLO

Uke 5: Analyse i z- og frekvensdomenet

UNIVERSITETET I OSLO

NORGES TEKNISK- NATURVITENSKAPELIGE UNIVERSITET Side 1 av 5

Uke 4: z-transformasjonen

Uke 4: z-transformasjonen

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

Repetisjon: LTI-systemer


Uke 6: Analyse i frekvensdomenet

LØSNINGSFORSLAG for KONTINUASJONSEKSAMEN I FAG SIE2010 Informasjons- og signalteori, 29. juli y(n) = ay(n 1) + x(n k),

Uke 4: z-transformasjonen

Fasit til midtveiseksamen

Dagens temaer. 3 domener. Tema. Time 4: z-transformasjonen. z-dometet; ett av tre domener. Andreas Austeng@ifi.uio.no, INF3470

Uke 9: Diskret Fourier Transform, I

Uke 6: Analyse i frekvensdomenet

UNIVERSITETET I OSLO

LØSNINGSFORSLAG TIL EKSAMEN STE 6219 Digital signalbehandling

EKSAMEN STE 6219 Digital signalbehandling

Repetisjon: Spektrum for en sum av sinusoider

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

Uke 6: Analyse i frekvensdomenet

UNIVERSITETET I OSLO

STE 6146 Digital signalbehandling. Løsningsforslag til eksamen avholdt

LØSNINGSFORSLAG TIL SIGNALBEHANDLING 1 JUNI 2010

Fasit, Eksamen. INF3440/4440 Signalbehandling 9. desember c 0 + c 1z 1 + c 2z 2. G(z) = 1/d 0 + d 1z 1 + d 2z 2

Eksempel 1. Frekvensene i DFT. Forelesning 13. mai På samme måte har vi at. I et eksempel fra forrige uke brukte vi sekvensen

LØSNINGSFORSLAG TIL EKSAMEN STE 6219 Digital signalbehandling

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

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

UNIVERSITETET I OSLO

Generell informasjon om faget er tilgjengelig fra It s learning. 7.1 Stokastisk prosess Lineær prediktor AR-3 prosess...

HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi

STE 6219 Digital signalbehandling Løsningsforslag

Fourier-Transformasjoner II

Uke 10: Diskret Fourier Transform, II

Obligatorisk oppgave nr 3 FYS Lars Kristian Henriksen UiO

TFY4106 Fysikk. Institutt for fysikk, NTNU. Våren Løsningsforslag til øving 8.

KONTINUASONSEKSAMEN I FAG SIE2010 Informasjons- og signalteori

5.8 Iterative estimater på egenverdier

HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi

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

HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi

Utregning av en konvolusjonssum

TTT4110 Informasjons- og signalteori Løsningsforslag eksamen 9. august 2004

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

LØSNINGSFORSLAG TIL KONTINUASJONSEKSAMEN STE 6219 Digital signalbehandling

HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi

Løsningsforslag til prøveeksamen i fag SIG50 Signalbehandling

HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi

Tidsdomene analyse (kap 3 del 2)

TMA Matlab Oppgavesett 2

UNIVERSITETET I OSLO

MA1102 Grunnkurs i analyse II Vår 2019

Løsningsforslag til øving 4

UNIVERSITETET I OSLO

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

UNIVERSITETET I OSLO

Løsningsforslag MAT102 Vår 2018

Dagens temaer. Endelig lengde data. Tema. Time 11: Diskret Fourier Transform, del 2. Spektral glatting pga endelig lengde data.

EKSAMEN I FAG TTT4110 Informasjons- og signalteori. Norsk tekst på oddetalls-sider. ( English text on even numbered pages.)

TFY4160 Bølgefysikk/FY1002 Generell Fysikk II 1. Løsning Øving 2. m d2 x. k = mω0 2 = m. k = dt 2 + bdx + kx = 0 (7)

EKSAMEN I FAG TTT4110 Informasjons- og signalteori. Norsk tekst på oddetalls-sider. ( English text on even numbered pages.)

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

Fasit MAT102 juni 2016

UNIVERSITETET I OSLO

EKSAMEN I FAG SIE2010 Informasjons- og signalteori

Repetisjon. Jo Inge Buskenes. INF3470/4470, høst Institutt for informatikk, Universitetet i Oslo

Repetisjon. Jo Inge Buskenes. INF3470/4470, høst Institutt for informatikk, Universitetet i Oslo

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

UNIVERSITETET I OSLO

Reg tek final exam formelsamling

HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi

MAT-INF 2360: Obligatorisk oppgave 1

Eksamensoppgave i TMA4123/TMA4125 Matematikk 4M/4N

DET TEKNISK - NATURVITENSKAPELIGE FAKULTET Institutt for data- og elektroteknikk. Løsningsforslag Eksamen i MIK130, Systemidentifikasjon (10 sp)

Løsningsførslag i Matematikk 4D, 4N, 4M

UNIVERSITETET I OSLO

Filterkonsepter kapittel 6 Sverre Holm

Matematikk 4 TMA4123M og TMA 4125N 20. Mai 2011 Løsningsforslag med utfyllende kommentarer

Transkript:

Løsningsforslag til hjemmeeksamen i INF3 / INF Jan Egil Kirkebø 7. oktober 3 Oppgave a π = 9 n= (n)!(3 + 39n) (n!) 39 n Srinivasa Ramanujan Vi ser at første dag i 999 har index 5, mens siste registrerte dag i 3 har indeks 93. Dersom kr hadde blitt satt i banken første dag i 999 har vi da idag.5 (93 5+)/5 kr = 9 kr. Dersom kr hadde blitt satt på OBX-indeksen første dag i 999 hadde vi idag hatt kr. Oppgave b Matlab-funksjon predfilt som finner koeffisientene a for en p-te ordens modell gitt data over tid er vist under, der seqn er data og koeffisientene returneres i variabelen a. function a = predfilt(p, seqn); N = length(seqn); X = seqn(repmat( : p, N - p, ) + repmat([ : N - p - ],, p)); x = seqn(p + : N); a = -X \ x; Minner om at funksjonen repmat(a, M, N) returnerer M N blokk-matrisen, bestående av kopier av A.

Oppgave c Et skript som regner ut ˆx og ˆx er vist under. NewYear = find(diff(date) > e3) + ; x = OBX(NewYear() : NewYear(3) - ); N = length(x); X = x(repmat( : p, N - p, ) + repmat([ : N - p - ],, p)); xhat = -X*a; b = [; flipud(-a)]; xhat = filter(b,, OBX(RD : NewYear(RI + ) - )); xhat = xhat(p + : length(xhat)); Den totale kvadrerte feilen e T e for p =3mellom x og ˆx eller ˆx blir 35. Feilen x[n] ˆx[n] er plottet i Figur, men skalert opp ganger og plottet sammen med OBX-indeksen over tilhørende intervall. 9 x 5 7 Estimat feil 5 3 999 Tid Figur : Kvadrert feil e T e mellom x og ˆx eller ˆx. I Figur er feilen vist for p =,...,5. Viseratforp> ser feilen ut til å flate ut, og dermed kan p =være en rimelig verdi.

.3 x.5..5 Kvadratisk feil..5.95.9 5 5 5 Orden Figur : Total kvadrert feil e T e mellom x og ˆx eller ˆx. Oppgave d Under er det vist et Matlab-skript som regner ut avkastning etter å ha brukt investeringsstrategien skissert i Oppgave d. r =.5; % Interest rate p = ; NewYear = find(diff(date) > e3) + ; RI = ; % Reference index CurrCash = ; a = predfilt(p, OBX(RI : NewYear(RI + ) - )); x = OBX(NewYear(RI + ) : OBXlen); N = length(x); X = x(repmat( : p, N - p, ) + repmat([ : N - p - ],, p)); xhat = [zeros(newyear(ri + ) + p -, ); -X*a]; for k = NewYear(RI + ) + p : OBXlen - if xhat(k) / OBX(k - ) > ( + r)^( / 5) CurrCash = CurrCash * OBX(k) / OBX(k - ); else CurrCash = CurrCash * ( + r)^( / 5); end end Ved utregning gir det en avkastning på 5 kr. Med sikker viten om fremtidige verdier av OBX-indeksen kan vi tjene 3 53 kr. 3

Oppgave e Vi ser at et spesialtilfelle av Parsevals teorem (slik det er oppgitt i oppgaven) er når g[n] =h[n]: n= g[n] = π G(e jω ) dω. π π Vi ser da at feilen som vi skal minimere er gitt ved E = e[n] = x[n] ˆx[n] p = x[n] a k x[n k] n= n= n= k= = x[n] a n x[n] = ( π p π n= π X(ejω ) a k e )X(e jωk jω ) dω k= = ( ) π p π X(ejω ) a k e jωk dω = π X(e jω ) dω. π ˆX(e jω ) π k= π I Figur 3 ser vi henholdsvis X(e jω ) og ˆX(e jω ) for p =, basert på data fra hele 999. I Figur er ˆX(e jω ) skalert opp med en faktor E = e[n]. n= Magnitude Magnitude 3 3 Frekvens 3 3 Frekvens Figur 3: Absoluttverdien til X(e jω ) og ˆX(e jω ) for p =. Vi har tidligere sett at E = n= e[n] = π π π X(e jω ) dω. ˆX(e jω ) Et nødvendig krav for at X(e jω ) og ˆX(e jω ) skal være mest mulig like er at integralet blir lik π, som impliserer at teller og nevner er tilnærmet like. Ved å

x Magnitude 3 3 Frekvens Figur : Absoluttverdien til ˆX(e jω ) og E ˆX(e jω ) for p =. dele på E (som er konstant) får vi det vi ønsker: π X(e jω ) π E ˆX(e dω =. jω ) π I Figur 5 ser vi henholdsvis X(e jω ) og ˆX(e jω ) for p = 5, basert på data fra hele 999. I Figur er ˆX(e jω ) skalert opp med en faktor E = e[n]. n= Oppgave a Lar Y a (jω) = { Ωc, Ω Ωc, Ω > Ωc Da er X a (jω) = Y a (jω) Y a (jω). Den inverse tids-kontinuerlige Fourier-transformen til Y a (jω) er y a (t) = sin(ω c t/), Ωc πt og dermed er ( x a (t) =y a (t) y a (t)=π Ωc sin(ω c t/) πt ) = πω c t sin (Ω c t/). 5

Magnitude 3 3 Frekvens Figur 5: Absoluttverdien til X(e jω ) og ˆX(e jω ) for p = 5. x Magnitude 3 3 Frekvens Figur : Absoluttverdien til ˆX(e jω ) og E ˆX(e jω ) for p = 5.

Oppgave b π Dersom T = Ω c er Ω T = Ω c = Ω c. Dermed har vi oversampling med en faktor, og siden X(e jω )= T fårviskissenvistifigur7. k= ( X a j ω T j πk ) T X ( e jω ) Ω c /π π / π 79 π/ π ω Figur 7: Skisse av X(e jω ). Oppgave c For å regne ut den inverse DFT sampler vi X(e jω ) med N = sampler. Dette er vist i kodesnutten under. Det gir plottene i Figur, hvor (a) viser for n {,..., } mens (b) viser for n {,..., }. Omegac = * pi; T = pi / ( * Omegac); N = ; len = T * Omegac * N / ( * pi); step = / (T * len); X = [ / T : -step :, zeros(, N - * len - ),... : step : / T - step]; xhat = real(ifft(x)); Av plott (b) ser vi at det er en liten forskjell mellom x[n] og ˆx[n]. Dette fordi vi har samplet DFT til en sekvens som har uendelig lengde, dvs. større enn N =. Forskjellen mellom x[n] og ˆx[n] er gitt ved relasjonen ˆx[n] = m= Se Mitra side 3 39 for teori. x[n + Nm], n N. 7

5.3.5.5 3.5. 3 Amplitude.5 Amplitude.5.5..5.5 (a) Tid 9 3 5 Tid (b) Figur : Skisse av x[n] (blått) og ˆx[n] (grønn). Oppgave 3a Utgangen er (per definisjon) gitt ved y[n] =h[n] x[n]= h[k]x[n k]= x[k]h[n k]. Vi får da tre tilfeller å ta hensyn til: k= k=. n<: y[n]=.. n N : y[n] = n h[n k] = k= 3. n N : y[n] = n a n k = a n k= N k= h[n k] = n k= N k= ( ) k = a n a (n+) a a = an+ a. N a n k = a n = a n a N a = an+ a N a. k= ( ) k a Altså er, n < a y[n] = n+ a, n N a n+ a N a, n > N.

Oppgave 3b Vi ser at z H(z) =, z >a og X(z) = az z. Siden y[n] er konvolusjonen mellom h[n] og x[n] vet vi at Setter og ser at vi kan skrive Delbrøksoppspalter U(z): Y (z) =H(z)X(z)= U(z) = z N ( az )( z ). ( az )( z ), Y (z) =U(z) z N U(z). A U(z) = az + B z A = a a,b= a U(z)= a a az + a z. Dermed er u[n] = a a an u[n]+ a u[n], og y[n] = an+ a Det gir samme svaret som i Oppgave 3a. Oppgave 3c Ser at Dermed er an N+ u[n] u[n N]. a x[n] =y[n] y[n ]. Y (z) = Alternativt kan man også bruke at z X(z). y[n] =x[n] µ[n], hvor Z-transformen til µ[n] er /( z ). Siden ROC µ er z > er ROC y =ROC x ROC µ =ROC x { z >}. 9

Oppgave a Setter inn for løsningen x[n] = sin(ωn) = ( e jωn e jωn) j i differensligningen: ( e jω(n+) e jω(n+)) = α ( e jω(n+) e jω(n+)) j j j (ejωn e jωn ) e jωn e jω e jωn e jω = α(e jωn e jω e jωn e jω ) (e jωn e jωn ) = e jωn (αe jω ) e jωn (αe jω ). Dermed ser vi at e jω = αe jω og e jω = αe jω, og α = e jω + e jω =cos(ω). Initialbetingelsene må være Vis dette ved innsetting! x[] = sin(φ) og x[] = sin(ω + φ). Oppgave b Siden det ikke er noe aliasing i prosessen kan vi velge T til å ta hvilken som helst verdi. Siden ω = T Ω ser vi at H a (jω) = e jωt/. Dermed bør impulseresponsen velges ved h a (t) =δ(t T/). Oppgave c Filteret H(e jω )=e jω/ er et allpassfilter, med fase ω/. Dersom inngangen er blir utgangen x[n] = sin(ωn + φ) y[n] = sin(ωn + φ + [H(e jω )]) = sin(ω(n /) + φ).