Ψηφιακή Eπεξεργασία Eικόνων και Σημάτων

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "Ψηφιακή Eπεξεργασία Eικόνων και Σημάτων"

Transcript

1 ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ Σχολή Θετικών Επιστημών και Τεχνολογίας Πρόγραμμα Σπουδών ΠΛΗΡΟΦΟΡΙΚΗ Θεματική Eνότητα ΣHMATA KAI EΠEΞEPΓAΣIA EIKONAΣ Tόμος B' Ψηφιακή Eπεξεργασία Eικόνων και Σημάτων AΘΑΝΑΣΙΟΣ ΣΚΟΔΡΑΣ Kαθηγητής Eλληνικού Aνοικτού Πανεπιστημίου BΑΣΙΛΕΙΟΣ AΝΑΣΤΑΣΟΠΟΥΛΟΣ Aναπλ. Kαθηγητής Πανεπιστημίου Πατρών ΠATPA 003

2 ÂÚÈ fiìâó K º π EÈÛ ÁˆÁ ÛÙËÓ ËÊÈ Î ÂappleÂÍÂÚÁ Û Û Ì ÙÔ Î È ÂÈÎfiÓ Σκοπός, Προσδοκώμενα αποτελέσματα, Έννοιες κλειδιά, Eισαγωγικές παρατηρήσεις.... Ψηφιακή επεξεργασία σήματος Tύποι σημάτων H έννοια της συχνότητας στα σήματα Μετατροπή σήματος από αναλογικό σε ψηφιακό και από ψηφιακό σε αναλογικό... 0 Σύνοψη ενότητας Σήματα διακριτού χρόνου Βασικά σήματα διακριτού χρόνου Στοιχειώδεις πράξεις Σύνοψη ενότητας Συστήματα διακριτού χρόνου Κρουστική απόκριση συστήματος Συνέλιξη Σύνοψη ενότητας Σύνοψη κεφαλαίου Bιβλιογραφία κεφαλαίου Απόδοση αγγλικών όρων στην ελληνική K º π AÓ Ï ÛË ÛÙÔ appleâ Ô ÙË Û ÓfiÙËÙ Σκοπός, Προσδοκώμενα αποτελέσματα, Έννοιες κλειδιά, Eισαγωγικές παρατηρήσεις Μετασχηματισμός Fourier διακριτού χρόνου Ορισμοί... 53

3 6 æhºiakh E E EP A IA EIKONøN KAI HMATøN.. Θεωρήματα και ιδιότητεςτου μετσχηματισμού Fourier διακριτού χρόνου Δειγματοληψία: μια ακόμη ματιά... 6 Σύνοψη Ενότητας Διακριτός μετασχηματισμός Fourier Ορισμοί Ιδιότητες του διακριτού μετασχηματισμού Fourier Γραμμική συνέλιξη μέσω του DFT Ο DFT σε μορφή πινάκων Σύνοψη ενότητας Tαχύς μετασχηματισμός Fourier (FFT)... 8 Σύνοψη ενότητας Σύνοψη κεφαλαίου Bιβλιογραφία κεφαλαίου... 9 Απόδοση αγγλικών όρων στην ελληνική... 9 K º π 3 ªÂÙ Û ËÌ ÙÈÛÌfi z Σκοπός, Προσδοκώμενα αποτελέσματα, Έννοιες κλειδιά, Eισαγωγικές παρατηρήσεις Ο Μετασχηματισμός z Ορισμός Ύπαρξη του μετασχηματισμού z Ιδιότητες του μετασχηματισμού z Σύνοψη Ενότητας O αντίστροφος μετασχηματισμός z Υπολογισμός του αντίστροφου Μ.Ζ. με ανάπτυξη σε δυναμοσειρά Υπολογισμός του αντίστροφου Μ.Ζ. με ανάπτυξη σε μερικά κλάσματα... 08

4 EPIEXOMENA 7 Σύνοψη ενότητας Ο μονόπλευρος μετασχηματισμός z... 3 Σύνοψη ενότητας O μετασχηματισμός z στην ανάλυση συστημάτων Aιτιατότητα LTI συστήματος Ευστάθεια LTI συστήματος Εξισώσεις διαφορών Δομές συστημάτων διακριτού χρόνου Απόκριση συχνότητας συστημάτων διακριτού χρόνου... 3 Σύνοψη ενότητας Σύνοψη κεφαλαίου Bιβλιογραφία κεφαλαίου Απόδοση αγγλικών όρων στην ελληνική K º π 4 æëêè Î Ê ÏÙÚ appleâappleâú ÛÌ ÓË ÎÚÔ ÛÙÈÎ applefiîúèûë (FIR) Σκοπός, Προσδοκώμενα αποτελέσματα, Έννοιες κλειδιά, Eισαγωγικές παρατηρήσεις Χαρακτηριστικά των FIR φίλτρων Γραμμική απόκριση φάσης Ευστάθεια των φίλτρων Πόλοι και μηδενικά Σύνοψη ενότητας Τύποι και προδιαγραφές των FIR φίλτρων Σύνοψη ενότητας Mέθοδοι σχεδίασης FIR φίλτρων Μέθοδος των παραθύρων Ιδιότητες και τύποι των παραθύρων Μέθοδος σχεδίασης βέλτιστων FIR φίλτρων Σύνοψη ενότητας... 56

5 8 æhºiakh E E EP A IA EIKONøN KAI HMATøN 4.4 Θέματα υλοποίησης FIR φίλτρων Δομές πραγματοποίησης των FIR φίλτρων Σφάλμα από την κβάντιση των συντελεστών Σύνοψη κεφαλαίου... 6 Bιβλιογραφία κεφαλαίου... 6 Απόδοση αγγλικών όρων στην ελληνική K º π 5 æëêè Î Ê ÏÙÚ appleâèúë ÎÚÔ ÛÙÈÎ applefiîúèûë (IIR) Σκοπός, Προσδοκώμενα αποτελέσματα, Έννοιες κλειδιά, Eισαγωγικές παρατηρήσεις Αναλογικά φίλτρα Γνωστά βαθυπερατά αναλογικά φίλτρα Μετασχηματισμοί συχνότητας αναλογικών φίλτρων Σύνοψη ενότητας Σχεδίαση IIR ψηφιακών φίλτρων Γραφική μέθοδος Μέθοδος αμετάβλητης κρουστικής Μέθοδος διγραμμικού μετασχηματισμού Σύνοψη ενότητας Υλοποίηση IIR ψηφιακών φίλτρων Πεπερασμένη ακρίβεια και υλοποίηση IIR ψηφιακών φίλτρων Σύνοψη ενότητας Σύνοψη κεφαλαίου Bιβλιογραφία κεφαλαίου Απόδοση αγγλικών όρων στην ελληνική... 97

6 EPIEXOMENA 9 K º π 6 EÈÛ ÁˆÁ ÛÙËÓ ËÊÈ Î ÂÈÎfiÓ Σκοπός, Προσδοκώμενα αποτελέσματα, Έννοιες κλειδιά, Eισαγωγικές παρατηρήσεις H ψηφιακή εικόνα Η εικόνα ως δισδιάστατο σήμα Στοιχειώδη δισδιάστατα ψηφιακά σήματα Η γεωμετρία της εικόνας Τρόποι απόκτησης της ψηφιακής εικόνας Η επεξεργασία της ψηφιακής εικόνας... Σύνοψη ενότητας Η φυσιολογία της όρασης Ο ανθρώπινος οφθαλμός Φωτεινότητα, λαμπρότητα και αντίθεση Xρώμα και ψυχοφυσικά φαινόμενα Κριτήρια ποιότητας της εικόνας... 7 Σύνοψη ενότητας Είδη πράξεων στην επεξεργασία της ψηφιακής εικόνας Τοπικές πράξεις Καθολικές πράξεις Γεωμετρικές πράξεις... 4 Σύνοψη ενότητας Το φάσμα της εικόνας... 6 Σύνοψη ενότητας Σύνοψη κεφαλαίου... 3 Bιβλιογραφία κεφαλαίου... 3 Απόδοση αγγλικών όρων στην ελληνική... 3

7 0 æhºiakh E E EP A IA EIKONøN KAI HMATøN K º π 7 ÈÛ È ÛÙ Ù ËÊÈ Î ÁÚ ÌÌÈÎ Û ÛÙ Ì Ù Σκοπός, Προσδοκώμενα αποτελέσματα, Έννοιες κλειδιά, Eισαγωγικές παρατηρήσεις Δισδιάστατη συνέλιξη Γραμμικότητα Αμεταβλητότητα στην ολίσθηση Σύνοψη ενότητας Χαρακτηριστικά των δισδιάστατων ψηφιακών συστημάτων Τρόποι σύνδεσης των δισδιάστατων ψηφιακών φίλτρων Διαχωρίσιμα δισδιάστατα ψηφιακά συστήματα Ευσταθή δισδιάστατα συστήματα Aπόκριση στη συχνότητα των δισδιάστατων ψηφιακών συστημάτων Σύνοψη ενότητας Σχεδίαση των δισδιάστατων ψηφιακών φίλτρων Υπολογισμός της κρουστικής απόκρισης από την απόκριση συχνότητας Σχεδίαση δισδιάστατων FIR φίλτρων με τη μέθοδο των παραθύρων Άλλες μέθοδοι σχεδίασης των δισδιάστατων FIR φίλτρων Εφαρμογές των δισδιάστατων FIR φίλτρων Σύνοψη ενότητας Σύνοψη κεφαλαίου Bιβλιογραφία κεφαλαίου Απόδοση αγγλικών όρων στην ελληνική Aπαντήσεις Aσκήσεων Aυτοαξιολόγησης... 6

8 EÈÛ ÁˆÁ ÛÙËÓ ËÊÈ Î ÂappleÂÍÂÚÁ Û Û Ì ÙÔ Î È ÂÈÎfiÓ ÎÔapplefi Σκοπός του παρόντος κεφαλαίου είναι η μελέτη των σημάτων και συστημάτων διακριτού χρόνου, η εξοικείωση με τη διαδικασία της δειγματοληψίας αναλογικών σημάτων και η κατανόηση της έννοιας της γραμμικής συνέλιξης για τον υπολογισμό της απόκρισης των ψηφιακών συστημάτων. º π ÚÔÛ ÔÎÒÌÂÓ appleôùâï ÛÌ Ù Όταν ολοκληρώσετε τη μελέτη του κεφαλαίου αυτού θα είστε σε θέση να: Λαμβάνετε δείγματα αναλογικών σημάτων Aναλύετε τα σήματα διακριτού χρόνου σε άθροισμα μοναδιαίων κρουστικών Yπολογίζετε την απόκριση συστημάτων διακριτού χρόνου με τη βοήθεια της γραμμικής συνέλιξης ŒÓÓÔÈ ÎÏÂÈ È Γραμμική συνέλιξη Θεώρημα δειγματοληψίας Μοναδιαία κρουστική ακολουθία Ψηφιακό σήμα Ψηφιακό σύστημα Σήμα / Σύστημα διακριτού χρόνου EÈÛ ÁˆÁÈÎ Ú ÙËÚ ÛÂÈ Η εντυπωσιακή ανάπτυξη της μικροηλεκτρονικής και των υπολογιστών είχε καθοριστική επίδραση στην ψηφιακή επεξεργασία σημάτων και εικόνων. Οι τεχνικές ψηφιακής επεξεργασίας σημάτων χρησιμοποιούνται σήμερα σε πολλές περιοχές της επιστήμης και της τεχνολογίας, όπως για παράδειγμα τις επικοινωνίες, την αεροναυτική, τη σεισμολογία, τη βιοϊατρική τεχνολογία.

9 KEºA AIO : Eπ ø Δ æ ºπ ƒ π ª Δ π π (α) Ì. Παραδείγματα σημάτων (α) ομιλίας (μιας διάστασης), (β) εικόνας (δύο διαστάσεων), και (γ) ακολουθίας εικόνων (τριών διαστάσεων) (β) y t x (γ) Ως σήμα ορίζουμε το σύνολο των τιμών που λαμβάνει μια φυσική ποσότητα. Μαθηματικά αυτό εκφράζεται ως συνάρτηση ή ακολουθία μιας ή περισσοτέρων ανεξάρτητων μεταβλητών. Τα σήματα περιέχουν πληροφορία σχετικά με τη συμπεριφορά ή τη φύση ενός φαινομένου. Τα σήματα χωρίζονται σε κατηγορίες ανάλογα με τον τύπο και το πλήθος των μεταβλητών. Έτσι, ανάλογα με το αν η ανεξάρτητη μεταβλητή είναι συνεχής ή διακριτή, έχουμε σήματα συνεχούς ή διακριτού χρόνου. (Θα αναφερθούμε αναλυτικά σ αυτά στις ενότητες. και.3). Ανάλογα με το πλήθος των ανεξάρτητων μεταβλητών έχουμε σήματα μίας μεταβλητής ή διάστασης (μονοδιάστατα, D), δύο μεταβλητών ή διαστάσεων (διδιάστατα, D) και πολλών μεταβλητών ή διαστάσεων (πολυδιάστατα, N D). Παράδειγμα μονοδιάστατου σήματος είναι η ομιλία (speech), όπου η ανεξάρτητη μεταβλητή είναι ο χρόνος και η εξαρτημένη μεταβλητή η ακουστική πίεση (Σχήμα.α). Μια εικόνα (φωτογραφία) αποτελεί χαρακτηριστικό παράδειγμα σήματος δύο διαστάσεων. Εδώ η εξαρτημένη μεταβλητή είναι η φωτεινότητα της εικόνας και οι δύο ανεξάρτητες μεταβλητές είναι οι δύο χωρικές συντεταγμένες (Σχήμα.β). Τέλος, παράδειγμα σήματος τριών διαστάσεων είναι η ακολουθία εικόνων (video), όπου οι δύο ανεξάρτητες μεταβλητές είναι χωρικές και η τρίτη είναι ο χρόνος (Σχήμα.γ). Η εξαρτημένη μεταβλητή είναι και εδώ η φωτεινότητα της κάθε εικόνας. Το καθένα από τα παραπάνω σήματα είναι απαραίτητο να το επεξεργαστούμε με στόχο να βελτιώσουμε την ποιότητά του, να εξαγάγουμε τη χρήσιμη πληροφορία και

10 Eπ ø π ƒ Δ ƒ π 3 να εξαλείψουμε κατά το δυνατόν το θόρυβο, να το αποθηκεύσουμε ή να το μεταδώσουμε. Στο βιβλίο αυτό θα μελετήσουμε ορισμένες από τις πιο συνηθισμένες διαδικασίες επεξεργασίας που χρησιμοποιούνται για τους σκοπούς αυτούς. Σ αυτό το κεφάλαιο θα μελετήσουμε τις βασικές έννοιες των σημάτων και συστημάτων διακριτού χρόνου. Στην ενότητα. θα αναφερθούμε στα πλεονεκτήματα και μειονεκτήματα της ψηφιακής επεξεργασίας σημάτων. Στην ενότητα. θα γνωρίσουμε τα αναλογικά και ψηφιακά σήματα, και τα σχετικά με τη μετατροπή των αναλογικών σε ψηφιακά. Στην ενότητα.3 θα δούμε τα βασικά σήματα διακριτού χρόνου, καθώς και τις στοιχειώδεις πράξεις που μπορούμε να εφαρμόσουμε σ αυτά. Τέλος, στην ενότητα.4 θα ασχοληθούμε με τα συστήματα διακριτού χρόνου και την πράξη της γραμμικής συνέλιξης.

11 4 KEºA AIO : Eπ ø Δ æ ºπ ƒ π ª Δ π π. æëêè Î ÂappleÂÍÂÚÁ Û Û Ì ÙÔ Η ψηφιακή επεξεργασία σήματος ασχολείται με την ψηφιακή αναπαράσταση των σημάτων και την ανάλυση, τροποποίηση και εξαγωγή πληροφοριών από αυτά, με τη βοήθεια ψηφιακών επεξεργαστών. Περιπτώσεις κατά τις οποίες θέλουμε να αφαιρέσουμε τον θόρυβο από ένα σήμα ή να βρούμε το μετασχηματισμό Fourier κάποιων δεδομένων ή να δώσουμε σ ένα σήμα μορφή πιο κατάλληλη για επεξεργασία και ανάλυση της πληροφορίας που εμπεριέχει, αποτελούν παραδείγματα της ψηφιακής επεξεργασίας σήματος. Αυτή χρησιμοποιείται όλο και περισσότερο σε πολλές περιοχές εφαρμογών όπου παραδοσιακά χρησιμοποιούνταν αναλογικές μορφές επεξεργασίας, αλλά και σε νέες εφαρμογές στις οποίες οι αναλογικές μέθοδοι είναι δύσκολο ή και αδύνατον να χρησιμοποιηθούν. Το γεγονός αυτό οφείλεται στα πλεονεκτήματα που παρουσιάζει η ψηφιακή επεξεργασία σήματος. Υπάρχουν πολλοί λόγοι για τους οποίους θα προτιμούσαμε την ψηφιακή επεξεργασία ενός σήματος έναντι της αναλογικής. Κατά πρώτιστο λόγο, ένα ψηφιακό προγραμματιζόμενο σύστημα παρουσιάζει μεγάλη ευελιξία στην τροποποίηση των πράξεων ψηφιακής επεξεργασίας με μια απλή μετατροπή του προγράμματος. Μια τέτοια τροποποίηση ενός αναλογικού συστήματος συνεπάγεται την επανασχεδίαση του κυκλώματος και συνεπακόλουθο έλεγχο και επιβεβαίωση (testing and verification) της ορθής λειτουργίας του. Η ακρίβεια (accuracy) παίζει επίσης πολύ σπουδαίο ρόλο. Η ανοχή των στοιχείων των αναλογικών κυκλωμάτων καθιστά δύσκολο τον προσδιορισμό της ακρίβειας ενός αναλογικού συστήματος επεξεργασίας. Στην περίπτωση ενός ψηφιακού συστήματος, ο έλεγχος της πιστότητας των προδιαγραφών είναι πολύ πιο εύκολος. Τα ψηφιακά σήματα αποθηκεύονται σε μαγνητικά ή οπτικά μέσα (λ.χ. μαγνητικούς ή οπτικούς δίσκους, ταινίες, κ.ά.) χωρίς υποβάθμιση της πιστότητάς τους, πέραν αυτής που υπεισήλθε στη διαδικασία μετατροπής τους από αναλογικά σε ψηφιακά. Έτσι, δίνεται η δυνατότητα μεταφοράς και επεξεργασίας τέτοιων σημάτων σε μη πραγματικό χρόνο. Επιπλέον, δίνεται η δυνατότητα εφαρμογής πιο περίπλοκων αλγορίθμων επεξεργασίας σήματος. Συνήθως η υλοποίηση μαθηματικών πράξεων μεγάλης ακρίβειας είναι δύσκολο να γίνει σε σήματα τα οποία βρίσκονται σε αναλογική μορφή, πράγμα όμως που είναι συνηθισμένο και εύκολο να γίνει σε ένα ψηφιακό σήμα το οποίο επεξεργαζόμαστε με έναν υπολογιστή και με κατάλληλο λογισμικό. Σε πολλές περιπτώσεις, η ψηφιακή επεξεργασία ενός σήματος έχει χαμηλότερο κόστος από την αντίστοιχη αναλογική. Αυτό μπορεί να οφείλεται είτε στο ότι το

12 . TÀ π ª Δø 5 υλικό (hardware) σήμερα είναι φθηνότερο είτε στην ευελιξία που παρέχεται λόγω της ψηφιακής υλοποίησης. Αποτέλεσμα των πλεονεκτημάτων της ψηφιακής επεξεργασίας σήματος είναι η διαρκώς αυξανόμενη χρήση της σε όλο και περισσότερους τομείς εφαρμογών, όπως στην επεξεργασία ομιλίας, στη μετάδοση σήματος σε τηλεφωνικά κανάλια, στη σεισμολογία, στη γεωφυσική, στην ιατρική, στην εξερεύνηση του διαστήματος, στη μετεωρολογία, κ.ά. Φυσικά, η ψηφιακή επεξεργασία σήματος έχει και τα όριά της, τα οποία οφείλονται στους περιορισμούς που τίθενται στην ταχύτητα λειτουργίας των μετατροπέων αναλογικού σήματος σε ψηφιακό, καθώς και στους ίδιους τους ψηφιακούς επεξεργαστές σήματος. Έτσι, σήματα με εξαιρετικά μεγάλο εύρος συχνοτήτων, για παράδειγμα, σήματα με εύρος συχνοτήτων της τάξεως των 00 MHz, υφίστανται επεξεργασία ακόμα και σήμερα με αναλογικές μεθόδους.. T appleôè ÛËÌ ÙˆÓ Τα σήματα ταξινομούνται σε δύο μεγάλες κατηγορίες: στα σήματα συνεχούς χρόνου και στα σήματα διακριτού χρόνου. Συνήθως, ως ανεξάρτητη μεταβλητή χρησιμοποιείται ο χρόνος, χωρίς όμως να αποκλείεται η ανεξάρτητη μεταβλητή να είναι κάποιο άλλο φυσικό μέγεθος, όπως για παράδειγμα η απόσταση, η θερμοκρασία ή η πίεση. Παρ όλα αυτά έχει επικρατήσει να μιλάμε για σήματα διακριτού χρόνου. Στα σήματα συνεχούς χρόνου (continuous time) η ανεξάρτητη μεταβλητή είναι συνεχής, δηλαδή τα σήματα αυτά ορίζονται για οποιαδήποτε τιμή της ανεξάρτητης μεταβλητής. Η εξαρτημένη μεταβλητή, δηλαδή το πλάτος (amplitude) του σήματος, είναι και αυτή συνεχής. Γι αυτό και τα σήματα αυτά αναφέρονται και ως σήματα συνεχούς χρόνου συνεχούς πλάτους ή αναλογικά σήματα (Σχήμα.α). Παραδείγματα τέτοιων σημάτων είναι η ομιλία ως συνάρτηση του χρόνου ή η ατμοσφαιρική πίεση ως συνάρτηση του ύψους. Ένα αναλογικό σήμα περιγράφεται από μια συνάρτηση x(t), όπου t πραγματικός αριθμός. Στα σήματα διακριτού χρόνου (discrete time) η ανεξάρτητη μεταβλητή είναι διακριτή, δηλαδή τα σήματα αυτά ορίζονται μόνο για συγκεκριμένες τιμές της ανεξάρτητης μεταβλητής. Με άλλα λόγια, η ανεξάρτητη μεταβλητή παίρνει τιμές από ένα διακριτό σύνολο τιμών. Η εξαρτημένη μεταβλητή, δηλαδή το πλάτος του σήματος, είναι συνεχής. Γι αυτό και τα σήματα αυτά αναφέρονται και ως σήματα διακριτού χρόνου συνεχούς πλάτους (Σχήμα.β). Παραδείγματα τέτοιων σημάτων είναι ο δείκτης Dow Jones ως συνάρτηση του χρόνου (λ.χ. ανά ημέρα) ή το κατά κεφαλήν εισόδη-

13 6 KEºA AIO : Eπ ø Δ æ ºπ ƒ π ª Δ π π μα ως συνάρτηση του τόπου διαμονής. Στη περίπτωση που και η εξαρτημένη μεταβλητή παίρνει διακριτές τιμές, τότε μιλάμε για σήματα διακριτού χρόνου διακριτού πλάτους ή ψηφιακά σήματα (Σχήμα.γ). Ένα σήμα διακριτού χρόνου συμβολίζεται συνήθως ως x(n), όπου n ακέραιος. Πρόκειται για μία ακολουθία (sequence) αριθμών, γι αυτό συχνά αναφερόμαστε στο σήμα αυτό και ως ακολουθία. Πριν προχωρήσουμε στη μελέτη των βασικών σημάτων διακριτού χρόνου, θα ήταν καλό να γνωρίσουμε την έννοια της συχνότητας τόσο για τα σήματα συνεχούς χρόνου όσο και για τα σήματα διακριτού χρόνου. Ì. Τύποι σημάτων: (α) αναλογικό, (β) διακριτού χρόνου, (γ) ψηφιακό x(t) x(n) x(n) 3/4 / /4 t n n H ÓÓÔÈ ÙË Û ÓfiÙËÙ ÛÙ Û Ì Ù Η έννοια της συχνότητας είναι βασική και γνωστή σε όλους μας. Την έχουμε συναντήσει στο ραδιοφωνικό δέκτη που χρησιμοποιούμε ή στο στερεοφωνικό σύστημα που έχουμε ή στο φίλτρο που πρέπει να βάλουμε στη φωτογραφική μας μηχανή. Από τη φυσική γνωρίζουμε ότι η συχνότητα σχετίζεται με έναν τύπο περιοδικής κίνησης, η οποία ονομάζεται αρμονική ταλάντωση, και η οποία περιγράφεται από ημιτονοειδείς συναρτήσεις. Η έννοια της συχνότητας σχετίζεται άμεσα με την έννοια του χρόνου, αφού η διάσταση αυτής είναι το αντίστροφο του χρόνου. Κατά συνέπεια, η φύση του χρόνου (συνεχής ή διακριτή) αναμένουμε να επηρεάζει τη φύση της συχνότητας. ªπΔ π ª Δ À à À Ã À Μία απλή αρμονική ταλάντωση ορίζεται μαθηματικά από το ημιτονοειδές σήμα συνεχούς χρόνου: x α (t)=α cos(ωt + θ), < t < (.) όπου Α το πλάτος (amplitude) του ημιτονοειδούς, Ω η συχνότητα σε ακτίνια ανά δευτερόλεπτο (rad/s) και θ η φάση σε ακτίνια (Σχήμα.3) Η σχέση (.) μπορεί να γραφεί και ως: x α (t) =Α cos(πft + θ), < t < (.)

14 . TÀ π ª Δø 7 όταν θέσουμε Ω =πf (.3) όπου F η συχνότητα σε κύκλους ανά δευτερόλεπτο ή hertz (Hz). Το αναλογικό αυτό σήμα παρουσιάζει τις εξής ιδιότητες: Είναι περιοδικό: Πράγματι, για οποιαδήποτε τιμή της συχνότητας F, η συνάρτηση x α (t) είναι περιοδική, δηλαδή x α (t + Τ p )=x α (t), όπου Τ p =/F είναι η βασική περίοδος του ημιτονοειδούς σήματος. Για διαφορετικές συχνότητες έχουμε διαφορετικά σήματα. Αύξηση της συχνότητας F συνεπάγεται αντίστοιχη αύξηση του ρυθμού ταλάντωσης του σήματος, δηλαδή περισσότερες περίοδοι εμπεριέχονται σε ένα συγκεκριμένο χρονικό διάστημα. x a (t)=a cos(πft+θ) T p =/F A A cosθ 0 A t Ì.3 Παράδειγμα αναλογικού ημιτονοειδούς σήματος Σημαντική Παρατήρηση Η συχνότητα είναι από τη φύση της θετική ποσότητα. Αυτό είναι προφανές, αφού η συχνότητα σε ένα περιοδικό σήμα εκφράζει τον αριθμό των κύκλων στη μονάδα του χρόνου. Σε ορισμένες περιπτώσεις όμως, για λόγους ευκολίας από μαθηματικής απόψεως, απαιτείται η εισαγωγή αρνητικών συχνοτήτων. Αυτό γίνεται κατανοητό αν θυμηθούμε ότι το ημιτονοειδές σήμα (σχέση.) μπορεί να γραφεί και ως: A A x t A t e Ω θ α( ) = cos( Ω + θ ) = + e j( t+ ) j( Ωt+ θ) (.4) βασιζόμενοι στην ταυτότητα του Euler e ± jφ = cosφ ± jsinφ. Παρατηρούμε, λοιπόν,

15 8 KEºA AIO : Eπ ø Δ æ ºπ ƒ π ª Δ π π ότι το ημιτονοειδές σήμα μπορεί να προέλθει από την πρόσθεση δύο συζυγών μιγαδικών εκθετικών σημάτων ίσου πλάτους. Τα μιγαδικά εκθετικά σήματα συνηθίζουμε να τα παριστάνουμε ως διανύσματα πάνω στο μιγαδικό επίπεδο, τα οποία ονομάζουμε φάσορες (phasors). Οι φάσορες της σχέσης (.4) περιστρέφονται με γωνιακές συχνότητες ± Ω rad/sec. Η θετική συχνότητα αντιστοιχεί σε ομοιόμορφη περιστροφή του φάσορα με φορά αντίθετη της κίνησης των δεικτών του ρολογιού (αριστερόστροφη περιστροφή). Κατά συνέπεια, η αρνητική συχνότητα αντιστοιχεί σε ομοιόμορφη περιστροφή του φάσορα κατά τη φορά της κίνησης των δεικτών του ρολογιού (δεξιόστροφη περιστροφή). Όπως λοιπόν αναφέραμε, για λόγους ευκολίας από (μαθηματικής απόψεως) θα χρησιμοποιούμε θετικές και αρνητικές συχνότητες σε όλη την έκταση αυτού του βιβλίου. Αυτό σημαίνει ότι η περιοχή συχνοτήτων των αναλογικών σημάτων θα είναι < F <. ªπΔ π ª Δ π ƒπδ À Ã À Ένα ημιτονοειδές σήμα διακριτού χρόνου μπορεί να εκφραστεί ως: x(n)=αcos(ωn + θ), < n < (.5) όπου n ακέραιη μεταβλητή, η οποία αντιπροσωπεύει τον αριθμό (τη θέση) του δείγματος, Α το πλάτος του σήματος, ω η συχνότητα του σήματος σε ακτίνια ανά δείγμα και θ η φάση σε ακτίνια (Σχήμα.4). Η σχέση (.5) μπορεί να γραφεί και ως: x(n)=αcos(πfn + θ), < n < (.6) όταν θέσουμε ω =πf (.7) όπου f η συχνότητα σε κύκλους ανά δείγμα. x(n)=a cos(ωn + θ) A Ì.4 Παράδειγμα ενός ημιτονοειδούς σήματος διακριτού χρόνου με ω = π/6 και θ = π/ n A

16 . TÀ π ª Δø 9 Σε αντίθεση με ένα ημιτονοειδές σήμα συνεχούς χρόνου, ένα ημιτονοειδές διακριτού χρόνου παρουσιάζει τις ακόλουθες ιδιότητες: Είναι περιοδικό μόνο όταν η συχνότητα του f είναι ρητός αριθμός. Τα ημιτονοειδή σήματα διακριτού χρόνου των οποίων οι συχνότητες διαφέρουν κατά ακέραιο πολλαπλάσιο του π είναι ίδια (ταυτίζονται). Ο μέγιστος ρυθμός ταλάντωσης ενός ημιτονοειδούς διακριτού χρόνου επιτυγχάνεται για ω = π (ή ω = π) ή ισοδύναμα για f = (ή f = ). Ú ÂÈÁÌ. Να αποδειχτεί ότι ένα ημιτονοειδές διακριτού χρόνου είναι περιοδικό μόνο όταν η συχνότητά του f είναι ρητός αριθμός. Λύση: Ένα σήμα διακριτού χρόνου x(n) είναι περιοδικό με περίοδο Ν (Ν > 0) εάν και μόνον εάν x(n + N)=x(n) για όλα τα n (.8) Η μικρότερη τιμή του Ν για την οποία επαληθεύεται η σχέση αυτή, ονομάζεται βασική περίοδος (fundamental period). Για να είναι περιοδικό ένα ημιτονοειδές σήμα διακριτού χρόνου με συχνότητα f, θα πρέπει να ισχύει η σχέση cos(πf(n + n) +θ) = cos(πfn + θ). Η σχέση αυτή αληθεύει εάν και μόνο εάν υπάρχει ακέραιος m τέτοιος ώστε πfn =mπ ή ισοδύναμα m f =, δηλαδή εάν και μόνο εάν η συχνότητα f μπορεί να γραφεί ως πηλίκο δύο N ακέραιων αριθμών. Ú ÂÈÁÌ. Να αποδείξετε ότι ημιτονοειδή σήματα διακριτού χρόνου, των οποίων οι συχνότητες διαφέρουν κατά ακέραιο πολλαπλάσιο του π, ταυτίζονται. Λύση: Έστω το σήμα x(n)=αcos(ωn + θ) με συχνότητα ω, και το σήμα x (n)=αcos[(ω + π)n + θ] με συχνότητα ω +π. Αποδεικνύεται πολύ εύκολα ότι: x (n)=αcos[(ω +π)n +θ]=αcos(ωn +θ+πn) =Αcos(ωn + θ)=x(n) Γενικά, όλα τα ημιτονοειδή σήματα διακριτού χρόνου x k (n) =Αcos(ω k n + θ),

17 0 KEºA AIO : Eπ ø Δ æ ºπ ƒ π ª Δ π π k = 0,,, με ω k = ω +kπ, π ω π ταυτίζονται. Μόνο τα ημιτονοειδή σήματα διακριτού χρόνου των οποίων οι συχνότητες βρίσκονται στην περιοχή π ω π ή f είναι διαφορετικά, δηλαδή μοναδικά. Μπορούμε, επομένως, να παρατηρήσουμε την ουσιαστική διαφορά μεταξύ των ημιτονοειδών διακριτού χρόνου και των ημιτονοειδών συνεχούς χρόνου. Στα ημιτονοειδή συνεχούς χρόνου έχουμε διαφορετικά σήματα για οποιαδήποτε συχνότητα Ω (ή F) στην περιοχή < Ω < (ή < F < ), ενώ στα ημιτονοειδή διακριτού χρόνου έχουμε διαφορετικά σήματα για οποιαδήποτε συχνότητα ω (ή f) στην περιοχή π ω π (ή f )... ªÂÙ ÙÚÔapple Û Ì ÙÔ applefi Ó ÏÔÁÈÎfi Û ËÊÈ Îfi Î È applefi ËÊÈ Îfi ÛÂ Ó ÏÔÁÈÎfi Τα περισσότερα σήματα που παρουσιάζουν πρακτικό ενδιαφέρον, όπως για παράδειγμα η ομιλία, τα βιολογικά σήματα, τα σεισμικά σήματα, κ.ά., είναι αναλογικά. Για να επεξεργαστούμε αναλογικά σήματα με ψηφιακά μέσα, απαιτείται η μετατροπή αυτών σε ψηφιακή μορφή, δηλαδή η μετατροπή τους σε μία ακολουθία αριθμών πεπερασμένης ακρίβειας. Η διαδικασία αυτή ονομάζεται μετατροπή αναλογικού σε ψηφιακό (analog to digital conversion, Α/D) και τα αντίστοιχα κυκλώματα ονομάζονται «μετατροπείς αναλογικού σε ψηφιακό» (analog to digital converters, ADCs). Η αντίστροφη διαδικασία της μετατροπής ενός ψηφιακού σήματος σε αναλογικό είναι γνωστή ως μετατροπή ψηφιακού σε αναλογικό (digital to analog conversion, D/A) και γίνεται με τη βοήθεια κυκλωμάτων τα οποία ονομάζονται μετατροπείς «ψηφιακού σε αναλογικό» (digital to analog converters, DACs). Η διαδικασία της μετατροπής ενός αναλογικού σήματος σε ψηφιακό γίνεται σε τρία στάδια, όπως δείχνουμε στο Σχήμα.5. Mετατροπέας A/D x α (t) x(n) x Δειγματολήπτης Kβαντιστής q (n) Kωδικοποιητής Ì.5 Βασικά τμήματα ενός μετατροπέα αναλογικού σε ψηφιακό Aναλογικό Σήμα Σήμα Διακριτού Xρόνου Kβαντισμένο Σήμα Ψηφιακό Σήμα

