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

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

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

Transcript

1 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 B' Ψηφιακή Eπεξεργασία Eικόνων και Σηµάτων AΘΑΝΑΣΙΟΣ ΣΚΟ ΡΑΣ Kαθηγητής Eλληνικού Aνοικτού Πανεπιστηµίου BΑΣΙΛΕΙΟΣ AΝΑΣΤΑΣΟΠΟΥΛΟΣ Aναπλ. Kαθηγητής Πανεπιστηµίου Πατρών ΠATPA 003

2 Îfi Ú. ÂÏÈ ÔappleÔ ËÛË (ÛÂÏ.96) /7/003 :3 ÂÏ 4 ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ Σχολή Θετικών Επιστηµών και Τεχνολογίας Πρόγραµµα Σπουδών ΠΛHPOΦOPIKH Θεµατική Ενότητα ΣHMATA KAI EΠEΞEPΓAΣIA EIKONAΣ Τόµος B' Ψηφιακή επεξεργασία εικόνων και σηµάτων Συγγραφή AΘΑΝΑΣΙΟΣ ΣΚΟ ΡΑΣ Kαθηγητής Eλληνικού Aνοικτού Πανεπιστηµίου BΑΣΙΛΕΙΟΣ AΝΑΣΤΑΣΟΠΟΥΛΟΣ Aναπληρωτής Kαθηγητής Πανεπιστηµίου Πατρών Κριτική Ανάγνωση ΣΕΡΓΙΟΣ ΘΕΟ ΩΡΙ ΗΣ Kαθηγητής Tµήµατος Πληροφορικής Πανεπιστηµίου Aθηνών Ακαδηµαϊκός Υπεύθυνος για την επιστηµονική επιµέλεια του τόµου ΣΕΡΓΙΟΣ ΘΕΟ ΩΡΙ ΗΣ Kαθηγητής Tµήµατος Πληροφορικής Πανεπιστηµίου Aθηνών Επιµέλεια στη µέθοδο της εκπαίδευσης από απόσταση ΠETPOΣ ΓANOΣ Γλωσσική Επιµέλεια EΛENH KOYTΣOΣΠYPOY Τεχνική Επιµέλεια Καλλιτεχνική Επιµέλεια Σελιδοποίηση TYPORAMA Συντονισµός ανάπτυξης εκπαιδευτικού υλικού και γενική επιµέλεια των εκδόσεων ΟΜΑ Α ΕΚΤΕΛΕΣΗΣ ΕΡΓΟΥ ΕΑΠ / ISBN: Kωδικός Έκδοσης: ΠΛH 44/ Copyright 003 για την Ελλάδα και όλο τον κόσµο ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ Οδός Παπαφλέσσα & Υψηλάντη, 6 Πάτρα Τηλ: , 3406 Φαξ: Σύµφωνα µε το Ν. /993, απαγορεύεται η συνολική ή αποσπασµατική αναδηµοσίευση του βιβλίου αυτού ή η αναπαραγωγή του µε οποιοδήποτε µέσο χωρίς την άδεια του εκδότη.

3 Îfi Ú. ÂÏÈ ÔappleÔ ËÛË (ÛÂÏ.96) /7/003 :3 ÂÏ 5 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

4 Îfi Ú. ÂÏÈ ÔappleÔ ËÛË (ÛÂÏ.96) /7/003 :3 ÂÏ 6 6 æ H º I A K H E E E P A I A E I K O N ø N K A I H M AT ø N.. Θεωρήµατα και ιδιότητεςτου µετσχηµατισµού Fourier διακριτού χρόνου ειγµατοληψία: µια ακόµη µατιά... 6 Σύνοψη Ενότητας ιακριτός 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

5 Îfi Ú. ÂÏÈ ÔappleÔ ËÛË (ÛÂÏ.96) /7/003 :3 ÂÏ 7 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 οµές 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

6 Îfi Ú. ÂÏÈ ÔappleÔ ËÛË (ÛÂÏ.96) /7/003 :3 ÂÏ 8 8 æ H º I A K H E E E P A I A E I K O N ø N K A I H M AT ø N 4.4 Θέµατα υλοποίησης FIR φίλτρων οµές 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

7 Îfi Ú. ÂÏÈ ÔappleÔ ËÛË (ÛÂÏ.96) /7/003 :3 ÂÏ 9 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

8 Îfi Ú. ÂÏÈ ÔappleÔ ËÛË (ÛÂÏ.96) /7/003 :3 ÂÏ 0 0 æ H º I A K H E E E P A I A E I K O N ø N K A I H M AT ø N K º π 7 ÈÛ È ÛÙ Ù ËÊÈ Î ÁÚ ÌÌÈÎ Û ÛÙ Ì Ù Σκοπός, Προσδοκώµενα αποτελέσµατα, Έννοιες κλειδιά, Eισαγωγικές παρατηρήσεις ισδιάστατη συνέλιξη Γραµµικότητα Αµεταβλητότητα στην ολίσθηση Σύνοψη ενότητας Χαρακτηριστικά των δισδιάστατων ψηφιακών συστηµάτων Τρόποι σύνδεσης των δισδιάστατων ψηφιακών φίλτρων ιαχωρίσιµα 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

9 Îfi Ú. ÂÏÈ ÔappleÔ ËÛË (ÛÂÏ.96) /7/003 :3 ÂÏ 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 γραµ- µικής 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.

10 Îfi Ú. ÂÏÈ ÔappleÔ ËÛË (ÛÂÏ.96) /7/003 :3 ÂÏ K E º A A I O : E π ø æ º π ƒ π ª 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. Μαθη- µατικά 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 έχου- µε 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

11 Îfi Ú. ÂÏÈ ÔappleÔ ËÛË (ÛÂÏ.96) /7/003 :3 ÂÏ 3 E π ø π ƒ 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 συστη- µάτων 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.

12 Îfi Ú. ÂÏÈ ÔappleÔ ËÛË (ÛÂÏ.96) /7/003 :3 ÂÏ 4 4 K E º A A I O : E π 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 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 συστή- µατος, 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

13 Îfi Ú. ÂÏÈ ÔappleÔ ËÛË (ÛÂÏ.96) /7/003 :3 ÂÏ 5. T À π ª ø 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-

14 Îfi Ú. ÂÏÈ ÔappleÔ ËÛË (ÛÂÏ.96) /7/003 :3 ÂÏ 6 6 K E º A A I O : E π ø æ º π ƒ π ª 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) αριθ- µών, 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. ªπ π ª 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 < (.)

15 Îfi Ú. ÂÏÈ ÔappleÔ ËÛË (ÛÂÏ.96) /7/003 :3 ÂÏ 7. T À π ª ø 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,

16 Îfi Ú. ÂÏÈ ÔappleÔ ËÛË (ÛÂÏ.96) /7/003 :3 ÂÏ 8 8 K E º A A I O : E π ø æ º π ƒ π ª π π ότι το ηµιτονοειδές σήµα µπορεί να προέλθει από την πρόσθεση δύο συζυγών µιγαδικών εκθετικών σηµάτων ίσου πλάτους. Τα µιγαδικά εκθετικά σήµατα συνηθίζου- µε να τα παριστάνουµε ως διανύσµατα πάνω στο µιγαδικό επίπεδο, τα οποία ονο- µάζουµε 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 χρησι- µοποιούµε θετικές και αρνητικές συχνότητες σε όλη την έκταση αυτού του βιβλίου. Αυτό σηµαίνει ότι η περιοχή συχνοτήτων των αναλογικών σηµάτων θα είναι < F <. ªπ π ª π ƒπ 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 δείγ- µατος, Α το πλάτος του σήµατος, ω η συχνότητα του σήµατος σε ακτίνια ανά δείγ- µα 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

17 Îfi Ú. ÂÏÈ ÔappleÔ ËÛË (ÛÂÏ.96) /7/003 :3 ÂÏ 9. T À π ª ø 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),

18 Îfi Ú. ÂÏÈ ÔappleÔ ËÛË (ÛÂÏ.96) /7/003 :3 ÂÏ 0 0 K E º A A I O : E π ø æ º π ƒ π ª 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 ειγµατολήπτης Kβαντιστής q (n) Kωδικοποιητής Ì.5 Βασικά τµήµατα ενός µετατροπέα αναλογικού σε ψηφιακό Aναλογικό Σήµα Σήµα ιακριτού Xρόνου Kβαντισµένο Σήµα Ψηφιακό Σήµα

19 Îfi Ú. ÂÏÈ ÔappleÔ ËÛË (ÛÂÏ.96) /7/003 :3 ÂÏ. T À π ª ø. ειγµατοληψία (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 æπ π ø ª ø 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 αντί- στροφο 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 ισοδύνα- µα µέσω του ρυθµού δειγµατοληψίας F s = ως εξής: T n t = nt = (.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

20 Îfi Ú. ÂÏÈ ÔappleÔ ËÛË (ÛÂÏ.96) /7/003 :3 ÂÏ K E º A A I O : E π ø æ º π ƒ π ª π π Aναλογικό Σήµα x α (t) F s =/T x(n)=x α (nt) Σήµα ιακριτού Xρόνου ειγµατολήπτης x α (t) x(n) x α (t) x(n)=x α (nt) Ì.6 Οµοιόµορφη δειγ- µατοληψία 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)

21 Îfi Ú. ÂÏÈ ÔappleÔ ËÛË (ÛÂÏ.96) /7/003 :3 ÂÏ 3. T À π ª ø 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 = T T (.6) 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 Fmax = = T π ή Ω max = πfs = (.8) 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; ηλαδή, 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-

22 Îfi Ú. ÂÏÈ ÔappleÔ ËÛË (ÛÂÏ.96) /7/003 :3 ÂÏ 4 4 K E º A A I O : E π ø æ º π ƒ π ª π π τερης συχνότητας του σήµατος). Για παράδειγµα, αν θελήσουµε να ψηφιοποιήσου- µε 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 ίνονται 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 ειγµατοληψία αναλογικών σηµάτων συχνότητας F = F = Hz, Hz Πλάτος 0 Xρόνος sec F s = Hz µε ρυθµό F s = Hz

23 Îfi Ú. ÂÏÈ ÔappleÔ ËÛË (ÛÂÏ.96) /7/003 :3 ÂÏ 5. T À π ª ø 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 δείγ- µατα 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)

24 Îfi Ú. ÂÏÈ ÔappleÔ ËÛË (ÛÂÏ.96) /7/003 :3 ÂÏ 6 6 K E º A A I O : E π ø æ º π ƒ π ª 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 x( n) x ( nt ) = Acos α F 0+ kfs π n+ θ = F A n F 0 = cos π + θ + πkn = F = Acos( πf n + θ) 0 s s (.4) Ì.8 ιαφορετικά 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, µπορού- µε 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).

25 Îfi Ú. ÂÏÈ ÔappleÔ ËÛË (ÛÂÏ.96) /7/003 :3 ÂÏ 7. T À π ª ø 7 Ú ÂÈÁÌ.4 ίνεται 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 x( n) = 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 παίρνου- µε 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 ( ιαλέξαµε 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.

26 Îfi Ú. ÂÏÈ ÔappleÔ ËÛË (ÛÂÏ.96) /7/003 :3 ÂÏ 8 8 K E º A A I O : E π ø æ º π ƒ π ª 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 π ª ø À Ã À 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 δείγ- µατα 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-

27 Îfi Ú. ÂÏÈ ÔappleÔ ËÛË (ÛÂÏ.96) /7/003 :3 ÂÏ 9. T À π ª ø 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 / και /, δηλαδή / e q (n) /. Το βήµα κβάντισης ορίζεται ως = (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 Σχή- µατος.9 έχουµε x max = 7, x min = 0, L = 8 και άρα =. 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. Πράγ- µατι, η κβάντιση είναι µία µη αντιστρεπτή διαδικασία, αφού όλα τα δείγµατα σε απόσταση / 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 /).

28 Îfi Ú. ÂÏÈ ÔappleÔ ËÛË (ÛÂÏ.96) /7/003 :3 ÂÏ K E º A A I O : E π ø æ º π ƒ π ª π π ø π π ø µ π ª ø π ª ø 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 χρησι- µοποιήσαµε 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 Bήµα κβάντισης 3 0 Tιµές δειγµάτων υαδικές 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-

29 Îfi Ú. ÂÏÈ ÔappleÔ ËÛË (ÛÂÏ.96) /7/003 :3 ÂÏ 3. 3 ª π ƒ π À Ã ƒ 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

30 Îfi Ú. ÂÏÈ ÔappleÔ ËÛË (ÛÂÏ.96) /7/003 :3 ÂÏ 3 3 K E º A A I O : E π ø æ º π ƒ π ª 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 αριθ- µός, 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) Ì.0: Κρουστική ακολουθία u(n) n (α) n n 0 3 Ì.: Βηµατική ακολουθία x(n) A n (β) Ì.: Σταθερή ακολουθία x(n) n (γ) 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

31 Îfi Ú. ÂÏÈ ÔappleÔ ËÛË (ÛÂÏ.96) /7/003 :3 ÂÏ ª π ƒ π À à ƒ 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 ø π ƒπ 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 (δείγ- µατα) 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).

32 Îfi Ú. ÂÏÈ ÔappleÔ ËÛË (ÛÂÏ.96) /7/003 :3 ÂÏ K E º A A I O : E π ø æ º π ƒ π ª 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 ) = (.3) 0, n< n o 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: u( n) = δ ( m) n m= (.3)

33 Îfi Ú. ÂÏÈ ÔappleÔ ËÛË (ÛÂÏ.96) /7/003 :3 ÂÏ ª π ƒ π À Ã ƒ 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: + x( n) = x( m) 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 υπογράµ- µιση 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)

34 Îfi Ú. ÂÏÈ ÔappleÔ ËÛË (ÛÂÏ.96) /7/003 :3 ÂÏ K E º A A I O : E π ø æ º π ƒ π ª 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).

35 Îfi Ú. ÂÏÈ ÔappleÔ ËÛË (ÛÂÏ.96) /7/003 :3 ÂÏ À ª π ƒ π À Ã ƒ À 37 Ì.0 x(n) Σύστηµα ιακριτού 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 ) = [ax (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

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 Eπεξεργασία Eικόνων και Σημάτων

Ψηφιακή Eπεξεργασία Eικόνων και Σημάτων 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

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

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

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

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

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

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

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

2. ΚΕΦΑΛΑΙΟ ΕΙΣΑΓΩΓΗ ΣΤΑ ΣΥΣΤΗΜΑΤΑ. Γενικά τι είναι σύστηµα - Ορισµός. Τρόποι σύνδεσης συστηµάτων.

2. ΚΕΦΑΛΑΙΟ ΕΙΣΑΓΩΓΗ ΣΤΑ ΣΥΣΤΗΜΑΤΑ. Γενικά τι είναι σύστηµα - Ορισµός. Τρόποι σύνδεσης συστηµάτων. 2. ΚΕΦΑΛΑΙΟ ΕΙΣΑΓΩΓΗ ΣΤΑ ΣΥΣΤΗΜΑΤΑ Γενικά τι είναι - Ορισµός. Τρόποι σύνδεσης συστηµάτων. Κατηγορίες των συστηµάτων ανάλογα µε τον αριθµό και το είδος των επιτρεποµένων εισόδων και εξόδων. Ιδιότητες των

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

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

E π A π π ª π. È ÎÚÈÙ M ıëì ÙÈÎ. Î È M ıëì ÙÈÎ ÔÁÈÎ. TfiÌÔ A' È ÎÚÈÙ M ıëì ÙÈÎ ÂÒÚÁÈÔ BÔ ÚÔ

E π A π π ª π. È ÎÚÈÙ M ıëì ÙÈÎ. Î È M ıëì ÙÈÎ ÔÁÈÎ. TfiÌÔ A' È ÎÚÈÙ M ıëì ÙÈÎ ÂÒÚÁÈÔ BÔ ÚÔ E π A π π ª π È ÎÚÈÙ M ıëì ÙÈÎ Î È M ıëì ÙÈÎ ÔÁÈÎ TfiÌÔ A' ÂÒÚÁÈÔ BÔ ÚÔ È ÎÚÈÙ M ıëì ÙÈÎ ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ Σχολή Θετικών Επιστηµών και Τεχνολογίας Πρόγραµµα Σπουδών ΠΛΗΡΟΦΟΡΙΚΗ Θεµατική Eνότητα

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

Μετασχηµατισµός FOURIER ιακριτού χρόνου DTFT

Μετασχηµατισµός FOURIER ιακριτού χρόνου DTFT Σ. Φωτόπουλος ΨΕΣ Κεφάλαιο 3 ο DTFT -7- Μετασχηµατισµός FOURIER ιακριτού χρόνου DTFT (discrete time Fourier transform) 3.. Εισαγωγικά. 3.. Είδη µετασχηµατισµών Fourier Με την ονοµασία Μετασχηµατισµοί Fourier

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

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

ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ. Σχολή Θετικών Επιστηµών και Τεχνολογίας. Πρόγραµµα Σπουδών ΠΛΗΡΟΦΟΡΙΚΗ. Θεµατική Eνότητα

ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ. Σχολή Θετικών Επιστηµών και Τεχνολογίας. Πρόγραµµα Σπουδών ΠΛΗΡΟΦΟΡΙΚΗ. Θεµατική Eνότητα Σήµατα και Συστήµατα 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 αρτιότητα και πληρότητα

Διαβάστε περισσότερα

Σχήµα 1: Χρήση ψηφιακών φίλτρων για επεξεργασία σηµάτων συνεχούς χρόνου

Σχήµα 1: Χρήση ψηφιακών φίλτρων για επεξεργασία σηµάτων συνεχούς χρόνου ΜΑΘΗΜΑ 6: ΣΧΕ ΙΑΣΗ ΦΙΛΤΡΩΝ 6. Εισαγωγή Τα φίλτρα είναι µια ειδική κατηγορία ΓΧΑ συστηµάτων τα οποία τροποποιούν συγκεκριµένες συχνότητες του σήµατος εισόδου σε σχέση µε κάποιες άλλες. Η σχεδίαση ψηφιακών

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

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

ΕΡΓΑΣΤΗΡΙΟ ΦΥΣΙΚΗΣ ΟΠΤΙΚΗΣ - ΟΠΤΟΗΛΕΚΤΡΟΝΙΚΗΣ & LASER ΤΜΗΜΑ ΦΥΣΙΚΗΣ ΧΗΜΕΙΑΣ & Τ/Υ ΑΣΚΗΣΗ ΝΟ7 ΟΠΤΙΚΗ FOURIER. Γ. Μήτσου

ΕΡΓΑΣΤΗΡΙΟ ΦΥΣΙΚΗΣ ΟΠΤΙΚΗΣ - ΟΠΤΟΗΛΕΚΤΡΟΝΙΚΗΣ & LASER ΤΜΗΜΑ ΦΥΣΙΚΗΣ ΧΗΜΕΙΑΣ & Τ/Υ ΑΣΚΗΣΗ ΝΟ7 ΟΠΤΙΚΗ FOURIER. Γ. Μήτσου ΕΡΓΑΣΗΡΙΟ ΦΥΣΙΚΗΣ ΟΠΙΚΗΣ - ΟΠΟΗΛΕΚΡΟΝΙΚΗΣ & LASER ΜΗΜΑ ΦΥΣΙΚΗΣ ΧΗΜΕΙΑΣ & /Υ ΑΣΚΗΣΗ ΝΟ7 ΟΠΙΚΗ FOURIER Γ. Μήτσου Μάρτιος 8 Α. Θεωρία. Εισαγωγή Η επεξεργασία οπτικών δεδοµένων, το φιλτράρισµα χωρικών συχνοτήτων

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

Ήχος και φωνή. Τεχνολογία Πολυµέσων 04-1

Ήχος και φωνή. Τεχνολογία Πολυµέσων 04-1 Ήχος και φωνή Φύση του ήχου Ψηφιοποίηση µε µετασχηµατισµό Ψηφιοποίηση µε δειγµατοληψία Παλµοκωδική διαµόρφωση Αναπαράσταση µουσικής Ανάλυση και σύνθεση φωνής Μετάδοση φωνής Τεχνολογία Πολυµέσων 4-1 Φύση

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

EÈÛ ÁˆÁ ÛÙËÓ ÏËÚÔÊÔÚÈÎ

EÈÛ ÁˆÁ ÛÙËÓ ÏËÚÔÊÔÚÈÎ E π A π π ª π EÈÛ ÁˆÁ ÛÙËÓ ÏËÚÔÊÔÚÈÎ TfiÌÔ A' HÏ appleèù ÎË EÈÛ ÁˆÁ ÛÙËÓ EappleÈÛÙ ÌË ÙˆÓ YappleÔÏÔÁÈÛÙÒÓ ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ Σχολή Θετικών Επιστηµών και Τεχνολογίας Πρόγραµµα Σπουδών ΠΛHPOΦOPIKH

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

4. ΚΕΦΑΛΑΙΟ ΕΦΑΡΜΟΓΕΣ ΤΟΥ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΥ FOURIER

4. ΚΕΦΑΛΑΙΟ ΕΦΑΡΜΟΓΕΣ ΤΟΥ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΥ FOURIER 4. ΚΕΦΑΛΑΙΟ ΕΦΑΡΜΟΓΕΣ ΤΟΥ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΥ FOURIER Υπολογίζουµε εύκολα τον αντίστροφο Μετασχηµατισµό Fourier µιας συνάρτησης χωρίς να καταφεύγουµε στην εξίσωση ανάλυσης. Υπολογίζουµε εύκολα την απόκριση

Διαβάστε περισσότερα

E π A π π ª π. Ú ÌÌÈÎfi ÚÔÁÚ ÌÌ ÙÈÛÌfi. MÔÓÙÂÏÔappleÔ ËÛË. TfiÌÔ A' M ÓÔ PÔ ÌÂÏÈÒÙË Î È ÚÔÛÔÌÔ ˆÛË

E π A π π ª π. Ú ÌÌÈÎfi ÚÔÁÚ ÌÌ ÙÈÛÌfi. MÔÓÙÂÏÔappleÔ ËÛË. TfiÌÔ A' M ÓÔ PÔ ÌÂÏÈÒÙË Î È ÚÔÛÔÌÔ ˆÛË E π A π π ª π Ú ÌÌÈÎfi ÚÔÁÚ ÌÌ ÙÈÛÌfi Î È MÔÓÙÂÏÔappleÔ ËÛË TfiÌÔ A' M ÓÔ PÔ ÌÂÏÈÒÙË MÔÓÙÂÏÔappleÔ ËÛË Î È ÚÔÛÔÌÔ ˆÛË ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ Σχολή Θετικών Επιστηµών και Τεχνολογίας Πρόγραµµα Σπουδών

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

ΑΝΑΠΤΥΓΜA - ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ FOURIER ΑΝΑΛΟΓΙΚΩΝ ΣΗΜΑΤΩΝ. Περιγράψουµε τον τρόπο ανάπτυξης σε σειρά Fourier ενός περιοδικού αναλογικού σήµατος.

ΑΝΑΠΤΥΓΜA - ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ FOURIER ΑΝΑΛΟΓΙΚΩΝ ΣΗΜΑΤΩΝ. Περιγράψουµε τον τρόπο ανάπτυξης σε σειρά Fourier ενός περιοδικού αναλογικού σήµατος. 3. ΚΕΦΑΛΑΙΟ ΑΝΑΠΤΥΓΜA - ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ FOURIER ΑΝΑΛΟΓΙΚΩΝ ΣΗΜΑΤΩΝ Περιγράψουµε τον τρόπο ανάπτυξης σε σειρά Fourier ενός περιοδικού αναλογικού σήµατος. Ορίσουµε το µετασχηµατισµό Fourier ενός µη περιοδικού

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

Θεωρία Πληροφορίας και Kωδικοποίησης

Θεωρία Πληροφορίας και Kωδικοποίησης Θεωρία Πληροφορίας και Kωδικοποίησης 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

EÈÛ ÁˆÁ ÛÙËÓ ÏËÚÔÊÔÚÈÎ

EÈÛ ÁˆÁ ÛÙËÓ ÏËÚÔÊÔÚÈÎ E π A π π ª π EÈÛ ÁˆÁ ÛÙËÓ ÏËÚÔÊÔÚÈÎ TfiÌÔ ' KÏ ÓıË Ú ÌappleÔ Ï Ë ÏÒÛÛ ÚÔÁÚ ÌÌ ÙÈÛÌÔ ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ Σχολή Θετικών Επιστηµών και Τεχνολογίας Πρόγραµµα Σπουδών ΠΛHPOΦOPIKH Θεµατική Ενότητα

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

Προηγµένες Υπηρεσίες Τηλεκπαίδευσης στο Τ.Ε.Ι. Σερρών

Προηγµένες Υπηρεσίες Τηλεκπαίδευσης στο Τ.Ε.Ι. Σερρών Προηγµένες Υπηρεσίες Τηλεκπαίδευσης στο Τ.Ε.Ι. Σερρών Το εκπαιδευτικό υλικό που ακολουθεί αναπτύχθηκε στα πλαίσια του έργου «Προηγµένες Υπηρεσίες Τηλεκπαίδευσης στο Τ.Ε.Ι. Σερρών», του Μέτρου «Εισαγωγή

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

ΣΤΗΑ ΨΕΣ /4/2013 2:12 πµ

ΣΤΗΑ ΨΕΣ /4/2013 2:12 πµ ΣΤΗΑ ΨΕΣ -3 4/4/3 : πµ ΑΝΤΙΚΕΙΜΕΝΟ ΤΟΥ ΜΑΘΗΜΑΤΟΣ Ψηφιακή Επεξεργασία Σήµατος ΨΕΣ Η Επεξεργασία Σήµατος µέσω της ψηφιοποίησής του και της επεξεργασίας µε ηλεκτρονικό υπολογιστή ή ειδικά ολοκληρωµένα κυκλώµατα

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

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

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

ΑΠΟΤΕΛΕΣΜΑΤΑ ΠΕΠΕΡΑΣΜΕΝΗΣ ΑΚΡΙΒΕΙΑΣ (ΚΒΑΝΤΙΣΜΟΥ)

ΑΠΟΤΕΛΕΣΜΑΤΑ ΠΕΠΕΡΑΣΜΕΝΗΣ ΑΚΡΙΒΕΙΑΣ (ΚΒΑΝΤΙΣΜΟΥ) ΑΠΟΤΕΛΕΣΜΑΤΑ ΠΕΠΕΡΑΣΜΕΝΗΣ ΑΚΡΙΒΕΙΑΣ (ΚΒΑΝΤΙΣΜΟΥ) 0. Εισαγωγή Τα αποτελέσµατα πεπερασµένης ακρίβειας οφείλονται στα λάθη που προέρχονται από την παράσταση των αριθµών µε µια πεπερασµένη ακρίβεια. Τα αποτελέσµατα

Διαβάστε περισσότερα

Μετασχηµατισµός Ζ (z-tranform)

Μετασχηµατισµός Ζ (z-tranform) Μετασχηµατισµός Ζ (-traform) Εργαλείο ανάλυσης σηµάτων και συστηµάτων διακριτού χρόνου ιεργασία ανάλογη του Μετ/σµού Laplace Απόκριση συχνότητας Εφαρµογές επίλυση γραµµικών εξισώσεων διαφορών µε σταθερούς

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

ΣΗΜΕΙΩΣΕΙΣ ΜΑΘΗΜΑΤΙΚΗΣ ΑΝΑΛΥΣΗΣ Ι (2006-07)

ΣΗΜΕΙΩΣΕΙΣ ΜΑΘΗΜΑΤΙΚΗΣ ΑΝΑΛΥΣΗΣ Ι (2006-07) ΤΕΙ ΥΤΙΚΗΣ ΜΑΚΕ ΟΝΙΑΣ ΠΑΡΑΡΤΗΜΑ ΚΑΣΤΟΡΙΑΣ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΤΕΧΝΟΛΟΓΙΑΣ ΥΠΟΛΟΓΙΣΤΩΝ ΣΗΜΕΙΩΣΕΙΣ ΜΑΘΗΜΑΤΙΚΗΣ ΑΝΑΛΥΣΗΣ Ι (2006-07) Επιµέλεια Σηµειώσεων : Βασιλειάδης Γεώργιος Καστοριά, εκέµβριος 2006

Διαβάστε περισσότερα

E π A π π ª π AÚ TÂ ÓÔÏÔÁ ÔÁÈÛÌÈÎÔ. TfiÌÔ B' ÂÈÙÔ ÚÁÈÎ ÛÙ Ì Ù I

E π A π π ª π AÚ TÂ ÓÔÏÔÁ ÔÁÈÛÌÈÎÔ. TfiÌÔ B' ÂÈÙÔ ÚÁÈÎ ÛÙ Ì Ù I E π A π π ª π AÚ TÂ ÓÔÏÔÁ ÔÁÈÛÌÈÎÔ TfiÌÔ B' ÏÔ apple Ú ÎË ÂÈÙÔ ÚÁÈÎ ÛÙ Ì Ù I ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ Σχολή Θετικών Επιστηµών και Τεχνολογίας Πρόγραµµα Σπουδών ΠΛHPOΦOPIKH Θεµατική Ενότητα APXEΣ TEXNOΛOΓIAΣ

Διαβάστε περισσότερα

Τηλεπικοινωνίες. Ενότητα 5: Ψηφιακή Μετάδοση Αναλογικών Σημάτων. Μιχάλας Άγγελος Τμήμα Μηχανικών Πληροφορικής ΤΕ

Τηλεπικοινωνίες. Ενότητα 5: Ψηφιακή Μετάδοση Αναλογικών Σημάτων. Μιχάλας Άγγελος Τμήμα Μηχανικών Πληροφορικής ΤΕ Τηλεπικοινωνίες Ενότητα 5: Ψηφιακή Μετάδοση Αναλογικών Σημάτων Μιχάλας Άγγελος Τμήμα Μηχανικών Πληροφορικής ΤΕ Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για

Διαβάστε περισσότερα

B ÛÈÎ EÚÁ ÏÂ Î È M ıô ÔÈ ÁÈ ÙÔÓ ŒÏÂÁ Ô ÙË ÔÈfiÙËÙ

B ÛÈÎ EÚÁ ÏÂ Î È M ıô ÔÈ ÁÈ ÙÔÓ ŒÏÂÁ Ô ÙË ÔÈfiÙËÙ E π A π π ª π B ÛÈÎ EÚÁ ÏÂ Î È M ıô ÔÈ ÁÈ ÙÔÓ ŒÏÂÁ Ô ÙË ÔÈfiÙËÙ TfiÌÔ E' Aı Ó ÛÈÔ apple ÚÁ ÚË ÂÈÁÌ ÙÔÏË ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ Σχολή Θετικών Επιστηµών και Τεχνολογίας Πρόγραµµα Σπουδών IΣΦAΛIΣH

Διαβάστε περισσότερα

Ραδιοτηλεοπτικά Συστήματα Ενότητα 3: Θεωρία Ψηφιοποίησης

Ραδιοτηλεοπτικά Συστήματα Ενότητα 3: Θεωρία Ψηφιοποίησης ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Ραδιοτηλεοπτικά Συστήματα Ενότητα 3: Θεωρία Ψηφιοποίησης Δρ. Νικόλαος- Αλέξανδρος Τάτλας Τμήμα Ηλεκτρονικών Μηχανικών Τ.Ε Κάντε

Διαβάστε περισσότερα

Επεξεργαστές - ελεγκτές ψηφιακού σήµατος

Επεξεργαστές - ελεγκτές ψηφιακού σήµατος Επεξεργαστές - ελεγκτές ψηφιακού σήµατος 1. Τι σηµαίνει DSP, τι ψηφιακό σήµα, τι είναι ψηφιακή επεξεργασία. Όπως αναφέρεται DSP σηµαίνει (Digital Signal Proccesing) που σηµαίνει ψηφιακή επεξεργασία σήµατος.

Διαβάστε περισσότερα

ÏËÚÔÊÔÚÈÎ Î È EÎapple  ÛË

ÏËÚÔÊÔÚÈÎ Î È EÎapple  ÛË E π A π π ª π ÏËÚÔÊÔÚÈÎ Î È EÎapple  ÛË TfiÌÔ A' B Û ÏÂÈÔ KfiÌË È ÎÙÈÎ ÙË ÏËÚÔÊÔÚÈÎ ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ Σχολή Θετικών Επιστηµών και Τεχνολογίας Πρόγραµµα Σπουδών ΠΛHPOΦOPIKH Θεµατική Ενότητα

Διαβάστε περισσότερα

Σηµειώσεις στις συναρτήσεις

Σηµειώσεις στις συναρτήσεις Σηµειώσεις στις συναρτήσεις 4 Η έννοια της συνάρτησης Ο όρος «συνάρτηση» χρησιµοποιείται αρκετά συχνά για να δηλώσει ότι ένα µέγεθος, µια κατάσταση κτλ εξαρτάται από κάτι άλλο Και στα µαθηµατικά ο όρος

Διαβάστε περισσότερα

ΕΙΣΑΓΩΓΗ ΣΤΗ ΘΕΩΡΙΑ ΣΗΜΑΤΩΝ & ΣΥΣΤΗΜΑΤΩΝ

ΕΙΣΑΓΩΓΗ ΣΤΗ ΘΕΩΡΙΑ ΣΗΜΑΤΩΝ & ΣΥΣΤΗΜΑΤΩΝ ΕΙΣΑΓΩΓΗ ΣΤΗ ΘΕΩΡΙΑ ΣΗΜΑΤΩΝ & ΣΥΣΤΗΜΑΤΩΝ Σκοπός του µαθήµατος Η Συστηµατική Περιγραφή: των Σηµάτων και των Συστηµάτων Τι είναι Σήµα; Ένα πρότυπο µεταβολών µιας ποσότητας που µπορεί να: επεξεργαστεί αποθηκευθεί

Διαβάστε περισσότερα

7. Ταλαντώσεις σε συστήµατα µε πολλούς βαθµούς ελευθερίας

7. Ταλαντώσεις σε συστήµατα µε πολλούς βαθµούς ελευθερίας 7 Ταλαντώσεις σε συστήµατα µε πολλούς βαθµούς ελευθερίας Συζευγµένες ταλαντώσεις Βιβλιογραφία F S Crawford Jr Κυµατική (Σειρά Μαθηµάτων Φυσικής Berkeley, Τόµος 3 Αθήνα 979) Κεφ H J Pai Φυσική των ταλαντώσεων

Διαβάστε περισσότερα

«Επικοινωνίες δεδομένων»

«Επικοινωνίες δεδομένων» Εργασία στο μάθημα «Διδακτική της Πληροφορικής» με θέμα «Επικοινωνίες δεδομένων» Αθήνα, Φεβρουάριος 2011 Χρονολογική απεικόνιση της εξέλιξης των Τηλεπικοινωνιών Χρονολογική απεικόνιση της εξέλιξης των

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ, ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ, ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ, ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΕΠΛ 4: ΣΥΣΤΗΜΑΤΑ ΠΟΛΥΜΕΣΩΝ Θεωρητικές Ασκήσεις (# ): ειγµατοληψία, κβαντοποίηση και συµπίεση σηµάτων. Στην τηλεφωνία θεωρείται ότι το ουσιαστικό περιεχόµενο της

Διαβάστε περισσότερα

ΣΕΙΡΕΣ TAYLOR. Στην Ενότητα αυτή θα ασχοληθούµε µε την προσέγγιση συναρτήσεων µέσω πολυωνύµων. Πολυώνυµο είναι κάθε συνάρτηση της µορφής:

ΣΕΙΡΕΣ TAYLOR. Στην Ενότητα αυτή θα ασχοληθούµε µε την προσέγγιση συναρτήσεων µέσω πολυωνύµων. Πολυώνυµο είναι κάθε συνάρτηση της µορφής: ΣΕΙΡΕΣ TAYLOR Στην Ενότητα αυτή θα ασχοληθούµε µε την προσέγγιση συναρτήσεων µέσω πολυωνύµων Πολυώνυµο είναι κάθε συνάρτηση της µορφής: p( ) = a + a + a + a + + a, όπου οι συντελεστές α i θα θεωρούνται

Διαβάστε περισσότερα

Κεφάλαιο 6 Παράγωγος

Κεφάλαιο 6 Παράγωγος Σελίδα από 5 Κεφάλαιο 6 Παράγωγος Στο κεφάλαιο αυτό στόχος µας είναι να συνδέσουµε µία συγκεκριµένη συνάρτηση f ( ) µε µία δεύτερη συνάρτηση f ( ), την οποία και θα ονοµάζουµε παράγωγο της f. Η τιµή της

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 Μετασχηματισμός Fourier Στο κεφάλαιο αυτό θα εισάγουμε και θα μελετήσουμε

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

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

Κεφάλαιο 3 Προεπεξεργασία Σήµατος Οµιλίας

Κεφάλαιο 3 Προεπεξεργασία Σήµατος Οµιλίας Κεφάλαιο 3 Προεπεξεργασία Σήµατος Οµιλίας σελ.83 Κεφάλαιο 3 Προεπεξεργασία Σήµατος Οµιλίας 3.1 Eισαγωγή Τα στάδια που προηγούνται της βασικής διαδικασίας αναγνώρισης, αναφέρονται σαν στάδια προεπεξεργασίας

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

Τι είναι σήµα; Σεραφείµ Καραµπογιάς

Τι είναι σήµα; Σεραφείµ Καραµπογιάς Τι είναι σήµα; Σεραφείµ Καραµπογιάς Ωςσήµαορίζεταιέναφυσικόµέγεθοςτοοποίοµεταβάλλεταισεσχέσηµετοχρόνοή το χώρο ή µε οποιαδήποτε άλλη ανεξάρτητη µεταβλητή ή µεταβλητές Παραδείγµατα: Σήµα οµιλίας Σήµα εικόνας

Διαβάστε περισσότερα

Δυναμική Μηχανών I. Απόκριση Γραμμικών Συστημάτων στο. Πεδίο της Συχνότητας

Δυναμική Μηχανών I. Απόκριση Γραμμικών Συστημάτων στο. Πεδίο της Συχνότητας Δυναμική Μηχανών I Απόκριση Γραμμικών Συστημάτων στο 7 4 Πεδίο της Συχνότητας 2015 Δημήτριος Τζεράνης, Ph.D Τμήμα Μηχανολόγων Μηχανικών Ε.Μ.Π. tzeranis@gmail.com Απαγορεύεται οποιαδήποτε αναπαραγωγή χωρίς

Διαβάστε περισσότερα

Εισαγωγή στα ψηφιακά Συστήµατα Μετρήσεων

Εισαγωγή στα ψηφιακά Συστήµατα Μετρήσεων 1 Εισαγωγή στα ψηφιακά Συστήµατα Μετρήσεων 1.1 Ηλεκτρικά και Ηλεκτρονικά Συστήµατα Μετρήσεων Στο παρελθόν χρησιµοποιήθηκαν µέθοδοι µετρήσεων που στηριζόταν στις αρχές της µηχανικής, της οπτικής ή της θερµοδυναµικής.

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

, όπου οι σταθερές προσδιορίζονται από τις αρχικές συνθήκες.

, όπου οι σταθερές προσδιορίζονται από τις αρχικές συνθήκες. Στην περίπτωση της ταλάντωσης µε κρίσιµη απόσβεση οι δύο γραµµικώς ανεξάρτητες λύσεις εκφυλίζονται (καταλήγουν να ταυτίζονται) Στην περιοχή ασθενούς απόσβεσης ( ) δύο γραµµικώς ανεξάρτητες λύσεις είναι

Διαβάστε περισσότερα

Αντίστροφος Μετασχηματισμός Ζ. Υλοποίηση συστημάτων Διακριτού Χρόνου. Σχεδίαση φίλτρων

Αντίστροφος Μετασχηματισμός Ζ. Υλοποίηση συστημάτων Διακριτού Χρόνου. Σχεδίαση φίλτρων Αντίστροφος Μετασχηματισμός Ζ Υλοποίηση συστημάτων Διακριτού Χρόνου Σχεδίαση φίλτρων Αντίστροφος Μετασχηματισμός Ζ Αντίστροφος ΜΖ (inverse-zt) Προσεγγίσεις εύρεσης του αντίστροφου ