Flerdimensionell signalbehandling SMS022

Storlek: px
Starta visningen från sidan:

Download "Flerdimensionell signalbehandling SMS022"

Transkript

1 Luleå tekniska universitet Avd för signalbehandling Frank Sjöberg Flerdimensionell signalbehandling SMS022 Laboration 4 Array Processing Syfte: Syftet med den här laborationen är att få grundläggande förståelese för två viktiga moment inom array processing - lobform och riktningsbestämning. För enkelhetens skull såbegränsar vi oss till två dimensioner i denna lab, men principerna är dessamma för 3 dimensioner. För alla övningar som innefattar MATLAB ska de kommandon och parametrar ni använder redovisas. Till denna laborationerna behövs filen lab4.mat som finns på hemsidan. Bilda grupper om max två personer och lämna in laborationsredovisningen innan

2 1. Lobformning (Beamforming) I denna del skall vi laborerar lite med lobformning. Vi använder den enkla lobformare som beskrivs i kursmaterialet och som kallas weighted delay-and-sum beamformer : b (t) = 1 L w l s l (t τ l ). L l=1 Tidsförskjutningarna τ l ges av τ l = α T x l,där α är långsamhetsvektorn för den signal vi önskar släppa igenom och x l är positionen för mottagare l. För alla utom den sista deluppgiften använder vi oss av en linjär ekvidistant array. d Figure 1.1: Linjär ekvidistant mottagararray. Uppgift 1. Antag att vi har en linjär array med elementavståndet d = λ/2, se Figur 1.1. Bestäm teoretiskt lobmönstret om vi använder ett rektangelfönster som viktfunktion, dvs w l =1(rikta huvudloben rakt fram, θ =0). a) Plotta mönstret för några olika antal element, t.ex. L =8, 16, 32, 64. Hur bred blir loben och hur varierar lobbredden med antalet element? Hur varierar höjden på sidloberna med avseende på L. b) Prova också att korta ned elementavståndet d. Hur påverkar det lobmönstret? Finns det någon vinst med att placera mottagarelementen tätare än λ/2. c) Ändra nu huvudlobens riktning till θ =30. Hur ändras lobmönstret? Blir det endast en translation i θ-led eller ändrar mönstret form? Uppgift 2. I denna uppgift skall vi implementera en lobformare och studera lobmönstret genom att simulera inkommande signaler. Börja med att göra en rutin som genererar samplade mottagna signaler från en vågfront med infallsvinkel θ. Signalen är lämpligtvis en sinus- eller komplex exponentialfunktion med lämplig frekvens relativt samplingsfrekvensen (t.ex. f s /f c =4).Välj sekvenslängden N relativt stor (N >500). Resultatet skall alltså vara en matris S med dimensionerna (N L) enligt s 1 [0] s 2 [0] s L [0] s 1 [1] s 2 [1] s L [1] S = s 1 [N 1] s 2 [N 1] s L [N 1] Använd L =8mottagarelement. Gör nu en diskret lobformare som har huvudloben i godtycklig riktning (t.ex θ =30 ), b [n] = 1 L L w l s l [n τ l ]. l=1 2

3 Tidsförskjutningarna τ l kommer generellt inte att vara hela sampel vilket gör att tidsskiften av insignalerna måste interpoleras fram. Ledning: x [n τ] =x [n] sinc[n τ]. Simulera nu inkommande signaler med olika infallsvinkel 90 < θ < 90, och mät effekten i signalen b [n] efter lobformningen P w (θ) = 1 N N b [n] 2. n=1 Plotta medeleffekten som funktion av infallsvinkel och jämför med lobmönstret från föregående uppgift? Uppgift 3. Pröva nu att använda andra typer av fönster som viktfunktion. Bartlett, Blackman, Hamming. Välj godtyckligt antal element och plotta lobmönstret för några olika fönster (gärna i db-skala). Hur påverkas lobbredd och sidlobshöjd av valet av viktfunktion (fönsterfunktion)? Uppgift 4. För att undvika spatiell aliasing så skall d<λ/2. Börja med ett godtyckligt d<λ/2 och lobriktning θ =0,öka sedan successivt avståndet mellan elementen och studera lobmönstret. Vilket är det minsta d för vilket man får en sidlob som är lika stor som huvudloben? Byt lobriktning till θ =45 och gör om samma sak. Försök förklara utifrån samplingsatsen. Uppgift 5. Vi har hittils relaterat mottagaravståndet d till våglängden λ. Detta förutsätter att den inkommande signaler är en smalbandig signal, men just våglängden λ. Men om vi tar emot en bredbandig singal som innehåller flera olika frekvenskomponenter, så kommer förhållandet mellan d och λ inte vara konstant utan variera med frekvensen (λ = c/f). Ett exempel på detta är om vi tar emot ljud med en mikrofonarray. Antag att vi har en array med L =8element, d =0.1m ochc = 330 m/s. Gör en plot på hur hög sidloben vid θ =45 blir för olika frekvenser 100 <f<5000 Hz (huvudloben riktad rakt fram, 0, som i upg 1). Vid vilken frekvens blir sidloben lika hög som huvudloben? Uppgift 6. Antag att vi har placerat mottagarelementen utmed en halvcirkel som i Figur 1.2. Beräkna teoretiskt eller simulera fram lobmönstret. Prova att variera avståndet mellan elementen. Kommentera skillnader i prestanda jämfört med en linjär array. Figure 1.2: Cirkulär mottagararray. 3

