Προσαρμοζόμενα Φίλτρα
|
|
- Ἑλένη Σπηλιωτόπουλος
- 7 χρόνια πριν
- Προβολές:
Transcript
1 Προσαρμοζόμενα Φίλτρα (adaptive filters) Εισαγωγικά - Φίλτρα Wieer Προσέγγιση - Αλγόριθμος LS Eφαρμογές Σ. Φωτόπουλος ΨΕΣ προσαρμοζόμενα ΦΙΛΤΡΑ adaptive FILTERS
2 Πρώτη προσέγγιση x() Η (z) y() Οι συντελεστές h (k) εξαρτώνται από την χρονική στιγμή. Τα προσαρμοζόμενα φίλτρα (και τα αντίστοιχα συστήματα) είναι (συνήθως) FIR φίλτρα με μεταβαλλόμενους συντελεστές. Οι συντελεστές h(k) μεταβάλλονται σε κάθε χρονική στιγμή με τέτοιο τρόπο ώστε να ελαττώσουν κάποια συνάρτηση κόστους - σφάλματος. 14 Σ. Φωτόπουλος ΨΕΣ προσαρμοζόμενα ΦΙΛΤΡΑ adaptive FILTERS / 35
3 Διαδικασία ελαχιστοποίησης του σφάλματος Είσοδος x() Η (z) απόκριση y() _ Επιθυμητή απόκριση d() + Βασική δομή σφάλμα e Το σφάλμα e προκύπτει από την διαφορά του σήματος εισόδου και του επιθυμητού σήματος. Το σήμα αυτό e χρησιμοποιείται για την προσαρμογή των συντελεστών h(k) 14 Σ. Φωτόπουλος ΨΕΣ προσαρμοζόμενα ΦΙΛΤΡΑ adaptive FILTERS 3/ 35
4 d() Adaptive FIR φίλτρα x() Η (z) y() _ + e x() z -1 z -1 z -1 z -1 h() h(1) h() h(3) h(4) Σ y() Προσαρμογή των συντελεστών d() Το φίλτρο αυτό έχει 5 συντελεστές που μεταβάλλονται ώστε τελικά να ελαχιστοποιηθεί το σφάλμα 14 Σ. Φωτόπουλος ΨΕΣ προσαρμοζόμενα ΦΙΛΤΡΑ adaptive FILTERS 4/ 35
5 Adaptive FIR φίλτρα υπολογισμοί y() N 1 k h(k)x( k),..., e d() y() Oι συντελεστέςh(k) βρίσκονται με την ελαχιστοποίηση του τετραγωνικού σφάλματος e για όλα τα σημεία του σήματος. Δηλαδή την ελαχιστοποίηση του αθροίσματος : J e 14 Σ. Φωτόπουλος ΨΕΣ προσαρμοζόμενα ΦΙΛΤΡΑ adaptive FILTERS 5/ 35
6 Χ Χ 1 Χ Χ 3 Χ 4 Χ 5 Χ 6 Χ 7 Χ 8 Χ 9 Χ 1 Χ 11 Χ 1 Χ 13 Χ 14 Χ 15 Χ 16 Χ 17 Χ 18 Χ 19 y 7 4 k h k x 7 k y y 1 y y 3 y 4 y 5 y 6 y 7 y 8 y 9 y 1 y 11 y 1 y 13 y 14 y 15 y 16 y 17 y 18 y 19 + _ e 7 d d 1 d d 3 d 4 d 5 d 6 d 7 d 8 d 9 d 1 d 11 d 1 d 13 d 14 d 15 d 16 d 17 d 18 d Σ. Φωτόπουλος ΨΕΣ προσαρμοζόμενα ΦΙΛΤΡΑ adaptive FILTERS 6/ 35
7 Υπολογισμοί (συνέχεια) J e d d() h(k)x( k) k () k h(k)r dx (k) + k l h(k)h(l)r xx (k l) r dx ετεροσυσχέτιση μεταξύ d και x: r xx αυτοσυσχέτιση του x: r dx(k) d()x( k) k N 1 r xx(k) x()x( k) k N 1 14 Σ. Φωτόπουλος ΨΕΣ προσαρμοζόμενα ΦΙΛΤΡΑ adaptive FILTERS 7/ 35
8 Συνάρτηση σφάλματος Είδαμε J d () k h(k)r dx (k) + k l h(k)h(l)r xx (k l) J J h f (k) h o (k) h(1) h() Η συνάρτηση κόστους J είναι τετραγωνική συνάρτηση και έχει ένα και μοναδικό ελάχιστο 14 Σ. Φωτόπουλος ΨΕΣ προσαρμοζόμενα ΦΙΛΤΡΑ adaptive FILTERS 8/ 35
9 Βέλτιστοι συντελεστές ελάχιστο σφάλμα J J h(m) N 1 k h d opt () m (k)r k xx h(k)r dx (k) + (k m) r k dx l (m) h(k)h(l)r xx (k l) m N J J mi 1 h opt (k) Αυτό είναι ένα σύστημα γραμμικών εξισώσεων και η λύση του είναι οι βέλτιστοι συντελεστές Σε μορφή πίνακα: h opt r xx r dx Wieer-Hopf 14 Σ. Φωτόπουλος ΨΕΣ προσαρμοζόμενα ΦΙΛΤΡΑ adaptive FILTERS 9/ 35
10 Βέλτιστοι συντελεστές ελάχιστο σφάλμα Για τους βέλτιστους συντελεστές: h opt r xx r dx το σφάλμα J είναι ελάχιστο και έχει την εξής τιμή: J J mi h opt (k) J mi d d d () () () k k h h k opt opt h(k)r (k)r (k)r dx dx dx (k) + (k) + (k) + k k k l h l opt h h(k)h(l)r opt (l)r (k)h dx opt (k) xx (l)r (k l) xx (k l) J mi d () hopt(k)rdx(k) k 14 Σ. Φωτόπουλος ΨΕΣ προσαρμοζόμενα ΦΙΛΤΡΑ adaptive FILTERS 1 / 35
11 Παράδειγμα - φίλτρο 1ης τάξεως h opt r xx r dx y()hx() e d()-hx() x() h y() _ d() + J J e [d() hx()] e h o (k) h opt r xx r dx [d()] + [hx()] [d()hx()] J h h opt [x()] h opt [x()] d()x() d()x() συνέχεια 14 Σ. Φωτόπουλος ΨΕΣ προσαρμοζόμενα ΦΙΛΤΡΑ adaptive FILTERS 11 / 35
12 Παράδειγμα - φίλτρο 1ης τάξεως (συνέχεια) Ποία είναι η συσχέτιση του σφάλματος e με το σήμα x()?? r xe e x() [d()x()] h [d()x()] [d() h [x()] [d()x()] opt [x()] opt x()][x()] [x()] Δηλαδή το σφάλμα e είναι ορθογώνιο με το σήμα x() 14 Σ. Φωτόπουλος ΨΕΣ προσαρμοζόμενα ΦΙΛΤΡΑ adaptive FILTERS 1 / 35
13 Σε κάθε περίπτωση που έχουμε συνθήκη ελαχίστου σφάλματος το σφάλμα e είναι ορθογώνιο με το σήμα x(). Δηλαδή Ε{e()x()} 14 Σ. Φωτόπουλος ΨΕΣ προσαρμοζόμενα ΦΙΛΤΡΑ adaptive FILTERS 13 / 35
14 Στατιστική θεώρηση (Wieer) Η εξίσωση που είδαμε h opt r xx r dx Είναι η εξίσωση Wieer Hopf και υπολογίζει τις βέλτιστες τιμές σε ένα κύκλο Η διαδικασία αυτή δεν ενδείκνυται για μη στατικές διαδικασίες 14 Σ. Φωτόπουλος ΨΕΣ προσαρμοζόμενα ΦΙΛΤΡΑ adaptive FILTERS 14 / 35
15 . Αντίθετα προτείνεται η επαναληπτική διαδικασία Steepest Descet algorithm J J mi h opt (k) Και η απλοποιημένη τεχνική ο αλγόριθμος LS Θα δούμε πώς το ελάχιστο αυτό μπορεί να προσεγγισθεί σε διαδοχικά βήματα 14 Σ. Φωτόπουλος ΨΕΣ προσαρμοζόμενα ΦΙΛΤΡΑ adaptive FILTERS 15 / 35
16 14 Σ. Φωτόπουλος ΨΕΣ προσαρμοζόμενα ΦΙΛΤΡΑ adaptive FILTERS 16 / 35
17 Ο αλγόριθμος LS (Least ea Squares) Είναι ο βασικός αλγόριθμος προσαρμοζόμενων φίλτρων Βρίσκει το ελάχιστο του σφάλματος J με διαδοχικά βήματα που βασίζονται στην παράγωγο (βάθμωση J) της συνάρτησης J Προϋποθέσεις: Το σύστημα είναι στατικό Οι τιμές (παράμετροι) h(k) J διορθώνονται σε κάθε χρονική στιγμή δηλαδή h(k)h (k) h f (k) h o (k) 14 Σ. Φωτόπουλος ΨΕΣ προσαρμοζόμενα ΦΙΛΤΡΑ adaptive FILTERS 17 / 35
18 ΟαλγόριθμοςLS: Περιγραφή Υλοποίηση H διόρθωση των τιμών h(k) γίνεται σύμφωνα με την θεμελιώδη σχέση : h (k)) h 1 (k)) + μ e x( k) k N 1,1, Όπου e d() y() είναι το σφάλμα μείναιτοβήμα, μία παράμετρος που καθορίζει την ταχύτητα σύγκλισης Για εξασφάλιση ευστάθειας το μ επιλέγεται στην εξής περιοχή τιμών: 1 1 < μ < όπου P x η ισχύς του σήματος Px x () NP x + 1 e()x( k) είναι μία προσέγγιση (του αρνητικού) της βάθμωσης ( J) 14 Σ. Φωτόπουλος ΨΕΣ προσαρμοζόμενα ΦΙΛΤΡΑ adaptive FILTERS 18 / 35
19 ΟαλγόριθμοςLS πως προέκυψε J J mi h o (k) Η εύρεση του ελαχίστου J mi γίνεται μέσω της βάθμωσης J H J J,,.. h() h(1) h J (N 1) T σε διαδοχικά βήματα : Η +1 Η μ όπου Η {h (k) k, N 1} Τ αλγόριθμος steepest descet 14 Σ. Φωτόπουλος ΨΕΣ προσαρμοζόμενα ΦΙΛΤΡΑ adaptive FILTERS 19 / 35
20 ΟαλγόριθμοςLS πως προέκυψε εξίσωση Widrow Hopf Η εκτίμηση της βάθμωσης γίνεται βάσει του στιγμιαίου σφάλματος και είναι: ˆ e H e e H e (d y H ) e y H e X Από τηνσχέση: Η +1 Η μ Η +1 Η + e μ X 14 Σ. Φωτόπουλος ΨΕΣ προσαρμοζόμενα ΦΙΛΤΡΑ adaptive FILTERS / 35
21 y()hx() e d()-hx() Παράδειγμα - φίλτρο 1ης τάξεως J e [d()] + [d() hx()] [hx()] [d()hx()] x() h y() _ d() + e J h o (k) h opt r xx r dx Εύρεση της λύσης J μ καί h J h σταδιακά (χωρίς προσέγγιση): hh J h[x()] h () r ()] [1 μr h+ 1 h h + 1 h μ[h Rxx dx xx()]h + d()x() hr Για h + 1 h hrxx( ) rdx( ) ή h [x()] d()x( μr dx () xx () r opt ) dx () 14 Σ. Φωτόπουλος ΨΕΣ προσαρμοζόμενα ΦΙΛΤΡΑ adaptive FILTERS 1 / 35
22 Παράδειγμα - φίλτρο 1ης τάξεως (συνέχεια) Προσέγγιση της λύσης J h με τον αλγόριθμο LS h + 1 h J e h h J μ h e e h καί e [d() y()] h [d() hx()] e h e x() + h 1 h μ[ ex()] h + h +1 h + e μ x μe x() Για μία τιμή h Η +1 Η + e μ X Για όλες τις τιμές Η{h1,h } 14 Σ. Φωτόπουλος ΨΕΣ προσαρμοζόμενα ΦΙΛΤΡΑ adaptive FILTERS / 35
23 Άλλες μορφές του αλγορίθμου LS NLS (ormalized LS) SELS (sig-error LS) SDLS (sig-data LS) SSLS (sig-sig LS) 14 Σ. Φωτόπουλος ΨΕΣ προσαρμοζόμενα ΦΙΛΤΡΑ adaptive FILTERS 3 / 35
24 NLS- ormalized LS Στον NLS το βήμα σύγκλισης μ μεταβάλεται σύμφωνα με την (στιγμιαία) ισχύ του σήματος Αυτό συνεπάγεται ταχύτερη σύγκλιση Στο σχήμα δεικνύεται συγκριτικά ησυμπεριφορά (σύγκλισης) των αλγορίθμων LS και NLS 14 Σ. Φωτόπουλος ΨΕΣ προσαρμοζόμενα ΦΙΛΤΡΑ adaptive FILTERS 4 / 35
25 SELS (sig-error LS) h (k) όπου h 1(k) + μsg[e]x( k) 1 e > sg[e] e 1 e < < μ < 1 NP x 14 Σ. Φωτόπουλος ΨΕΣ προσαρμοζόμενα ΦΙΛΤΡΑ adaptive FILTERS 5 / 35
26 SDLS (sig-data LS) h (k) h 1 (k) + μe sg[x( 1 x > όπου sg[x] x 1 x < k)] < μ < 1 NP x 14 Σ. Φωτόπουλος ΨΕΣ προσαρμοζόμενα ΦΙΛΤΡΑ adaptive FILTERS 6 / 35
27 SSLS (sig-sig LS) h (k) όπου h 1(k) + μsg[e]sg[x( 1 z > sg[z] z 1 z < < μ < 1 NP x k)] 14 Σ. Φωτόπουλος ΨΕΣ προσαρμοζόμενα ΦΙΛΤΡΑ adaptive FILTERS 7 / 35
28 Εφαρμογή 1 Ανάδειξη (φασματικής) γραμμής (lie ehacer) Αναφέρεται σε ένα ημιτονικό σήμα (φασματική γραμμή) που βρίσκεται μέσα σε θόρυβο ευρέως φάσματος και ασυσχέτιστο με το σήμα. x() x(-δ) z -Δ H (z) + _ Σ d() y() Με καθυστέρηση Δ σημείων το σήμα εισόδου x( Δ) αποσυσχετίζεται από το επιθυμητό σήμα d()x() e 14 Σ. Φωτόπουλος ΨΕΣ προσαρμοζόμενα ΦΙΛΤΡΑ adaptive FILTERS 8 / 35
29 Δίνεται το σήμα x()si(π/5) +oise() όπου ο θόρυβος oise() είναι Gaussia μορφής σ 1 ασυσχέτιστος από το ημιτονικό σήμα. Δ1, μ.1 και Ν. Εφαρμόζουμε τον LS αλγόριθμο 5 πλάτος (α) (β) χρόνος α)το ημιτονικό σήμα με προσθετικό θόρυβο σ 1. β) η βελτιωμένη έξοδος του lie ehacer (και το ιδανικό ημίτονο). 14 Σ. Φωτόπουλος ΨΕΣ προσαρμοζόμενα ΦΙΛΤΡΑ adaptive FILTERS 9 / 35
30 Εφαρμογή Ταυτοποίηση συστήματος (system idetificatio) Βασική δομή άγνωστο σύστημα d() Γεννήτρια Θορύβου x() + e _ Adaptive FIR filter y() σήμα σφάλμα Το άγνωστο σύστημα θα βρεθεί με το adaptive FIR filter 14 Σ. Φωτόπουλος ΨΕΣ προσαρμοζόμενα ΦΙΛΤΡΑ adaptive FILTERS 3 / 35
31 Εφαρμογή 3 Ταυτοποίηση αντιστρόφου συστήματος (iverse system idetificatio) 14 Σ. Φωτόπουλος ΨΕΣ προσαρμοζόμενα ΦΙΛΤΡΑ adaptive FILTERS 31 / 35
32 Εφαρμογή 4 Εξάλειψη θορύβου (Adaptive oise caceler) Σήμα s() +θόρυβος x() y() s()+x() + _ e e y() xˆ() s() + x() xˆ() Θόρυβος x () συσχετισμένος με x() x () Adaptive xˆ( ) FIR filter Σήμα e s () + [x() xˆ()] E{e } E{s ()} + E{x() x()} + E{s()[x() x()]} E{e } E{s ()} + E{x() xˆ( )} + s()[x() xˆ()] mie{e } E{s ()} + mie{x() xˆ( )} ax SNR 14 Σ. Φωτόπουλος ΨΕΣ προσαρμοζόμενα ΦΙΛΤΡΑ adaptive FILTERS 3 / 35
33 Βιβλιογραφία 1.Hayes, oso H., Statistical Digital Sigal Processig ad odelig, Joh Wiley & Sos, 1996, Hayki, Simo, Adaptive Filter Theory, Pretice-Hall, Ic., speech.html 4.Berard Widrow ad Samuel D. Stears: Adaptive Sigal Processig, Pretice- Hall, Ic., Upper Saddle River, NJ, Steve. Kay: Fudametals of Statistical Sigal Processig--Detectio Theory', Volume, Pretice-Hall, Ic., V.K.Igle ad J.Proakis, Digital Sigal Processig, PWS Publishig Compay, S. Stears ad R. David, Sigal Processig Algorithms, Pretice Hall Ic. Eglewood Cliffs, New Jersey, Ifeachor E.C &Jervis B.W., Digital Sigal Processig:Apractical Approach, Addiso-Wesley, Σ. Φωτόπουλος ΨΕΣ προσαρμοζόμενα ΦΙΛΤΡΑ adaptive FILTERS 33 / 35
34 atlab demos ad commads LS Adaptive Equalizatio lmsadeq LS Adaptive Liear Predictiolmsadlp LS Adaptive Noise Cacellatio lmsdemo LS Adaptive Time-Delay Estimatiolmsadtde Nostatioary Chael Estimatiokalmsce RLS Adaptive Noise Cacellatiorlsdemo adaptlms, adaptlms, adaptrls, adaptsd, adaptse, adaptss 14 Σ. Φωτόπουλος ΨΕΣ προσαρμοζόμενα ΦΙΛΤΡΑ adaptive FILTERS 34 / 35
35 Εργασίες - ερωτήσεις 1. Θέτωντας κατάλληλο delay υλοποιείστε την εύρεση αντίστροφου συστήματος. Βρείτε τους συντελεστές h opt από την εξίσωση Wieer-Hopf και συγκρίνεται με τους συντελεστές του lms αλγορίθμου. 3. Επαληθεύστε τα όρια τιμών του συντελεστού σύγκλισης μ 4. Συγκρίνετε τους αλγορίθμους του matlab (adaptlms, adaptsd, adaptse, και adaptss) 5. Υπολογείστε το μέσο τετραγωνικό σφάλμα για ένα αριθμό σημείων 1Ν καιπαρακολουθείστε έτσι την σύγκλιση του LS αλγορίθμου 14 Σ. Φωτόπουλος ΨΕΣ προσαρμοζόμενα ΦΙΛΤΡΑ adaptive FILTERS 35 / 35
Προσαρµοζόµενα Φίλτρα
Προσαρµοζόµενα Φίλτρα (adaptive filters) 8.1 Εισαγωγικά Τα ψηφιακά φίλτρα έχουν µία τροµερά µεγάλη διάδοση και εφαρµογή. Χαρακτηριστικές περιπτώσεις είναι η απόρριψη ή ενίσχυση φασµατικών περιοχών, µεταβολή
Διαβάστε περισσότεραΣτοχαστικά Σήματα και Τηλεπικοινωνιές
Στοχαστικά Σήματα και Τηλεπικοινωνιές Ενότητα 5: Προσαρμοστική Επεξεργασία Καθηγητής Κώστας Μπερμπερίδης Πολυτεχνική Σχολή Τμήμα Μηχανικών Η/Υ και Πληροφορικής Σκοποί ενότητας Παρουσίαση των βασικών εννοιών
Διαβάστε περισσότεραΚινητά Δίκτυα Επικοινωνιών. Συμπληρωματικό υλικό. Προσαρμοστική Ισοστάθμιση Καναλιού
Κινητά Δίκτυα Επικοινωνιών Συμπληρωματικό υλικό Προσαρμοστική Ισοστάθμιση Καναλιού Προσαρμοστικοί Ισοσταθμιστές Για να υπολογίσουμε τους συντελεστές του ισοσταθμιστή MMSE, απαιτείται να λύσουμε ένα γραμμικό
Διαβάστε περισσότεραEΦΑΡΜΟΓΕΣ ΤΗΣ ΨΗΦΙΑΚΗΣ ΕΠΕΞΕΡΓΑΣΙΑΣ ΣΗΜΑΤΩΝ. Γραµµική Εκτίµηση Τυχαίων Σηµάτων
EΦΑΡΜΟΓΕΣ ΤΗΣ ΨΗΦΙΑΚΗΣ ΕΠΕΞΕΡΓΑΣΙΑΣ ΣΗΜΑΤΩΝ Γραµµική Εκτίµηση Τυχαίων Σηµάτων Εµµανουήλ Ζ. Ψαράκης Πολυτεχνική Σχολή Τµήµα Μηχανικών Η/Υ & Πληροφορικής Γραµµική Εκτίµηση Τυχαίων Σηµάτων FIR φίλτρα: Ορίζουµε
Διαβάστε περισσότεραΣτα πλαίσια αυτής της άσκησης θα υλοποιηθούν στην αναπτυξιακή κάρτα TMS320C6711. Iσοστάθμιση τηλεπικοινωνιακού καναλιού.
Ε Ρ Γ Α Σ Τ Η Ρ Ι Α Κ Η Α Σ Κ Η Σ Η 1. Εισαγωγή Υλοποίηση Προσαρμοστικών Φίλτρων Στα πλαίσια αυτής της άσκησης θα υλοποιηθούν στην αναπτυξιακή κάρτα TMS30C6711 DSK προσαρμοστικά φίλτρα FIR που βασίζονται
Διαβάστε περισσότεραΣΤΟΧΑΣΤΙΚΑ ΣΗΜΑΤΑ ΚΑΙ ΕΦΑΡΜΟΓΕΣ
ΣΤΟΧΑΣΤΙΚΑ ΣΗΜΑΤΑ ΚΑΙ ΕΦΑΡΜΟΓΕΣ Ακαδηµαϊκό Έτος 007-008 ιδάσκων: Ν. Παπανδρέου (Π.. 407/80) Πανεπιστήµιο Πατρών Τµήµα Μηχανικών Ηλεκτρονικών Υπολογιστών και Πληροφορικής 1η Εργαστηριακή Άσκηση Αναγνώριση
Διαβάστε περισσότεραΠροσαρµοστικοί Αλγόριθµοι Υλοποίησης Βέλτιστων Ψηφιακών Φίλτρων: Ο αναδροµικός αλγόριθµος ελάχιστων τετραγώνων (RLS Recursive Least Squares)
ΒΕΣ 6 Προσαρµοστικά Συστήµατα στις Τηλεπικοινωνίες Προσαρµοστικοί Αλγόριθµοι Υλοποίησης Βέλτιστων Ψηφιακών Φίλτρων: Ο αναδροµικός αλγόριθµος ελάχιστων τετραγώνων RLS Rcrsiv Last Sqars 27 iclas sapatslis
Διαβάστε περισσότερα20-Μαρ-2009 ΗΜΥ 429. Προηγμένες τεχνικές DSP
20-Μαρ-2009 ΗΜΥ 429 Προηγμένες τεχνικές DSP 1 Μετατροπή συχνότητας δειγματοληψίας: Πολυρυθμική επεξεργασία (multirate processing) 20-Μαρ-2009 Τεχνική για αποδοτική αλλαγή της συχνότητας δειγματοληψίας,
Διαβάστε περισσότεραΣτοχαστικά Σήματα και Τηλεπικοινωνιές
Στοχαστικά Σήματα και Τηλεπικοινωνιές Ενότητα 4: Βέλτιστα Φίλτρα Wiener Καθηγητής Κώστας Μπερμπερίδης Πολυτεχνική Σχολή Τμήμα Μηχανικών Η/Υ και Πληροφορικής Σκοποί ενότητας Παρουσίαση βασικών εννοιών των
Διαβάστε περισσότεραΣτοχαστικά Σήµατα και Εφαρµογές. Προσαρµοστικά φίλτρα. ιδάσκων: Ν. Παπανδρέου (Π.. 407/80) Πανεπιστήµιο Πατρών ΤµήµαΜηχανικώνΗ/Υ και Πληροφορικής
Στοχαστικά Σήµατα & Εφαρµογές Προσαρµοστικά φίλτρα ιδάσκων: Ν. Παπανδρέου (Π.. 47/8) Πανεπιστήµιο Πατρών ΤµήµαΜηχανικώνΗ/Υ και Πληροφορικής CEID 7-8 Εισαγωγή Υπολογισµός FIR φίλτρου Wieer σε στάσιµο περιβάλλον:
Διαβάστε περισσότεραΑσκήσεις Φροντιστηρίου «Υπολογιστική Νοημοσύνη Ι» 4 o Φροντιστήριο
Ασκήσεις Φροντιστηρίου 4 o Φροντιστήριο Πρόβλημα 1 ο Ο πίνακας συσχέτισης R x του διανύσματος εισόδου x( στον LMS αλγόριθμο 1 0.5 R x = ορίζεται ως: 0.5 1. Ορίστε το διάστημα των τιμών της παραμέτρου μάθησης
Διαβάστε περισσότεραΕισαγωγή στα Προσαρµοστικά Συστήµατα
ΒΕΣ 06 Προσαρµοστικά Συστήµατα στις Τηλεπικοινωνίες Εισαγωγή στα Προσαρµοστικά Συστήµατα Νικόλας Τσαπατσούλης Επίκουρος Καθηγητής Π..407/80 Τµήµα Επιστήµη και Τεχνολογίας Τηλεπικοινωνιών Πανεπιστήµιο Πελοποννήσου
Διαβάστε περισσότεραΕΛΕΓΧΟΣ ΒΙΟΜΗΧΑΝΙΚΩΝ ΔΙΕΡΓΑΣΙΩΝ ΚΕΦΑΛΑΙΟ 4 ΚΕΦΑΛΑΙΟ 5. ΑΝΑΓΝΩΡΙΣΗ ΔΙΕΡΓΑΣΙΑΣ ΠΡΟΣΑΡΜΟΣΤΙΚΟΣ ΕΛΕΓΧΟΣ (Process Identifications)
ΚΕΦΑΛΑΙΟ 5 ΑΝΑΓΝΩΡΙΣΗ ΔΙΕΡΓΑΣΙΑΣ ΠΡΟΣΑΡΜΟΣΤΙΚΟΣ ΕΛΕΓΧΟΣ (Process Idetificatios) Στο κεφάλαιο αυτό γίνεται παρουσίαση μεθοδολογίας για την ανεύρεση ενός αξιόπιστου μοντέλου πριν ή κατά την λειτουργία της
Διαβάστε περισσότεραΕισαγωγή. Προχωρημένα Θέματα Τηλεπικοινωνιών. Ανάκτηση Χρονισμού. Τρόποι Συγχρονισμού Συμβόλων. Συγχρονισμός Συμβόλων. t mt
Προχωρημένα Θέματα Τηλεπικοινωνιών Συγχρονισμός Συμβόλων Εισαγωγή Σε ένα ψηφιακό τηλεπικοινωνιακό σύστημα, η έξοδος του φίλτρου λήψης είναι μια κυματομορφή συνεχούς χρόνου y( an x( t n ) n( n x( είναι
Διαβάστε περισσότεραΚινητά Δίκτυα Υπολογιστών
Κινητά Δίκτυα Υπολογιστών Καθ. Κώστας Μπερμπερίδης Πολυτεχνική Σχολή Τμήμα Μηχανικών Η/Υ & Πληροφορικής Σκοποί ενότητας Εξοικείωση του φοιτητή με την έννοια της προσαρμοστικής ισοστάθμισης καναλιού 2 Περιεχόμενα
Διαβάστε περισσότεραΑκαδηµαϊκό Έτος , Εαρινό Εξάµηνο ιδάσκων Καθ.: Νίκος Τσαπατσούλης
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ, ΤΜΗΜΑ ΤΕΧΝΟΛΟΓΙΑΣ ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ ΒΕΣ 6: ΠΡΟΣΑΡΜΟΣΤΙΚΑ ΣΥΣΤΗΜΑΤΑ ΣΤΙΣ ΤΗΛΕΠΙΚΟΙΝΩΝΙΕΣ Ακαδηµαϊκό Έτος 26 27, Εαρινό Εξάµηνο Καθ.: Νίκος Τσαπατσούλης ΕΡΩΤΗΣΕΙΣ ΓΙΑ ΕΠΑΝΑΛΗΨΗ Το
Διαβάστε περισσότεραΣήματα- 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 περισσότεραΚΕΦΑΛΑΙΟ 2. Ηλεκτρονικη και 1/62 Πληροφορίας
ΚΕΦΑΛΑΙΟ 2 /62 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, }
Διαβάστε περισσότεραΠαρεμβολή & πρόγνωση άγνωστης συνάρτησης μέσω σημειακής προσαρμογής
Ειδικά Θέματα Συνορθώσεων & Εφαρμογές 8 ο εξάμηνο, Ακαδημαϊκό έτος 2018-2019 Παρεμβολή & πρόγνωση άγνωστης συνάρτησης μέσω σημειακής προσαρμογής (Least squares collocation) Χριστόφορος Κωτσάκης Τμήμα Αγρονόμων
Διαβάστε περισσότεραΤμήμα Μηχανικών Η/Υ και Πληροφορικής
Τμήμα Μηχανικών Η/Υ και Πληροφορικής Εργαστήριο Επεξεργασίας Σημάτων και Τηλεπικοινωνιών Κινητά Δίκτυα Επικοινωνιών Μέρος Α: Τηλεπικοινωνιακά Θέματα: Τεχνικές Ισοστάθμισης Διαύλου Βασικές αρχές Ισοστάθμισης
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 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 περισσότεραΒέλτιστη παρεμβολή και πρόγνωση άγνωστης συνάρτησης με τη μέθοδο της σημειακής προσαρμογής
Ειδικά Θέματα Συνορθώσεων & Εφαρμογές 8 ο εξάμηνο, Ακαδημαϊκό έτος 2016-2017 Βέλτιστη παρεμβολή και πρόγνωση άγνωστης συνάρτησης με τη μέθοδο της σημειακής προσαρμογής (Least squares collocation) Χριστόφορος
Διαβάστε περισσότεραΣτοχαστικά Σήµατα και Εφαρµογές. ιδάσκων: Ν. Παπανδρέου (Π.. 407/80) Πανεπιστήµιο Πατρών ΤµήµαΜηχανικώνΗ/Υ και Πληροφορικής
Στοχαστικά Σήµατα & Εφαρµογές Βέλτιστα Φίλτρα Wiener ιδάσκων: Ν. Παπανδρέου (Π.. 7/8) Πανεπιστήµιο Πατρών ΤµήµαΜηχανικώνΗ/Υ και Πληροφορικής CEID 7-8 Εισαγωγή ιατύπωση του προβλήµατος: οθέντος των από
Διαβάστε περισσότεραΠροσαρµοστικοί Αλγόριθµοι Υλοποίησης Βέλτιστων Ψηφιακών Φίλτρων: Οαλγόριθµος Least Mean Square (LMS)
ΒΕΣ 6 Προσαρµοστικά Συστήµατα στις Τηλεπικοινωνίες Προσαρµοστικοί Αλγόριθµοι Υλοποίησης Βέλτιστων Ψηφιακών Φίλτρων: Οαλγόριθµος Least ean Sqare (LS) Βιβλιογραφία Ενότητας Benvento []: Κεφάλαιo 3 Widrow
Διαβάστε περισσότεραΤο μοντέλο Perceptron
Το μοντέλο Perceptron Αποτελείται από έναν μόνο νευρώνα McCulloch-Pitts w j x x 1, x2,..., w x T 1 1 x 2 w 2 Σ u x n f(u) Άνυσμα Εισόδου s i x j x n w n -θ w w 1, w2,..., w n T Άνυσμα Βαρών 1 Το μοντέλο
Διαβάστε περισσότεραΑφαίρεση του Φαινομένου του Μικροφωνισμού σε Ακουστικά Βαρηκοΐας
Αφαίρεση του Φαινομένου του Μικροφωνισμού σε Ακουστικά Βαρηκοΐας Νιαβής Παναγιώτης Επιβλέπων: Καθ. Γ. Μουστακίδης Περιεχόμενα Εισαγωγή Μικροφωνισμός σε ακουστικά βαρηκοΐας Προσαρμοστική αναγνώριση συστήματος
Διαβάστε περισσότεραΧρήστος Ξενάκης. Πανεπιστήμιο Πειραιώς, Τμήμα Ψηφιακών Συστημάτων
ΘΕΩΡΙΑ ΠΛΗΡΟΦΟΡΙΑΣ Κεφάλαιο 5 : Θόρυβος Χρήστος Ξενάκης Πανεπιστήμιο Πειραιώς, Τμήμα Ψηφιακών Συστημάτων Περιεχόμενα Ομιλίας Είδη θορύβου Περιγραφή θορύβου Θεώρημα Shannon Hartley Απόδοση ισχύος και εύρους
Διαβάστε περισσότεραΠαρουσίαση 2 η : Αρχές εκτίμησης παραμέτρων Μέρος 1 ο
Εφαρμογές Ανάλυσης Σήματος στη Γεωδαισία Παρουσίαση η : Αρχές εκτίμησης παραμέτρων Μέρος ο Βασίλειος Δ. Ανδριτσάνος Αναπληρωτής Καθηγητής Γεώργιος Χλούπης Επίκουρος Καθηγητής Τμήμα Μηχανικών Τοπογραφίας
Διαβάστε περισσότεραΠανεπιστήμιο Πατρών Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών. Διάλεξη 5
Πανεπιστήμιο Πατρών Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών Τομέας Συστημάτων και Αυτομάτου Ελέγχου ΠΡΟΣΑΡΜΟΣΤΙΚΟΣ ΕΛΕΓΧΟΣ Διάλεξη 5 Πάτρα 2008 Χρονικά μεταβαλλόμενες παράμετροι Στο πρόβλημα
Διαβάστε περισσότεραHMY 799 1: Αναγνώριση. συστημάτων. Διαλέξεις 6 7. Συνάφεια (συνέχεια) Μη παραμετρική αναγνώριση γραμμικών
HMY 799 1: Αναγνώριση Συστημάτων Διαλέξεις 6 7 Συνάφεια (συνέχεια Συστήματα πολλαπλών εισόδων Μη παραμετρική αναγνώριση γραμμικών συστημάτων Εκτίμηση άσματος Ισχύος Περιοδόγραμμα, Bartlett/Welch, Παραμετρική
Διαβάστε περισσότεραEΦΑΡΜΟΓΕΣ ΤΗΣ ΨΗΦΙΑΚΗΣ ΕΠΕΞΕΡΓΑΣΙΑΣ ΣΗΜΑΤΩΝ. Διαφορική Παλµοκωδική Διαµόρφωση (DPCM)
EΦΑΡΜΟΓΕΣ ΤΗΣ ΨΗΦΙΑΚΗΣ ΕΠΕΞΕΡΓΑΣΙΑΣ ΣΗΜΑΤΩΝ Διαφορική Παλµοκωδική Διαµόρφωση (DCM) Εµµανουήλ Ζ. Ψαράκης Πολυτεχνική Σχολή Τµήµα Μηχανικών Η/Υ & Πληροφορικής Προεπισκόπηση Διαφορική Παλµοκωδική Διαµόρφωση
Διαβάστε περισσότεραΠροσαρµοστικοί αλγόριθµοι στο πεδίο της συχνότητας: ΟταχύςLMS (Fast Least Mean Square - FLMS)
ΒΕΣ 6 Προσαρµοστικά Συστήµατα στις Τηλεπικοινωνίες Προσαρµοστικοί αλγόριθµοι στο πεδίο της συχνότητας: ΟταχύςLS (Fast Least ean Square - FLS) Κανοινικοποιηµένος FLS Βιβλιογραφία Ενότητας Benvenuto [22]:
Διαβάστε περισσότεραΕΛΕΓΧΟΣ ΠΑΡΑΓΩΓΙΚΩΝ ΔΙΕΡΓΑΣΙΩΝ
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΕΛΕΓΧΟΣ ΠΑΡΑΓΩΓΙΚΩΝ ΔΙΕΡΓΑΣΙΩΝ Ενότητα: Αναγνώριση Διεργασίας - Προσαρμοστικός Έλεγχος (Process Identification) Αλαφοδήμος Κωνσταντίνος
Διαβάστε περισσότεραΕπεξεργασία Στοχαστικών Σημάτων
Επεξεργασία Στοχαστικών Σημάτων Βέλτιστα γραμμικά χρονικά αναλλοίωτα συστήματα Σεραφείμ Καραμπογιάς Σχολή Θετικών Επιστημών Τμήμα Πληροφορικής και Τηλεπικοινωνιών Βέλτιστα γραμμικά χρονικά αναλλοίωτα συστήματα
Διαβάστε περισσότεραΤα περισσότερα προβλήματα βελτιστοποίησης είναι με περιορισμούς, αλλά οι μέθοδοι επίλυσης χωρίς περιορισμούς έχουν γενικό ενδιαφέρον.
ΜΗ ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΧΩΡΙΣ ΠΕΡΙΟΡΙΣΜΟΥΣ Τα περισσότερα προβλήματα βελτιστοποίησης είναι με περιορισμούς, αλλά οι μέθοδοι επίλυσης χωρίς περιορισμούς έχουν γενικό ενδιαφέρον. Μέθοδοι που απαιτούν
Διαβάστε περισσότεραΨηφιακές Τηλεπικοινωνίες
Ψηφιακές Τηλεπικοινωνίες Κωδικοποίηση Αναλογικής Πηγής: Κβάντιση Εισαγωγή Αναλογική πηγή: μετά από δειγματοληψία γίνεται διακριτού χρόνου άπειρος αριθμός bits/έξοδο για τέλεια αναπαράσταση Θεωρία Ρυθμού-Παραμόρφωσης
Διαβάστε περισσότεραΚινητά Δίκτυα Επικοινωνιών
Κινητά Δίκτυα Επικοινωνιών Καθ. Κώστας Μπερμπερίδης Πολυτεχνική Σχολή Τμήμα Μηχανικών Η/Υ & Πληροφορικής Σκοποί ενότητας Η εξοικείωση του φοιτητή με τις διάφορες τεχνικές ισοστάθμισης καναλιού που χρησιμοποιούνται
Διαβάστε περισσότεραΤμήμα Μηχανικών Η/Υ και Πληροφορικής
Τμήμα Μηχανικών Η/Υ και Πληροφορικής Εργαστήριο Επεξεργασίας Σημάτων και Τηλεπικοινωνιών Κινητά Δίκτυα Επικοινωνιών Μέρος Α: Τηλεπικοινωνιακά Θέματα: Ενότητα Νο 4 Τεχνικές Ισοστάθμισης Διαύλου Βασικές
Διαβάστε περισσότεραΣτατιστική περιγραφή τουπεδίουβαρύτητας
Στατιστική περιγραφή τουπεδίουβαρύτητας ΣΤΑΤΙΣΤΙΚΗ ΠΕΡΙΓΡΑΦΗ ΤΟΥ ΠΕ ΙΟΥ ΒΑΡΥΤΗΤΑΣ Οι ανωµαλίες της βαρύτητας σε παγκόσµια κλίµακα θεωρούνται στατιστικά µεγέθη µε µέση τιµή µηδέν Τα στατιστικά χαρακτηριστικά
Διαβάστε περισσότεραE[ (x- ) ]= trace[(x-x)(x- ) ]
1 ΦΙΛΤΡΟ KALMAN ΔΙΑΚΡΙΤΟΥ ΧΡΟΝΟΥ Σε αυτό το μέρος της πτυχιακής θα ασχοληθούμε λεπτομερώς με το φίλτρο kalman και θα δούμε μια καινούρια έκδοση του φίλτρου πάνω στην εφαρμογή της γραμμικής εκτίμησης διακριτού
Διαβάστε περισσότεραHMY 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 περισσότεραΣτοχαστικά Σήματα και Τηλεπικοινωνιές
Στοχαστικά Σήματα και Τηλεπικοινωνιές Ενότητα 7: Βέλτιστο Φίλτρο Wiener και Γραμμικά Περιορισμένο Φίλτρο Ελάχιστης Διασποράς Εφαρμογή στις Έξυπνες Κεραίες Καθηγητής Κώστας Μπερμπερίδης Πολυτεχνική Σχολή
Διαβάστε περισσότεραΜέθοδος αιχμηρής εκτίμησης σε ασταθή γραμμικά μοντέλα
Ειδικά Θέματα Συνορθώσεων & Εφαρμογές 8 ο εξάμηνο, Ακαδημαϊκό έτος 216-217 Μέθοδος αιχμηρής εκτίμησης σε ασταθή γραμμικά μοντέλα (Ridge regression) Χριστόφορος Κωτσάκης Τμήμα Αγρονόμων Τοπογράφων Μηχανικών
Διαβάστε περισσότεραΠροχωρημένα Θέματα Συστημάτων Ελέγχου
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑIΟΥ & Α.Ε.Ι. ΠΕΙΡΑΙΑ Τ.Τ. Τμήματα Ναυτιλίας και Επιχειρηματικών Υπηρεσιών & Μηχ. Αυτοματισμού Τ.Ε. ΔΙΙΔΡΥΜΑΤΙΚΟ Π.Μ.Σ. «Νέες Τεχνολογίες στη Ναυτιλία και τις Μεταφορές» Προχωρημένα Θέματα
Διαβάστε περισσότεραStochastic Signals Class Estimation Theory. Andreas Polydoros University of Athens Dept. of Physics Electronics Laboratory
Stochastic Signals Class Estimation Theory Andreas Polydoros University of Athens Dept. of Physics Electronics Laboratory 1 Τι ειναι «Εκτιμηση» (Estimation)? Γενικο Πλαισιο: Θεωρια και Πραξη Συμπερασματων
Διαβάστε περισσότεραΠανεπιστήμιο Πατρών Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών. Διάλεξη 13
Πανεπιστήμιο Πατρών Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών Τομέας Συστημάτων και Αυτομάτου Ελέγχου ΠΡΟΣΑΡΜΟΣΤΙΚΟΣ ΕΛΕΓΧΟΣ Διάλεξη 13 Πάτρα 28 Προσαρμοστικός έλεγχος με μοντέλο αναφοράς
Διαβάστε περισσότεραΦίλτρα Kalman. Αναλυτικές μέθοδοι στη Γεωπληροφορική. ιατύπωση του βασικού προβλήματος. προβλήματος. μοντέλο. Πρωτεύων μοντέλο
Φίλτρα Kalman Εξαγωγή των εξισώσεων τους με βάση το κριτήριο ελαχιστοποίησης της Μεθόδου των Ελαχίστων Τετραγώνων. Αναλυτικές Μέθοδοι στη Γεωπληροφορική Μεταπτυχιακό Πρόγραμμα ΓΕΩΠΛΗΡΟΦΟΡΙΚΗ ιατύπωση του
Διαβάστε περισσότεραE [ -x ^2 z] = E[x z]
1 1.ΦΙΛΤΡΟ KALMAN ΔΙΑΚΡΙΤΟΥ ΧΡΟΝΟΥ Σε αυτήν την διάλεξη θα πάμε στο φίλτρο με περισσότερες λεπτομέρειες, και θα παράσχουμε μια νέα παραγωγή για το φίλτρο Kalman, αυτή τη φορά βασισμένο στην ιδέα της γραμμικής
Διαβάστε περισσότεραΣ. Φωτόπουλος -1- ΨΕΣ- AΣΚΗΣΕΙΣ-ΛΥΣΕΙΣ- Κεφάλαιο 2 ο
Σ. Φωτόπουλος -- ΨΕΣ- AΣΚΗΣΕΙΣ-ΛΥΣΕΙΣ- Κεφάλαιο ο Άσκηση. Περιγράψτε τα σήµατα που φαίνονται στο σχήµα. χρησιµοποιώντας κατάλληλα την συνάρτηση µοναδιαίας κρούσης δ[]. x[] + x[] + + + + + (a) (b) -.5 Σχήµα.
Διαβάστε περισσότεραΦΙΛΤΡΟ KALMAN ΔΙΑΚΡΙΤΟΥ ΧΡΟΝΟΥ
1 ΦΙΛΤΡΟ KALMAN ΔΙΑΚΡΙΤΟΥ ΧΡΟΝΟΥ Σε αυτό το μέρος της πτυχιακής θα ασχοληθούμε λεπτομερώς με το φίλτρο kalman και θα δούμε μια καινούρια έκδοση του φίλτρου πάνω στην εφαρμογή της γραμμικής εκτίμησης διακριτού
Διαβάστε περισσότεραNETCOM S.A. ΨΗΦΙΑΚΟΣ ΕΛΕΓΧΟΣ ΠΑΛΜΟΜΕΤΑΤΡΟΠΕΩΝ DIGITAL CONTROL OF SWITCHING POWER CONVERTERS
NETCOM S.A. ΨΗΦΙΑΚΟΣ ΕΛΕΓΧΟΣ ΠΑΛΜΟΜΕΤΑΤΡΟΠΕΩΝ DIGITAL CONTROL OF SWITCHING POWER CONVERTERS Αρχή λειτουργίας των Αναλογικών και ψηφιακών Παλμομετατροπεων Ο παλμός οδήγησης ενός παλμομετατροπέα, με αναλογική
Διαβάστε περισσότεραΣυνόρθωση κατά στάδια και αναδρομικοί αλγόριθμοι βέλτιστης εκτίμησης
Ειδικά Θέματα Συνορθώσεων & Εφαρμογές 8 ο εξάμηνο, Ακαδημαϊκό έτος 2017-2018 Συνόρθωση κατά στάδια και αναδρομικοί αλγόριθμοι βέλτιστης εκτίμησης Χριστόφορος Κωτσάκης Τμήμα Αγρονόμων και Τοπογράφων Μηχανικών
Διαβάστε περισσότεραΕΙΣΑΓΩΓΗ ΣΤΗ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΣΥΣΤΗΜΑΤΩΝ
ΥΠΕΥΘΥΝΟΣ ΚΑΘΗΓΗΤΗΣ Α. Ντούνης ΔΙΔΑΣΚΩΝ Χ. Τσιρώνης ΕΙΣΑΓΩΓΗ ΣΤΗ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΣΥΣΤΗΜΑΤΩΝ - Αλγόριθμοι κλίσης - Gradient tools in MATLAB - Επίλυση ΝCM και CM ΑΛΓΟΡΙΘΜΟΙ ΚΛΙΣΗΣ Κατευθυντική αναζήτηση επί
Διαβάστε περισσότεραΒέλτιστα Ψηφιακά Φίλτρα: Φίλτρα Wiener, Ευθεία και αντίστροφη γραµµική πρόβλεψη
ΒΕΣ 6 Προσαρµοστικά Συστήµατα στις Τηλεπικοινωνίες Βέλτιστα Ψηφιακά Φίλτρα: Φίλτρα Wiener, Ευθεία και αντίστροφη γραµµική πρόβλεψη 7 Nicolas sapatsoulis Βιβλιογραφία Ενότητας Benvenuto []: Κεφάλαιo Wirow
Διαβάστε περισσότεραHMY 799 1: Αναγνώριση Συστημάτων
HMY 799 : Αναγνώριση Συστημάτων Διαλέξεις Επιλογή τάξης μοντέλου και επικύρωση Επαναληπτική αναγνώριση Βέλτιστη μέθοδος συμβαλλουσών μεταβλητών (opimal IV mehod) P P P IV IV, op PEM z() = H ( q) φ () Γενική
Διαβάστε περισσότεραEΦΑΡΜΟΓΕΣ ΤΗΣ ΨΗΦΙΑΚΗΣ ΕΠΕΞΕΡΓΑΣΙΑΣ ΣΗΜΑΤΩΝ Γραµµική Εκτίµηση Τυχαίων Σηµάτων
EΦΑΡΜΟΓΕΣ ΤΗΣ ΨΗΦΙΑΚΗΣ ΕΠΕΞΕΡΓΑΣΙΑΣ ΣΗΜΑΤΩΝ Γραµµική Εκτίµηση Τυχαίων Σηµάτων Εµµανουήλ Ζ. Ψαράκης Πολυτεχνική Σχολή Τµήµα Μηχανικών Η/Υ & Πληροφορικής Εκτίµηση Τυχαίων Σηµάτων othig i atue is adom A thig
Διαβάστε περισσότεραHMY 799 1: Αναγνώριση Συστημάτων
HMY 799 : Αναγνώριση Συστημάτων Διάλεξη Στοχαστικές Τυχαίες Μεταβλητές/ Στοχαστικά Σήματα Πειραματικά δεδομένα >Επιλογή τύπου μοντέλου >Επιλογή κριτηρίου >Υπολογισμός >Επικύρωση Προσαρμογή καμπύλης (Curve
Διαβάστε περισσότεραΠανεπιστήμιο Πατρών Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών. Διάλεξη 9
Πανεπιστήμιο Πατρών Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών Τομέας Συστημάτων και Αυτομάτου Ελέγχου ΠΡΟΣΑΡΜΟΣΤΙΚΟΣ ΕΛΕΓΧΟΣ Διάλεξη 9 Πάτρα 2008 Ρύθμιση ελαχίστης διασποράς Η στρατηγική
Διαβάστε περισσότεραΣΗΜΑΤΑ ΚΑΙ ΣΥΣΤΗΜΑΤΑ Ι
ΣΗΜΑΤΑ ΚΑΙ ΣΥΣΤΗΜΑΤΑ Ι Προσέγγιση και Ομοιότητα Σημάτων Επιμέλεια: Πέτρος Π. Γρουμπός Καθηγητής Γεώργιος Α. Βασκαντήρας Υπ. Διδάκτορας Τμήμα Ηλεκτρολόγων Μηχανικών & Τεχνολογίας Υπολογιστών Άδειες Χρήσης
Διαβάστε περισσότεραEΦΑΡΜΟΓΕΣ ΤΗΣ ΨΗΦΙΑΚΗΣ ΕΠΕΞΕΡΓΑΣΙΑΣ ΣΗΜΑΤΩΝ Γραµµική Εκτίµηση Τυχαίων Σηµάτων Φίλτρο Kalman
EΦΑΡΜΟΓΕΣ ΤΗΣ ΨΗΦΙΑΚΗΣ ΕΠΕΞΕΡΓΑΣΙΑΣ ΣΗΜΑΤΩΝ Γραµµική Εκτίµηση Τυχαίων Σηµάτων Φίλτρο Kalma Εµµανουήλ Ζ. Ψαράκης Πολυτεχνική Σχολή Τµήµα Μηχανικών Η/Υ & Πληροφορικής Ακολουθιακή Επεξεργασία Τα δείγµατα
Διαβάστε περισσότεραΣυστήματα Επικοινωνιών Ι
+ Διδάσκων: Δρ. Κ. Δεμέστιχας e-mail: cdemestichas@uowm.gr Συστήματα Επικοινωνιών Ι Διαμόρφωση και αποδιαμόρφωση πλάτους AM-DSB-SC και QAM + Περιεχόμενα Διαμόρφωση AM-DSB-SC Φάσμα διαμορφωμένου σήματος
Διαβάστε περισσότεραΨηφιακή Επεξεργασία Εικόνας
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Ψηφιακή Επεξεργασία Εικόνας Ενότητα 4 : Δειγματοληψία και κβάντιση (Sampling and Quantization) Ιωάννης Έλληνας Τμήμα Η/ΥΣ Άδειες
Διαβάστε περισσότεραH ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΟΣ. στις τηλεπικοινωνίες
H ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΟΣ στις τηλεπικοινωνίες Διάταξη συστήματος ψηφιακής επικοινωνίας Γεννήτρια σήματος RF, (up-coverter Ενισχυτής Προενισχυτής- dow-coverter- Ψηφιοποιητής σήματος RF Μονάδα ψηφ.
Διαβάστε περισσότεραΣτατιστική ΙΙΙ-Εφαρμογές Χρονολογικές Σειρές(Μέθοδοι Εξομάλυνσης ΙΙΙ-Εφαρμογές)
Στατιστική ΙΙΙ-Εφαρμογές Χρονολογικές Σειρές(Μέθοδοι Εξομάλυνσης ΙΙΙ-Εφαρμογές) Γεώργιος Τσιώτας Τμήμα Οικονομικών Επιστημών Σχολή Κοινωνικών Επιστημών Πανεπιστήμιο Κρήτης Στατιστική ΙΙΙ(ΣΤΑΟ 230) Περιγραφή
Διαβάστε περισσότεραΜια εισαγωγή στο φίλτρο Kalman
1 Μια εισαγωγή στο φίλτρο Kalman Το 1960, R.E. Kalman δημόσιευσε το διάσημο έγγραφό του περιγράφοντας μια επαναλαμβανόμενη λύση στο γραμμικό πρόβλημα φιλτραρίσματος διακριτών δεδομένων. Από εκείνη τη στιγμή,
Διαβάστε περισσότεραΠανεπιστήμιο Πατρών Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών. Διάλεξη 11
Πανεπιστήμιο Πατρών Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών Τομέας Συστημάτων και Αυτομάτου Ελέγχου ΠΡΟΣΑΡΜΟΣΤΙΚΟΣ ΕΛΕΓΧΟΣ Διάλεξη 11 Πάτρα 2008 Προσαρμοστικός LQ έλεγχος για μη ελαχίστης
Διαβάστε περισσότεραΔομές ψηφιακών φίλτρων (structures)
Δομές ψηφιακών φίλτρων (structures) Πραγματοποίηση δομές Άμεση (direct) Κανονική Ανάστροφη Διαδοχική (cascade) Παράλληλη σύνδεση Πλέγμα - Δικτυωτή (lattice) Στοιχεία x Αθροιστής x y yx x Πολλαπλασιαστής
Διαβάστε περισσότεραΑλγόριθµοι και Πολυπλοκότητα
Αλγόριθµοι και Πολυπλοκότητα Ν. Μ. Μισυρλής Τµήµα Πληροφορικής και Τηλεπικοινωνιών, Πανεπιστήµιο Αθηνών Καθηγητής: Ν. Μ. Μισυρλής () Αλγόριθµοι και Πολυπλοκότητα 31 Μαΐου 2019 1 / 10 Ελάχιστα τετράγωνα
Διαβάστε περισσότεραΕξίσωση Τηλεπικοινωνιακών Διαύλων
Εξίσωση Τηλεπικοινωνιακών Διαύλων ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ ΜΔΕ ΠΡΟΗΓΜΈΝΑ ΤΗΛΕΠΙΚΟΙΝΩΝΙΑΚΑ ΣΥΣΤΉΜΑΤΑ ΚΑΙ ΔΙΚΤΥΑ Ενότητα 3 η Γραμμικοί Εξισωτές Νικόλαος Χ. Σαγιάς
Διαβάστε περισσότεραΑναγνώριση Προτύπων Ι
Αναγνώριση Προτύπων Ι Ενότητα 4: Νευρωνικά Δίκτυα στην Ταξιμόμηση Προτύπων Αν. Καθηγητής Δερματάς Ευάγγελος Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών Άδειες Χρήσης Το παρόν εκπαιδευτικό
Διαβάστε περισσότεραΠροσαρµοστικοί Αλγόριθµοι Υλοποίησης Βέλτιστων Ψηφιακών Φίλτρων: Παραλλαγές του αλγόριθµου Least Mean Square (LMS)
ΒΕΣ 6 Προσαροστικά Συστήατα στις Τηλεπικοινωνίες Προσαροστικοί Αλγόριθοι Υλοποίησης Βέλτιστων Ψηφιακών Φίλτρων: Παραλλαγές του αλγόριθου Least Mean Square (LMS) Βιβλιογραφία Ενότητας Benvenuto []: Κεφάλαιo
Διαβάστε περισσότεραΟδηγός λύσης θέματος 2
Ειδικά Θέματα Συνορθώσεων & Εφαρμογές 8 ο εξάμηνο, Ακαδημαϊκό έτος 216-217 Οδηγός λύσης θέματος 2 Χριστόφορος Κωτσάκης Τμήμα Αγρονόμων Τοπογράφων Μηχανικών Πολυτεχνική Σχολή, ΑΠΘ Τι προσπαθούμε να κάνουμε
Διαβάστε περισσότεραΕθνικό και Καποδιστριακό Πανεπιστήμιο Αθηνών Τμήμα Φυσικής Εισαγωγή στα Συστήματα Τηλεπικοινωνιών Συστήματα Παλμοκωδικής Διαμόρφωσης
Εθνικό και Καποδιστριακό Πανεπιστήμιο Αθηνών Τμήμα Φυσικής Εισαγωγή στα Συστήματα Τηλεπικοινωνιών Συστήματα Παλμοκωδικής Διαμόρφωσης Καθηγητής Ι. Τίγκελης itigelis@phys.uoa.gr ΚΒΑΝΤΙΣΗ Διαδικασία με την
Διαβάστε περισσότεραΨηφιακές Τηλεπικοινωνίες. Βέλτιστος Δέκτης
Ψηφιακές Τηλεπικοινωνίες Βέλτιστος Δέκτης Σύνδεση με τα Προηγούμενα Επειδή το πραγματικό κανάλι είναι αναλογικό, κατά τη διαβίβαση ψηφιακής πληροφορίας, αντιστοιχίζουμε τα σύμβολα σε αναλογικές κυματομορφές
Διαβάστε περισσότεραΑνασκόπηση θεωρίας ελαχίστων τετραγώνων και βέλτιστης εκτίμησης παραμέτρων
Τοπογραφικά Δίκτυα και Υπολογισμοί 5 ο εξάμηνο, Ακαδημαϊκό Έτος 2016-2017 Ανασκόπηση θεωρίας ελαχίστων τετραγώνων και βέλτιστης εκτίμησης παραμέτρων Χριστόφορος Κωτσάκης Τμήμα Αγρονόμων Τοπογράφων Μηχανικών
Διαβάστε περισσότερα4. 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 περισσότεραΑνασκόπηση θεωρίας ελαχίστων τετραγώνων και βέλτιστης εκτίμησης παραμέτρων
Τοπογραφικά Δίκτυα και Υπολογισμοί 5 ο εξάμηνο, Ακαδημαϊκό Έτος 2017-2018 Ανασκόπηση θεωρίας ελαχίστων τετραγώνων και βέλτιστης εκτίμησης παραμέτρων Χριστόφορος Κωτσάκης Τμήμα Αγρονόμων και Τοπογράφων
Διαβάστε περισσότεραΨηφιακές Τηλεπικοινωνίες. Θεωρία Ρυθμού Παραμόρφωσης
Ψηφιακές Τηλεπικοινωνίες Θεωρία Ρυθμού Παραμόρφωσης Θεωρία Ρυθμού-Παραμόρφωσης Θεώρημα Κωδικοποίησης Πηγής: αν έχω αρκετά μεγάλο μπλοκ δεδομένων, μπορώ να φτάσω κοντά στην εντροπία Πιθανά Προβλήματα: >
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ ΤΜΗΜΑ ΕΠΙΣΤΗΜΗΣ & ΤΕΧΝΟΛΟΓΙΑΣ ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ Κ 17 Επικοινωνίες ΙΙ Χειμερινό Εξάμηνο Διάλεξη 7 η Νικόλαος Χ. Σαγιάς Επίκουρος Καθηγητής Webpage: http://eclass.uop.gr/courses/tst15
Διαβάστε περισσότεραΆσκηση 1: Λύση: Για το άθροισμα ισχύει: κι επειδή οι μέσες τιμές των Χ και Υ είναι 0: Έτσι η διασπορά της Ζ=Χ+Υ είναι:
Άσκηση 1: Δύο τυχαίες μεταβλητές Χ και Υ έχουν στατιστικές μέσες τιμές 0 και διασπορές 25 και 36 αντίστοιχα. Ο συντελεστής συσχέτισης των 2 τυχαίων μεταβλητών είναι 0.4. Να υπολογισθούν η διασπορά του
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ ΚΑΙ ΑΣΦΑΛΙΣΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ Εξετάσεις περιόδου στο μάθημα ΑΝΑΛΥΣΗ ΠΑΛΙΝΔΡΟΜΗΣΗΣ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ ΚΑΙ ΑΣΦΑΛΙΣΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ Εξετάσεις περιόδου στο μάθημα ΑΝΑΛΥΣΗ ΠΑΛΙΝΔΡΟΜΗΣΗΣ Ονοματεπώνυμο: Όνομα Πατρός:... Σ ΑΜ:. Ημερομηνία: Παρακαλώ μη γράφετε στα παρακάτω
Διαβάστε περισσότεραΣήµατα 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 περισσότεραΕκτιμητές Μεγίστης Πιθανοφάνειας (Maximum Likelihood Estimators MLE)
Εκτιμητές Μεγίστης Πιθανοφάνειας (Maximum Likelihood Estimators MLE) Εστω τ.δ. X={x, x,, x } με κατανομή με σ.π.π. f(x;θ). Η από-κοινού σ.π.π. των δειγμάτων είναι η συνάρτηση L f x, x,, x; f x i ; και
Διαβάστε περισσότεραΕξομοίωση Τηλεπικοινωνιακού Συστήματος Βασικής Ζώνης
Πανεπιστήμιο Πατρών Τμήμα Μηχ. Η/Υ & Πληροφορικής Ακαδημαϊκό Έτος 009-010 Ψ Η Φ Ι Α Κ Ε Σ Τ Η Λ Ε Π Ι Κ Ο Ι Ν Ω Ν Ι ΕΣ η Εργαστηριακή Άσκηση: Εξομοίωση Τηλεπικοινωνιακού Συστήματος Βασικής Ζώνης Στην άσκηση
Διαβάστε περισσότεραΘεώρημα κωδικοποίησης πηγής
Κωδικοποίηση Kωδικοποίηση πηγής Θεώρημα κωδικοποίησης πηγής Καθορίζει ένα θεμελιώδες όριο στον ρυθμό με τον οποίο η έξοδος μιας πηγής πληροφορίας μπορεί να συμπιεσθεί χωρίς να προκληθεί μεγάλη πιθανότητα
Διαβάστε περισσότεραΣτοχαστικά Σήματα και Τηλεπικοινωνιές
Στοχαστικά Σήματα και Τηλεπικοινωνιές Ενότητα 9: Συγχρονισμός Συμβόλων Καθηγητής Κώστας Μπερμπερίδης Πολυτεχνική Σχολή Τμήμα Μηχανικών Η/Υ και Πληροφορικής Σκοποί ενότητας Στην ενότητα αυτή παρουσιάζεται
Διαβάστε περισσότεραΤοπογραφικά Δίκτυα & Υπολογισμοί
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΧΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ Τοπογραφικά Δίκτυα & Υπολογισμοί Ενότητα 2: Ανασκόπηση θεωρίας εκτίμησης παραμέτρων και συνόρθωσης παρατηρήσεων Χριστόφορος Κωτσάκης Άδειες
Διαβάστε περισσότεραΠΜΣ ΠΛΗΡΟΦΟΡΙΚΗΣ & ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ
ΣΤΗΝ ΠΡΑΞΗ Η ΑΠΟΚΡΙΣΗ ΣΥΧΝΟΤΗΤΑΣ, C(f), ΤΟΥ ΚΑΝΑ- ΛΙΟΥ ΔΕΝ ΕΙΝΑΙ ΓΝΩΣΤΗ ΚΑΙ ΑΚΟΜΗ ΧΕΙΡΟΤΕΡΟ ΣΕ ΜΕΡΙ- ΚΕΣ ΕΦΑΡΜΟΓΕΣ ΜΕΤΑΒΑΛΛΕΤΑΙ ΓΡΗΓΟΡΑ ΜΕ ΤΟ ΧΡΟΝΟ. Στις περιπτώσεις αυτές χρησιμοποιείται η χρήση τεχνικών
Διαβάστε περισσότεραΆσκηση 3. Ποιοτική Μελέτη των νόμων ελέγχου δύο και τριών όρων (συσκευή: Προσομοιωτής ελέγχου PCS327: Σχ.1) Απαραίτητες γνώσεις
Άσκηση 3 Ποιοτική Μελέτη των νόμων ελέγχου δύο και τριών όρων (συσκευή: Προσομοιωτής ελέγχου PCS327: Σχ.1) Απαραίτητες γνώσεις 1) Αυτόματος έλεγχος δύο και τριών όρων 2) Εμπειρικαί μέθοδοι εκλογής των
Διαβάστε περισσότεραΕΠΕΞΕΡΓΑΣΙΑ & ΑΝΑΛΥΣΗ ΙΑΤΡΙΚΩΝ ΣΗΜΑΤΩΝ
BIOMIG Medical Image Processing, Algorithms and Applications http://biomig.ntua.gr ΕΠΕΞΕΡΓΑΣΙΑ & ΑΝΑΛΥΣΗ ΙΑΤΡΙΚΩΝ ΣΗΜΑΤΩΝ Εισαγωγή στην MRI και στην fmri ΔΡ. Γ. ΜΑΤΣΟΠΟΥΛΟΣ ΑΝ. ΚΑΘΗΓΗΤΗΣ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ
Διαβάστε περισσότεραΟδηγός λύσης για το θέμα 2
Ειδικά Θέματα Συνορθώσεων & Εφαρμογές 8 ο εξάμηνο, Ακαδημαϊκό έτος 218-219 Οδηγός λύσης για το θέμα 2 Χριστόφορος Κωτσάκης Τμήμα Αγρονόμων και Τοπογράφων Μηχανικών Πολυτεχνική Σχολή, ΑΠΘ Τι προσπαθούμε
Διαβάστε περισσότεραΟ 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 περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ Πάτρα 2005 ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ Η/Υ & ΠΛΗΡΟΦΟΡΙΚΗΣ Εργαστήριο Επεξεργασίας Σηµάτων Τηλεπικοινωνιών & ικτύων
2.5 0.5 0-0.5 - -.5-2 0 50 00 50 200 250 300 350 400 450 ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ Πάτρα 2005 ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ Η/Υ & ΠΛΗΡΟΦΟΡΙΚΗΣ Εργαστήριο Επεξεργασίας Σηµάτων Τηλεπικοινωνιών & ικτύων ΕΡΓΑΣΙΑ ΣΤΟ ΜΑΘΗΜΑ
Διαβάστε περισσότεραΚεφάλαιο 12: Υδραυλική ανάλυση δικτύων διανομής
Κεφάλαιο 12: Υδραυλική ανάλυση δικτύων διανομής Εννοιολογική αναπαράσταση δίκτυων διανομής Σχηματοποίηση: δικτυακή απεικόνιση των συνιστωσών του φυσικού συστήματος ως συνιστώσες ενός εννοιολογικού μοντέλου
Διαβάστε περισσότεραΑριθμητική Ανάλυση και Εφαρμογές
Αριθμητική Ανάλυση και Εφαρμογές Διδάσκων: Δημήτριος Ι. Φωτιάδης Τμήμα Μηχανικών Επιστήμης Υλικών Ιωάννινα 07-08 Αριθμητική Παραγώγιση Εισαγωγή Ορισμός 7. Αν y f x είναι μια συνάρτηση ορισμένη σε ένα διάστημα
Διαβάστε περισσότεραHMY 429: Εισαγωγή στην Επεξεργασία Ψηφιακών
HMY 429: Εισαγωγή στην Επεξεργασία Ψηφιακών Σημάτων Διάλεξη 2: Συστήματα διακριτού χρόνου Συστήματα διακριτού χρόνου Σύστημα διακριτού χρόνου: Μετασχηματισμός Τ που μετατρέπει το σήμα εισόδου x[] στο σήμα
Διαβάστε περισσότεραΑπλή Παλινδρόμηση και Συσχέτιση
Απλή Παλινδρόμηση και Συσχέτιση Πωλήσεις, Δαπάνες Διαφήμισης και Αριθμός Πωλητών Έτος Πωλήσεις (χιλ ) Διαφήμιση (χιλ ) Πωλητές (Άτομα) Έτος Πωλήσεις (χιλ ) Διαφήμιση (χιλ ) Πωλητές (Άτομα) 98 050 6 3 989
Διαβάστε περισσότεραΠροσαρμογή καμπύλης με τη μέθοδο των ελαχίστων τετραγώνων
Σχολή Χημικών Μηχανικών ΕΜΠ Ανάλυση Συστημάτων Χημικής Μηχανικής, ο εξάμηνο Προσαρμογή καμπύλης με τη μέθοδο των ελαχίστων τετραγώνων Διδάσκοντες: Χ. Κυρανούδης, Γ. Μαυρωτάς Εισαγωγή Με βάση κάποιο δείγμα
Διαβάστε περισσότεραΨηφιακή Επεξεργασία Εικόνας
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Ψηφιακή Επεξεργασία Εικόνας Ενότητα 6 : Κωδικοποίηση & Συμπίεση εικόνας Ιωάννης Έλληνας Τμήμα Η/ΥΣ Άδειες Χρήσης Το παρόν εκπαιδευτικό
Διαβάστε περισσότεραΣυστήματα Επικοινωνιών ΙI
+ Διδάσκων: Δρ. Κ. Δεμέστιχας e-mail: cdemestichas@uowm.gr Συστήματα Επικοινωνιών ΙI Διαφορική Παλμοκωδική Διαμόρφωση + Ιστοσελίδα nιστοσελίδα του μαθήματος: n https://eclass.uowm.gr/courses/icte302/ +
Διαβάστε περισσότερα