Signal- och Bildbehandling, TSBB14. Laboration 2: Sampling och rekonstruktion. DFT.
|
|
- Kurt Arvidsson
- för 4 år sedan
- Visningar:
Transkript
1 Signal- och Bildbehandling, TSBB4 Laboration : Sampling och rekonstruktion. DFT. Maria Magnusson, 7-8 Avdelningen för Datorseende, Institutionen för Systemteknik, Linköpings Universitet Laboration. Förberedelser inför laborationen Läs igenom hela laborationshandledningen noggrant. Läs i kurslitteraturen om sampling, rekonstruktion och DFT. Lös om möjligt förberedelseuppgifterna i labhandledningen innan laborationstillfället! De är markerade med en pekande hand.. Introduktion Figur visar hur den kontinuerliga signalen g(t), den impulstågssamplade signalens(t) och den med avkänning samplade signaleng d (n) förhåller sig till varandra. Figuren visar också hur deras fouriertransformer, TDFT och DFT förhåller sig till varandra. FRÅGA : Hur lyder samplingsteoremet?
2 Signaldomän Fourierdomän g(t) s(t) g d (n) g d (n) SAMPLA T NT NT t t F F TDFT G(f) s(t) = g(t) T III( ) t S(f) G(f)/T T S(f) g d (n) = g(nt) N g d (n) = g(nt) n G T (Ω) G D (k) DFT N N n T T N T G T (Ω) = S ( ) ( Ω πt G Ω πt) /T π π N f f Ω G D (k) = S ( ) ( k NT G k NT) /T k Figur : Samband mellan kontinuerlig fouriertransform, samplad kontinuerlig fouriertransform, TDFT och DFT. FRÅGA : Vilken beteckning har samplingsfrekvensen i Figur? FRÅGA 3: Vilket samband gäller mellanωoch f i Figur? FRÅGA 4: Vilket samband gäller mellank och f i Figur? FRÅGA 5: Vilken skalfaktor på höjden skiljer mellang D ( ) och G( )?
3 .3 Start av laboration Börja med att logga in och öppna ett terminal-fönster från bakgrunden. Ge därefter följande kommandon: module add prog/matlab matlab &.4 Experiment med en cosinus-signal Kopiera in nedanstående kommandon i en MATLAB -fil, t ex SampleCosine.m. Alternativt finns filen att hämta från kurshemsidan. Kör MATLAB -scriptet och kontrollera att figurer så som i Figur och Figur 3 dyker upp. % Sätt upp aktuella axlar % ======================= N = 8; % antal sampel n = -N/:N/-; % diskret axel i signaldomänen T =.; % sampelavstånd [s] t = n*t; % tidsaxel [s] k = -N/:N/-; % diskret axel i fourierdomänen N9 = N*9; % 9 ggr fler sampel n9 = -N9/-4:N9/-5; % 9 ggr större diskret axel i signaldomänen t9 = n9 * T/9; % tidsaxel, 9 ggr tätare [s] pos =.7; % -start and stop-position för plot [s] % Sampla funktionen % ================= gd = cos(5*pi*n*t); % Beräkna DFT % =========== GD = fftshift(fft(ifftshift(gd))); % Visa funktionen med tidsaxel och sampelpunkter indikerade % ========================================================= figure() subplot(,,), plot(t,gd, --ob ); title( sampelpunkter från g(t) ) xlabel( t [s] ) axis([-pos pos - ]) % Visa funktionen med diskret axel i signal- och DFT-domän % ======================================================== figure() subplot(,,), plot(n,gd, --ob ); title( g_d(n) ) xlabel( n ) subplot(,,), plot(k,imag(gd), --or,k,real(gd), --ob ); 3
4 legend( imaginary, real ) title( G_D(k) ) xlabel( k ) % Rekonstruera signalen genom att falta med ett rekonstruktionsfilter % I matlab visar vi detta genom att falta fram % 9 ggr tätare med sampelpunkter. % Matlabs plot-funktion drar sedan räta linjer mellan samplen. % ==================================================================== % Skapa ett rekonstruktionsfilter % =============================== x = -6:/9:6; triangelfkn = ( - abs(x)).*(abs(x)<); % triangel sincfkn = sin(pi*x+eps)./(pi*x+eps); % trunkerad sinc %reconfilt = triangelfkn; reconfilt = sincfkn; % Visa rekonstruktionsfiltret % =========================== figure() subplot(,,), plot(x,reconfilt,.-b ); title( rekonstruktionsfilter ) % Rekonstruera % ============ g = zeros(,n9); % Skapa en noll-vektor, 9 ggr större g(5:9:end) = gd; % Fördela ut sampelpunkterna jämnt; g = conv(g, reconfilt, same ); % falta med reconfilt % Visa den rekonstruerade funktionen % ================================== figure() subplot(,,), plot(t9,g, -b ); title( g\wedge(t) ) xlabel( t [s] ) axis([-pos pos - ]) Programmet samplar alltså signalen g(t) = cos(5πt) med sampelavståndet T =. s till g d (n). Sedan beräknas G D (k) = DFT[g d (n)]. Därefter sker rekonstruktion med hjälp av faltning med ett rekonstruktionsfilter, en (trunkerad) sinc. FRÅGA 6: Bestäm fouriertransformen av g(t) = cos(5πt) genom tabellslagning. Ange också vilken frekvens f denna cosinus har. Följdaktligen, vilken maxfrekvens har g(t) = cos(5πt)? 4
5 FRÅGA 7: Läs av värdena på N och T i koden. Använd sedan sambandet mellank ochf som ni tog fram i en tidigare uppgift och beräkna cosinusens diskreta frekvens, k. Kontrollera att den stämmer genom att titta och klicka i plotten av G D (k). FRÅGA 8: Öka nu sampelavståndet i omgångar från T =. till T =. och vidare till T =.3 i koden. Vilken blir cosinusens motsvarande diskreta frekvenser? Kontrollera att de stämmer genom att titta och klicka i plotten av G D (k). Notera att cosinusen g(t) samplas glesare och glesare. Vad gäller för kvaliteten på den rekonstruerade signalen ĝ(t) i de tre fallen? FRÅGA 9: Enligt samplingsteoremet ska samplingsfrekvensen f s = /T vara minst gånger större äng(t):s maximala frekvens. Sätt sampelavståndet T så samplingsteoremet precis inte är uppfyllt. Vilket T väljer du? Testa och kommentera resultatet. Byt sedan cosinusen mot en sinus. Testa och kommentera resultatet. FRÅGA : FörT =.5 bör vi få en tydlig vikningsdistorsion. Gör först en grafisk lösning för att ta reda på vilken kontinuerlig frekvens f [Hz] som vikningsdistorsionen ligger på. Tekniken ska vara samma som i Ex) sist i föreläsning 5. Skriv också upp vilken diskret frekvens,k detta motsvarar. FRÅGA : Sätt nut =.5 i MATLAB -scriptet och kör det. Stämmer värdet på k som du räknade ut i förra uppgiften? Mät periodtiden T på ĝ(t) genom att t ex klicka i MATLAB -fönstret på närliggande toppar. Överensstämmer detta med värdet på f som du räknade ut i förra uppgiften? 5
6 sampelpunkter från g(t) t [s] g (t) t [s] Figur : Originalsignaleng(t) och den rekonstruerade signalenĝ(t). g d (n) n G D (k) 5 imaginary real k 6 Figur 3: Den diskreta signaleng d (n) och dess DFTG D (k).
7 Återställ MATLAB -scriptet till vad vi hade från början, dvs cosinus ocht =.. Titta på rekonstruktionsfiltret, den (något trunkerade) sinc:en i MAT- LAB -fönstrets Figure. Den är ju ganska lång och därmed beräkningskrävande att falta med. Låt oss prova den enklare triangel-funktionen. Gå in i MATLAB -scriptet och flytta ett %-tecken så att reconfilt = triangelfkn; aktiveras istället för reconfilt = sincfkn; FRÅGA : Öka nu sampelavståndet i omgångar frånt =. tillt =. och vidare till T =.3 i koden på samma sätt som vi gjorde i en tidigare uppgift. Vad gäller för kvaliteten på den rekonstruerade signalen ĝ(t) i de tre fallen? Slutsats: Ett enklare rekonstruktionsfilter är tillräckligt då samplingsfrekvensen är mycket högre än minsta möjliga samplingsfrekvens, men otillräckligt annars..5 Experiment med avtagande sinus-puls Vi ska nu studera signalen g(t) = sin(πt) e 5t u(t) = { sin(πt) e 5t, t,, t <. () som visas i Figur 4. Dess fouriertransform är G(f) och amplitudspektrum G(f) och fasspektrumarg(g(f)) visas i Figur 5. FRÅGA 3: Bestäm G(f), den kontinuerliga fouriertransformen av signalen i ekvation () genom tabellslagning. Beräkna sedan G(), G(± ) och maxvärdet på högra puckeln G() och kontrollera om det stämmer med Figur 5! Gör nu följande ändringar i MATLAB -koden: Återställ MATLAB -scriptet SampleCosine.m till vad vi hade från början, dvs sättt=. och aktiverareconfilt = sincfkn;. Kopiera sedansamplecosine.m tillsamplepulse.m. 7
8 ISamplePulse.m: Ändra till: N = 5; pos =.8; gd = sin(*pi*t).*exp(-5*t).*(t>); FRÅGA 4: Kör MATLAB -scriptet SamplePulse.m och kontrollera att ĝ(t) i MATLAB :s Figure liknar Figur 4. En mycket liten skillnad syns. Beskriv hur den ser ut. Orsaken är att sampling och rekonstruktion inte är helt perfekt. FRÅGA 5: Nederst i MATLAB :s Figure plottas realdelen och imaginärdelen avg D (k). Lägg till kod isamplepulse.m så absolutvärde och argument (fas) av G D (k) visas i MATLAB :s Figure 3. Ledning: Använd MATLAB kommandonaabs,angle elleratan. Jämför resultatet med Figur 5. De ska likna varandra, men axlarna ska vara skalade i förhållande till varandra. Visa figuren och/eller koden för läraren. FRÅGA 6: I Figur 5 syns att puckeln i G(f) ligger påf = Hz och dess höjd är.. Vad motsvarar det förk och G D (k)? (Titta tillbaka på svaret på fråga 4 och 5.) Kontrollera också att värdena stämmer med plotten i förra frågan. FRÅGA 7: Vi har alltså samplingsavståndett =. s. Nu ska vi testa att sampla lite glesare. Signalen är inte perfekt bandbegränsad så vi kommer tyvärr att få lite vikningsdistorsion hur vi än gör. Låt oss dock anse att maxfrekvensen ligger approximativt på W = 3 Hz. Är det rimligt? Ge då en lämplig samplingsfrekvens, f s och samplingsavstånd T för denna maxfrekvens. Ändra T i MATLAB -scriptet och kör det. Kontrollera att ĝ(t) i MATLAB :s Figure liknar Figur 4. Beskriv skillnaden. 8
9 g(t) t [s] Figur 4: Signalen g(t).. G(f) f [Hz] arg(g(f) f [Hz] 9 Figur 5: Amplitudspektrum G(f) och fasspektrumarg(g(f)).
10 FRÅGA 8: Vi ska nu öka samlingsavståndet stegvis enligt: T = [.,.,.3,.4,.5,.6,.7] s. Kan ni se att högra sidan på högra puckeln abs(g D ) höjs relativt vänstra sidan på högra puckeln då T ökar från. s till. s till.3 s till.4 s? Det beror på att vikningsdistorsionen ökar. Titta också på hur ĝ(t) förändras. Jämför med ursprungssignaleng(t) i Figur 4. Hur lika de är i form? Svänger de i samma takt (med samma frekvens)? Ser ni vikningsdistorsionen i abs(g D )?... T =.: Mycket lika i form. Svänger i samma takt. T =.: T =.3: T =.4: T =.5: T =.6: T =.7: Då signalen inte länge svänger i samma takt betyder det att den viktigaste frekvensen, den vid puckeln, har vikts in till en lägre frekvens!.6 Fönstring med rektangelfönster DFT:n är den transform som är praktiskt användbar i datorsammanhang. För att kunna beräkna fouriertransformen av en signal krävs att man trunkerar den i tidsdomänen vilket innebär att man begränsar signalens utsträckning. Trunkering motsvarar multiplikation med en rektangelfunktion. Detta kallas också fönstring med rektangelfönster. Det finns flera andra fönster, t ex Hanning-, Hamming- och Blackman-fönstren. Principen är densamma för alla fönster. Kör ert program SampleCosine.m igen och kontrollera att det uppför sig normalt. För att se G D tydligare, ändra plotten enligt: %subplot(,,), plot(k,imag(gd), --or,k,real(gd), --ob ); subplot(,,), plot(k,imag(gd), -r,k,real(gd), -b ); FRÅGA 9: Ser ni den samplade cosinusen i g d och de två diskreta diracpulserna i G D? Eftergd = cos(5*pi*n*t); i MATLAB -koden, lägg till: rectwin = (abs(t)<=.3); hannwin = (cos(*pi*t/.8)).^.* (abs(t)<=.3); gd = gd.* rectwin;
11 och kör MATLAB -scriptet igen. FRÅGA : Trunkering motsvarar alltså multiplikation med en rektangelfunktion i signaldomänen. Vad motsvarar detta i fourierdomänen? FRÅGA : Använd svaret på förra frågan för att förklara det deformerade utseendet av G D efter trunkering. FRÅGA : Gör en liten ändring i MATLAB -koden så att Hanning-fönstret (hannwin) används istället. Hur förändras huvudloben och hur förändras sidoloberna då Hanning-fönster används istället för rekangel-fönster?
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 merTSKS21 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 merMedicinska Bilder, TSBB31. Lab3: Mätvärden på Medicinska Bilder
Medicinska Bilder, TSBB3 Lab3: Mätvärden på Medicinska Bilder Maria Magnusson, Avdelningen för Datorseende Institutionen för Systemteknik Linköpings Universitet Introduktion I denna laboration ska vi göra
Läs merMedicinska Bilder, TSBB31. Lab: Mätvärden på Medicinska Bilder
Medicinska Bilder, TSBB3 Lab: Mätvärden på Medicinska Bilder Maria Magnusson, 22 Senaste updatering: september 25 Avdelningen för Datorseende, Institutionen för Systemteknik Linköpings Universitet Introduktion
Läs merMedicinska Bilder, TSBB31. Lab: Mätvärden på Medicinska Bilder
Medicinska Bilder, TSBB3 Lab: Mätvärden på Medicinska Bilder Maria Magnusson, 22 Senaste updatering: september 27 Avdelningen för Datorseende, Institutionen för Systemteknik Linköpings Universitet Introduktion
Läs merMR-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 mer7 Olika faltningkärnor. Omsampling. 2D Sampling.
7 Olika faltningkärnor. Omsampling. D Sampling. Aktuella ekvationer: Se formelsamlingen. 7.. Faltningskärnors effekt på bilder. Bilden f(, y) ska faltas med olika faltningskärnor, A H, se nedan. f(,y)
Läs merSpektrala 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 merSignal- och bildbehandling TSBB14
Tentamen i Signal- och bildbehandling TSBB4 Tid: -5-8 Lokaler: TER3 Ansvarig lärare: Maria Magnusson besöker lokalen kl. 8.45 och.45 tel 8336, 73-84 38 67 Hjälpmedel: Räknedosa, medskickad formelsamling,
Läs merSignal- och bildbehandling TSEA70
Tentamen i Signal- och bildbehandling TSEA70 Tid: 2003-08-22 kl. 4-8 Lokaler: G36 Ansvarig lärare: Maria Magnusson Seger besöker lokalen kl. 6.00. tel 0702/33 79 48 Hjälpmedel: Räknedosa, OH-film, medskickad
Läs merSignal- och bildbehandling TSBB03
Tentamen i Signal- och bildbehandling TSBB3 Tid: 28-5-29 kl. 8-2 Lokal: TER2 Ansvarig lärare: Maria Magnusson besöker lokalen kl. 9. och.4 tel 73-84 38 67 Hjälpmedel: Räknedosa, medskickad formelsamling,
Läs merSignal- och bildbehandling TSBB03
Tentamen i Signal- och bildbehandling TSBB03 Tid: 2004-06-0 kl. 8-2 Lokaler: Garnisonen Ansvarig lärare: Maria Magnusson Seger besöker lokalen kl. 9.00 och 0.45. tel 073-804 38 67 Hjälpmedel: Räknedosa,
Läs merSignal- och Bildbehandling FÖRELÄSNING 4. Multiplikationsteoremet. Derivatateoremet
Signal- och Bildbehandling FÖRELÄSNING 4 Fouriertransformen, forts Mer egenskaper av fouriertransformen Enkel tillämpning: Filtrera bort oönskat buller från vacker visselton Fouriertransformen, slutsats
Läs merSignal- och bildbehandling TSEA70
Tentamen i Signal- och bildbehandling TSEA Tid: -- kl. - Lokaler: G3 Ansvarig lärare: Henrik Turbell besöker lokalen kl..3 tel Adm. assistent: Ylva Jernling tel Hjälpmedel: Räknedosa, OH-film, medskickad
Läs merSignal- och bildbehandling TSBB14
Tentamen i Signal- och bildbehandling TSBB Tid: 3-5-3 Lokaler: TER Ansvarig lärare: Maria Magnusson besöker lokalen kl. 8.5 och.3 tel 73-8 38 67 Hjälpmedel: Räknedosa, medskickad formelsamling, OH-film,
Läs merSignal- 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 merSignal- och bildbehandling TSBB14
Tentamen i Signal- och bildbehandling TSBB Tid: 205-0-, 8-3 Lokaler: U, U3, U Ansvarig lärare: Maria Magnusson besöker lokalerna kl. 9.30 och.30 tel 073-80 38 67 Hjälpmedel: Räknedosa, medskickad formelsamling,
Läs merSignal- och bildbehandling TSBB03
Tentamen i Signal- och bildbehandling TSBB03 Tid: 2006-05-3 kl. 8-2 Lokal: TER2 Ansvarig lärare: Maria Magnusson besöker lokalen kl. 9.40. tel 073-804 38 67 Hjälpmedel: Räknedosa, medskickad formelsamling,
Läs merSF1635, Signaler och system I
SF65, Signaler och system I Tentamen tisdagen 4--4, kl 8 Hjälpmedel: BETA Mathematics Handbook. Formelsamling i Signalbehandling rosa), Formelsamling för Kursen SF65 ljusgrön). Obs : Obs : Obs : Obs 4:
Läs merTSBB16 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 merDT1130 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 merLaboration 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 mer7. Sampling och rekonstruktion av signaler
Arbetsmaterial 5, Signaler&System I, VT04/E.P. 7. Sampling och rekonstruktion av signaler (Se också Hj 8.1 3, OW 7.1 2) 7.1 Sampling och fouriertransformering Man säger att man samplar en signal x(t) vid
Läs merTeori... 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 merLaboration 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 merSignal- och Bildbehandling FÖRELÄSNING 7. En bild är en 2D signal. För en digital bild gäller. Fig. 2.1
Signal- och Bildbehandling FÖRELÄSNING 7 D signalbehandling (bildbehandling) Den digitala bilden, ärgtabeller D kontinuerlig ouriertransorm och D DFT D sampling D diskret altning Lågpassiltrerande D altningskärnor
Läs merLösning till tentamen i Medicinska Bilder, TSBB31, DEL 1: Grundläggande 2D signalbehandling
Lösning till tentamen i Medicinska Bilder, TSBB3, 26--28 Maria Magnusson (maria.magnusson@liu.se), Anders Eklund DEL : Grundläggande 2D signalbehandling Uppgift (3p) Translationsteoremet säger att absolutvärdet
Läs merSpektrala Transformer
Spektrala Transformer Fouriertransformer Fourier Gif mig en wågform och jag skola skrifva den som en summa af sinuswågor! Jean-Baptiste Fourier 1768-1830 Fouriertransformen Transformerar kontinuerliga
Läs merFlerdimensionella 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 merDatorövning: 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 merSignal- och bildbehandling TSBB03 och TSEA70
Tentamen i Signal- och bildbehandling TSBB03 och TSEA70 Tid: 004-08-10 kl. 8-1 Lokaler: TER1 Ansvarig lärare: Maria Magnusson Seger besöker lokalen kl. 9.00 och 10.45. tel 073-804 38 67 Hjälpmedel: Räknedosa,
Läs merSignal- och bildbehandling TSEA70
Tentamen i Signal- och bildbehandling TSEA70 Tid: 000-03-8 kl. 4-8 Lokaler: Garnisonen Ansvariga lärare: Olle Seger, Maria M Seger besöker lokalerna kl 500 och 700 tel 070/33 79 48 Hjälpmedel: Räknedosa,
Läs merSpektrala 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 merSignal- och Bildbehandling, TSBB14 Laboration 1: Kontinuerliga signaler
Signal- och Bildbehandling, TSBB14 Laboration 1: Kontinuerliga signaler Anders Gustavsson 1997, Maria Magnusson 1998-2018 Avdelningen för Datorseende, Institutionen för Systemteknik Linköpings Universitet
Läs merResttentamen 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 merSpektrala Transformer
Spektrala Transformer Fouriertransformer Fourier Gif mig en wågform och jag skola skrifva den som en summa af sinuswågor! Jean-Baptiste Fourier 768-830 Fouriertransformen Transformerar kontinuerliga signaler
Läs merVad gör vi när vi bara har en mätserie och ingen elegant matematisk funktion? Spektrum av en samplad signal. Trunkering i tiden
Vad gör vi när vi bara har en mätserie och ingen elegant matematisk funktion? 1 Spektrum av en samplad signal Samplingsprocessen kan skrivas som Fouriertranformen kan enligt linjäritetsoch tidsskiftsatsen
Läs merProjekt 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 merFlerdimensionell signalbehandling SMS022
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
Läs merSignal- och bildbehandling TSEA70
Tentamen i Signal- och bildbehandling TSEA70 Tid: 00-05-8 kl. -8 Lokaler: G, G Ansvarig lärare: Maria Magnusson Seger besöker lokalen kl. 5 och 7. tel Hjälpmedel: Räknedosa, OH-film, medskickad formelsamling
Läs merUlrik 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 merSpektrala 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 merMedicinska bilder. Programkurs 6 hp Medical Images TSBB31 Gäller från: 2018 VT. Fastställd av. Fastställandedatum
1(6) Medicinska bilder Programkurs 6 hp Medical Images TSBB31 Gäller från: 2018 VT Fastställd av Programnämnden för elektroteknik, fysik och matematik, EF Fastställandedatum LINKÖPINGS UNIVERSITET 2(6)
Läs merLaboration 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 merLaplace, 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 merTSBB31 Medicinska bilder Föreläsning 3
TSBB3 Medicinska bilder öreläsning 3 D signalbehandling (bildbehandling) Den digitala bilden, ärgtabeller D kontinuerlig ouriertransorm och D DT D sampling D diskret altning Lågpassiltrerande D altningskärnor
Läs merLaboration: Grunderna i Matlab
Laboration: Grunderna i Matlab Att arbeta i kommandofönstret och enkel grafik Den här delen av laborationen handlar om hur man arbetar med kommandon direkt i Matlabs kommandofönster. Det kan liknas vid
Läs merTentamen 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 merSpektralanalys - konsten att hitta frekvensinnehållet i en signal
Spektralanalys - konsten att hitta frekvensinnehållet i en signal Bengt Carlsson, Erik Gudmundson och Marcus Björk Systems and Control Dept. of Information Technology, Uppsala University 7 november 013
Läs merFöreläsning 11. Reglerteknik AK. c Bo Wahlberg. 8 oktober Avdelningen för reglerteknik Skolan för elektro- och systemteknik
Föreläsning 11 Reglerteknik AK c Bo Wahlberg Avdelningen för reglerteknik Skolan för elektro- och systemteknik 8 oktober 2014 Introduktion Förra gången: Alternativa regulatorstrukturer Dagens program:
Läs merSignal- och bildbehandling TSBB14
Tentamen i Signal- och bildbehandling TSBB4 Tid: 2-8-7 Lokaler: TER Ansvarig lärare: Maria Magnusson besöker lokalerna kl. 5.5 och 6.45 tel 73-84 38 67 Hjälpmedel: Räknedosa, medskickad formelsamling,
Läs merUlrik 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 merTentamen 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 merLösning till tentamen i Medicinska Bilder, TSBB31, DEL 1: Grundläggande 2D signalbehandling
Lösning till tentamen i Medicinska Bilder, TSBB, -- Maria Magnusson (maria.magnusson@liu.se), Hans Knutsson, Mats Andersson, Gustaf Johansson DEL : Grundläggande D signalbehandling Uppgift (p) a) Filtret
Läs merSignal- och bildbehandling TSEA70
Tentamen i Signal- och bildbehandling TSEA70 Tid: 2003-0-0 kl. 4-8 Lokaler: Examinator: U Maria Magnusson Seger Ansvarig lärare: Olle Seger besöker lokalen kl. 5 och 7. tel 259, 0702/337948 Hjälpmedel:
Läs merExempelsamling Grundläggande systemmodeller. Klas Nordberg Computer Vision Laboratory Department of Electrical Engineering Linköping University
Exempelsamling Grundläggande systemmodeller Klas Nordberg Computer Vision Laboratory Department of Electrical Engineering Linköping University Version: 0.11 September 14, 2015 Uppgifter markerade med (A)
Läs merTentamen ssy080 Transformer, Signaler och System, D3
Tentamen ssy080 Transformer, Signaler och System, D3 Examinator: Ants R. Silberberg oktober 009 kl. 4.00-8.00 lokal: Johanneberg Förfrågningar: Ants Silberberg, tel. 808 Lösningar: Anslås torsdag okt.