4 2. Riktningsbestäming (DOA) I den här delen skall vi jämför två olika metoder för att göra riktningsbestämning, lobformning och MUSIC-algoritmen. Vi simulerar de mottagna signalerna som passbandssignaler. Filen gen signals.m kan användas som mall för hur man genereras de mottagna signalerna. Vi börjar med att skapa en smalbandig basbandssignal med bandbredd B som vi sedan modulerar upp på enbärvåg med frekvens f c. Den här signalen samplar vi sedan i varje mottagarelement med samplingsfrekvensen f s. Om vi normaliserar samplingsfrekvensen (f s ), så är lämplig val av parametervärden ungefär: f c =1/5 Hz,B =0.005 Hz och N Använd en linjär mottagararrary med d = λ/2 ochl = 8 eller L =16 element. I alla deluppgifter skall vitt normalfördelat brus adderas så att SNR= 0 db på varje mottagarelement. Uppgift 7. Börja med att undersöka ur bra vi kan upplösa inkommande signaler mha av beamforming. Här kommer kan en del av funktionerna från uppgift 2 till användning.. a) Börja med L =8och två signalkällor i θ =20 respektive θ =40. Prova med några olika fönsterfunktion och undersök hur bra man kan upplösa signalerna. Redovisa vinkelskattningarna för varje fönster och en plot som innehåller alla fönster. b) Använd samma parametrar som tidigare men en annan bärvågsfrekvens för den andra signalen ( t.ex. 1/6 Hz). Hur påverkar detta vinkelskattningarna? c) Öka till L =16element och skapa 4 signaler med respektive infallsvinklar [ ]. Hur bra går det att urskilja dessa signaler. Kommentera resultatet. Uppgift 8. Idenhär uppgiften skall ni implementera och använda MUSIC-algoritmen. Kom ihåg att modulera ner signalen till basbandet innan ni skattar korrelationsmatrisen. För att kunna använda MUSIC så måste vi veta ur många signalkomponenter det finns i den inkommande signalen. Om alla delsignaler är okorrelerade så ger egenvärdesspridningen hos korrelationsmatrisen en fingervisning om hur många delsignaler det finns. a) Använd samma signaler som i c)-uppgiften ovan (dvs L =16och 4 inkommande signaler). Går det att urskilja dessa signaler med MUSIC-algoritmen. Hur ser egenvärdesspridningen ut? b) Gör om b)-uppgiften från lobformningen men med MUSIC-algoritmen. Modulera ner relativt den första signalkomponenten (dvs 1/5 Hz). Kommentera resultatet. Hur kan man bära sig åt om man vill använda MUSIC-algoritmen när signalkomponenterna har olika bärvågsfrekvens? c) Hur bra vinkelupplösning mellan två signaler får man med MUSIC och L =8? Placera en signal i θ =0 och flytta den andra successivt närmare [10, 9, 8...]. Bifoga en plot på gränsfallet. 4

5 Uppgift 9. I filen lab4.mat finns två signaler som heter doa1 respektive doa2. De är genererade med parametervalen ovan men med ett okänt antal delsignaler. Använd MUSIC algoritmen och lobformning för att försöka bestämma antalet delsignaler och respektive infallsvinklar i doa1 och doa2. Redovisa plottar med MUSIC och lobformning i samma figur. För MUSIC-algoritmen, redovisa också egenvärdesspridningen. 3. Slutövning Uppgift 10. Ifilenlab4.mat finns en signal som heter X. Den är en upptagen från en mikrofonarray med 8 element som är placerade med 7 centimeters mellanrum. Samplingsfrekvensen är Hz, och man kan anta att ljudhastigheten är 330 m/s. Den önskade bredbandiga signalen, som är en talsignal, är störd av en mycket stark smalbandig störare. Uppgiften går ut på att mha lobformning undertrycka störningen så mycket att man kan höra meddelandet i talsignalen. Börja med att riktningsbestämma störningen respektive talsignalen. Använd sedan lämpligt fönster för lobformningen, dvs så att störningen undertrycks så bra som möjligt. Hur lyder meddelandet? 5

Flerdimensionella signaler och system

Flerdimensionella signaler och system Luleå tekniska universitet Avd för signalbehandling Magnus Sandell (reviderad av Frank Sjöberg) Flerdimensionell signalbehandling SMS033 Laboration 1 Flerdimensionella signaler och system Syfte: Den här

Läs mer

Signal- och Bildbehandling, TSBB14. Laboration 2: Sampling och rekonstruktion. DFT.

Signal- och Bildbehandling, TSBB14. Laboration 2: Sampling och rekonstruktion. DFT. Signal- och Bildbehandling, TSBB4 Laboration : Sampling och rekonstruktion. DFT. Maria Magnusson, 7-8 Avdelningen för Datorseende, Institutionen för Systemteknik, Linköpings Universitet Laboration. Förberedelser

Läs mer

2 Laborationsutrustning

2 Laborationsutrustning Institutionen för data- och elektroteknik 2002-02-11 1 Inledning Denna laboration syftar till att illustrera ett antal grundbegrepp inom digital signalbehandling samt att närmare studera frekvensanalys

Läs mer

Bredbandig lobbildning

Bredbandig lobbildning TVE 13 019 juni Examensarbete 15 hp 10 Juni 2013 Bredbandig lobbildning Bestämning av bredbandiga signalers infallsvinklar med hjälp av en sensor-array Per Hedbrant Jonas Mirza Abstract Bredbandig lobbildning

Läs mer

DIGITALA FILTER. Tillämpad Fysik Och Elektronik 1. Frekvensfunktioner FREKVENSSVAR FÖR ETT TIDSDISKRET SYSTEM. x(n)= Asin(Ωn)

DIGITALA FILTER. Tillämpad Fysik Och Elektronik 1. Frekvensfunktioner FREKVENSSVAR FÖR ETT TIDSDISKRET SYSTEM. x(n)= Asin(Ωn) DIGITALA FILTER TILLÄMPAD FYSIK OCH ELEKTRONIK, UMEÅ UNIVERSITET 1 Frekvensfunktioner x(n)= Asin(Ωn) y(n) H(z) TILLÄMPAD FYSIK OCH ELEKTRONIK, UMEÅ UNIVERSITET 2 FREKVENSSVAR FÖR ETT TIDSDISKRET SYSTEM

Läs mer

Signalbehandling Röstigenkänning

Signalbehandling Röstigenkänning L A B O R A T I O N S R A P P O R T Kurs: Klass: Datum: I ämnet Signalbehandling ISI019 Enk3 011211 Signalbehandling Röstigenkänning Jonas Lindström Martin Bergström INSTITUTIONEN I SKELLEFTEÅ Sida: 1

Läs mer

GRUNDKURS I SIGNALBEHANDLING (454300), 5sp Tentamen

GRUNDKURS I SIGNALBEHANDLING (454300), 5sp Tentamen GRUNDKURS I SIGNALBEHANDLING (454300), 5sp Tentamen 26.02013 kursens övningsuppgifter eller gamla tentamensuppgifter, eller Matlab-, Scilab- eller Octave- programmerbara kalkylatorer eller datorer. 1.

Läs mer

TSKS21 Signaler, Information och Bilder Lab 2: Digitalisering

TSKS21 Signaler, Information och Bilder Lab 2: Digitalisering TSKS21 Signaler, Information och Bilder Lab 2: Digitalisering Mikael Olofsson 8 februari 2017 Fyll i detta med bläckpenna Laborant Personnummer Datum Godkänd 1 1 Allmänt Denna laboration syftar till att

Läs mer

Laboration 2 - Modulering I denna laboration skall vi

Laboration 2 - Modulering I denna laboration skall vi Björn Ekenstam 19/9 2003 Telekommunikation TDV hösten 2003 Laboration 2 - Modulering I denna laboration skall vi Tillämpa MATLAB för att studera några olika Digitalt modulerade signaler Visa dessa signaler

Läs mer

Laplace, Fourier och resten varför alla dessa transformer?