18 . TÀ π ª Δø. Δειγματοληψία (sampling): Αυτή είναι η διαδικασία μετατροπής ενός σήματος συνεχούς χρόνου σε σήμα διακριτού χρόνου, παίρνοντας δείγματα του σήματος συνεχούς χρόνου σε διακριτές στιγμές του χρόνου. Έτσι, αν x α (t) είναι η είσοδος στο δειγματολήπτη, τότε η έξοδος αυτού είναι x α (nt) x(n), όπου Τ η περίοδος δειγματοληψίας.. Κβάντιση (quantisation): Πρόκειται για τη διαδικασία μετατροπής ενός σήματος διακριτού χρόνου συνεχών τιμών σε σήμα διακριτού χρόνου διακριτών τιμών (ψηφιακό). Το κάθε δείγμα του σήματος αντιπροσωπεύεται από μία τιμή η οποία επιλέγεται από ένα πεπερασμένο σύνολο πιθανών τιμών. Η διαφορά μεταξύ του αρχικού μη κβαντισμένου δείγματος x(n) και της κβαντισμένης εξόδου x q (n) αποτελεί το λεγόμενο σφάλμα κβάντισης. 3. Κωδικοποίηση (coding): Κατά τη διαδικασία της κωδικοποίησης, κάθε διακριτή τιμή x q (n) αντιπροσωπεύεται από έναν αριθμό αποτελούμενο από b bits. Ας εξετάσουμε ξεχωριστά καθένα από αυτά τα τρία στάδια: π ª Δ æπ π ø ª Δø Η δειγματοληψία ενός αναλογικού σήματος x α (t) επιτυγχάνεται παίρνοντας δείγματα αυτού ανά Τ δευτερόλεπτα, όπως φαίνεται στο Σχήμα.6. Η διαδικασία αυτή περιγράφεται από τη σχέση: x(n) = x α (nt), < n < (.9) όπου x(n) είναι το σήμα διακριτού χρόνου που προκύπτει. Το χρονικό διάστημα Τ μεταξύ των διαδοχικών δειγμάτων ονομάζεται περίοδος δειγματοληψίας και το αντίστροφο του =F s αποτελεί το ρυθμό δειγματοληψίας (sampling rate) σε δείγματα T ανά δευτερόλεπτο ή αλλιώς τη συχνότητα δειγματοληψίας (sampling frequency) σε Hz. Οι μεταβλητές χρόνου t και n για τα σήματα συνεχούς χρόνου και διακριτού χρόνου αντίστοιχα, συνδέονται γραμμικά μέσω της περιόδου δειγματοληψίας Τ ή ισοδύναμα μέσω του ρυθμού δειγματοληψίας F s = n t = nt = ως εξής: (.0) Επομένως, αναμένουμε να υπάρχει κάποια σχέση που να συνδέει τη συχνότητα F (ή Ω) των αναλογικών σημάτων με τη συχνότητα f (ή ω) των σημάτων διακριτού χρόνου. Για να βρούμε αυτή τη σχέση, ξεκινούμε από την (.9) και αντικαθιστούμε το F s T

19 KEºA AIO : Eπ ø Δ æ ºπ ƒ π ª Δ π π Aναλογικό Σήμα x α (t) F s =/T x(n)=x α (nt) Σήμα Διακριτού Xρόνου Δειγματολήπτης x α (t) x(n) x α (t) x(n)=x α (nt) Ì.6 Ομοιόμορφη δειγματοληψία αναλογικού σήματος. 0 t T T 5T 9T t=nt n x α (t) με τη συνάρτηση του ημιτονοειδούς σήματος της εξίσωσης (.). Έτσι έχουμε: F x(n)=x α (nτ)=αcos(πfnt + θ)=αcos(πn + θ) (.) Συγκρίνοντας την (.) με την αντίστοιχη σχέση (.6) για το ημιτονοειδές σήμα διακριτού χρόνου, διαπιστώνουμε ότι: F s ή ισοδύναμα: F f= (.) F s ω=ωτ (.3) Από τη σχέση (.) παρατηρούμε ότι η συχνότητα f είναι μία κανονικοποιημένη ή σχετική συχνότητα (normalized or relative frequency). Κατά συνέπεια, για να προσδιορίσουμε την F Hz, όταν μας δίνεται η f, πρέπει απαραίτητα να γνωρίζουμε τη συχνότητα δειγματοληψίας F s. Είδαμε στο προηγούμενο Παράδειγμα., ότι η περιοχή συχνοτήτων F ή Ω των ημιτονοειδών συνεχούς χρόνου είναι: < F < ή < Ω < (.4) Για τα ημιτονοειδή διακριτού χρόνου είδαμε ότι μόνο οι συχνότητες f ή ω που βρίσκονται στο διάστημα: f ή π ω π (.5)

20 . TÀ π ª Δø 3 είναι διαφορετικές. Αντικαθιστώντας στην τελευταία σχέση τις μεταβλητές f και ω με τις ισοδύναμές τους από τις σχέσεις (.) και (.3), βρίσκουμε ότι η συχνότητα του ημιτονοειδούς συνεχούς χρόνου, όταν παίρνουμε δείγματά του με ρυθμό F s =/T, θα πρέπει να βρίσκεται στην περιοχή: Fs Fs = F = (.6) T T π π ή = πfs Ω πfs = (.7) T T Παρατηρούμε, επομένως, ότι η βασική διαφορά μεταξύ των σημάτων συνεχούς χρόνου και διακριτού χρόνου βρίσκεται στην περιοχή τιμών των μεταβλητών συχνότητας F και f ή Ω και ω. Η περιοδική δειγματοληψία ενός σήματος συνεχούς χρόνου οδηγεί στην απεικόνιση της απείρου εύρους περιοχής συχνοτήτων F (ή Ω), στην πεπερασμένου εύρους περιοχή συχνοτήτων f (ή ω). Και αφού η μέγιστη συχνότητα σ ένα σήμα διακριτού χρόνου είναι f = ή ω = π, συνεπάγεται ότι για ένα ρυθμό δειγματοληψίας F s, η αντίστοιχη μέγιστη τιμή της F ή Ω θα ισούται με: Fs π Fmax = = ή Ω max = πfs = (.8) T T Με άλλα λόγια, η δειγματοληψία εισάγει ασάφεια, αφού η μέγιστη συχνότητα ενός σήματος συνεχούς χρόνου, η οποία μπορεί να αναπαρασταθεί σωστά, είναι F max = F s /, όταν λαμβάνονται δείγματα του σήματος αυτού με ρυθμό F s =/T. Πριν όμως προχωρήσουμε σε κάποια παραδείγματα που θα μας δείξουν τι συμβαίνει όταν οι συχνότητες του αναλογικού σήματος είναι μεγαλύτερες από F s /, ας δούμε το θεώρημα της δειγματοληψίας, το οποίο απαντά στο εξής ερώτημα: Ποιoς ο ρυθμός δειγματοληψίας F s για τη σωστή αναπαράσταση ενός αναλογικού σήματος, το οποίο μας δίνεται; Δηλαδή, πόσο συχνά πρέπει να παίρνουμε δείγματα ώστε να έχουμε ένα πιστό αντίγραφο του αναλογικού σήματος; Η απάντηση σ αυτό το ερώτημα δόθηκε αρχικά από τον Nyquist (98) και στη συνέχεια από τον Shannon (949) και αποτελεί το λεγόμενο θεώρημα δειγματοληψίας ή θεώρημα του Shannon διατυπώνεται δε ως εξής: Η συχνότητα F s, με την οποία λαμβάνονται τα δείγματα ενός σήματος, πρέπει να είναι τουλάχιστον διπλάσια από την υψηλότερη συχνότητα F max που περιέχεται στο σήμα, δηλαδή F s F max (.9) Με άλλα λόγια, το θεώρημα δειγματοληψίας μας λέει πως για να μη χαθεί πληροφορία θα πρέπει να παίρνουμε τουλάχιστον δύο δείγματα ανά περίοδο (της υψηλό-

21 4 KEºA AIO : Eπ ø Δ æ ºπ ƒ π ª Δ π π τερης συχνότητας του σήματος). Για παράδειγμα, αν θελήσουμε να ψηφιοποιήσουμε ένα σήμα ομιλίας και χρησιμοποιούμε μικρόφωνο το οποίο λειτουργεί για συχνότητες μεταξύ 300 Hz και 3 khz, τότε η μικρότερη συχνότητα δειγματοληψίας που πρέπει να χρησιμοποιήσουμε είναι 6 khz. Ας δούμε τώρα τι θα συμβεί αν το θεώρημα δειγματοληψίας δε γίνει σεβαστό. Ú ÂÈÁÌ.3 7 Δίνονται τα αναλογικά σήματα και x ( t) = sin x( t) = sin π t π t. 8 8 Ποια τα σήματα διακριτού χρόνου που θα προκύψουν μετά τη δειγματοληψία αυτών με ρυθμό F s = Hz; Λύση: Τα αντίστοιχα σήματα διακριτού χρόνου (ακολουθίες) είναι: x( n) = sin nt sin n sin n 8 π = π 8 π = x ( n) = sin nt = sin π π π π π n = sin n = sin + n = π π = sin πn+ n = sin n= x( n) 4 4 Παρατηρούμε, επομένως, ότι τα δύο ημιτονοειδή σήματα δεν ξεχωρίζουν μετά τη δειγματοληψία τους με ρυθμό Hz (Σχήμα.7). _ F = Hz 8 _7 F = _ 8 Hz Ì.7 Δειγματοληψία αναλογικών σημάτων συχνότητας F = F = Hz, Hz Πλάτος 0 Xρόνος sec F s = Hz με ρυθμό F s = Hz

22 . TÀ π ª Δø 5 Αν μας δώσουν μόνο τα δείγματα (κουκίδες του Σχήματος.7) τα οποία αντιστοιχούν στις τιμές του sin π, υπάρχει ασάφεια στο να πούμε αν αυτά τα δείγματα 4 n αντιστοιχούν σε τιμές του αναλογικού σήματος x (t) ή x (t). Επειδή το x (t) δίνει ακριβώς τα ίδια δείγματα με το x (t), για δειγματοληψία με ρυθμό F s = δείγματος ανά δευτερόλεπτο (F s = Hz), λέμε ότι η συχνότητα F = 7 8 Hz είναι ένα ψευδές αντί- γραφο (alias) της συχνότητας F = Hz για το ρυθμό δειγματοληψίας του Hz. 8 Μάλιστα, είναι σημαντικό να δούμε ότι η F δεν αποτελεί το μοναδικό ψευδές αντίγραφο της F. Πράγματι, για το ρυθμό δειγματοληψίας F s = Hz, η συχνότητα 9 7 F 3 = Hz είναι επίσης ψευδές αντίγραφο της F, όπως και η συχνότητα F 4 = 8 8 Hz, και γενικά όλες οι συχνότητες F + k ή γενικότερα F + kf s, όπου k =,, Συνεπώς, όλες αυτές οι συχνότητες είναι ψευδή αντίγραφα (aliases) της συχνότητας F = Hz. 8 Γενικά, η δειγματοληψία του ημιτονοειδούς σήματος συνεχούς χρόνου x α (t)=αcos(πf 0 t + θ) (.0) με ρυθμό δειγματοληψίας F s =/T, μας δίνει το διακριτού χρόνου σήμα: x(n) =Αcos(πf 0 n + θ) (.) όπου f 0 = F 0 /F s είναι η σχετική συχνότητα του ημιτονοειδούς. Αν θεωρήσουμε ότι Fs Fs F0, η συχνότητα f 0 του x(n) βρίσκεται στην περιοχή f 0, η οποία αντιπροσωπεύει τη βασική περιοχή συχνοτήτων των σημάτων διακριτού χρόνου. Στην περίπτωση αυτή, η απεικόνιση της F 0 στην f 0 είναι ένα προς ένα, κι έτσι είναι δυνατή η εύρεση (ανακατασκευή) του αναλογικού σήματος x α (t) από τα δείγματα x(n). Από την άλλη πλευρά, εάν τα αναλογικά ημιτονοειδή: x α (t) =Αcos(πF k t + θ) (.) όπου F k = F 0 + kf s, k = ±, ±, (.3)

23 6 KEºA AIO : Eπ ø Δ æ ºπ ƒ π ª Δ π π υποστούν δειγματοληψία με ρυθμό F s, είναι φανερό ότι η συχνότητα F k βρίσκεται εκτός της βασικής περιοχής συχνοτήτων προήλθε από δειγματοληψία ισούται με: Fs Fs F []. Συνεπώς το σήμα που xn ( ) x( nt) = Acos α F0+ kfs π n+ θ = F A n F 0 = cos π + θ + πkn = F = Acos( πf n+ θ) 0 s s (.4) Ì.8 Διαφορετικά ημιτονικά σήματα αντιπροσωπεύονται από τα ίδια δείγματα το οποίο συμπίπτει με το διακριτού χρόνου σήμα της σχέσης (.) που προήλθε από την δειγματοληψία του αναλογικού σήματος (.0). Επομένως, ένας άπειρος αριθμός ημιτονοειδών συνεχούς χρόνου αντιπροσωπεύεται από το ίδιο σύνολο δειγμάτων (Σχήμα.8). Για παράδειγμα οι συχνότητες (F k ),5 khz, 5,5 khz, 8,5 khz,, 30,5 khz, δεν ξεχωρίζουν από τη συχνότητα (F 0 ) 500Hz για συχνότητα δειγματοληψίας (F s ) ίση με 3 khz. Άρα, αν δίνεται το σύνολο των δειγμάτων x(n), υπάρχει ασάφεια ως προς το ποιo αναλογικό σήμα x α (t) αντιπροσωπεύουν αυτά τα δείγματα. Με άλλα λόγια, μπορούμε να πούμε ότι οι συχνότητες F k = F 0 + kf s, k = ±, ±, δεν μπορούν να διακριθούν από την συχνότητα F 0 μετά τη δειγματοληψία και συνεπώς όλες αυτές είναι ψευδή αντίγραφα (aliases) της F 0. Το φαινόμενο αυτό ονομάζεται φαινόμενο χαμηλού (ανεπαρκούς) ρυθμού δειγματοληψίας (aliasing), ή φαινόμενο φασματικής επικάλυψης (spectral overlap). Το φαινόμενο αυτό μας είναι γνωστό από τις κινηματογραφικές ταινίες, στις οποίες πολλές φορές παρατηρούμε τους τροχούς μίας άμαξας να περιστρέφονται αντίθετα προς την κατεύθυνση κίνησης της άμαξας. Αυτό οφείλεται στο γεγονός ότι ο ρυθμός λήψης των «καρέ» (ρυθμός δειγματοληψίας) είναι μικρότερος απ όσο πρέπει για να «προλάβουμε» την περιστροφή των τροχών. [] Η συχνότητα F s / (ή αντίστοιχα ω = π) ονομάζεται συχνότητα αναδίπλωσης (folding frequency).

24 . TÀ π ª Δø 7 Ú ÂÈÁÌ.4 Δίνεται το αναλογικό σήμα x α (t) = cos00πt. (α) Να προσδιορίσετε την ελάχιστη συχνότητα δειγματοληψίας που απαιτείται, ώστε να αποφύγουμε το φαινόμενο της χαμηλού ρυθμού δειγματοληψίας (aliasing). (β) Θεωρήστε ότι λαμβάνονται δείγματα του σήματος με ρυθμό F s = 00 Hz. Ποιο το σήμα διακριτού χρόνου το οποίο θα προκύψει μετά τη δειγματοληψία; (γ) Επαναλάβετε το ερώτημα (β) για ρυθμό δειγματοληψίας F s = 75 Hz. (δ) Για F s = 75 Hz, ποια η συχνότητα F 0, όπου F0, Fs Fs του ημιτονοειδούς το οποίο δίνει τα ίδια ακριβώς δείγματα με εκείνα που πήραμε στην περίπτωση (γ); Λύση (α) Η συχνότητα του αναλογικού σήματος είναι F = 50 Hz. Άρα η ελάχιστη συχνότητα δειγματοληψίας που απαιτείται, για να αποφύγουμε το φαινόμενο aliasing θα πρέπει να είναι F s =F = 00 Hz. (β) Όταν F s = 00 Hz, τότε το σήμα διακριτού χρόνου που παίρνουμε είναι: 00π π xn ( ) = cos n= cos n 00 (γ) Ο ρυθμός δειγματοληψίας των 75 Hz είναι μικρότερος αυτού που απαιτείται για να αποφύγουμε το φαινόμενο aliasing. Το σήμα διακριτού χρόνου που παίρνουμε είναι στην περίπτωση αυτή: 00π 4π π π x( n) = cos n= cos n= cos π n= cos n Η συχνότητα του σήματος είναι f = /3, δηλαδή F/F s = /3 ή F = 5 Hz αφού F s = 75 Hz. (δ) Από τη σχέση (.3) γνωρίζουμε τη συχνότητα F k = F (που στην προκειμένη περίπτωση είναι 50 Hz), τη συχνότητα δειγματοληψίας F s (που στην προκειμένη περίπτωση είναι 75 Hz) και ζητούμε να προσδιορίσουμε τη συχνότητα F 0 της βασικής περιοχής συχνοτήτων. Έτσι, έχουμε F 0 = F k kf s = = 5 Hz. Fs Fs (Διαλέξαμε k = γιατί μόνο αυτή η τιμή δίνει F0 ). Άρα, για το ρυθμό δειγματοληψίας των 75 Hz, η συχνότητα F = 50 Hz είναι ένα ψευδές αντίγραφο της συχνότητας των 5 Hz.

25 8 KEºA AIO : Eπ ø Δ æ ºπ ƒ π ª Δ π π ÕÛÎËÛË ÙÔ ÍÈÔÏfiÁËÛË. Από αναλογικό σήμα συχνότητας 00 Hz λαμβάνουμε δείγματα με συχνότητες (α) 75 Hz και (β) 50 Hz. Σε ποιες συχνότητες θα αντιστοιχούν τα δείγματα που θα προκύψουν; ÕÛÎËÛË ÙÔ ÍÈÔÏfiÁËÛË. Θεωρήστε τα αναλογικά σήματα x (t) = cos(60πt), x (t) = cos(40πt), x 3 (t) = cos(60πt), τα οποία υφίστανται ομοιόμορφα δειγματοληψία με συχνότητα 00 Hz. Ποια είναι τα εξαγόμενα σήματα διακριτού χρόνου; ÕÛÎËÛË ÙÔ ÍÈÔÏfiÁËÛË.3 Ο ρυθμός δειγματοληψίας του σήματος x(t) = sin(πt) + 4sin(3πt)cos(πt) είναι 3 khz. Σε ποιες συχνότητες θα αντιστοιχούν τα δείγματα που θα προκύψουν; Ú ÛÙËÚÈfiÙËÙ. Προτείνετε δύο συχνότητες οι οποίες να δίνουν τα ίδια δείγματα με αυτά του σήματος x(t) της άσκησης αυτοαξιολόγησης.3, όταν ο ρυθμός δειγματοληψίας είναι 3 khz. μ Δπ ª Δø À Ã À Δ À Κβάντιση (quantisation) ονομάζεται η διαδικασία της μετατροπής ενός σήματος διακριτού χρόνου συνεχούς πλάτους σε ψηφιακό σήμα, εκφράζοντας την τιμή κάθε δείγματος ως ένα αριθμό με πεπερασμένο πλήθος ψηφίων (αντί για άπειρο πλήθος ψηφίων που απαιτείται για κάθε συνεχούς πλάτους τιμή). Το σφάλμα που υπεισέρχεται από την αναπαράσταση του σήματος συνεχών τιμών με ένα πεπερασμένο πλήθος διακριτών τιμών, ονομάζεται σφάλμα κβάντισης (quantisation error) ή θόρυβος κβάντισης (quantisation noise). Αν x(n) είναι τα δείγματα εισόδου στον κβαντιστή και x q (n) η ακολουθία των κβαντισμένων δειγμάτων της εξόδου του κβαντιστή, τότε το σφάλμα κβάντισης είναι η ακολουθία e q (n), η οποία ορίζεται ως η διαφορά της πραγματικής τιμής από την κβαντισμένη τιμή, δηλα-

26 . TÀ π ª Δø 9 δή e q (n)=x(n) x q (n). Στο Σχήμα.9 φαίνεται παραστατικά το αποτέλεσμα της κβάντισης των δειγμάτων ενός αναλογικού σήματος, καθώς και το σφάλμα κβάντισης. Για τον περιορισμό κάθε δείγματος στο επιθυμητό πλήθος ψηφίων, χρησιμοποιήσαμε τη μέθοδο της στρογγυλοποίησης (rounding) και όχι της αποκοπής (truncation). Οι τιμές τις οποίες επιτρέπεται να παίρνει ένα ψηφιακό σήμα, αποτελούν τα λεγόμενα επίπεδα κβάντισης (quantisation levels), ενώ η απόσταση μεταξύ δύο διαδοχικών επιπέδων κβάντισης ονομάζεται βήμα κβάντισης (quantisation step) ή διακριτική ικανότητα ή ανάλυση (resolution). Κατά τη στρογγυλοποίηση, ο κβαντιστής αποδίδει στη συνεχή τιμή x(n) την τιμή του πλησιέστερου επιπέδου κβάντισης. Έτσι, το σφάλμα κβάντισης e q (n) κυμαίνεται στην περιοχή μεταξύ Δ/ και Δ/, δηλαδή Δ/ e q (n) Δ/. Το βήμα κβάντισης Δ ορίζεται ως Δ = (x max x min )/(L ), όπου x max, x min είναι η μεγαλύτερη και μικρότερη τιμή του x(n) αντίστοιχα, και L το πλήθος των επιπέδων κβάντισης. Η διαφορά x max x min αποτελεί τη δυναμική περιοχή (dynamic range) του σήματος. Στην περίπτωση του Σχήματος.9 έχουμε x max = 7, x min = 0, L = 8 και άρα Δ =. Παρατηρήστε ότι, αν η δυναμική περιοχή του σήματος είναι καθορισμένη, τότε αύξηση του πλήθους των επιπέδων κβάντισης L, συνεπάγεται μείωση του βήματος κβάντισης. Επομένως, το σφάλμα κβάντισης μειώνεται, δηλαδή, αυξάνει η ακρίβεια του κβαντιστή. Τα επίπεδα κβάντισης L είναι συνάρτηση του πλήθους b των δυαδικών ψηφίων (bits) της λέξης που χρησιμοποιούμε για την αναπαράσταση κάθε δείγματος, όπως θα δούμε στο αμέσως επόμενο εδάφιο του κωδικοποιητή. Αποδεικνύεται ότι για ημιτονοειδή σήματα, ο λόγος του σήματος προς το θόρυβο κβάντισης αυξάνεται κατά περίπου 6dB [] για κάθε επιπλέον bit που προστίθεται στο μήκος λέξης, δηλαδή για κάθε διπλασιασμό των επιπέδων κβάντισης. Από τα παραπάνω γίνεται φανερό ότι η κβάντιση αναλογικών σημάτων οδηγεί πάντοτε σε απώλεια πληροφορίας, εξαιτίας της ασάφειας που αυτή εισάγει. Πράγματι, η κβάντιση είναι μία μη αντιστρεπτή διαδικασία, αφού όλα τα δείγματα σε απόσταση Δ/ γύρω από ένα επίπεδο κβάντισης, αντιπροσωπεύονται από την ίδια τιμή. Συνεπώς, δεν μπορούμε ποτέ να εξαλείψουμε το θόρυβο κβάντισης, παρά μόνο να τον μειώσουμε αυξάνοντας τα επίπεδα κβάντισης L. [] Υπενθυμίζεται ότι το db (decibel) ορίζεται ως 0 log 0 (P /P ) = 0 log 0 (V /V ), όπου με P, V συμβολίζουμε την ισχύ και την τάση ενός σήματος αντίστοιχα. Το db αντιστοιχεί στο /0 του Bell, μονάδα η οποία ορίστηκε και καθιερώθηκε από τον Alexander Graham Bell, ο οποίος ανακάλυψε ότι το ανθρώπινο αυτί αποκρίνεται λογαριθμικά στις διαφορές ισχύος. Έτσι, 3dB σημαίνει ότι έχουμε διπλασιασμό της ισχύος (P =P ), ενώ 3dB σημαίνει ότι έχουμε υποδιπλασιασμό αυτής (P = P /). Αναφερόμενοι στην τάση, 6dB σημαίνει διπλασιασμό της τάσης (V =V ), ενώ 6dB σημαίνει ότι έχουμε υποδιπλασιασμό αυτής (V = V /).

27 30 KEºA AIO : Eπ ø Δ æ ºπ ƒ π ª Δ π π ø π π Δø μ Δπ ª ø π ª Δø Κατά τη διαδικασία της κωδικοποίησης σ ένα μετατροπέα αναλογικού σε ψηφιακό, ένας μοναδικός δυαδικός αριθμός εκχωρείται σε κάθε επίπεδο κβάντισης. Αν έχουμε L επίπεδα κβάντισης, χρειαζόμαστε τουλάχιστον L διαφορετικούς δυαδικούς αριθμούς. Με ένα μήκος λέξης b bits μπορούμε να έχουμε b διαφορετικούς δυαδικούς αριθμούς. Άρα, πρέπει b L ή ισοδύναμα b log L. Στο παράδειγμα του Σχήματος.9 χρησιμοποιήσαμε έναν κωδικοποιητή με b = 3 bits. Στο εμπόριο υπάρχουν διαθέσιμοι μετατροπείς A/D με ακρίβεια μέχρι και b = 4 bits. Χαρακτηριστική είναι η περίπτωση των μουσικών CDs, όπου χρησιμοποιούνται μετατροπείς A/D ακριβείας 6 bits. Ì.9 Κβάντιση και κωδικοποίηση σήματος x(n) x q (n) x(n) x(t) Eπίπεδα κβάντισης Δ Bήμα κβάντισης 3 0 Tιμές δειγμάτων Δυαδικές τιμές Σφάλμα n ÓÔ Ë ÂÓfiÙËÙ Στην ενότητα αυτή γνωρίσαμε τους διάφορους τύπους σημάτων. Είδαμε τις διαφορές μεταξύ των αναλογικών σημάτων, των σημάτων διακριτού χρόνου και των ψηφιακών σημάτων, και ασχοληθήκαμε διεξοδικά με τη μετατροπή ενός αναλογικού σήματος σε ψηφιακό. Έγινε φανερό ότι η μετατροπή αυτή απαρτίζεται από δύο κύριες, αλλά ανεξάρτητες μεταξύ τους, διαδικασίες: τη δειγματοληψία, η οποία έχει σχέση με το πόσο συχνά παίρνουμε τα δείγματα, και τη κβάντιση, η οποία έχει σχέση με την ακρίβεια αναπαράστασης του πλάτους κάθε δείγματος. Με άλλα λόγια, η δειγματοληψία έχει να κάνει με τη συχνότητα του σήματος, ενώ η κβάντιση με το πλάτος του σήματος. Το θεώρημα δειγματοληψίας μας λέει ότι η συχνότητα δειγματοληψίας πρέπει να είναι τουλάχιστον διπλάσια της μέγιστης συχνότητας που περιέχεται στο σήμα από το οποίο θέλουμε να λάβουμε δείγματα. Αν αυτό δε συμβαίνει, τότε παρου-

28 .3 ª Δ π ƒπδ À Ã À 3 σιάζεται το φαινόμενο της χαμηλού ρυθμού δειγματοληψίας (aliasing). Η ψηφιοποίηση του πλάτους ενός σήματος εισάγει ένα θόρυβο, το λεγόμενο θόρυβο κβάντισης, ο οποίος, όσο περισσότερα επίπεδα κβάντισης χρησιμοποιούμε, δηλαδή όσο περισσότερα bits χρησιμοποιούμε για την αναπαράσταση της κάθε τιμής του πλάτους, τόσο μικρότερος γίνεται..3 Ì Ù È ÎÚÈÙÔ ÚfiÓÔ Στην ενότητα αυτή θα ασχοληθούμε με τα σήματα διακριτού χρόνου. Θα γνωρίσουμε τα πιο βασικά σήματα διακριτού χρόνου, καθώς και τις στοιχειώδεις πράξεις που εφαρμόζονται σε τέτοιου είδους σήματα. Όλα αυτά θα αποτελέσουν τα εργαλεία τα απαραίτητα για τη μελέτη των συστημάτων και την ανάλυση των σημάτων που θα μας απασχολήσουν σε όλη την έκταση αυτού του βιβλίου..3. μ ÛÈÎ Û Ì Ù È ÎÚÈÙÔ ÚfiÓÔ Τα σήματα που περιγράφονται στη συνέχεια θεωρούνται ως τα βασικά (στοιχειώδη) σήματα διακριτού χρόνου. α) Μοναδιαίο δείγμα (unit sample) ή μοναδιαία κρουστική ακολουθία (unit impulse sequence): Είναι το πλέον βασικό σήμα διακριτού χρόνου το οποίο ορίζεται ως:, n = 0 δn ( ) = 0, n 0 β) Μοναδιαία βηματική ακολουθία (unit step sequence): Ορίζεται ως:, n 0 u( n) = 0, n < 0 γ) Σταθερή ακολουθία (constant sequence): (.5) (.6) x(n)=α, < n < (.7) δ) Γραμμική ακολουθία (linear sequence): x(n) = Αn, < n < (.8) Οι κυματομορφές όλων των παραπάνω σημάτων φαίνονται στα Σχήματα.0 έως και.3. ε) Εκθετική ακολουθία (exponential sequence): x(n) = a n, < n < (.9) Η ακολουθία αυτή παρουσιάζει ιδιαίτερο ενδιαφέρον. Η μορφή της εξαρτάται από

29 3 KEºA AIO : Eπ ø Δ æ ºπ ƒ π ª Δ π π την τιμή του a. Έτσι, αν a πραγματικός αριθμός, τότε αυτή είναι φθίνουσα για a < (Σχήμα.4α,β) και αύξουσα για a > (Σχήμα.4γ,δ). Αν a μιγαδικός αριθμός, δηλαδή a = re jω, τότε x(n)=r n e jωn ή x(n)=r n [cos(ωn) + j sin(ωn)]. Για r = το πραγματικό και φανταστικό μέρος είναι αντίστοιχα μία συνημιτονική και μία ημιτονική ακολουθία σταθερού πλάτους της μορφής του Σχήματος.5α. Για r < έχουμε φθίνουσες ημιτονικές ακολουθίες της μορφής του Σχήματος.5β και για r > έχουμε αύξουσες ημιτονικές ακολουθίες της μορφής του Σχήματος.5γ. δ(n) n (α) n Ì.0: Κρουστική ακολουθία u(n) n 0 3 Ì.: Βηματική ακολουθία n (β) x(n) A n (γ) n Ì.: Σταθερή ακολουθία x(n) 3A A A n A 0 3 A Ì.3: Γραμμική ακολουθία (δ) Ì.4 Εκθετική ακολουθία x(n) = a n για a πραγματικό και (α) 0 < a <, (β) <a<0, (γ) a > και (δ) a < n

30 .3 ª Δ π ƒπδ À Ã À 33 n (α) n (β) n (γ) Ì.5 Γραφική αναπαράσταση του πραγματικού ή φανταστικού μέρους της εκθετικής ακολουθίας x(n) = a n για a μιγαδικό (a = re jω ), όπου (α) r =, (β) r < και (γ) r >.3. ÙÔÈ ÂÈÒ ÂÈ appleú ÍÂÈ π ª Δø π ƒπδ À Ã À Η μαθηματική περιγραφή της ολίσθησης και η κατανόηση αυτής είναι καίριας σημασίας. Για παράδειγμα, η ολίσθηση της μοναδιαίας κρουστικής κατά n o μονάδες (δείγματα) ορίζεται ως:, δ( n no ) = 0, n= n n n o o (.30) Στο Σχήμα.6 φαίνονται οι συναρτήσεις δ(n 3) και δ(n + 3).

31 34 KEºA AIO : Eπ ø Δ æ ºπ ƒ π ª Δ π π δ(n-3) δ(n+3) Ì.6 Γραφικές παραστάσεις των μοναδιαίων ακολουθιών (α) δ(n 3) και (β) δ(n + 3) (α) n (β) n Με όμοιο τρόπο ορίζεται και η ολισθημένη κατά n o μοναδιαία βηματική ακολουθία:, n no u( n no ) = 0, n< n o (.3) Στο Σχήμα.7 φαίνονται παραδείγματα ολίσθησης μίας βηματικής συνάρτησης κατά δύο δείγματα (n o = ). Ì.7 Γραφικές παραστάσεις των βηματικών ακολουθιών (α) Αu(n ), (β) Αu(n + ) και (γ) Αu( n + ) Au(n-) Au(n+) Au(-n+) A A A n n n (α) (β) (γ) Παρατηρούμε ότι η μη μηδενική τιμή μιας κρουστικής βρίσκεται εκεί όπου το όρισμα της δ( ) γίνεται μηδέν. Όμοια, μία βηματική ακολουθία είναι μη μηδενική για εκείνες τις τιμές για τις οποίες το όρισμα της u( ) είναι μεγαλύτερο ή ίσο του μηδενός. Για παράδειγμα, μία κρουστική ακολουθία με πλάτος δείγματος 4 στη θέση n = 3, εκφράζεται ως 4δ(n 3). Μία βηματική ακολουθία πλάτους για όλες τις θετικές τιμές του n, καθώς και για n = 0, εκφράζεται ως x(n) = u(n). Η κατοπτρική αυτής ως προς τον άξονα των συντεταγμένων είναι η x( n) = u( n). Αυτή έχει πλάτος για όλες τις αρνητικές τιμές του n, καθώς και για n = 0. Η ολίσθηση αυτής κατά 4 θέσεις προς τα αριστερά θα μας δώσει την ακολουθία x( n +4)= u( n + 4). Είμαστε τώρα σε θέση να δούμε εύκολα ότι οι σχέσεις που συνδέουν την κρουστική και τη βηματική ακολουθία είναι οι εξής: un ( ) = δ ( m) n m= (.3)

32 .3 ª Δ π ƒπδ À Ã À 35 δ( n) = u( n) u( n ) (.33) Γενικά, η ακολουθία x(n n 0 ) είναι ένα αντίγραφο της x(n) το οποίο έχει υποστεί ολίσθηση. Για n 0 > 0 έχουμε μια δεξιά ολίσθηση η οποία ισοδυναμεί με καθυστέρηση (delay) του σήματος, ενώ για n 0 < 0 έχουμε μια αριστερή ολίσθηση η οποία ισοδυναμεί με προήγηση (advance) του σήματος. π ƒπ ƒ º À π Οποιοδήποτε σήμα x(n) μπορεί να γραφεί ως άθροισμα ολισθημένων κρουστικών δειγμάτων πολλαπλασιασμένων με συντελεστές βάρους: + xn ( ) = xm ( ) δ ( n m) m= (.34) Για να γίνει αυτό κατανοητό, ας δούμε το Σχήμα.8. Η Αδ(n) βρίσκεται στην αρχή των αξόνων, ενώ η Αδ(n m) βρίσκεται στο σημείο n = m. Έτσι η ακολουθία x(n), με {x(n)} = { 0, 0,,, 3,, 0,,, 0, 0, }, όπου με έντονη γραφή και υπογράμμιση σημειώνεται η χρονική στιγμή n = 0 (στοιχείο 3), μπορεί να περιγραφεί ως: x(n) = δ(n + ) + δ(n + ) + 3δ(n) + δ(n ) δ(n 3) + δ(n 4) + = = +x( )δ(n + ) + x( )δ(n + ) + x(0)δ(n) + x()δ(n ) + x(3)δ(n 3) + x(4)δ(n 4) + και γενικά προκύπτει η σχέση (.34). Η σχέση αυτή είναι πολύ βασική και θα μας βοηθήσει στην κατανόηση της συνέλιξης (convolution), όπως θα δούμε αναλυτικά στην ενότητα.4. x(n) Aδ(n) Aδ(n-m) 3 A A n n - 3 n 0 0 m (α) (β) (γ) Ì.8 Η μοναδιαία κρουστική στην περιγραφή οποιουδήποτε σήματος διακριτού χρόνου x(n):(α) Αδ(n), (β) Αδ(n m), (γ) x(n)

33 36 KEºA AIO : Eπ ø Δ æ ºπ ƒ π ª Δ π π ÕÛÎËÛË ÙÔ ÍÈÔÏfiÁËÛË.4 Να εκφράσετε τον παλμό διακριτού χρόνου p(n) του Σχήματος.9α ως συνδυασμό βηματικών ακολουθιών. p(n) g(n) x(n) n n n (α) (β) (γ) Ì.9 Σήματα διακριτού χρόνου. Ú ÛÙËÚÈfiÙËÙ. Να βρείτε τις εκφράσεις για τα σήματα g(n), x(n) των Σχημάτων.9β και.9γ. ÓÔ Ë ÂÓfiÙËÙ Στην ενότητα αυτή ορίσαμε όλες τις βασικές ακολουθίες (κρουστική, βηματική, εκθετική) και γνωρίσαμε τις στοιχειώδεις πράξεις που μπορούμε να έχουμε σ αυτές. Στη συνέχεια, είδαμε ότι οποιοδήποτε σήμα διακριτού χρόνου μπορεί να εκφραστεί ως γραμμικός συνδυασμός μοναδιαίων κρουστικών..4 ÛÙ Ì Ù È ÎÚÈÙÔ ÚfiÓÔ Ένα σύστημα διακριτού χρόνου είναι εκείνo που δέχεται μία είσοδο διακριτού χρόνου x(n) και παράγει μία έξοδο επίσης διακριτού χρόνου y(n) (Σχήμα.0). Τα συστήματα με τα οποία θα ασχοληθούμε στο βιβλίο αυτό έχουν δύο βασικά χαρακτηριστικά. Είναι γραμμικά (linear) και χρονικά αμετάβλητα (time invariant). Θα αναφερόμαστε σ αυτά με τον αγγλικό όρο LTI (Linear Time Invariant) για λόγους συμβατότητας με τη διεθνή βιβλιογραφία και ευκολίας του σπουδαστή. Γραμμικό ονομάζεται ένα σύστημα στο οποίο ισχύει η αρχή της υπέρθεσης. Συγκεκριμένα, εάν η είσοδος του συστήματος, το οποίο αρχικά βρισκόταν σε ηρεμία [3], [3] Αρχική ηρεμία σημαίνει ότι στο σύστημα δεν έχει εφαρμοστεί καμία διέγερση (είσοδος) πριν από τη χρονική στιγμή n = n 0, κατά την οποία εφαρμόστηκε η είσοδος x(n).

34 .4 À Δ ª Δ π ƒπδ À Ã À 37 Ì.0 x(n) Σύστημα Διακριτού Xρόνου y(n) Γενικό διάγραμμα συστήματος διακριτού χρόνου αποτελείται από ένα γραμμικό συνδυασμό σημάτων, τότε η έξοδος του συστήματος (απόκριση) θα ισούται με το γραμμικό συνδυασμό των αποκρίσεων των επιμέρους σημάτων, σαν αυτά να είχαν εφαρμοσθεί το καθένα χωριστά. Μαθηματικά αυτό εκφράζεται ως εξής: αν y (n) είναι η απόκριση του συστήματος στην είσοδο x (n) και y (n) είναι η απόκριση αυτού στην είσοδο x (n), τότε η απόκριση του συστήματος στην είσοδο ax (n) + bx (n) θα είναι ay (n) + by (n), όπου a, b σταθερές. Ας εξετάσουμε τις περιπτώσεις ενός γραμμικού και ενός μη γραμμικού συστήματος. Ένα παράδειγμα γραμμικού συστήματος είναι αυτό του οποίου η έξοδος ισούται με y(n) =x(n) x(n ). Για είσοδο x (n), η έξοδος του συστήματος θα είναι y (n) = x (n) x (n ). Για είσοδο x (n) η έξοδος του συστήματος θα είναι y (n) = x (n) x (n ). Αν τώρα εφαρμόσουμε ως είσοδο x 3 (n) το γραμμικό συνδυασμό των δύο προηγουμένων ακολουθιών εισόδου, δηλαδή x 3 (n)=ax (n) +bx (n), η έξοδος y 3 (n) του συστήματος θα ισούται με: y 3 (n) =x 3 (n) x 3 (n ) = [a x (n)+bx (n)] [a x (n ) + bx (n )] = a[x (n) x (n )] + b[x (n) x (n )] = ay (n)+by (n) άρα, ισχύει η αρχή της υπέρθεσης. Ένα παράδειγμα μη γραμμικού συστήματος είναι εκείνο το οποίο παράγει στην έξοδό του το τετράγωνο της εισόδου, δηλαδή y(n) = [x(n)]. Για είσοδο x (n) η έξοδος του συστήματος θα είναι y (n) = [x (n)]. Για είσοδο x (n) η έξοδος του συστήματος θα είναι y (n) = [x (n)]. Αν τώρα εφαρμοστεί στην είσοδο το σήμα x 3 (n) =ax (n) + bx (n) η έξοδος θα είναι: y ( n) x ( n) ax ( n) + bx ( n) ax ( n) bx ( n) abx ( n) x ( n) 3 3 = [ ] = [ ] = [ ] + [ ] + = = a y ( n) + b y ( n) + abx ( n) x ( n) ay ( n) + by ( n) Χρονικά αμετάβλητο ονομάζεται ένα σύστημα του οποίου η συμπεριφορά και οι ιδιότητες δεν αλλάζουν με το χρόνο. Αυτό σημαίνει ότι μια χρονική ολίσθηση της εισόδου θα αντιστοιχεί σε χρονική ολίσθηση της εξόδου. Με άλλα λόγια, εάν y(n) είναι η έξοδος ενός χρονικά αμετάβλητου συστήματος για είσοδο x(n), τότε y(n n 0 ) θα είναι η έξοδος αυτού για είσοδο x(n n 0 ). Ευσταθές (stable) ονομάζεται ένα σύστημα εάν και μόνο εάν κάθε φραγμένη είσοδος

35 38 KEºA AIO : Eπ ø Δ æ ºπ ƒ π ª Δ π π παράγει μια φραγμένη έξοδο (Bounded Input Bounded Output, ΒΙΒΟ). Με άλλα λόγια, ένα τέτοιο σύστημα μας εξασφαλίζει ότι όσο η είσοδος παραμένει φραγμένη ( x(n) M x < ), η έξοδος δε θα απειρίζεται ( y(n) M y < ) για όλα τα n, όπου M x, M y πεπερασμένοι αριθμοί. Σε διαφορετική περίπτωση το σύστημα ονομάζεται ασταθές (unstable). Αιτιατό (causal) σύστημα είναι εκείνο του οποίου η έξοδος, σε κάθε χρονική στιγμή, εξαρτάται μόνο από τις τιμές του σήματος εισόδου στην τρέχουσα χρονική στιγμή και σε προηγούμενες χρονικές στιγμές. Με άλλα λόγια, οι μεταβολές στην έξοδο ενός τέτοιου συστήματος είναι αποτέλεσμα των μεταβολών της εισόδου. Στη συνέχεια, θα εξετάσουμε τη σημασία της κρουστικής απόκρισης μονοδιάστατου συστήματος διακριτού χρόνου και θα δούμε ότι με τη βοήθειά της μπορούμε, μέσω της πράξης της συνέλιξης, να υπολογίσουμε την έξοδο ενός γραμμικού συστήματος διακριτού χρόνου για οποιαδήποτε είσοδο. Ú ÂÈÁÌ.5 Να χαρακτηρίσετε τα συστήματα που περιγράφονται από τις επόμενες σχέσεις εισόδου εξόδου, ως προς τις ιδιότητες της γραμμικότητας, της ευστάθειας,της χρονικής μεταβλητότητας και της αιτιατότητας. α. y(n) =3x(n) x(n ) γ. y(n) =nx(n ) x(n +3) β. y(n) =x(n)+y(n ) δ. y(n) = cos[x(n)] Λύση: Τα δύο πρώτα συστήματα είναι γραμμικά, αφού η έξοδος υπολογίζεται ως γραμμικός συνδυασμός δειγμάτων της εισόδου και προηγούμενων τιμών της εξόδου. Το τρίτο σύστημα είναι επίσης γραμμικό, αφού ισχύει η αρχή της υπέρθεσης. Το τέταρτο είναι μη γραμμικό σύστημα. Ως προς την ευστάθεια, το δεύτερο σύστημα δεν είναι ευσταθές. Για να γίνει αυτό κατανοητό, ας θεωρήσουμε ότι στην είσοδο του συστήματος εφαρμόζεται η φραγμένη ακολουθία x(n) = Cδ(n), όπου C σταθερά. Θεωρούμε επίσης ότι το σύστημα βρίσκεται σε αρχική ηρεμία, οπότε y( ) = 0. Η ακολουθία εξόδου που παράγεται είναι: y(0) = C δ(0) + y( ) = C + 0 =C y() = C δ() + y(0) = C 0+ C =C y() = C δ() + y() = C 0+ C = C y(n) =C δ(n) + y(n ) = C 0+ n C = n C

Ψηφιακή επεξεργασία εικόνων και σηµάτων

Ψηφιακή επεξεργασία εικόνων και σηµάτων Ψηφιακή επεξεργασία εικόνων και σηµάτων Σηµείωση Το ΕΑΠ είναι υπεύθυνο για την επιµέλεια έκδοσης και την ανάπτυξη των κειµένων σύµφωνα µε τη Μεθοδολογία της εξ Αποστάσεως Εκπαίδευσης. Για την επιστηµονική

Διαβάστε περισσότερα

Ημιτονοειδή σήματα Σ.Χ.

Ημιτονοειδή σήματα Σ.Χ. Ημιτονοειδή σήματα Σ.Χ. Αρμονική ταλάντωση και επειδή Ω=2πF Περιοδικό με βασική περίοδο Τ p =1/F Ημιτονοειδή σήματα Σ.Χ. 1 Ημιτονοειδή σήματα Σ.Χ. Σύμφωνα με την ταυτότητα του Euler Το ημιτονοειδές σήμα

Διαβάστε περισσότερα

Ψηφιακή επεξεργασία εικόνων και σηµάτων

Ψηφιακή επεξεργασία εικόνων και σηµάτων Îfi Ú. ÂÏÈ ÔappleÔ ËÛË (ÛÂÏ.96) /7/003 :3 ÂÏ Ψηφιακή επεξεργασία εικόνων και σηµάτων Σηµείωση Το ΕΑΠ είναι υπεύθυνο για την επιµέλεια έκδοσης και την ανάπτυξη των κειµένων σύµφωνα µε τη Μεθοδολογία της

Διαβάστε περισσότερα

ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΛΗΡΟΦΟΡΙΚΗ ΣHMATA KAI EΠEΞEPΓAΣIA EIKONAΣ. Tόµος B' Ψηφιακή Eπεξεργασία Eικόνων και Σηµάτων

ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΛΗΡΟΦΟΡΙΚΗ ΣHMATA KAI EΠEΞEPΓAΣIA EIKONAΣ. Tόµος B' Ψηφιακή Eπεξεργασία Eικόνων και Σηµάτων Îfi Ú. ÂÏÈ ÔappleÔ ËÛË (ÛÂÏ.96) /7/003 :3 ÂÏ 3 ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ Σχολή Θετικών Επιστηµών και Τεχνολογίας Πρόγραµµα Σπουδών ΠΛΗΡΟΦΟΡΙΚΗ Θεµατική Eνότητα ΣHMATA KAI EΠEΞEPΓAΣIA EIKONAΣ Tόµος

Διαβάστε περισσότερα

ΣΗΜΑΤΑ ΔΙΑΚΡΙΤΟΥ ΧΡΟΝΟΥ

ΣΗΜΑΤΑ ΔΙΑΚΡΙΤΟΥ ΧΡΟΝΟΥ 5 σιμοποιούμε, δηλαδή όσο περισσότερα bits χρησιμοποιούμε για την αναπαράσταση της κάθε τιμής του πλάτους. ΕΝΟΤΗΤΑ.. ΣΗΜΑΤΑ ΔΙΑΚΡΙΤΟΥ ΧΡΟΝΟΥ Στην ενότητα αυτή θα ασχοληθούμε με τα σήματα διακριτού χρόνου.

Διαβάστε περισσότερα

Îfi Ú. ÂÏÈ ÔappleÔ ËÛË (ÛÂÏ.296) 1/7/ :23 ÂÏ KEºA AIO 1: Eπ ø æ º π ƒ π ª π π. 1.1 æëêè Î ÂappleÂÍÂÚÁ Û Û Ì ÙÔ

Îfi Ú. ÂÏÈ ÔappleÔ ËÛË (ÛÂÏ.296) 1/7/ :23 ÂÏ KEºA AIO 1: Eπ ø æ º π ƒ π ª π π. 1.1 æëêè Î ÂappleÂÍÂÚÁ Û Û Ì ÙÔ Îfi Ú. ÂÏÈ ÔappleÔ ËÛË (ÛÂÏ.296) /7/2003 2:23 ÂÏ 4 4 KEºA AIO : Eπ ø æ º π ƒ π ª π π. æëêè Î ÂappleÂÍÂÚÁ Û Û Ì ÙÔ Η ψηφιακή επεξεργασία σήµατος ασχολείται µε την ψηφιακή αναπαράσταση των σηµάτων και την

Διαβάστε περισσότερα

Σήματα και Συστήματα. Διάλεξη 1: Σήματα Συνεχούς Χρόνου. Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής

Σήματα και Συστήματα. Διάλεξη 1: Σήματα Συνεχούς Χρόνου. Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής Σήματα και Συστήματα Διάλεξη 1: Σήματα Συνεχούς Χρόνου Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής 1 Εισαγωγή στα Σήματα 1. Σκοποί της Θεωρίας Σημάτων 2. Κατηγορίες Σημάτων 3. Χαρακτηριστικές Παράμετροι

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ ΤΜΗΜΑ ΕΠΙςΤΗΜΗς & ΤΕΧΝΟΛΟΓΙΑς ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ ΜΔΕ Προηγμένα Τηλεπικοινωνιακά Συστήματα και Δίκτυα Διάλεξη 2 η Νικόλαος Χ. Σαγιάς Επίκουρος Καθηγητής Webpage: http://eclass.uop.gr/courses/tst233

Διαβάστε περισσότερα

ΑΝΑΛΥΣΗ ΣΗΜΑΤΩΝ ΚΑΙ ΣΥΣΤΗΜΑΤΩΝ ΜΕ ΤΟ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟ FOURIER

ΑΝΑΛΥΣΗ ΣΗΜΑΤΩΝ ΚΑΙ ΣΥΣΤΗΜΑΤΩΝ ΜΕ ΤΟ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟ FOURIER ΑΝΑΛΥΣΗ ΣΗΜΑΤΩΝ ΚΑΙ ΣΥΣΤΗΜΑΤΩΝ ΜΕ ΤΟ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟ FOURIER Ανάλυση σημάτων και συστημάτων Ο μετασχηματισμός Fourier (DTFT και DFT) είναι σημαντικότατος για την ανάλυση σημάτων και συστημάτων Εντοπίζει

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ ΤΜΗΜΑ ΕΠΙΣΤΗΜΗΣ & ΤΕΧΝΟΛΟΓΙΑΣ ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ Κ 17 Επικοινωνίες ΙΙ Χειμερινό Εξάμηνο Διάλεξη 5 η Νικόλαος Χ. Σαγιάς Επίκουρος Καθηγητής Webpage: http://eclass.uop.gr/courses/tst215

Διαβάστε περισσότερα

Ψηφιακή Επεξεργασία Σημάτων

Ψηφιακή Επεξεργασία Σημάτων Ψηφιακή Επεξεργασία Σημάτων Ενότητα 7: Μετατροπή Σήματος από Αναλογική Μορφή σε Ψηφιακή Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής 1 Μετατροπή Αναλογικού Σήματος σε Ψηφιακό Είδη Δειγματοληψίας: Ιδανική

Διαβάστε περισσότερα

Εισαγωγή στην Επεξεργασία Σήματος. Νόκας Γιώργος

Εισαγωγή στην Επεξεργασία Σήματος. Νόκας Γιώργος Εισαγωγή στην Επεξεργασία Σήματος Νόκας Γιώργος Βιβλιογραφία στον εύδοξο 1. Γ. Β. Μουστακίδης, Βασικές Τεχνικές Ψηφιακής Επεξεργασίας Σημάτων και Συστημάτων, εκδόσεις Α. Τζιόλα & Υιοί Ο.Ε., Θεσσαλονίκη,

Διαβάστε περισσότερα

Ψηφιακή Επεξεργασία Σήματος

Ψηφιακή Επεξεργασία Σήματος Ψηφιακή Επεξεργασία Σήματος Εργαστήριο 3 Εισαγωγή στα Σήματα Αλέξανδρος Μανουσάκης Τι είναι σήμα; Ως σήμα ορίζουμε το σύνολο των τιμών που λαμβάνει μια ποσότητα (εξαρτημένη μεταβλητή) όταν αυτή μεταβάλλεται

Διαβάστε περισσότερα

ΗΜΥ 100 Εισαγωγή στην Τεχνολογία

ΗΜΥ 100 Εισαγωγή στην Τεχνολογία ΗΜΥ 100 Εισαγωγή στην Τεχνολογία Δρ. Στέλιος Τιμοθέου ΤΜΗΜΑ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΑ ΘΕΜΑΤΑ ΜΑΣ ΣΗΜΕΡΑ Αναλογικά και ψηφιακά συστήματα Μετατροπή

Διαβάστε περισσότερα

3-Φεβ-2009 ΗΜΥ 429. 4. Σήματα

3-Φεβ-2009 ΗΜΥ 429. 4. Σήματα 3-Φεβ-2009 ΗΜΥ 429 4. Σήματα 1 Σήματα Σήματα είναι: σχήματα αλλαγών που αντιπροσωπεύουν ή κωδικοποιούν πληροφορίες σύνολο πληροφορίας ή δεδομένων σχήματα αλλαγών στο χρόνο, π.χ. ήχος, ηλεκτρικό σήμα εγκεφάλου

Διαβάστε περισσότερα

4. ΚΕΦΑΛΑΙΟ ΕΦΑΡΜΟΓΕΣ ΤΟΥ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΥ FOURIER

4. ΚΕΦΑΛΑΙΟ ΕΦΑΡΜΟΓΕΣ ΤΟΥ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΥ FOURIER 4. ΚΕΦΑΛΑΙΟ ΕΦΑΡΜΟΓΕΣ ΤΟΥ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΥ FOURIER Σκοπός του κεφαλαίου είναι να παρουσιάσει μερικές εφαρμογές του Μετασχηματισμού Fourier (ΜF). Ειδικότερα στο κεφάλαιο αυτό θα περιγραφούν έμμεσοι τρόποι

Διαβάστε περισσότερα

1. ΚΕΦΑΛΑΙΟ ΕΙΣΑΓΩΓΗ ΣΤΑ ΣΗΜΑΤΑ

1. ΚΕΦΑΛΑΙΟ ΕΙΣΑΓΩΓΗ ΣΤΑ ΣΗΜΑΤΑ . ΚΕΦΑΛΑΙΟ ΕΙΣΑΓΩΓΗ ΣΤΑ ΣΗΜΑΤΑ Σκοπός του κεφαλαίου αυτού είναι να δώσει μια γενική εικόνα του τι είναι σήμα και να κατατάξει τα διάφορα σήματα σε κατηγορίες ανάλογα με τις βασικές ιδιότητες τους. Επίσης,

Διαβάστε περισσότερα

ΘΕΩΡΙΑ ΠΛΗΡΟΦΟΡΙΑΣ. Κεφάλαιο 7-8 : Συστήματα Δειγματοληψία Χρήστος Ξενάκης. Πανεπιστήμιο Πειραιώς, Τμήμα Ψηφιακών Συστημάτων

ΘΕΩΡΙΑ ΠΛΗΡΟΦΟΡΙΑΣ. Κεφάλαιο 7-8 : Συστήματα Δειγματοληψία Χρήστος Ξενάκης. Πανεπιστήμιο Πειραιώς, Τμήμα Ψηφιακών Συστημάτων ΘΕΩΡΙΑ ΠΛΗΡΟΦΟΡΙΑΣ Κεφάλαιο 7-8 : Συστήματα Δειγματοληψία Χρήστος Ξενάκης Πανεπιστήμιο Πειραιώς, Τμήμα Ψηφιακών Συστημάτων Περιεχόμενα Ομιλίας Κεφάλαιο 7 ο Ταξινόμηση Συστημάτων Κρουστική Απόκριση Κεφάλαιο

Διαβάστε περισσότερα

Εισαγωγή στις Τηλεπικοινωνίες. Δομή της παρουσίασης

Εισαγωγή στις Τηλεπικοινωνίες. Δομή της παρουσίασης ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ ΣΧΟΛΗ ΤΕΧΝΟΛΟΓΙΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ & ΕΠΙΚΟΙΝΩΝΙΩΝ ΤΜΗΜΑ ΨΗΦΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΕΡΓΑΣΤΗΡΙΟ ΤΗΛΕΠΙΚΟΙΝΩΝΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ Εισαγωγή στις Τηλεπικοινωνίες Διάλεξη 3 η Τα Συστήματα στις Τηλεπικοινωνίες

Διαβάστε περισσότερα

Εισαγωγή στα Σήματα. Κυριακίδης Ιωάννης 2011

Εισαγωγή στα Σήματα. Κυριακίδης Ιωάννης 2011 Εισαγωγή στα Σήματα Κυριακίδης Ιωάννης 2011 Τελευταία ενημέρωση: 11/11/2011 Τι είναι ένα σήμα; Ως σήμα ορίζουμε το σύνολο των τιμών που λαμβάνει μια ποσότητα (εξαρτημένη μεταβλητή) όταν αυτή μεταβάλλεται

Διαβάστε περισσότερα

Αναλογικά & Ψηφιακά Κυκλώματα ιαφάνειες Μαθήματος ρ. Μηχ. Μαραβελάκης Εμ.

Αναλογικά & Ψηφιακά Κυκλώματα ιαφάνειες Μαθήματος ρ. Μηχ. Μαραβελάκης Εμ. Αναλογικά & Ψηφιακά Κυκλώματα ιαφάνειες Μαθήματος ρ. Μηχ. Μαραβελάκης Εμ. 1 Εισαγωγή Αναλογικό σήμα (analog signal): συνεχής συνάρτηση στην οποία η ανεξάρτητη μεταβλητή και η εξαρτημένη μεταβλητή (π.χ.

Διαβάστε περισσότερα

Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας. Ακαδημαϊκό Έτος Παρουσίαση Νο. 2. Δισδιάστατα Σήματα και Συστήματα #1

Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας. Ακαδημαϊκό Έτος Παρουσίαση Νο. 2. Δισδιάστατα Σήματα και Συστήματα #1 Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Ακαδημαϊκό Έτος 06-7 Παρουσίαση Νο. Δισδιάστατα Σήματα και Συστήματα # Βασικοί ορισμοί () Κάθε εικόνα είναι ένα δισδιάστατο (-D) σήμα. Αναλογική εικόνα: x t, t,

Διαβάστε περισσότερα

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΣΗΜΑΤΑ & ΣΥΣΤΗΜΑΤΑ

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΣΗΜΑΤΑ & ΣΥΣΤΗΜΑΤΑ ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΣΗΜΑΤΑ & ΣΥΣΤΗΜΑΤΑ Ενότητα 1, Μέρος 2ο: ΠΕΡΙ ΣΗΜΑΤΩΝ Aναστασία Βελώνη Τμήμα Η.Υ.Σ Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται

Διαβάστε περισσότερα

Σήματα και Συστήματα. Διάλεξη 2: Στοιχειώδη Σήματα Συνεχούς Χρόνου. Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής

Σήματα και Συστήματα. Διάλεξη 2: Στοιχειώδη Σήματα Συνεχούς Χρόνου. Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής Σήματα και Συστήματα Διάλεξη 2: Στοιχειώδη Σήματα Συνεχούς Χρόνου Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής 1 Στοιχειώδη Σήματα Συνεχούς Χρόνου 1. Μοναδιαία Βηματική Συνάρτηση 2. Κρουστική Συνάρτηση ή

Διαβάστε περισσότερα

Εισαγωγή. Διάλεξη 1. Εισαγωγή Σήματα και Συστήματα Διακριτού Χρόνου. Τι είναι σήμα; Παραδείγματα

Εισαγωγή. Διάλεξη 1. Εισαγωγή Σήματα και Συστήματα Διακριτού Χρόνου. Τι είναι σήμα; Παραδείγματα University of Cyprus Biomedical Imaging & Applied Optics Διάλεξη Εισαγωγή Σήματα και Συστήματα Διακριτού Χρόνου Εισαγωγή Τι είναι σήμα; Είναι μεταβολές ενός φυσικού μεγέθους που αναπαριστούν ή μεταφέρουν

Διαβάστε περισσότερα

ΣΗΜΑΤΑ ΚΑΙ ΣΥΣΤΗΜΑΤΑ. Εισαγωγή στα Σήµατα Εισαγωγή στα Συστήµατα Ανάπτυγµα - Μετασχηµατισµός Fourier Μετασχηµατισµός Z

ΣΗΜΑΤΑ ΚΑΙ ΣΥΣΤΗΜΑΤΑ. Εισαγωγή στα Σήµατα Εισαγωγή στα Συστήµατα Ανάπτυγµα - Μετασχηµατισµός Fourier Μετασχηµατισµός Z ΣΗΜΑΤΑ ΚΑΙ ΣΥΣΤΗΜΑΤΑ Εισαγωγή στα Σήµατα Εισαγωγή στα Συστήµατα Ανάπτυγµα - Μετασχηµατισµός Fourier Μετασχηµατισµός Laplace Μετασχηµατισµός Z Εφαρµογές Παράδειγµα ενός ηλεκτρικού συστήµατος Σύστηµα Παράδειγµα

Διαβάστε περισσότερα

Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας. Ακαδημαϊκό Έτος Παρουσίαση Νο. 2. Δισδιάστατα Σήματα και Συστήματα #1

Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας. Ακαδημαϊκό Έτος Παρουσίαση Νο. 2. Δισδιάστατα Σήματα και Συστήματα #1 Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Ακαδημαϊκό Έτος 009-0 Παρουσίαση Νο. Δισδιάστατα Σήματα και Συστήματα # Βασικοί ορισμοί () Κάθε εικόνα είναι ένα δισδιάστατο (-D) σήμα. Αναλογική εικόνα: x α Ψηφιακή

Διαβάστε περισσότερα

27-Ιαν-2009 ΗΜΥ (ι) Βασική στατιστική (ιι) Μετατροπές: αναλογικό-σεψηφιακό και ψηφιακό-σε-αναλογικό

27-Ιαν-2009 ΗΜΥ (ι) Βασική στατιστική (ιι) Μετατροπές: αναλογικό-σεψηφιακό και ψηφιακό-σε-αναλογικό ΗΜΥ 429 2. (ι) Βασική στατιστική (ιι) Μετατροπές: αναλογικό-σεψηφιακό και ψηφιακό-σε-αναλογικό 1 (ιι) Μετατροπές: αναλογικό-σεψηφιακό και ψηφιακό-σε-αναλογικό 2 Βασικά μέρη συστήματος ΨΕΣ Φίλτρο αντι-αναδίπλωσης

Διαβάστε περισσότερα

Ψηφιακή Επεξεργασία Σημάτων

Ψηφιακή Επεξεργασία Σημάτων Ψηφιακή Επεξεργασία Σημάτων Ενότητα 1: Σήματα Διακριτού Χρόνου Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής 1 Σήματα Διακριτού Χρόνου Εισαγωγή Διαφορές Αναλογικής Ψηφιακής Επεξεργασίας Παραγωγή Ψηφιακών

Διαβάστε περισσότερα

Ψηφιακή Επεξεργασία Σημάτων

Ψηφιακή Επεξεργασία Σημάτων Ψηφιακή Επεξεργασία Σημάτων Ενότητα 3: Συστήματα Διακριτού Χρόνου Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής 1 Συστήματα Διακριτού Χρόνου Εισαγωγή στα Συστήματα Διακριτού Χρόνου Ταξινόμηση Συστημάτων ΔΧ

Διαβάστε περισσότερα

Ενότητα 4: Δειγματοληψία - Αναδίπλωση

Ενότητα 4: Δειγματοληψία - Αναδίπλωση Ενότητα 4: Δειγματοληψία - Αναδίπλωση Σήματα και Συστήματα Τα συστήματα επεξεργάζονται ένα ή περισσότερα σήματα: Το παραπάνω σύστημα μετατρέπει το σήμα x(t) σε y(t). π.χ. Σε ένα σήμα ήχου μπορεί να ενισχύσει

Διαβάστε περισσότερα

Σήματα και Συστήματα. Νόκας Γιώργος

Σήματα και Συστήματα. Νόκας Γιώργος Σήματα και Συστήματα Νόκας Γιώργος Δομή του μαθήματος Βασικά σήματα συνεχούς και διακριτού χρόνου. Ιδιότητες σημάτων συνεχούς και διακριτού χρόνου. Ιδιότητες συστημάτων συνεχούς και διακριτού χρόνου. Γραμμικά,

Διαβάστε περισσότερα

Ο μετασχηματισμός Fourier

Ο μετασχηματισμός Fourier Ο μετασχηματισμός Fourier είναι από τα διαδεδομένα εργαλεία μετατροπής δεδομένων και συναρτήσεων (μιας ή περισσοτέρων διαστάσεων) από αυτό που ονομάζεται περιοχή χρόνου (time domain) στην περιοχή συχνότητας

Διαβάστε περισσότερα

Σήματα και Συστήματα. Διάλεξη 9: Μελέτη ΓΧΑ Συστημάτων με τον Μετασχηματισμό Fourier. Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής

Σήματα και Συστήματα. Διάλεξη 9: Μελέτη ΓΧΑ Συστημάτων με τον Μετασχηματισμό Fourier. Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής Σήματα και Συστήματα Διάλεξη 9: Μελέτη ΓΧΑ Συστημάτων με τον Μετασχηματισμό Fourier Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής 1 Μελέτη ΓΧΑ Συστημάτων με τον Μετασχηματισμό Fourier 1. Μετασχηματισμός Fourier

Διαβάστε περισσότερα

Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Ενότητα 2 η : Δισδιάστατα Σήματα & Συστήματα Μέρος 1

Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Ενότητα 2 η : Δισδιάστατα Σήματα & Συστήματα Μέρος 1 Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Ενότητα 2 η : Δισδιάστατα Σήματα & Συστήματα Μέρος 1 Καθ. Κωνσταντίνος Μπερμπερίδης Πολυτεχνική Σχολή Μηχανικών Η/Υ & Πληροφορικής Σκοποί ενότητας Δισδιάστατα σήματα

Διαβάστε περισσότερα

Εξεταστική Ιανουαρίου 2007 Μάθηµα: «Σήµατα και Συστήµατα»

Εξεταστική Ιανουαρίου 2007 Μάθηµα: «Σήµατα και Συστήµατα» Εξεταστική Ιανουαρίου 27 Μάθηµα: «Σήµατα και Συστήµατα» Θέµα 1 ο (3%) Έστω δύο διακριτά σήµατα: x(n) = {1,,, -1} και h(n) = {1,, 1} µε το πρώτο δείγµα να αντιστοιχεί σε n= και για τα δύο. Υπολογίστε τα

Διαβάστε περισσότερα

Ήχος. Τεχνολογία Πολυμέσων και Πολυμεσικές Επικοινωνίες 04-1

Ήχος. Τεχνολογία Πολυμέσων και Πολυμεσικές Επικοινωνίες 04-1 Ήχος Χαρακτηριστικά του ήχου Ψηφιοποίηση με μετασχηματισμό Ψηφιοποίηση με δειγματοληψία Κβαντοποίηση δειγμάτων Παλμοκωδική διαμόρφωση Συμβολική αναπαράσταση μουσικής Τεχνολογία Πολυμέσων και Πολυμεσικές

Διαβάστε περισσότερα

Επεξεργασία Πολυµέσων. Δρ. Μαρία Κοζύρη Π.Μ.Σ. «Εφαρµοσµένη Πληροφορική» Τµήµα Ηλεκτρολόγων Μηχανικών & Μηχανικών Υπολογιστών Πανεπιστήµιο Θεσσαλίας

Επεξεργασία Πολυµέσων. Δρ. Μαρία Κοζύρη Π.Μ.Σ. «Εφαρµοσµένη Πληροφορική» Τµήµα Ηλεκτρολόγων Μηχανικών & Μηχανικών Υπολογιστών Πανεπιστήµιο Θεσσαλίας Π.Μ.Σ. «Εφαρµοσµένη Πληροφορική» Τµήµα Ηλεκτρολόγων Μηχανικών & Μηχανικών Υπολογιστών Πανεπιστήµιο Θεσσαλίας Ενότητα 0: Εισαγωγή στο µάθηµα 2 Διαδικαστικά Παράδοση: Παρασκευή 16:00-18:30 Διδάσκων: E-mail:

Διαβάστε περισσότερα

Σήματα και Συστήματα ΙΙ

Σήματα και Συστήματα ΙΙ Σήματα και Συστήματα ΙΙ Ενότητα 5: Μετασχηματισμός Ζ Α. Ν. Σκόδρας Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών Επιμέλεια: Αθανάσιος Ν. Σκόδρας, Καθηγητής Γεώργιος Α. Βασκαντήρας, Υπ. Διδάκτορας

Διαβάστε περισσότερα

HMY 429: Εισαγωγή στην Επεξεργασία Ψηφιακών Σημάτων. Διάλεξη 20: Διακριτός Μετασχηματισμός Fourier (Discrete Fourier Transform DFT)

HMY 429: Εισαγωγή στην Επεξεργασία Ψηφιακών Σημάτων. Διάλεξη 20: Διακριτός Μετασχηματισμός Fourier (Discrete Fourier Transform DFT) HMY 429: Εισαγωγή στην Επεξεργασία Ψηφιακών Σημάτων Διάλεξη 20: Διακριτός Μετασχηματισμός Fourier (Discrete Fourier Transform DFT) Εισαγωγή Μέχρι στιγμής έχουμε δει το Μετασχηματισμό Fourier Διακριτού

Διαβάστε περισσότερα

HMY 429: Εισαγωγή στην Επεξεργασία Ψηφιακών

HMY 429: Εισαγωγή στην Επεξεργασία Ψηφιακών HMY 429: Εισαγωγή στην Επεξεργασία Ψηφιακών Σημάτων Διάλεξη 12: Δειγματοληψία και ανακατασκευή (IV) Παρεμβολή (Interpolation) Γενικά υπάρχουν πολλοί τρόποι παρεμβολής, π.χ. κυβική παρεμβολή (cubic spline

Διαβάστε περισσότερα

Σήματα και Συστήματα. Διάλεξη 6: Ανάλυση Σημάτων σε Ανάπτυγμα Σειράς Fourier. Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής

Σήματα και Συστήματα. Διάλεξη 6: Ανάλυση Σημάτων σε Ανάπτυγμα Σειράς Fourier. Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής Σήματα και Συστήματα Διάλεξη 6: Ανάλυση Σημάτων σε Ανάπτυγμα Σειράς Fourier Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής 1 Ανάλυση Σημάτων σε Ανάπτυγμα Σειράς Fourier 1. Ανάπτυγμα σήματος σε Σειρά Fourier

Διαβάστε περισσότερα

Τεχνολογία Πολυμέσων. Ενότητα # 4: Ήχος Διδάσκων: Γεώργιος Ξυλωμένος Τμήμα: Πληροφορικής

Τεχνολογία Πολυμέσων. Ενότητα # 4: Ήχος Διδάσκων: Γεώργιος Ξυλωμένος Τμήμα: Πληροφορικής Τεχνολογία Πολυμέσων Ενότητα # 4: Ήχος Διδάσκων: Γεώργιος Ξυλωμένος Τμήμα: Πληροφορικής Χρηματοδότηση Το παρόν εκπαιδευτικό υλικό έχει αναπτυχθεί στα πλαίσια του εκπαιδευτικού έργου του διδάσκοντα. Το

Διαβάστε περισσότερα

Ο Μετασχηματισμός Ζ. Ανάλυση συστημάτων με το μετασχηματισμό Ζ

Ο Μετασχηματισμός Ζ. Ανάλυση συστημάτων με το μετασχηματισμό Ζ Ο Μετασχηματισμός Ζ Ανάλυση συστημάτων με το μετασχηματισμό Ζ Ο μετασχηματισμός Z (Ζ-Τransform: ZT) χρήσιμο μαθηματικό εργαλείο για την ανάλυση των διακριτών σημάτων και συστημάτων αποτελεί ό,τι ο μετασχηματισμός

Διαβάστε περισσότερα

Ψηφιακή Επεξεργασία Σημάτων

Ψηφιακή Επεξεργασία Σημάτων Ψηφιακή Επεξεργασία Σημάτων Ενότητα 10: Διακριτός Μετασχηματισμός Fourier (DFT) Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής 1 Μετασχηματισμός Fourier Διακριτού Χρόνου Διακριτός Μετασχηματισμός Fourier (DFT)

Διαβάστε περισσότερα

Διακριτός Μετασχηματισμός Fourier

Διακριτός Μετασχηματισμός Fourier Διακριτός Μετασχηματισμός Fourier 1 Διακριτός Μετασχηματισμός Fourier Ο μετασχηματισμός Fourier αποτελεί τον ακρογωνιαίο λίθο της επεξεργασίας σήματος αλλά και συχνή αιτία πονοκεφάλου για όσους πρωτοασχολούνται

Διαβάστε περισσότερα

Παράδειγμα 14.2 Να βρεθεί ο μετασχηματισμός Laplace των συναρτήσεων

Παράδειγμα 14.2 Να βρεθεί ο μετασχηματισμός Laplace των συναρτήσεων Κεφάλαιο 4 Μετασχηματισμός aplace 4. Μετασχηματισμός aplace της εκθετικής συνάρτησης e Είναι Άρα a a a u( a ( a ( a ( aj F( e e d e d [ e ] [ e ] ( a e (c ji, με a (4.9 a a a [ e u( ] a, με a (4.3 Η σχέση

Διαβάστε περισσότερα

7 ΚΕΦΑΛΑΙΟ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ z

7 ΚΕΦΑΛΑΙΟ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ z 7 ΚΕΦΑΛΑΙΟ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ Ο μετασχηματισμός είναι ο αντίστοιχος Laplace για σήματα διακριτού χρόνου και αποτελεί γενίκευση του μετασχηματισμού Fourier διακριτού χρόνου. Σκοπός του Κεφαλαίου είναι να ορίσει

Διαβάστε περισσότερα

Ψηφιακή Επεξεργασία Σημάτων

Ψηφιακή Επεξεργασία Σημάτων Ψηφιακή Επεξεργασία Σημάτων Ενότητα 6: Απόκριση Συχνότητας Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής 1 Μετασχηματισμός Fourier Διακριτού Χρόνου Η έννοια της Απόκρισης Συχνότητας Ιδιότητες της Απόκρισης

Διαβάστε περισσότερα

x[n] = e u[n 1] 4 x[n] = u[n 1] 4 X(z) = z 1 H(z) = (1 0.5z 1 )(1 + 4z 2 ) z 2 (βʹ) H(z) = H min (z)h lin (z) 4 z 1 1 z 1 (z 1 4 )(z 1) (1)

x[n] = e u[n 1] 4 x[n] = u[n 1] 4 X(z) = z 1 H(z) = (1 0.5z 1 )(1 + 4z 2 ) z 2 (βʹ) H(z) = H min (z)h lin (z) 4 z 1 1 z 1 (z 1 4 )(z 1) (1) Ασκήσεις με Συστήματα στο Χώρο του Ζ Επιμέλεια: Γιώργος Π. Καφεντζης Δρ. Επιστήμης Η/Υ Πανεπιστημίου Κρήτης Δρ. Επεξεργασίας Σήματος Πανεπιστημίου Rennes 1 7 Νοεμβρίου 015 1. Υπολόγισε τον μετ. Ζ και την

Διαβάστε περισσότερα

Διάλεξη 3. Δειγματοληψία και Ανακατασκευή Σημάτων. Δειγματοληψία και Ανακατασκευή Σημάτων. (Κεφ & 4.6,4.8)

Διάλεξη 3. Δειγματοληψία και Ανακατασκευή Σημάτων. Δειγματοληψία και Ανακατασκευή Σημάτων. (Κεφ & 4.6,4.8) University of Cyprus Biomedical Imaging & Applied Optics Διάλεξη 3 Δειγματοληψία και Ανακατασκευή (Κεφ. 4.0-4.3 & 4.6,4.8) Περιοδική δειγματοληψία (periodic sampling) Περίοδος (sampling period) T Συχνότητα

Διαβάστε περισσότερα

Ανάλυση Κυκλωμάτων. Φώτης Πλέσσας Τμήμα Ηλεκτρολόγων Μηχανικών & Μηχανικών Υπολογιστών

Ανάλυση Κυκλωμάτων. Φώτης Πλέσσας Τμήμα Ηλεκτρολόγων Μηχανικών & Μηχανικών Υπολογιστών Ανάλυση Κυκλωμάτων Σήματα Φώτης Πλέσσας fplessas@inf.uth.gr Τμήμα Ηλεκτρολόγων Μηχανικών & Μηχανικών Υπολογιστών Εισαγωγή Για την ανάλυση των ηλεκτρικών κυκλωμάτων μαζί με την μαθηματική περιγραφή των

Διαβάστε περισσότερα

ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΛΗΡΟΦΟΡΙΚΗ ΣHMATA KAI EΠEΞEPΓAΣIA EIKONAΣ. Tόµος B' Ψηφιακή Eπεξεργασία Eικόνων και Σηµάτων

ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΛΗΡΟΦΟΡΙΚΗ ΣHMATA KAI EΠEΞEPΓAΣIA EIKONAΣ. Tόµος B' Ψηφιακή Eπεξεργασία Eικόνων και Σηµάτων Îfi Ú. ÂÏÈ ÔappleÔ ËÛË (ÛÂÏ.96) /7/003 :3 ÂÏ 3 ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ Σχολή Θετικών Επιστηµών και Τεχνολογίας Πρόγραµµα Σπουδών ΠΛΗΡΟΦΟΡΙΚΗ Θεµατική Eνότητα ΣHMATA KAI EΠEΞEPΓAΣIA EIKONAΣ Tόµος

Διαβάστε περισσότερα

Παλμοκωδική Διαμόρφωση. Pulse Code Modulation (PCM)

Παλμοκωδική Διαμόρφωση. Pulse Code Modulation (PCM) Παλμοκωδική Διαμόρφωση Pulse Code Modulation (PCM) Pulse-code modulation (PCM) Η PCM είναι ένας στοιχειώδης τρόπος διαμόρφωσης που δεν χρησιμοποιεί φέρον! Το μεταδιδόμενο (διαμορφωμένο) σήμα PCM είναι

Διαβάστε περισσότερα

Σήματα και Συστήματα

Σήματα και Συστήματα Σήματα και Συστήματα Διάλεξη 12: Ιδιότητες του Μετασχηματισμού aplace Ο αντίστροφος Μετασχηματισμός aplace Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής 1 Ιδιότητες του Μετασχηματισμού aplace 1. Ιδιότητες

Διαβάστε περισσότερα

ΘΕΩΡΙΑ ΠΛΗΡΟΦΟΡΙΑΣ. Κεφάλαιο 4 : Σήματα Διάλεξη: Κώστας Μαλιάτσος Χρήστος Ξενάκης, Κώστας Μαλιάτσος. Πανεπιστήμιο Πειραιώς, Τμήμα Ψηφιακών Συστημάτων

ΘΕΩΡΙΑ ΠΛΗΡΟΦΟΡΙΑΣ. Κεφάλαιο 4 : Σήματα Διάλεξη: Κώστας Μαλιάτσος Χρήστος Ξενάκης, Κώστας Μαλιάτσος. Πανεπιστήμιο Πειραιώς, Τμήμα Ψηφιακών Συστημάτων ΘΕΩΡΙΑ ΠΛΗΡΟΦΟΡΙΑΣ Κεφάλαιο 4 : Σήματα Διάλεξη: Κώστας Μαλιάτσος Χρήστος Ξενάκης, Κώστας Μαλιάτσος Πανεπιστήμιο Πειραιώς, Τμήμα Ψηφιακών Συστημάτων Περιεχόμενα ομιλίας Είδη /Κατηγορίες Σημάτων Στοιχειώδη

Διαβάστε περισσότερα

Θεώρημα δειγματοληψίας

Θεώρημα δειγματοληψίας Δειγματοληψία Θεώρημα δειγματοληψίας Ένα βαθυπερατό σήμα πεπερασμένης ενέργειας που δεν περιέχει συχνότητες μεγαλύτερες των W Hertz μπορεί να περιγραφθεί πλήρως από τις τιμές του σε χρονικές στιγμές ισαπέχουσες

Διαβάστε περισσότερα

ΘΕΩΡΙΑ ΠΛΗΡΟΦΟΡΙΑΣ. Κεφάλαιο 4 : Σήματα Χρήστος Ξενάκης. Πανεπιστήμιο Πειραιώς, Τμήμα Ψηφιακών Συστημάτων

ΘΕΩΡΙΑ ΠΛΗΡΟΦΟΡΙΑΣ. Κεφάλαιο 4 : Σήματα Χρήστος Ξενάκης. Πανεπιστήμιο Πειραιώς, Τμήμα Ψηφιακών Συστημάτων ΘΕΩΡΙΑ ΠΛΗΡΟΦΟΡΙΑΣ Κεφάλαιο 4 : Σήματα Χρήστος Ξενάκης Πανεπιστήμιο Πειραιώς, Τμήμα Ψηφιακών Συστημάτων Περιεχόμενα ομιλίας Είδη /Κατηγορίες Σημάτων Στοιχειώδη Σήματα Χαρακτηριστικές Τιμές Σημάτων Τεχνικές

Διαβάστε περισσότερα

Ιατρικά Ηλεκτρονικά. Δρ. Π. Ασβεστάς Εργαστήριο Επεξεργασίας Ιατρικού Σήματος & Εικόνας Τμήμα Τεχνολογίας Ιατρικών Οργάνων

Ιατρικά Ηλεκτρονικά. Δρ. Π. Ασβεστάς Εργαστήριο Επεξεργασίας Ιατρικού Σήματος & Εικόνας Τμήμα Τεχνολογίας Ιατρικών Οργάνων Ιατρικά Ηλεκτρονικά Δρ. Π. Ασβεστάς Εργαστήριο Επεξεργασίας Ιατρικού Σήματος & Εικόνας Τμήμα Τεχνολογίας Ιατρικών Οργάνων Χρήσιμοι Σύνδεσμοι Σημειώσεις μαθήματος: http://medisp.bme.teiath.gr/eclass/courses/tio127/

Διαβάστε περισσότερα

Θ.Ε. ΠΛΗ22 ( ) 2η Γραπτή Εργασία

Θ.Ε. ΠΛΗ22 ( ) 2η Γραπτή Εργασία Θ.Ε. ΠΛΗ22 (2012-13) 2η Γραπτή Εργασία Στόχος: Η 2 η εργασία αποσκοπεί στην κατανόηση των συστατικών στοιχείων των αναλογικών διαμορφώσεων, της δειγματοληψίας, και της μετατροπής του αναλογικού σήματος

Διαβάστε περισσότερα

ΣΗΜΑΤΑ ΔΙΑΚΡΙΤΟΥ ΧΡΟΝΟΥ

ΣΗΜΑΤΑ ΔΙΑΚΡΙΤΟΥ ΧΡΟΝΟΥ ΣΗΜΑΤΑ ΔΙΑΚΡΙΤΟΥ ΧΡΟΝΟΥ y t x Α. ΣΚΟΔΡΑΣ ΣΗΜΑΤΑ ΚΑΙ ΣΥΣΤΗΜΑΤΑ ΙΙ (22Y603) ΕΝΟΤΗΤΑ 1 ΔΙΑΛΕΞΗ 2 ΔΙΑΦΑΝΕΙΑ 1 ΤΥΠΟΙ ΣΗΜΑΤΩΝ Analog: Continuous Time & Continuous Amplitude Sampled: Discrete Time & Continuous

Διαβάστε περισσότερα

x[n] = x a (nt s ), n Z (11.1)

x[n] = x a (nt s ), n Z (11.1) Κεφάλαιο 11 Σήματα και Συστήματα Διακριτού Χρόνου Ως τώρα, τα σήματα που μελετήσαμε ήταν ολα συνεχούς χρόνου. Σε αυτό το κεφάλαιο, ξεκινάμε τη μελέτη μας σχετικά με την επεξεργασία σημάτων διακριτού χρόνου

Διαβάστε περισσότερα

ΠΛΗ21 Κεφάλαιο 1. ΠΛΗ21 Ψηφιακά Συστήματα: Τόμος Α Κεφάλαιο: 1 Εισαγωγή

ΠΛΗ21 Κεφάλαιο 1. ΠΛΗ21 Ψηφιακά Συστήματα: Τόμος Α Κεφάλαιο: 1 Εισαγωγή Ψηφιακά Συστήματα: Τόμος Α Κεφάλαιο: 1 Εισαγωγή Στόχοι του κεφαλαίου είναι να γνωρίσουμε: Τι είναι τα Αναλογικά κ τι τα Ψηφιακά Μεγέθη Τι είναι Σήμα, Αναλογικό Σήμα, Ψηφιακό Σήμα Τι είναι Δυαδικό Σήμα

Διαβάστε περισσότερα

Εφαρμογή στις ψηφιακές επικοινωνίες

Εφαρμογή στις ψηφιακές επικοινωνίες Δειγματοληψία Εφαρμογή στις ψηφιακές επικοινωνίες Γεννήτρια σήματος RF, (up converter Ενισχυτής) Προενισχυτής down-converter Ψηφιοποιητής σήματος RF Μονάδα ψηφ. επεξεργασίας Μονάδα ψηφ. επεξεργασίας 100

Διαβάστε περισσότερα

Τηλεπικοινωνιακά Συστήματα Ι

Τηλεπικοινωνιακά Συστήματα Ι Τηλεπικοινωνιακά Συστήματα Ι Διάλεξη 10: Παλμοκωδική Διαμόρφωση, Διαμόρφωση Δέλτα και Πολύπλεξη Διαίρεσης Χρόνου Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής 1 Παλμοκωδική Διαμόρφωση (PCM) Παλμοκωδική Διαμόρφωση

Διαβάστε περισσότερα

Ένα αναλογικό σήμα περιέχει άπειρες πιθανές τιμές. Για παράδειγμα ένας απλός ήχος αν τον βλέπαμε σε ένα παλμογράφο θα έμοιαζε με το παρακάτω:

Ένα αναλογικό σήμα περιέχει άπειρες πιθανές τιμές. Για παράδειγμα ένας απλός ήχος αν τον βλέπαμε σε ένα παλμογράφο θα έμοιαζε με το παρακάτω: Σημειώσεις Δικτύων Αναλογικά και ψηφιακά σήματα Ένα αναλογικό σήμα περιέχει άπειρες πιθανές τιμές. Για παράδειγμα ένας απλός ήχος αν τον βλέπαμε σε ένα παλμογράφο θα έμοιαζε με το παρακάτω: Χαρακτηριστικά

Διαβάστε περισσότερα

Τεχνολογικό Εκπαιδευτικό Ίδρυμα Σερρών Τμήμα Πληροφορικής & Επικοινωνιών Σήματα και Συστήματα

Τεχνολογικό Εκπαιδευτικό Ίδρυμα Σερρών Τμήμα Πληροφορικής & Επικοινωνιών Σήματα και Συστήματα Τεχνολογικό Εκπαιδευτικό Ίδρυμα Σερρών Τμήμα Πληροφορικής & Επικοινωνιών Σήματα και Συστήματα Δρ. Δημήτριος Ευσταθίου Επίκουρος Καθηγητής ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ LAPLACE Αντίστροφος Μετασχηματισμός Laplace Στην

Διαβάστε περισσότερα

Μετάδοση πληροφορίας - Διαμόρφωση

Μετάδοση πληροφορίας - Διαμόρφωση Μετάδοση πληροφορίας - Διαμόρφωση MYE006: ΑΣΥΡΜΑΤΑ ΔΙΚΤΥΑ Ευάγγελος Παπαπέτρου ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΤΜΗΜΑ ΜΗΧ. Η/Υ & ΠΛΗΡΟΦΟΡΙΚΗΣ Διάρθρωση μαθήματος Μετάδοση Βασικές έννοιες Διαμόρφωση ορισμός είδη

Διαβάστε περισσότερα

ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ FOURIER ΔΙΑΚΡΙΤΟΥ ΧΡΟΝΟΥ

ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ FOURIER ΔΙΑΚΡΙΤΟΥ ΧΡΟΝΟΥ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ FOURIER ΔΙΑΚΡΙΤΟΥ ΧΡΟΝΟΥ Α. ΣΚΟΔΡΑΣ ΣΗΜΑΤΑ ΚΑΙ ΣΥΣΤΗΜΑΤΑ ΙΙ (22Y603) ΕΝΟΤΗΤΑ 3 ΔΙΑΛΕΞΗ 1 ΔΙΑΦΑΝΕΙΑ 1 Διαφορετικοί Τύποι Μετασχηµατισµού Fourier Α. ΣΚΟΔΡΑΣ ΣΗΜΑΤΑ ΚΑΙ ΣΥΣΤΗΜΑΤΑ ΙΙ (22Y603)

Διαβάστε περισσότερα

Α. Αιτιολογήστε αν είναι γραμμικά ή όχι και χρονικά αμετάβλητα ή όχι.

Α. Αιτιολογήστε αν είναι γραμμικά ή όχι και χρονικά αμετάβλητα ή όχι. ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΟΣ ΕΞ. ΠΕΡΙΟΔΟΣ Β ΧΕΙΜ. 00 - ΩΡΕΣ ΘΕΜΑ Για τα παρακάτω συστήματα εισόδου εξόδου α. y ( 3x( x( n ) β. y ( x( n ) / γ. y ( x( x( n ) δ. y( x( n ) Α. Αιτιολογήστε αν είναι γραμμικά

Διαβάστε περισσότερα

Εισαγωγή στις Τηλεπικοινωνίες

Εισαγωγή στις Τηλεπικοινωνίες ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ ΣΧΟΛΗ ΤΕΧΝΟΛΟΓΙΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ & ΕΠΙΚΟΙΝΩΝΙΩΝ ΤΜΗΜΑ ΨΗΦΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΕΡΓΑΣΤΗΡΙΟ ΤΗΛΕΠΙΚΟΙΝΩΝΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ Εισαγωγή στις Τηλεπικοινωνίες Ανάπτυξη σε Σειρές Furier Αθανάσιος Κανάτας

Διαβάστε περισσότερα

Παράδειγµα ενός ηλεκτρικού συστήµατος

Παράδειγµα ενός ηλεκτρικού συστήµατος ΣΗΜΑΤΑ ΚΑΙ ΣΥΣΤΗΜΑΤΑ Εισαγωγή στα Σήµατα Εισαγωγή στα Συστήµατα Ανάπτυγµα - Μετασχηµατισµός Fourier Μετασχηµατισµός aplace Μετασχηµατισµός Z Εφαρµογές Παράδειγµα ενός ηλεκτρικού συστήµατος A R B i( ) i

Διαβάστε περισσότερα

6. ΚΕΦΑΛΑΙΟ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ LAPLACE

6. ΚΕΦΑΛΑΙΟ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ LAPLACE 6. ΚΕΦΑΛΑΙΟ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ APACE Σκοπός του κεφαλαίου είναι να ορίσει τον αμφίπλευρο μετασχηματισμό aplace ή απλώς μετασχηματισμό aplace (Μ) και το μονόπλευρο μετασχηματισμό aplace (ΜΜ), να περιγράψει

Διαβάστε περισσότερα

Ο ΑΜΦΙΠΛΕΥΡΟΣ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ Z

Ο ΑΜΦΙΠΛΕΥΡΟΣ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ Z Ο ΑΜΦΙΠΛΕΥΡΟΣ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ Z Ο μετασχηματισμός είναι ο αντίστοιχος Laplace για σήματα διακριτού χρόνου και αποτελεί γενίκευση του μετασχηματισμού Fourier διακριτού χρόνου. Ο μετασχηματισμός αντιστοιχεί

Διαβάστε περισσότερα

Συστήματα Πολυμέσων. Ενότητα 2: Εισαγωγικά θέματα Ψηφιοποίησης. Θρασύβουλος Γ. Τσιάτσος Τμήμα Πληροφορικής ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ

Συστήματα Πολυμέσων. Ενότητα 2: Εισαγωγικά θέματα Ψηφιοποίησης. Θρασύβουλος Γ. Τσιάτσος Τμήμα Πληροφορικής ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΧΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ Ενότητα 2: Εισαγωγικά θέματα Ψηφιοποίησης Θρασύβουλος Γ. Τσιάτσος Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 2. Ηλεκτρονικη και 1/60 Πληροφορίας

ΚΕΦΑΛΑΙΟ 2. Ηλεκτρονικη και 1/60 Πληροφορίας ΚΕΦΑΛΑΙΟ 2 /6 Σήματα- συμβολισμοί 5 5 4 4 3 3 2 2 - -4-3 -2-2 3 4 5-2 3 4 5 6 7 8-2 -2-3 -3 x()=, x(-),x(), x(),. x()={,-2,-3,-,,, 2, 3, 4, } x()={x()}={,x(-),x(), x(),.} x()={,-2,-3, -,,, 2, 3, 4, } 2/6

Διαβάστε περισσότερα

Εισαγωγή στις Τηλεπικοινωνίες. Δομή της παρουσίασης

Εισαγωγή στις Τηλεπικοινωνίες. Δομή της παρουσίασης 6 Nv 6 ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ ΣΧΟΛΗ ΤΕΧΝΟΛΟΓΙΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ & ΕΠΙΚΟΙΝΩΝΙΩΝ ΤΜΗΜΑ ΨΗΦΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΕΡΓΑΣΤΗΡΙΟ ΤΗΛΕΠΙΚΟΙΝΩΝΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ Εισαγωγή στις Τηλεπικοινωνίες Ανάπτυξη σε Σειρές Furier Αθανάσιος

Διαβάστε περισσότερα

Σήματα- συμβολισμοί. x(n)={x(n)}={,x(-1),x(0), x(1),.} x(n)={0,-2,-3, -1, 0, 1, 2, 3, 4,0 }

Σήματα- συμβολισμοί. x(n)={x(n)}={,x(-1),x(0), x(1),.} x(n)={0,-2,-3, -1, 0, 1, 2, 3, 4,0 } ΚΕΦΑΛΑΙΟ 2 Σήματα- συμβολισμοί 5 5 4 4 3 3 2 2 1 1-1 -4-3 -2-1 1 2 3 4 5-1 1 2 3 4 5 6 7 8-2 -2-3 -3 x()=, x(-1),x(), x(1),. x()={,-2,-3,-1,, 1, 2, 3, 4, } x()={x()}={,x(-1),x(), x(1),.} x()={,-2,-3, -1,,

Διαβάστε περισσότερα

HMY 429: Εισαγωγή στην Επεξεργασία Ψηφιακών. στο χώρο της συχνότητας

HMY 429: Εισαγωγή στην Επεξεργασία Ψηφιακών. στο χώρο της συχνότητας HMY 49: Εισαγωγή στην Επεξεργασία Ψηφιακών Σημάτων Διάλεξη 3: Σήματα και Συστήματα διακριτού χρόνου Διάλεξη 3: Σήματα και Συστήματα διακριτού χρόνου στο χώρο της συχνότητας Μιγαδικά εκθετικά σήματα και

Διαβάστε περισσότερα

10-Μαρτ-2009 ΗΜΥ Παραθύρωση Ψηφιακά φίλτρα

10-Μαρτ-2009 ΗΜΥ Παραθύρωση Ψηφιακά φίλτρα -Μαρτ-9 ΗΜΥ 49. Παραθύρωση Ψηφιακά φίλτρα . Παραθύρωση / Ψηφιακά Φίλτρα -Μαρτ-9 Είδη παραθύρων Bartlett τριγωνικό: n, n Blacman: πn 4πn.4.5cos +.8cos, n < . Παραθύρωση / Ψηφιακά Φίλτρα -Μαρτ-9 3 Hamming:

Διαβάστε περισσότερα

Περιεχόµενα ΕΠΛ 422: στα Συστήµατα Πολυµέσων. Βιβλιογραφία. ειγµατοληψία. ηµιουργία ψηφιακής µορφής πληροφορίας στα Συστήµατα Πολυµέσων

Περιεχόµενα ΕΠΛ 422: στα Συστήµατα Πολυµέσων. Βιβλιογραφία. ειγµατοληψία. ηµιουργία ψηφιακής µορφής πληροφορίας στα Συστήµατα Πολυµέσων Περιεχόµενα ΕΠΛ 422: Συστήµατα Πολυµέσων Ψηφιακή Αναπαράσταση Σήµατος: ειγµατοληψία Βιβλιογραφία ηµιουργία ψηφιακής µορφής πληροφορίας στα Συστήµατα Πολυµέσων Βασικές Έννοιες Επεξεργασίας Σηµάτων Ψηφιοποίηση

Διαβάστε περισσότερα

Τεχνολογικό Εκπαιδευτικό Ίδρυμα Σερρών Τμήμα Πληροφορικής & Επικοινωνιών Σήματα και Συστήματα

Τεχνολογικό Εκπαιδευτικό Ίδρυμα Σερρών Τμήμα Πληροφορικής & Επικοινωνιών Σήματα και Συστήματα Τεχνολογικό Εκπαιδευτικό Ίδρυμα Σερρών Τμήμα Πληροφορικής & Επικοινωνιών Σήματα και Συστήματα Δρ. Δημήτριος Ευσταθίου Επίκουρος Καθηγητής ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ LAPLACE Αντίστροφος Μετασχηματισμός Laplace Στην

Διαβάστε περισσότερα

Ο ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ Ζ διακριτές σήματα και συστήματα διακριτού χρόνου χρονοσειρές (time series)

Ο ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ Ζ διακριτές σήματα και συστήματα διακριτού χρόνου χρονοσειρές (time series) Ο ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ Ζ Είναι σύνηθες να μελετάμε διάφορα φαινόμενα σε διακριτές (και όχι συνεχείς) τιμές της μεταβλητής του χρόνου, οπότε, μιλάμε για για σήματα και συστήματα διακριτού χρόνου. Τα σήματα διακριτού

Διαβάστε περισσότερα

ΗΜΥ 100 Εισαγωγή στην Τεχνολογία ιάλεξη 18

ΗΜΥ 100 Εισαγωγή στην Τεχνολογία ιάλεξη 18 ΗΜΥ 100 Εισαγωγή στην Τεχνολογία ιάλεξη 18 14 Νοεµβρίου, 2006 Γεώργιος Έλληνας Επίκουρος Καθηγητής ΤΜΗΜΑ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΑ ΘΕΜΑΤΑ

Διαβάστε περισσότερα

20-Φεβ-2009 ΗΜΥ Διακριτός Μετασχηματισμός Fourier

20-Φεβ-2009 ΗΜΥ Διακριτός Μετασχηματισμός Fourier ΗΜΥ 429 8. Διακριτός Μετασχηματισμός Fourier 1 Μετασχηματισμός Fourier 4 κατηγορίες: Μετασχηματισμός Fourier: σήματα απεριοδικά και συνεχούς χρόνου Σειρά Fourier: σήματα περιοδικά και συνεχούς χρόνου Μετασχηματισμός

Διαβάστε περισσότερα

Σήματα και Συστήματα. Διάλεξη 11: Μετασχηματισμός Laplace. Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής

Σήματα και Συστήματα. Διάλεξη 11: Μετασχηματισμός Laplace. Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής Σήματα και Συστήματα Διάλεξη : Μετασχηματισμός Laplace Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής Μετασχηματισμός Laplace. Μαθηματικός ορισμός μετασχηματισμού Laplace 2. Η περιοχή σύγκλισης του μετασχηματισμού

Διαβάστε περισσότερα

Τεχνολογικό Εκπαιδευτικό Ίδρυμα Σερρών Τμήμα Πληροφορικής & Επικοινωνιών Σήματα και Συστήματα

Τεχνολογικό Εκπαιδευτικό Ίδρυμα Σερρών Τμήμα Πληροφορικής & Επικοινωνιών Σήματα και Συστήματα Τεχνολογικό Εκπαιδευτικό Ίδρυμα Σερρών Τμήμα Πληροφορικής & Επικοινωνιών Σήματα και Συστήματα Δρ. Δημήτριος Ευσταθίου Επίκουρος Καθηγητής Φυσική Σημασία του Μετασχηματισμού Fourier Ο μετασχηματισμός Fourier

Διαβάστε περισσότερα

Εισαγωγή στις Τηλεπικοινωνίες

Εισαγωγή στις Τηλεπικοινωνίες ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Εισαγωγή στις Τηλεπικοινωνίες Ενότητα 3: Δειγματοληψία και Ανακατασκευή Σημάτων Όνομα Καθηγητή: Δρ. Ηρακλής Σίμος Τμήμα: Ηλεκτρονικών

Διαβάστε περισσότερα

y[n] ay[n 1] = x[n] + βx[n 1] (6)

y[n] ay[n 1] = x[n] + βx[n 1] (6) Ασκήσεις με το Μετασχηματισμό Fourier Διακριτού Χρόνου Επιμέλεια: Γιώργος Π. Καφεντζης Δρ. Επιστήμης Η/Υ Πανεπιστημίου Κρήτης Δρ. Επεξεργασίας Σήματος Πανεπιστημίου Rennes 1 8 Οκτωβρίου 015 1. Εστω το

Διαβάστε περισσότερα

ΕΡΓΑΣΤΗΡΙΟ ΑΝΑΛΟΓΙΚΩΝ & ΨΗΦΙΑΚΩΝ ΕΠΙΚΟΙΝΩΝΙΩΝ

ΕΡΓΑΣΤΗΡΙΟ ΑΝΑΛΟΓΙΚΩΝ & ΨΗΦΙΑΚΩΝ ΕΠΙΚΟΙΝΩΝΙΩΝ Σχολή Θετικών Επιστημών Τεχνολογίας Τηλεπικοινωνιών Τμήμα Επιστήμης και Τεχνολογίας Τηλεπικοινωνιών ΕΡΓΑΣΤΗΡΙΟ ΑΝΑΛΟΓΙΚΩΝ & ΨΗΦΙΑΚΩΝ ΕΠΙΚΟΙΝΩΝΙΩΝ ΕΠΙΚΟΙΝΩΝΙΕΣ ΙI Εργαστήριο 3 ο : Πολυπλεξία με διαίρεση

Διαβάστε περισσότερα

HMY 429: Εισαγωγή στην Επεξεργασία Ψηφιακών

HMY 429: Εισαγωγή στην Επεξεργασία Ψηφιακών HMY 429: Εισαγωγή στην Επεξεργασία Ψηφιακών Σημάτων Διάλεξη 13: Ανάλυση ΓΧΑ συστημάτων (Ι) Περιγραφές ΓΧΑ συστημάτων Έχουμε δει τις παρακάτω πλήρεις περιγραφές ΓΧΑ συστημάτων: 1. Κρυστική απόκριση (impulse

Διαβάστε περισσότερα

Επικοινωνίες στη Ναυτιλία

Επικοινωνίες στη Ναυτιλία Επικοινωνίες στη Ναυτιλία Εισαγωγή Α. Παπαδάκης, Αναπλ. Καθ. ΑΣΠΑΙΤΕ Δρ. ΗΜΜΥ Μηχ. ΕΜΠ Βασικά Αντικείμενα Μαθήματος Σήματα Κατηγοριοποίηση, ψηφιοποίηση, δειγματοληψία, κβαντισμός Βασικά σήματα ήχος, εικόνα,

Διαβάστε περισσότερα

HMY 220: Σήματα και Συστήματα Ι

HMY 220: Σήματα και Συστήματα Ι HMY 220: Σήματα και Συστήματα Ι Βασικές Έννοιες Σήματα Κατηγορίες Σημάτων Συνεχούς/ Διακριτού Χρόνου, Αναλογικά/ Ψηφιακά Μετασχηματισμοί Σημάτων Χρόνου: Αντιστροφή, Κλιμάκωση, Μετατόπιση Πλάτους Βασικά

Διαβάστε περισσότερα

Παλμοκωδική Διαμόρφωση. Pulse Code Modulation (PCM)

Παλμοκωδική Διαμόρφωση. Pulse Code Modulation (PCM) Παλμοκωδική Διαμόρφωση Pulse Code Modulation (PCM) Pulse-code modulation (PCM) Η PCM είναι ένας στοιχειώδης τρόπος διαμόρφωσης που δεν χρησιμοποιεί φέρον! Το μεταδιδόμενο (διαμορφωμένο) σήμα PCM είναι

Διαβάστε περισσότερα

ΕΡΓΑΣΤΗΡΙΑΚΗ ΑΣΚΗΣΗ 4 ΠΑΛΜΟΚΩΔΙΚΗ ΔΙΑΜΟΡΦΩΣΗ - PCM (ΜΕΡΟΣ Α)

ΕΡΓΑΣΤΗΡΙΑΚΗ ΑΣΚΗΣΗ 4 ΠΑΛΜΟΚΩΔΙΚΗ ΔΙΑΜΟΡΦΩΣΗ - PCM (ΜΕΡΟΣ Α) ΕΡΓΑΣΤΗΡΙΑΚΗ ΑΣΚΗΣΗ 4 ΠΑΛΜΟΚΩΔΙΚΗ ΔΙΑΜΟΡΦΩΣΗ - PCM (ΜΕΡΟΣ Α) 3.1. ΣΚΟΠΟΣ ΑΣΚΗΣΗΣ Σκοπός της εργαστηριακής αυτής άσκησης είναι η μελέτη της παλμοκωδικής διαμόρφωσης που χρησιμοποιείται στα σύγχρονα τηλεπικοινωνιακά

Διαβάστε περισσότερα

Ψηφιακή Επεξεργασία Σημάτων

Ψηφιακή Επεξεργασία Σημάτων Ψηφιακή Επεξεργασία Σημάτων Ενότητα 11: Εφαρμογές DFT Ταχύς Μετασχηματισμός Fourier (FFT) Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής 1 Διακριτός Μετασχηματισμός Fourier Υπολογισμός Γραμμικής Συνέλιξης

Διαβάστε περισσότερα

Σήµατα και συστήµατα διακριτού χρόνου

Σήµατα και συστήµατα διακριτού χρόνου Σήµατα και συστήµατα διακριτού χρόνου Βασικές ψηφιακές πράξεις Πρόσθεση {x 1 (n)}+{x 2 (n)}={x 1 (n)+x 2 (n)} Πολλαπλασιασµός Κλιµάκωση Μετατόπιση Αναδίπλωση {x 1 (n)}.{x 2 (n)}={x 1 (n).x 2 (n)} a{x(n)}

Διαβάστε περισσότερα

ΣΗΜΑΤΑ & ΣΥΣΤΗΜΑΤΑ. Καθηγητής Τσιριγώτης Γεώργιος

ΣΗΜΑΤΑ & ΣΥΣΤΗΜΑΤΑ. Καθηγητής Τσιριγώτης Γεώργιος ΣΗΜΑΤΑ & ΣΥΣΤΗΜΑΤΑ Καθηγητής Τσιριγώτης Γεώργιος Τα κεφάλαια του μαθήματος 1 ο κεφάλαιο: Σήματα & Συστήματα 2 ο κεφάλαιο: Ανάλυση Fourier 3 ο κεφάλαιο: Απόκριση κατά συχνότητα 4 ο κεφάλαιο: Δειγματοληψία

Διαβάστε περισσότερα

Μετάδοση πληροφορίας - Διαμόρφωση

Μετάδοση πληροφορίας - Διαμόρφωση ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΤΜΗΜΑ ΜΗΧ. Η/Υ & ΠΛΗΡΟΦΟΡΙΚΗΣ Μετάδοση πληροφορίας - Διαμόρφωση MYE006-ΠΛΕ065: ΑΣΥΡΜΑΤΑ ΔΙΚΤΥΑ Ευάγγελος Παπαπέτρου Διάρθρωση μαθήματος Βασικές έννοιες μετάδοσης Διαμόρφωση ορισμός

Διαβάστε περισσότερα

Σήματα και Συστήματα. Διάλεξη 7: Μετασχηματισμός Fourier. Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής

Σήματα και Συστήματα. Διάλεξη 7: Μετασχηματισμός Fourier. Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής Σήματα και Συστήματα Διάλεξη 7: Μετασχηματισμός Fourier Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής 1 Μετασχηματισμός Fourier 1. Ορισμός του Μετασχηματισμού Fourier 2. Φυσική Σημασία του Μετασχηματισμού

Διαβάστε περισσότερα