Läs merFöreläsning 11 Reglerteknik AK
Föreläsning 11 Reglerteknik AK c Bo Wahlberg Avdelningen för Reglerteknik, KH 4 oktober, 2016 2 Förra gången: Introduktion Alternativa regulatorstrukturer Dagens program: Implementering: Regulator System
Läs merSignalanalys 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 merFörsättsblad till skriftlig tentamen vid Linköpings universitet TER1(17) TERE(1)
Försättsblad till skriftlig tentamen vid Linköpings universitet Datum för tentamen 207-0-9 Sal (2) Tid 8-2 Kurskod TSBB3 Provkod TEN Kursnamn/benämning Provnamn/benämning Institution Antal uppgifter som
Läs merDIGITALA 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 merDatorövning 2 Matlab/Simulink. Styr- och Reglerteknik för U3/EI2
Högskolan i Halmstad Sektionen för Informationsvetenskap, Dator- och Elektroteknik 08/ Thomas Munther Datorövning 2 Matlab/Simulink i Styr- och Reglerteknik för U3/EI2 Laborationen förutsätter en del förberedelser
Läs merMer om funktioner och grafik i Matlab
CTH/GU 2/22 Matematiska vetenskaper Inledning Mer om funktioner och grafik i Matlab Först skall vi se lite på funktioner som redan finns i Matlab, (elementära) matematiska funktioner som sinus och cosinus
Läs merDT1120/DT1130 Spektrala transformer Tentamen
DT/DT3 Spektrala transformer Tentamen 86 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 mer2 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 merDT1120 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 merSignal- och bildbehandling
1(9) Signal- och bildbehandling Programkurs 6 hp Signal and Image Processing TSBB14 Gäller från: 2018 VT Fastställd av Programnämnden för kemi, biologi och bioteknik, KB Fastställandedatum LINKÖPINGS UNIVERSITET
Läs mer2 Ortogonala signaler. Fourierserier. Enkla filter.
Ortogonala signaler. Fourierserier. Enkla filter. ktuella ekvationer: Se formelsamlingen och förberedelsehäftet. För effektivvärdet av en summa av N ortogonala signaler gäller: ν rms = ν rms1 + ν rms +...
Läs mer1. Vi har givet två impulssvar enligt nedan (pilen under sekvenserna indikerar den position där n=0) h 1 (n) = [ ]
TEKNISKA HÖGSKOLAN I LUND Institutionen för elektro- och informationsteknik Kurskod: ESS00 Tentamen i Digital Signalbehanding Datum: 0 5 Time period: 08.00 3.00 Bedömning: Sex uppgifter. Varje uppgift
Läs merREGLERTEKNIK 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 merFig. Exempel på en B-mode ultraljudsbild av ett hjärta.
Ultraljudslaboration TSBB3 Medicinska Bilder Utvecklad av: Mats Andersson (fd IMT) 4 Uppdaterad av: Maria Magnusson (CVL, ISY) 6 Contents Uppgiften Läsa in RF-data En RF skannstråle och dess fouriertransform
Läs merTSBB14 Laboration: Intro till Matlab 1D
TSBB14 Laboration: Intro till Matlab 1D Utvecklad av Maria Magnusson med mycket hjälp av Lasse Alfredssons material i kursen Introduktionskurs i Matlab, TSKS08 Avdelningen för Datorseende, Institutionen
Läs merSignaler, information & bilder, föreläsning 14
Signaler, inormation & bilder, öreläsning Michael Felsberg Computer Vision Laborator Department o Electrical Engineering michael.elsberg@liu.se Översikt D signalbehandling (bildbehandling) orts. Faltningskärnor
Läs merSignaler, information & bilder, föreläsning 14
Signaler, inormation & bilder, öreläsning Michael Felsberg och Maria Magnusson Computer Vision Laborator (Datorseende) Department o Electrical Engineering (ISY) michael.elsberg@liu.se, maria.magnusson@liu.se
Läs merBildbehandling i frekvensdomänen
Uppsala Tekniska Högskola Signaler och system Handledare: Mathias Johansson Uppsala 2002-11-27 Bildbehandling i frekvensdomänen Erika Lundberg 800417-1602 Johan Peterson 790807-1611 Terese Persson 800613-0267
Läs merTEM 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 merDT1130 Spektrala transformer Tentamen
DT Spektrala transformer Tentamen 72 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 merLaboration 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 merLaboration 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 merCTH/GU LABORATION 1 MVE /2013 Matematiska vetenskaper. Mer om grafritning
CTH/GU LABORATION 1 MVE16-1/13 Matematiska vetenskaper 1 Inledning Mer om grafritning Vi fortsätter att arbeta med Matlab i matematikkurserna. Denna laboration är i stor utsträckning en repetition och
Läs merLösning 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 merSignal- och bildbehandling TSBB14
Tentamen i Signal- och bildbehandling TSBB Tid: --, kl. - Lokaler: U, U, U Ansvarig lärare: Maria Magnusson besöker lokalen kl.. och. tel. Hjälpmedel: Räknedosa, medskickad formelsamling, OH-film, sa och
Läs merLösning till tentamen i Medicinska Bilder, TSBB31, DEL 1: Grundläggande 2D signalbehandling
Lösning till tentamen i Medicinska Bilder, TSBB31, 2017-10-19 Maria Magnusson (maria.magnusson@liu.se), Anders Eklund DEL 1: Grundläggande 2D signalbehandling Uppgift 1 (4p) a) f(x, y) = 30 Π(x/40, y/20)
Läs merRÄKNEEXEMPEL FÖRELÄSNINGAR Signaler&System del 2
t 1) En tidskontinuerlig signal x( t) = e 106 u( t) samplas med sampelperioden 1 µs, varefter signalen trunkeras till 5 sampel. Den så erhållna signalen får utgöra insignal till ett tidsdiskret LTI-system
Läs merFÖRELÄSNING 13: Analoga o p. 1 Digitala filter. Kausalitet. Stabilitet. Ex) på användning av analoga p. 2 filter = tidskontinuerliga filter
FÖRELÄSNING 3: Analoga o p. Digitala filter. Kausalitet. Stabilitet. Analoga filter Ideala filter Butterworthfilter (kursivt här, kommer inte på tentan, men ganska bra för förståelsen) Kausalitet t oh
Läs merSF1635, Signaler och system I
SF635, Signaler och system I Tentamen tisdagen 0--, kl 4 00 9 00 Hjälpmedel: BETA Mathematics Handbook Räknedosa utan program Formelsamling i Signalbehandling (rosa), Formelsamling för Kursen SF635 (ljusgrön)
Läs merDT1130 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 merGRUNDKURS 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 merSignaler, information & bilder, föreläsning 12
Signaler, inormation & bilder, öreläsning Michael Felsberg Computer Vision Laboratory epartment o Electrical Engineering michael.elsberg@liu.se Översikt signalbehandling (bildbehandling) en digitala bilden,
Läs merProjekt 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 merExempelsamling Grundläggande systemmodeller. Klas Nordberg Computer Vision Laboratory Department of Electrical Engineering Linköping University
Exempelsamling Grundläggande systemmodeller Klas Nordberg Computer Vision Laboratory Department of Electrical Engineering Linköping University Version: 0.1 August 25, 2015 Uppgifter markerade med (A) är
Läs merLaplace, 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 merTSRT91 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 merFöreläsning 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 merUppgift 1 - programmet, Uppg6.m, visade jag på föreläsning 1. Luftmotståndet på ett objekt som färdas genom luft ges av formeln
Matlab-föreläsning (4), 10 september, 015 Innehåll m-filer (script) - fortsättning från föreläsning 1 In- och utmatning Sekvenser, vektorer och matriser Upprepning med for-slingor (inledning) Matlab-script
Läs merVad gör vi när vi bara har en mätserie och ingen elegant matematisk funktion?
Vad gör vi när vi bara har en mätserie och ingen elegant matematisk funktion? 1 Ett problem med Fourier- och Laplacetransformen är att de kräver att signalen som skall transformeras kan skrivas som en
Läs merLaboration 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 merInstruktion för laboration 1
STOCKHOLMS UNIVERSITET MATEMATISKA INSTITUTIONEN Avd. för matematisk statistik MD, ANL, TB (rev. JM, OE) SANNOLIKHETSTEORI I Instruktion för laboration 1 De skriftliga laborationsrapporterna skall vara
Läs merMatriser och Inbyggda funktioner i Matlab
Matematiska vetenskaper 2010/2011 Matriser och Inbyggda funktioner i Matlab 1 Inledning Vi skall denna vecka se på matriser och funktioner som är inbyggda i Matlab, dels (elementära) matematiska funktioner
Läs merFacit till Signal- och bildbehandling TSBB
Facit till Signal- och bildbehandling TSBB3 6-5-3 Maria Magnusson Seger, maria@isy.liu.se Kontinuerlig faltning (9p) a) Faltningsoperationen illustreras i figuren nedan. et gäller att x(t λ) e 4(t λ) u(t
Läs mer