Laplace, Fourier och resten varför alla dessa transformer? Laplace, Fourier och resten varför alla dessa transformer? 1 Bakgrund till transformer i kontinuerlig tid Idé 1: Representera in- och utsignaler till LTI-system i samma basfunktion Förenklad analys! Idé

Läs mer

Laboration 1 Fysik

Laboration 1 Fysik Laboration 1 Fysik 2 2015 : Fysik 2 för tekniskt/naturvetenskapligt basår Laboration 1 Förberedelseuppgifter 1. För en våg med frekvens f och våglängd λ kan utbredningshastigheten skrivas: 2. Färgen på

Läs mer

Spektrala Transformer

Spektrala Transformer Spektrala Transformer Tidsdiskreta signaler, kvantisering & sampling Tidsdiskreta signaler Tidskontinuerlig signal Ex: x(t) = sin(ωt) t är ett reellt tal ω har enheten rad/s Tidsdiskret signal Ex: x(n)

Läs mer

Ulrik Söderström 20 Jan Signaler & Signalanalys

Ulrik Söderström 20 Jan Signaler & Signalanalys Ulrik Söderström ulrik.soderstrom@tfe.umu.se 20 Jan 2009 Signaler & Signalanalys Sinusspänning Sinus och cosinus samma form men fasförskjutna Fasförskjutning tidsfördröjning Sinus och cosinus är väldigt

Läs mer

Tillämpad digital signalbehandling Laboration 1 Signalbehandling i Matlab och LabVIEW

Tillämpad digital signalbehandling Laboration 1 Signalbehandling i Matlab och LabVIEW Institutionen för data- och elektroteknik 004-03-15 Signalbehandling i Matlab och LabVIEW 1 Introduktion Vi skall i denna laboration bekanta oss med hur vi kan använda programmen Matlab och LabVIEW för

Läs mer

Ulrik Söderström 19 Jan Signalanalys

Ulrik Söderström 19 Jan Signalanalys Ulrik Söderström ulrik.soderstrom@tfe.umu.se 9 Jan 200 Signaler & Signalanalys l Sinusspänning Sinus och cosinus samma form men fasförskjutna Fasförskjutning tidsfördröjning Sinus och cosinus är väldigt

Läs mer

MR-laboration: design av pulssekvenser

MR-laboration: design av pulssekvenser MR-laboration: design av pulssekvenser TSBB3 Medicinska Bilder Ansvarig lärare: Anders Eklund anders.eklund@liu.se Innehåll Uppgift Initialisering av k-space Koordinater i k-space Navigering i k-space

Läs mer

Laboration 1: Aktiva Filter ( tid: ca 4 tim)

Laboration 1: Aktiva Filter ( tid: ca 4 tim) 091129/Thomas Munther IDE-sektionen/Högskolan Halmstad Uppgift 1) Laboration 1: Aktiva Filter ( tid: ca 4 tim) Vi skall använda en krets UAF42AP. Det är är ett universellt aktivt filter som kan konfigureras

Läs mer

TEM Projekt Transformmetoder

TEM Projekt Transformmetoder TEM Projekt Transformmetoder Utförs av: Mikael Bodin 19940414 4314 William Sjöström 19940404 6956 Sammanfattning I denna laboration undersöks hur Fouriertransformering kan användas vid behandling och analysering

Läs mer

Signalanalys med snabb Fouriertransform

Signalanalys med snabb Fouriertransform Laboration i Fourieranalys, MVE030 Signalanalys med snabb Fouriertransform Den här laborationen har två syften: dels att visa lite på hur den snabba Fouriertransformen fungerar, och lite om vad man bör

Läs mer

Resttentamen i Signaler och System Måndagen den 11.januari 2010, kl 14-19

Resttentamen i Signaler och System Måndagen den 11.januari 2010, kl 14-19 Resttentamen i Signaler och System Måndagen den 11.januari 2010, kl 14-19 Tillåtna hjälpmedel: Valfri miniräknare (utan möjlighet till trådlös kommunkation). Valfri litteratur, inkl. kursböcker, formelsamlingar.

Läs mer

Laboration 4: Stora talens lag, Centrala gränsvärdessatsen och enkla punktskattningar

Laboration 4: Stora talens lag, Centrala gränsvärdessatsen och enkla punktskattningar LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK DATORLABORATION 4 MATEMATISK STATISTIK, FÖR I/PI, FMS 121/2, HT-3 Laboration 4: Stora talens lag, Centrala gränsvärdessatsen och enkla punktskattningar

Läs mer

Handledning laboration 1

Handledning laboration 1 : Fysik 2 för tekniskt/naturvetenskapligt basår Handledning laboration 1 VT 2017 Laboration 1 Förberedelseuppgifter 1. För en våg med frekvens f och våglängd λ kan utbredningshastigheten skrivas: 2. Färgen

Läs mer

TEKNISKA HÖGSKOLAN I LULEÅ Ämneskod SMS016 Systemteknik Tentamensdatum Avd för Signalbehandling Skrivtid

TEKNISKA HÖGSKOLAN I LULEÅ Ämneskod SMS016 Systemteknik Tentamensdatum Avd för Signalbehandling Skrivtid TEKNISKA HÖGSKOLAN I LULEÅ Ämneskod SMS016 Systemteknik Tentamensdatum 1996-04-11 Avd för Signalbehandling Skrivtid 9.00-13.00 Tentamen i Kommunikationsteori Antal uppgifter: 5 (5 poäng per uppgift) Lärare:

Läs mer

Laboration 3 Sampling, samplingsteoremet och frekvensanalys

Laboration 3 Sampling, samplingsteoremet och frekvensanalys Laboration 3 Sampling, samplingsteoremet och frekvensanalys 1 1 Introduktion Syftet med laborationen är att ge kunskaper i att tolka de effekter (speglingar, svävningar) som uppkommer vid sampling av en

Läs mer

Tentamen i TMA 982 Linjära System och Transformer VV-salar, 27 aug 2013, kl

Tentamen i TMA 982 Linjära System och Transformer VV-salar, 27 aug 2013, kl Tentamen i TMA 982 Linjära System och Transformer VV-salar, 27 aug 2013, kl 8.30-12.30 Examinatorer: Lars Hammarstrand och Thomas Wernstål Tentamen består av två delar (Del I och Del II) på sammanlagt

