DT1130 Spektrala transformer Tentamen

Relevanta dokument
DT1130 Spektrala transformer Tentamen

DT1130 Spektrala transformer Tentamen

DT1130 Spektrala transformer Tentamen

DT1120/DT1130 Spektrala transformer Tentamen

2F1120 Spektrala transformer för Media Tentamen

1. Vi har givet två impulssvar enligt nedan (pilen under sekvenserna indikerar den position där n=0) h 1 (n) = [ ]

Spektrala Transformer

DT1120 Spektrala transformer för Media Tentamen

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

Tentamen ssy080 Transformer, Signaler och System, D3

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

Kompletterande räkneuppgifter i Spektrala Transformer Komplex analys, sampling, kvantisering, serier och filter Laura Enflo & Giampiero Salvi

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

Laboration i tidsdiskreta system

TIDSDISKRETA SYSTEM SYSTEMEGENSKAPER. Minne Kausalitet Tidsinvarians. Linjäritet Inverterbarhet Stabilitet. System. Tillämpad Fysik och Elektronik 1

Signal- och bildbehandling TSBB14

Spektrala Transformer för Media

Uppsala Universitet Matematiska Institutionen Bo Styf. Sammanfattning av föreläsningarna 15-18, 30/11-12/

Spektrala Transformer för Media

i(t) C i(t) = dq(t) dt = C dy(t) dt y(t) + (4)

Miniräknare, formelsamling i signalbehandling.

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

Signal- och bildbehandling TSBB03

Spektrala Transformer

Spektrala Transformer

Signal- och bildbehandling TSBB03

Tentamen ssy080 Transformer, Signaler och System, D3

GRUNDKURS I SIGNALBEHANDLING (454300), 5sp Tentamen

Signal- och bildbehandling TSBB03, TSBB14

Signal- och bildbehandling TSBB14

Kryssproblem (redovisningsuppgifter).

Impulssvaret Betecknas h(t) respektive h(n). Impulssvaret beskriver hur ett system reagerar

2 Ortogonala signaler. Fourierserier. Enkla filter.

System. Z-transformen. Staffan Grundberg. 8 februari 2016

Signal- och bildbehandling TSBB03

Laplace, Fourier och resten varför alla dessa transformer?

Facit till Signal- och bildbehandling TSBB

Signal- och bildbehandling TSBB14

Spektrala Transformer Övningsmaterial

Signal- och bildbehandling TSEA70

SF1635, Signaler och system I

LUNDS TEKNISKA HÖGSKOLA Inst. för Elektro- och Informationsteknik

Signal- och bildbehandling TSBB14

Övningsuppgifter. Digital Signal Processing. Övningar med svar och lösningar. Mikael Swartling Nedelko Grbic Bengt Mandersson. rev.

Ulrik Söderström 20 Jan Signaler & Signalanalys

Ulrik Söderström 19 Jan Signalanalys

Signal- och bildbehandling TSEA70

Exempelsamling 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

Introduktion Digitala filter. Filter. Staffan Grundberg. 12 maj 2016

Spektrala Transformer

Lösningar till tentamen i Transformmetoder okt 2007

ÖVNINGSTENTAMEN Modellering av dynamiska system 5hp

Tillämpad Fysik Och Elektronik 1

LUNDS TEKNISKA HÖGSKOLA Inst. för Elektro- och Informationsteknik

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

Miniräknare och en valfri formelsamling i signalbehandling eller matematik. Allowed items: calculator, DSP and mathematical tables of formulas

SF1635, Signaler och system I

Laplace, Fourier och resten varför alla dessa transformer?

Signal- och bildbehandling TSBB14

Signal- och bildbehandling TSEA70

Lösningsförslag, Tentamen, Differentialekvationer och transformer II, del 2, för CTFYS2 och CMEDT3, SF1629, den 9 juni 2011, kl.

Försättsblad till skriftlig tentamen vid Linköpings universitet G33(1) TER4(63)

Fouriermetoder MVE295 - bonusuppgifter

Tentamen i matematik. f(x) = ln(ln(x)),

RÄKNEEXEMPEL FÖRELÄSNINGAR Signaler&System del 2

Lösningar till Övningsuppgifter

Vad gör vi när vi bara har en mätserie och ingen elegant matematisk funktion? Spektrum av en samplad signal. Trunkering i tiden

Spektrala Transformer

Rita även grafen till Fourierserien på intervallet [ 2π, 4π]. (5) 1 + cos(2t),

Kompletterande material till föreläsning 5 TSDT08 Signaler och System I. Erik G. Larsson LiU/ISY/Kommunikationssystem

7. Sampling och rekonstruktion av signaler

Lösningsförslag, preliminär version 0.1, 23 januari 2018

Miniräknare och en valfri formelsamling i signalbehandling eller matematik. Allowed items: calculator, DSP and mathematical tables of formulas

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

FÖRELÄSNING 13: Analoga o p. 1 Digitala filter. Kausalitet. Stabilitet. Ex) på användning av analoga p. 2 filter = tidskontinuerliga filter

Föreläsning 10, Egenskaper hos tidsdiskreta system

0 1 2 ], x 2 (n) = [ 1

Signaler några grundbegrepp

Miniräknare och formelsamling i signalbehandling. [Allowed items on exam: calculator and DSP table of formulas ]

Reglerteknik AK. Tentamen 24 oktober 2016 kl 8-13

v0.2, Högskolan i Skövde Tentamen i matematik

TSDT15 Signaler och System

Föreläsning 8, Introduktion till tidsdiskret reglering, Z-transfomer, Överföringsfunktioner

Uppsala Universitet Matematiska Institutionen Bo Styf. Sammanfattning av föreläsningarna 11-14, 16/11-28/

LUNDS TEKNISKA HÖGSKOLA Inst. for Elektro- och Informationsteknik

Tentamen i Signaler och kommunikation, ETT080

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

x(t) = sin(ω 0 t) (1) b) Tillåt X(ω) att innehålla diracimpulser (en generalliserad funktion). Vilken signal x(t) har spektrumet X(ω)?

Högskolan i Skövde (SK, YW) Svensk version Tentamen i matematik

LUNDS TEKNISKA HÖGSKOLA Inst. for Elektro- och Informationsteknik. SIGNALBEHANDLING I MULTIMEDIA, ETI265 Inlämningsuppgift 1 (av 2), Task 1 (out of 2)

Högskolan i Skövde (SK, JS) Svensk version Tentamen i matematik Lösningsförslag till del I

Lösningsförslag TATM

Tentamen i Elektronik, ESS010, del1 4,5hp den 19 oktober 2007 klockan 8:00 13:00 För de som är inskrivna hösten 2007, E07

TSDT08 Signaler och System I Extra uppgifter

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

Signal- och bildbehandling TSEA70

Tentamen i tmv036c och tmv035c, Analys och linjär algebra C för K, Kf och Bt A =, = det(a λi) = e 2t + c 2. x(t) = c 1. = c 1.

Tentamen SSY041 Sensorer, Signaler och System, del A, Z2

Transkript:

DT3 Spektrala transformer Tentamen 3 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: räknare, formelblad (bifogat) Lycka till! En tidsdiskret signal skapas genom att multiplicera två sinuskomponenter: y(n) = sin(ω n)sin(ω n) a Skissa spektrum av y(n) då ω = 3π 4 och ω = π 8. (p) b Signalen multipliceras med en tredje sinuskomponent sin(ω 3 n). Skissa spektrum, om ω 3 =, i övrigt som i a. (p) π 4 Frekvensaxeln ska vara graderad från till π, och inbördes förhållandet mellan deltonernas nivåer ska framgå. y-axeln kan ange amplitud eller effekt, och vara linjär eller i decibel, men ange tydligt vilket som avses! I figur ser du ett antal frekvenssvar och ett antal differensekvationer som beskriver tidsdiskreta filter. Para ihop de som beskriver samma filter, med motivering. Observera att det blir en differensekvation över. (p/ korrekt par) 3 Ingenjör Ann Droid jobbar med styrlogiken till en robotarm. Hårdvaruavdelningen har klagat på att rörelserna är alldeles för ryckiga, vilket ger höga påfrestningar robotens leder. För att få en mjuk rörelse tänker Ann försöka med ett :a ordingens återkopplat lågpassfilter y(n) = x(n) + ay(n ), där a bestäms så att impulssvaret får en lagom långsam avklingning. a Hjälp Ann att dimensionera det önskade filtret (dvs bestäm a) så att impulssvaret når % av sitt toppvärde efter sekund. Systemets samplingsfrekvensen är Hz. (p) b Ett annat önskemål från hårdvaruavdelningen är att Ann ska göra något åt den självsvängning på 35 Hz som uppkommer när roboten är hårt belastad. Ann tänker lösa detta med ett icke-återkopplat filter som har förstärkningen noll vid den aktuella frekvensen, samtidigts som filtrets DC-förstärkning (alltså förstärkning vid frekvensen ) är ett. Hjälp till att designa detta filter! Ange filtrets differensekvation y(n) =... (p) (8) DT3 Spektrala transformer HT

3 För alla ekvationer nedan gäller att r =.8 magnitude (db) a y(n) = x(n) r y(n )...3.4.5.6.7.8.9 normaliserad frekvens (x π rad/sampel) 5 magnitude (db) 5 b y(n) = x(n) + r 3 y(n 3) 5...3.4.5.6.7.8.9 normaliserad frekvens (x π rad/sampel) 3 3 magnitude (db) c y(n) = x(n) + ry(n ) r y(n )...3.4.5.6.7.8.9 normaliserad frekvens (x π rad/sampel) 5 4 magnitude (db) 5 d y(n) = x(n) ry(n ) r y(n ) 5...3.4.5.6.7.8.9 normaliserad frekvens (x π rad/sampel) e y(n) = x(n) r 3 x(n 3) Figur. Frekvenssvar och differensekvationer - vilka passar ihop? För alla ekvationer gäller att r =.8 (8) DT3 Spektrala transformer HT

.5.5.5.5.5 3 3.5 4 x T Figur. Den periodiska funktionen f(t) i uppgift 5. 4 Filtrering av bilder med stora filterkärnor kan vara en resurskrävande operation, som det dock finns goda möjligheter att optimera. Om filterkärnan är linjärt separerbar i x- och y-led så går det att spara många multiplikationer. 5 a Vad innebär det att en filterkärna h(x,y) är linjärt separerbar? (p) b Givet att h(x, y) är separerbar, utgå från den generella D-faltningsformeln och skriv om den på en form som utnyttjar detta för att ge effektivare D-faltning! (p) c Beskriv hur man kan utnyttja FFT för att snabba upp faltning med av icke-separerbara kärnor. (p) Signalen f(t) (se figur ) är periodisk med periodtiden T och ges i intervallet t < T av om t < T 3 f(t) = om T 3 t < T 3 om T 3 t Beräkna fourierserien för f(t)! 3 (8) DT3 Spektrala transformer HT

Lösningar a Multiplikation av två sinustoner ger upphov till två frekvenser, som är summan respektive skillnaden av ursprungsfrekvenserna: e jωn e jω n e jωn e jω n j j... = [cos((ω ω )n) cos((ω + ω )n)] I detta fall ger det frekvenserna 5π 8 och 7π 8. Ingen vikning sker då båda är mindre än π. Spektrum blir som det övre i figuren nedan. b När man multiplicerar in en tredje frekvens kan vi göra precis på samma sätt, men vi utgår från de två frekvenserna i a var för sig och lägger samman resultatet på slutet. Alltså: 5π 8 och kommer att ge upphov till två frekvenser: 5π 8 π 4 = 3π 8 5π 8 + π 4 = 7π 8 Dessutom kommer 7π 8 att ge upphov till två frekvenser: 7π 8 π 4 = 5π 8 och 7π 8 + π 4 = 9π 8 Men den senare är större än π och kommer därför vikas ned till 7π 8, där den sammanfaller med en annan komponent ( 5π 8 + π 4 ) och därmed får dubbel amplitud. Sammantaget: vi får tre frekvenskomponenter i spektrum: 3π 8, 5π 8 och 7π 8, där den sista har dubbel amplitud, se figuren (nedre spektrumet). 4 (8) DT3 Spektrala transformer HT

FFT i belopp.7.6.5.4.3.....3.4.5.6.7.8.9 normaliserad frekvens x π rad/sampel.5.4 FFT i belopp.3.....3.4.5.6.7.8.9 normaliserad frekvens x π rad/sampel Sök poler och nollställen för alla differensekvationer: a y(n) = x(n) r y(n ) ger H(z) = +r z multiplicera täljare och nämnare med z, det ger poler vid z = r dvs z = ±jr. Frekvenssvaret borde således ha en topp vid pi/, men något sådant frekvenssvar syns inte till. b H(z) = r 3 z 3 Poler fås då r 3 z 3 = dvs z 3 = r 3. Mult. högerledet med e jπk och lös ut z: z = re j πk 3 för alla heltal k. Det ger poler vid r,re j π 3 och re j π 3. Alltså förväntar vi oss toppar i frekvenssvaret vid frekvenserna och π 3, vilket stämmer på 4 c H(z) =. Mult. täljare och nämnare med z, och sätt nämnaren =: rz +r z (r z rz + r = z = r ± ) r = r ± j r 3. Detta innebär att polerna ligger i z = re ±j π 3 Alltså bör frekvenssvaret ha en topp vid π 3 vilket stämmer på nr.. d H(z) = +rz +r z. Mult. täljare och nämnare med z, och sätt nämnaren =: 5 (8) DT3 Spektrala transformer HT

(r z + rz + r = z = r ± ) r = r ± j r 3. Detta innebär att polerna ligger i z = re ±j π 3 Alltså bör frekvenssvaret ha en topp vid π 3 vilket stämmer på nr. 3. e H(z) = r 3 z 3. Nollställen hamnar som polerna i b, dvs r,re j π 3 och re j π 3. Alltså förväntar vi oss dalar/dippar i frekvenssvaret vid frekvenserna och π 3, vilket stämmer på 3 a y(n) = x(n) + ay(n ) har överförinsgsfunktionen H(z) = az Z-transform (nr. 4 i tabellen i f.s.) ger impulssvaret h(n) = a n u(n) Villkor: Impulssvaret ska nå % av sitt toppvärde efter sekund, ger a =. logaritmera och lös ut a: ln a = ln. a = e ln. =.977 b Ansätt en överföringsfunktion med nollställen i e ±jθ och förstärkningsfaktorn k: H(z) = k (z ejθ )(z e jθ ) z = k( z cos θ + z ) Enhetsförstärkning vid ω = (z = ) ger H(e ) = k( cos θ + ) = k = θ = /pi35 ger följande differensekvation: ( cos θ) y(n) = ( cos 7π cos(7π ))x(n ) + x(n )) )(x(n) 6 (8) DT3 Spektrala transformer HT

Magnitude (db) 4 Phase (degrees) 6...3.4.5.6.7.8.9 Normalized Frequency ( π rad/sample)...3.4.5.6.7.8.9 Normalized Frequency ( π rad/sample) Figur 3. Hω för filtret i upgift 3b. 4 a Att en filterkärna h(x,y) är linhärt separerbar innebär att den kan delas upp i en horisontell och en vertikal komponnt och skrivas på formen h horiz (x)h vert (y). b Faltningsformeln för D: g(x,y) = s= t= h(s,t)f(x s,y t) om h(x,y) är separerbar kan vi skriva g(x,y) = s= h horiz (s) t= h vert (t)f(x s,y t) men den andra summan är inget annat än D-faltningen mellan h vert (y) och f(w,y) där w = x s är konstant. Om vi ansätter g v (x,y) = t= h vert (t)f(x,y t) (dvs en D-falting mellan h vert och varje kolumn i f), så kan vi skriva D-faltningen som g(x,y) = s= h horiz (s)g v (x s,y) Detta innebär i klartext att vi först kan beräkna g v med hjälp av D-faltningar mellan h vert och varje kolumn i f. Därefter fås g genom att D-falta varje rad i g v med h horiz. 7 (8) DT3 Spektrala transformer HT

c Faltningsteoremet säger att en faltning i spatial-domänen motsvaras av en multiplikation i frekvensdomänen. Detta innebär att förljande steg kan ersätta en traditionell faltning: Transformera bild och kärna till frekvensdomänen med D-FFT Multiplicera frekvensrepresentationerna Inverstransformera den resulterande bilden 5 Fouierserien för f(t) bestäms enligt formelsamlingen av c k = T T f(t)e jkω t dt där ω T = π för vår aktuella f(t) kan vi dela upp detta i tre integraler, från till T/3, T/3 till T/3 samt T/3 till T. Men mitt-integralen blir noll eftersom f(t) är noll i hela intervallet. Alltså återstår c k = T T/3 e jkω t dt + T T T/3 e jkω t dt integrering ger c k = [ ] e jkω T/3 t [ ] e jkω T t Tjkω Tjkω T/3 sätt in gränser och utnyttja att ω T = π = [ ] e jkπ/3 + e jk4π/3 = [ ] e jkπ (e jkπ/3 + e jkπ/3 ) jπk jπk utnyttja eulers cos-formel samt att e jπ =, vilket ger svaret c k = ( )k cos(k π 3 ) jπk Om man studerar de ingående termerna i uttrycket ovan kan man notera följande: ( ) k växlar tecken - positiv för jämna k, negativ för udda cos(k π 3 ) - termen går igenom sekvensen,/, /,, /,/,, /... osv, då k stegas från och uppåt. täljaren kommer då att gå igeom sekvensen, 3/, 3/,, 3/, 3/,... då k stegas från och uppåt, dvs den är noll då k är jämnt delbart med 3, och 3/ annars. Detta gör att uttrycket kan skrivas om på följande form: { om k är jämt delbart med 3 c k = annars 3j πk 8 (8) DT3 Spektrala transformer HT