Läs mer

Tillämpning av komplext kommunikationssystem i MATLAB

Tillämpning av komplext kommunikationssystem i MATLAB (Eller: Vilken koppling har Henrik Larsson och Carl Bildt?) 1(5) - Joel Nilsson joelni at kth.se Martin Axelsson maxels at kth.se Sammanfattning Kommunikationssystem används för att överföra information,

Läs mer

Spektrala Transformer

Spektrala Transformer Spektrala Transformer Tidsdiskreta signaler, kvantisering & sampling Tidsdiskreta signaler Tidskontinuerlig signal Ex: x(t) = sin(ωt) t är ett reellt tal ω har enheten rad/s Tidsdiskret signal Ex: x(n)

Läs mer

Tentamen ssy080 Transformer, Signaler och System, D3

Tentamen ssy080 Transformer, Signaler och System, D3 Tentamen ssy080 Transformer, Signaler och System, D3 Examinator: Ants R. Silberberg 19 oktober 2011 kl. 08.30-12.30 sal: Hörsalsvägen Förfrågningar: Ants Silberberg, tel. 1808 Lösningar: Anslås torsdag

Läs mer

Elektronik 2018 EITA35

Elektronik 2018 EITA35 Elektronik 218 EITA35 Föreläsning 1 Filter Lågpassfilter Högpassfilter (Allpassfilter) Bodediagram Hambley 296-32 218-1-2 Föreläsning 1, Elektronik 218 1 Laboration 2 Förberedelseuppgifter! (Ingen anmälan

Läs mer

Grundläggande signalbehandling

Grundläggande signalbehandling Beskrivning av en enkel signal Sinussignal (Alla andra typer av signaler och ljud kan skapas genom att sätta samman sinussignaler med olika frekvens, Amplitud och fasvridning) Periodtid T y t U Amplitud

Läs mer

REGLERTEKNIK Laboration 5

REGLERTEKNIK Laboration 5 6 SAMPLADE SYSTEM 6. Sampling av signaler När man använder en dator som regulator, kan man endast behandla signaler i diskreta tidpunkter. T.ex. mäts systemets utsignal i tidpunkter med visst mellanrum,

Läs mer

Laboration i tidsdiskreta system

Laboration i tidsdiskreta system Laboration i tidsdiskreta system A. Tips Användbara MATLAB-funktioner: conv Faltning square Skapa en fyrkantvåg wavread Läs in en ljudfil soundsc Spela upp ett ljud ones Skapa en vektor med godtyckligt

Läs mer

TFEI02: Vågfysik. Tentamen : Svar och anvisningar. t s(x,t) =s 0 sin 2π T x. v = fλ =3 5 m/s = 15 m/s

TFEI02: Vågfysik. Tentamen : Svar och anvisningar. t s(x,t) =s 0 sin 2π T x. v = fλ =3 5 m/s = 15 m/s 140528: TFEI02 1 TFEI02: Vågfysik Tentamen 140528: Svar och anvisningar Uppgift 1 a) En fortskridande våg kan skrivas på formen: t s(x,t) =s 0 sin 2π T x λ Vi ser att periodtiden är T =1/3 s, vilket ger

Läs mer

Optimal Signalbehandling Datorövning 1 och 2

Optimal Signalbehandling Datorövning 1 och 2 Institutionen för Elektro- och Informationsteknik Lunds Universitet Lunds Tekniska Högskola Optimal Signalbehandling Datorövning 1 och 2 Leif Sörnmo Martin Stridh 2011 Department of Electrical and Information

Läs mer

Projekt Spektralanalys med hjälp av den diskreta Fouriertransformen

Projekt Spektralanalys med hjälp av den diskreta Fouriertransformen Projekt Spektralanalys med hjälp av den diskreta Fouriertransformen Marcus Björk Forskare Signalbehandling Systemteknik (IT) Dept. of Information Technology, Division of f Systems and Control Översikt

Läs mer

Fouriermetoder MVE295 - bonusuppgifter

Fouriermetoder MVE295 - bonusuppgifter Fouriermetoder MVE295 - bonusuppgifter Edvin Listo Zec 920625-2976 edvinli@student.chalmers.se Sofia Toivonen 910917-4566 sofiato@student.chalmers.se Emma Ekberg 930729-0867 emmaek@student.chalmers.se

Läs mer

Robust navigering med ett tätt integrerat GPS/INS och adaptiv lobformning. Johan Malmström 14 april 2003

Robust navigering med ett tätt integrerat GPS/INS och adaptiv lobformning. Johan Malmström 14 april 2003 1 Robust navigering med ett tätt integrerat GPS/INS och adaptiv lobformning 2 Syfte Skapa en simuleringsmiljö för en tät integrering mellan ett tröghetsnavigeringssystem och GPS Modellera och implementera

Läs mer

Laboration i Fourieranalys, TMA132 Signalanalys med snabb Fouriertransform

Laboration i Fourieranalys, TMA132 Signalanalys med snabb Fouriertransform Laboration i Fourieranalys, TMA132 Signalanalys med snabb Fouriertransform Den laborationen har syften: dels att visa lite hur den snabba Fouriertransformen fungerar, och lite om vad man den an dels att

Läs mer

Faltningsreverb i realtidsimplementering

Faltningsreverb i realtidsimplementering Faltningsreverb i realtidsimplementering SMS45 Lp1 26 DSP-system i praktiken Jörgen Anderton - jorand-3@student.ltu.se Henrik Wikner - henwik-1@student.ltu.se Introduktion Digitala reverb kan delas upp

Läs mer

TSBB16 Datorövning A Samplade signaler Faltning

TSBB16 Datorövning A Samplade signaler Faltning Name: ID number: Passed: LiU-ID: Date: TSBB16 Datorövning A Samplade signaler Faltning Utvecklad av Klas Nordberg Computer Vision Laboratory, Linköping University, Sweden 24 augusti 2015 Introduktion Denna

Läs mer

3. Mekaniska vågor i 2 (eller 3) dimensioner

3. Mekaniska vågor i 2 (eller 3) dimensioner 3. Mekaniska vågor i 2 (eller 3) dimensioner Brytning av vågor som passerar gränsen mellan två material Eftersom utbredningshastigheten för en mekanisk våg med största sannolikhet ändras då den passerar

Läs mer

DT1130 Spektrala transformer Tentamen

DT1130 Spektrala transformer Tentamen DT3 Spektrala transformer Tentamen 6 Tentamen består av fem uppgifter där varje uppgift maximalt ger 4 p. Normalt gäller följande betygsgränser: E: 9 p, D:.5 p, C: 4 p, B: 6 p, A: 8 p Tillåtna hjälpmedel:

Läs mer

TSDT15 Signaler och System

TSDT15 Signaler och System TSDT5 Signaler och System DATORUPPGIFTER VÅREN 03 OMGÅNG Mikael Olofsson, mikael@isy.liu.se Efter en förlaga av Lasse Alfredsson February, 03 Denna uppgiftsomgång behandlar faltning samt system- & signalanalys

Läs mer

FYSIKUM STOCKHOLMS UNIVERSITET Tentamensskrivning i Vågrörelselära och optik, 7 poäng, FyL2 Tisdagen den 19 juni 2007 kl 9-15

FYSIKUM STOCKHOLMS UNIVERSITET Tentamensskrivning i Vågrörelselära och optik, 7 poäng, FyL2 Tisdagen den 19 juni 2007 kl 9-15 FYSIKUM STOCKHOLMS UNIVERSITET Tentamensskrivning i Vågrörelselära och optik, 7 poäng, FyL2 Tisdagen den 19 juni 2007 kl 9-15 Hjälpmedel: Handbok, kopior av avsnitt om Fouirertransformer och Fourieranalys

Läs mer

Projekt 1 (P1) Problembeskrivning och uppdragsspecifikation

Projekt 1 (P1) Problembeskrivning och uppdragsspecifikation Projekt 1 (P1) Problembeskrivning och uppdragsspecifikation Etapp 1 Problem med mätsignalen m.a.p. sampling, vikning och spektraltäthet Problembeskrivning Uppdragsgivaren överväger att skaffa nya A/D-omvandlare

Läs mer

Datorövning: Fouriertransform med Python

Datorövning: Fouriertransform med Python Datorövning i Elektromagnetism och vågor (FK5019) Övningsledare: bart.pelssers@fysik.su.se & ashraf@fysik.su.se Datorövning: Fouriertransform med Python Skicka in individuellt skrivna rapporter på engelska

Läs mer

Laplace, Fourier och resten varför alla dessa transformer?

Laplace, Fourier och resten varför alla dessa transformer? Laplace, Fourier och resten varför alla dessa transformer? 1 Vi har sett hur ett LTI-system kan ges en komplett beskrivning av dess impulssvar. Genom att falta insignalen med impulssvaret erhålls systemets

Läs mer

Laboration i Fourieranalys för F2, TM2, Kf2 2011/12 Signalanalys med snabb Fouriertransform (FFT)

Laboration i Fourieranalys för F2, TM2, Kf2 2011/12 Signalanalys med snabb Fouriertransform (FFT) Laboration i Fourieranalys för F2, TM2, Kf2 2011/12 Signalanalys med snabb Fouriertransform (FFT) Den här laborationen har två syften: dels att visa hur den snabba Fouriertransformen fungerar och vad man

Läs mer

Spektrala Transformer

Spektrala Transformer Spektrala Transformer Kurssammanfattning Fyra kärnkoncept Sampling Faltning Poler och nollställen Fouriertransform Koncept #1: Sampling En korrekt samplad signal kan rekonstrueras exakt, dvs ingen information

Läs mer

DT1130 Spektrala transformer Tentamen

DT1130 Spektrala transformer Tentamen DT3 Spektrala transformer Tentamen 5 Tentamen består av fem uppgifter där varje uppgift maximalt ger p. Normalt gäller följande betygsgränser: E: 9 p, D:.5 p, C: p, B: 6 p, A: 8 p Tillåtna hjälpmedel:

Läs mer

EXEMPEL 1: ARTVARIATION FÖRELÄSNING 1. EEG frekvensanalys EXEMPEL 2: EEG

EXEMPEL 1: ARTVARIATION FÖRELÄSNING 1. EEG frekvensanalys EXEMPEL 2: EEG FÖRELÄSNING EXEMPEL : ARTVARIATION Kurs- och transform-översikt. Kursintroduktion med typiska signalbehandlingsproblem och kapitelöversikt. Rep av transformer 3. Rep av aliaseffekten Givet: data med antal

Läs mer

DT1120 Spektrala transformer för Media Tentamen

DT1120 Spektrala transformer för Media Tentamen DT Spektrala transformer för Media Tentamen 77 Tentamen består av fem uppgifter där varje uppgift maximalt ger 4 p. Normalt gäller följande betygsgränser: 3:9 p, 4: 3 p, 5: 7 p Tillåtna hjälpmedel: räknare,

Läs mer

TANA17 Matematiska beräkningar med Matlab

TANA17 Matematiska beräkningar med Matlab TANA17 Matematiska beräkningar med Matlab Laboration 1. Linjär Algebra och Avbildningar Namn: Personnummer: Epost: Namn: Personnummer: Epost: Godkänd den: Sign: Retur: 1 Introduktion I denna övning skall

Läs mer

Föreläsning 6: Spektralskattning: icke parametriska metoder. Leif Sörnmo 4 oktober 2009

Föreläsning 6: Spektralskattning: icke parametriska metoder. Leif Sörnmo 4 oktober 2009 Föreläsning 6: Spektralskattning: icke parametriska metoder Leif Sörnmo 4 oktober 2009 1 Metoder för spektralskattning icke-parametriska korrelogram, periodogram fönstring, medelvärdesbildning minimum-varians

Läs mer

Laboration 2: 1 Syfte. 2 Väntevärde och varians hos en s.v. X med fördelningen F X (x) MATEMATISK STATISTIK, AK FÖR BYGG, FMS 601, HT-08

Laboration 2: 1 Syfte. 2 Väntevärde och varians hos en s.v. X med fördelningen F X (x) MATEMATISK STATISTIK, AK FÖR BYGG, FMS 601, HT-08 LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK MATEMATISK STATISTIK, AK FÖR BYGG, FMS 601, HT-08 Laboration 2: Om väntevärden och fördelningar 1 Syfte I denna laboration skall vi försöka

Läs mer

Försättsblad till skriftlig tentamen vid Linköpings universitet KÅRA T1 T2 U2 U4

Försättsblad till skriftlig tentamen vid Linköpings universitet KÅRA T1 T2 U2 U4 Försättsblad till skriftlig tentamen vid Linköpings universitet Datum för tentamen 2016-10-28 Sal (5) KÅRA T1 T2 U2 U4 Tid 8-12 Kurskod TSBB16 Provkod TEN2 Kursnamn/benämning Provnamn/benämning Grundläggande

Läs mer

Lab 1 Analog modulation

Lab 1 Analog modulation 2 Lab-PM för TSEI67 Telekommunikation Lab 1 Analog modulation Med Simulink kan man som sagt bygga upp ett kommunikationssystem som ett blockschema, och simulera det. Ni ska i denna laboration inledningsvis

Läs mer

Laboration i Fourieranalys för F2, TM2, Kf2 2013/14 Signalanalys med snabb Fouriertransform (FFT)

Laboration i Fourieranalys för F2, TM2, Kf2 2013/14 Signalanalys med snabb Fouriertransform (FFT) Laboration i Fourieranalys för F2, TM2, Kf2 2013/14 Signalanalys med snabb Fouriertransform (FFT) Den här laborationen har två syften: dels att visa hur den snabba Fouriertransformen fungerar och vad man

Läs mer

TAIU07 Matematiska beräkningar med Matlab

TAIU07 Matematiska beräkningar med Matlab TAIU07 Matematiska beräkningar med Matlab Laboration 1. Vektorberäkningar Namn: Personnummer: Epost: Namn: Personnummer: Epost: Godkänd den: Sign: Retur: 1 Introduktion I denna övning skall vi träna på

Läs mer

Projekt 3: Diskret fouriertransform

Projekt 3: Diskret fouriertransform Projekt 3: Diskret fouriertransform Diskreta fouriertransformer har stor praktisk användning inom en mängd olika områden, från analys av mätdata till behandling av digital information som ljud och bildfiler.

Läs mer

1 Figuren nedan visar en transversell våg som rör sig åt höger. I figuren är en del i vågens medium markerat med en blå ring prick.

1 Figuren nedan visar en transversell våg som rör sig åt höger. I figuren är en del i vågens medium markerat med en blå ring prick. 10 Vågrörelse Vågor 1 Figuren nedan visar en transversell våg som rör sig åt höger. I figuren är en del i vågens medium markerat med en blå ring prick. y (m) 0,15 0,1 0,05 0-0,05 0 0,5 1 1,5 2 x (m) -0,1-0,15

Läs mer

Signaler & Signalanalys

Signaler & Signalanalys Ulrik Söderström ulrik.soderstrom@tfe.umu.se Jan 8 Signaler & Signalanals Sinusspänning Sinus och cosinus samma form men fasförskjutna Fasförskjutning tidsfördröjning Sinus och cosinus är väldigt enkla

Läs mer

TENTAMEN Modellering av dynamiska system 5hp

TENTAMEN Modellering av dynamiska system 5hp TENTAMEN Modellering av dynamiska system 5hp - 0 Tid: måndag 8 Maj 0, kl 4-9 Plats: Polacksbacken Ansvarig lärare: Bengt Carlsson, tel 070-674590. Bengt kommer till tentasalen ca kl 6 och besvarar ev frågor.

Läs mer

Vinkelupplösning, exempel hålkameran. Vinkelupplösning När är två punkter upplösta? FAF260. Lars Rippe, Atomfysik/LTH 1. Böjning i en spalt

Vinkelupplösning, exempel hålkameran. Vinkelupplösning När är två punkter upplösta? FAF260. Lars Rippe, Atomfysik/LTH 1. Böjning i en spalt Kursavsnitt Böjning och interferens Böjning i en spalt bsin m m 1,... 8 9 Böjning i en spalt Böjning i cirkulär öppning med diameter D Böjningsminimum då =m Första min: Dsin 1. 10 11 Vinkelupplösning,

Läs mer

Modellering och styrning av ett biologiskt reningsverk

Modellering och styrning av ett biologiskt reningsverk Styrning av Biologiska Reningsverk 02/03 1 Mål Modellering och styrning av ett biologiskt reningsverk Efter att ha genomfört denna uppgift ska du ha lärt dig att bygga mera komplexa dynamiska modeller

Läs mer

Lösning till tentamen i Medicinska Bilder, TSBB31, DEL 1: Grundläggande 2D signalbehandling

Lösning till tentamen i Medicinska Bilder, TSBB31, DEL 1: Grundläggande 2D signalbehandling Lösning till tentamen i Medicinska Bilder, TSBB3, 08-0-4 Maria Magnusson (maria.magnusson@liu.se) DEL : Grundläggande D signalbehandling Uppgift (6p) a och E: E LP-filtrerar mycket och ger en mycket suddig

Läs mer

Teori... SME118 - Mätteknik & Signalbehandling SME118. Johan Carlson 2. Teori... Dagens meny

Teori... SME118 - Mätteknik & Signalbehandling SME118. Johan Carlson 2. Teori... Dagens meny Tidigare har vi gått igenom Fourierserierepresentation av periodiska signaler och Fouriertransform av icke-periodiska signaler. Fourierserierepresentationen av x(t) ges av: där a k = 1 T + T a k e jkω

Läs mer

System, Modeller och Metoder

System, Modeller och Metoder SMS27 Laboration 2 System, Modeller och Metoder Seriekopplade, parallellkopplade och återkopplade system Due Date: February 7 För att bli godkänd krävs: att samtliga figurer är korrekt ifyllda att figurerna

Läs mer

Signal- och bildbehandling TSBB03, TSBB14

Signal- och bildbehandling TSBB03, TSBB14 Tentamen i Signal- och bildbehandling TSBB03, TSBB4 Tid: 00-0- Lokaler: G33 Ansvarig lärare: Maria Magnusson besöker lokalen kl. 4.50 och 6.50 tel 073-804 38 67 Hjälpmedel: Räknedosa, medskickad formelsamling,

Läs mer

Ljusets böjning & interferens

Ljusets böjning & interferens Ljusets böjning & interferens Laboration Innehåll 1 Förberedelseuppgifter 2 Laborationsuppgifter 3 Appendix Ljusets vågegenskaper Ljus kan liksom ljud beskrivas som vågrörelser och i den här laborationen

Läs mer

x 23 + y 160 = 1, 2 23 = ,

x 23 + y 160 = 1, 2 23 = , Matematiska Institutionen KTH Lösningar till några övningar, inför tentan moment B, på de avsnitt som inte omfattats av lappskrivningarna, Diskret matematik för D2 och F, vt08.. Ett RSA-krypto har n =

Läs mer

Array Processing. Markus Drevö & Stefan Johansson

Array Processing. Markus Drevö & Stefan Johansson Array Processing Markus Drevö & Stefan Johansson Two Decades of Array Signal Processing Hamid Krim and Mats Wiberg Beamforming: : A Versatile Approach to Spatial Filtering Barry D. Van Veen and Kevin M.

Läs mer

TAIU07 Matematiska beräkningar med Matlab

TAIU07 Matematiska beräkningar med Matlab TAIU07 Matematiska beräkningar med Matlab Laboration 3. Linjär algebra Namn: Personnummer: Epost: Namn: Personnummer: Epost: Godkänd den: Sign: Retur: 1 Introduktion 2 En Komet Kometer rör sig enligt ellipsformade

Läs mer

Laboration 4: Stora talens lag, Centrala gränsvärdessatsen och enkla punktskattningar

Laboration 4: Stora talens lag, Centrala gränsvärdessatsen och enkla punktskattningar LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK DATORLABORATION 4 MATEMATISK STATISTIK, AK FÖR I, FMS 120, HT-00 Laboration 4: Stora talens lag, Centrala gränsvärdessatsen och enkla punktskattningar

Läs mer

Signal- och Bildbehandling, TSBB14. Laboration 2: Sampling och Tidsdiskreta signaler

Signal- och Bildbehandling, TSBB14. Laboration 2: Sampling och Tidsdiskreta signaler Signal- och Bildbehandling, TSBB14 Laboration 2: Sampling och Tidsdiskreta signaler Anders Gustavsson 1997, Maria Magnusson 1998-2013 Avdelningen för Datorseende, Institutionen för Systemteknik Linköpings

Läs mer

Lab 4: Digital transmission Redigerad av Niclas Wadströmer. Mål. Uppstart. Genomförande. TSEI67 Telekommunikation

Lab 4: Digital transmission Redigerad av Niclas Wadströmer. Mål. Uppstart. Genomförande. TSEI67 Telekommunikation TSEI67 Telekommunikation Lab 4: Digital transmission Redigerad av Niclas Wadströmer Mål Målet med laborationen är att bekanta sig med transmission av binära signaler. Det innebär att du efter laborationen

Läs mer

Matematikcentrum 1(6) Matematisk Statistik Lunds Universitet MASB11 - Biostatistisk grundkurs VT2014, lp3. Laboration 2. Fördelningar och simulering

Matematikcentrum 1(6) Matematisk Statistik Lunds Universitet MASB11 - Biostatistisk grundkurs VT2014, lp3. Laboration 2. Fördelningar och simulering Matematikcentrum 1(6) Matematisk Statistik Lunds Universitet MASB11 - Biostatistisk grundkurs VT2014, lp3 Laboration 2 Fördelningar och simulering Introduktion 2014-02-06 Syftet med laborationen är dels

Läs mer

Digital signalbehandling fk Adaptiv filtrering

Digital signalbehandling fk Adaptiv filtrering Institutionen för data- och elektroteknik 1999-11-16 Inledning Det finns många sammanhang då parametrarna inte är bekanta i förväg utan vårt måste anpassa sig till situationen. Några exempel bortfiltrering

Läs mer

Lösningsförslag till tentamen i Reglerteknik fk M (TSRT06)

Lösningsförslag till tentamen i Reglerteknik fk M (TSRT06) Lösningsförslag till tentamen i Reglerteknik fk M (TSRT6) 216-1-15 1. (a) Känslighetsfunktionen S(iω) beskriver hur systemstörningar och modellfel påverkar utsignalen från det återkopplade systemet. Oftast

Läs mer

Digital Signalbehandling i Audio/Video

Digital Signalbehandling i Audio/Video Digital Signalbehandling i Audio/Video Institutionen för Elektrovetenskap Laboration 1 (del 2) Stefan Dinges Lund 25 2 Kapitel 1 Digitala audioeffekter Den här delen av laborationen handlar om olika digitala

Läs mer

TFEI02: Vågfysik. Tentamen : Lösningsförslag

TFEI02: Vågfysik. Tentamen : Lösningsförslag 160530: TFEI0 1 Uppgift 1 TFEI0: Vågfysik Tentamen 016-05-30: Lösningsförslag a) Ljudintensiteten, I, är ett mått på hur stor effekt, P eff, som transporteras per area. Om vi vet amplituden på vågen kan

Läs mer

Lab lanserade R.A. Moog Inc. en ny synt: Minimoog. Den var designad av Bill Hemsath och Robert Moog och kom att revolutionera musikhistorien.

Lab lanserade R.A. Moog Inc. en ny synt: Minimoog. Den var designad av Bill Hemsath och Robert Moog och kom att revolutionera musikhistorien. Lab 1 1970 lanserade R.A. Moog Inc. en ny synt: Minimoog. Den var designad av Bill Hemsath och Robert Moog och kom att revolutionera musikhistorien. Minimoogen var egentligen en ganska enkel synt. Den

Läs mer

Experimentella metoder, FK3001. Datorövning: Finn ett samband

Experimentella metoder, FK3001. Datorövning: Finn ett samband Experimentella metoder, FK3001 Datorövning: Finn ett samband 1 Inledning Den här övningen går ut på att belysa hur man kan utnyttja dimensionsanalys tillsammans med mätningar för att bestämma fysikaliska

Läs mer

Psykoakustik. Ljudtrycksnivå. Hörselns omfång. Hörnivå(loudness) Människans hörsel är ganska väl studerad och det finns bra modeller för den.

Psykoakustik. Ljudtrycksnivå. Hörselns omfång. Hörnivå(loudness) Människans hörsel är ganska väl studerad och det finns bra modeller för den. Psykoakustik Ljudtrycksnivå Människans hörsel är ganska väl studerad och det finns bra modeller för den. Detta kan utnyttjas vid ljudkodning för att placera distorsionen (kvantiseringsbruset) så att det

Läs mer

Digital signalbehandling Digitalt Ljud

Digital signalbehandling Digitalt Ljud Signalbehandling Digital signalbehandling Digitalt Ljud Bengt Mandersson Hur låter signalbehandling Institutionen för elektro- och informationsteknik 2008-10-06 Elektronik - digital signalbehandling 1

Läs mer

Reglerteknik M3. Inlämningsuppgift 3. Lp II, 2006. Namn:... Personnr:... Namn:... Personnr:...

Reglerteknik M3. Inlämningsuppgift 3. Lp II, 2006. Namn:... Personnr:... Namn:... Personnr:... Reglerteknik M3 Inlämningsuppgift 3 Lp II, 006 Namn:... Personnr:... Namn:... Personnr:... Uppskattad tid, per person, för att lösa inlämningsuppgiften:... Godkänd Datum:... Signatur:... Påskriften av

Läs mer

FAFA55 HT2016 Laboration 1: Interferens av ljus Nicklas Anttu och August Bjälemark, 2012, Malin Nilsson och David Göransson, 2015, 2016

FAFA55 HT2016 Laboration 1: Interferens av ljus Nicklas Anttu och August Bjälemark, 2012, Malin Nilsson och David Göransson, 2015, 2016 Inför Laborationen Laborationen sker i två lokaler: K204 (datorsal) och H226. I början av laborationen samlas ni i H212. Laborationen börjar 15 minuter efter heltimmen som är utsatt på schemat. Ta med

Läs mer

Mätningar med avancerade metoder

Mätningar med avancerade metoder Svante Granqvist 2008-11-12 13:41 Laboration i DT2420/DT242V Högtalarkonstruktion Mätningar på högtalare med avancerade metoder Med datorerna och signalprocessningens intåg har det utvecklats nya effektivare

Läs mer

Laboration i Fourieroptik

Laboration i Fourieroptik Laboration i Fourieroptik David Winge Uppdaterad 30 januari 2015 1 Introduktion I detta experiment ska vi titta på en verklig avbildning av Fouriertransformen. Detta ska ske med hjälp av en bild som projiceras

Läs mer

Vad är spektralanalys? Spektralanalys. Frekvensinnehåll. Enkelt exempel

Vad är spektralanalys? Spektralanalys. Frekvensinnehåll. Enkelt exempel Vad är spektralanalys? Analys av frekvensinnehållet i en tidsserie/signal. Spektralanalys Erik Gudmundson Vad innebär Analys av frekvensinnehållet? Vad är en tidsserie/signal? Tidsserie: mätning av någon

Läs mer

TFEI02: Vågfysik. Tentamen : Svar och anvisningar. t 2π T x. s(x,t) = 2 cos [2π (0,4x/π t/π)+π/3]

TFEI02: Vågfysik. Tentamen : Svar och anvisningar. t 2π T x. s(x,t) = 2 cos [2π (0,4x/π t/π)+π/3] TFEI0: Vågfysik Tentamen 14100: Svar och anvisningar Uppgift 1 a) Vågen kan skrivas på formen: vilket i vårt fall blir: s(x,t) =s 0 sin t π T x + α λ s(x,t) = cos [π (0,4x/π t/π)+π/3] Vi ser att periodtiden

Läs mer

STOCKHOLMS UNIVERSITET VT 2011 Avd. Matematisk statistik GB DATORLABORATION 3: MULTIPEL REGRESSION.

STOCKHOLMS UNIVERSITET VT 2011 Avd. Matematisk statistik GB DATORLABORATION 3: MULTIPEL REGRESSION. MATEMATISKA INSTITUTIONEN Tillämpad statistisk analys, GN STOCKHOLMS UNIVERSITET VT 2011 Avd. Matematisk statistik GB 2011-04-13 DATORLABORATION 3: MULTIPEL REGRESSION. Under Instruktioner och data på

Läs mer

Experimentella metoder 2013, Räkneövning 3

Experimentella metoder 2013, Räkneövning 3 Experimentella metoder 2013, Räkneövning 3 Problem 1: Fem studenter mätte längden av ett rum, deras resultat blev 3,30 m, 2,90 m, 3,70 m, 3,50 m, och 3,10 m. Inga uppgifter om mätnoggrannheten är kända.

Läs mer

Reglerteori. Föreläsning 3. Torkel Glad

Reglerteori. Föreläsning 3. Torkel Glad Reglerteori. Föreläsning 3 Torkel Glad Föreläsning 1 Torkel Glad Januari 2018 2 Sammanfattning av föreläsning 2 Det mesta av teorin för envariabla linjära system generaliseras lätt till ervariabla (era

Läs mer

TSRT91 Reglerteknik: Föreläsning 5

TSRT91 Reglerteknik: Föreläsning 5 TSRT9 Reglerteknik: Föreläsning 5 Martin Enqvist Reglerteknik Institutionen för systemteknik Linköpings universitet Föreläsningar / 23 Inledning, grundläggande begrepp. 2 Matematiska modeller. Stabilitet.

Läs mer

DN1212/numpm Numeriska metoder och grundläggande programmering Laboration 1 Introduktion

DN1212/numpm Numeriska metoder och grundläggande programmering Laboration 1 Introduktion Staffan Romberger 2008-10-31 DN1212/numpm Numeriska metoder och grundläggande programmering Laboration 1 Introduktion Efter den här laborationen ska du kunna hantera vektorer och matriser, villkorssatser

Läs mer

Laboration: Grunderna i MATLAB

Laboration: Grunderna i MATLAB Laboration: Grunderna i MATLAB 25 augusti 2005 Grunderna i MATLAB Vad är MATLAB? MATLAB är ett interaktivt program för vetenskapliga beräkningar. Som användare ger du enkla kommandon och MATLAB levererar

Läs mer

Tentamen i ESS 010 Signaler och System E3 V-sektionen, 16 augusti 2005, kl 8.30 12.30

Tentamen i ESS 010 Signaler och System E3 V-sektionen, 16 augusti 2005, kl 8.30 12.30 Tentamen i ESS 00 Signaler och System E3 V-sektionen, 6 augusti 2005, kl 8.30 2.30 Examinator: Mats Viberg Tentamen består av 5 uppgifter som vardera ger maximalt 0 p. För godkänd tentamen fordras ca 20

Läs mer

Böjning. Tillämpad vågrörelselära. Föreläsningar. Vad är optik? Huygens princip. Böjning vs. interferens FAF260. Lars Rippe, Atomfysik/LTH 1

Böjning. Tillämpad vågrörelselära. Föreläsningar. Vad är optik? Huygens princip. Böjning vs. interferens FAF260. Lars Rippe, Atomfysik/LTH 1 Tillämpad vågrörelselära 2 Föreläsningar Vad är optik? F10 och upplösning (kap 16) F11 Interferens och böjning (kap 17) F12 Multipelinterferens (kap 18) F13 Polariserat ljus (kap 20) F14 Reserv / Repetition

Läs mer

AD-DA-omvandlare. Mätteknik. Ville Jalkanen. ville.jalkanen@tfe.umu.se 1

AD-DA-omvandlare. Mätteknik. Ville Jalkanen. ville.jalkanen@tfe.umu.se 1 AD-DA-omvandlare Mätteknik Ville Jalkanen ville.jalkanen@tfe.umu.se Inledning Analog-digital (AD)-omvandling Digital-analog (DA)-omvandling Varför AD-omvandling? analog, tidskontinuerlig signal Givare/

Läs mer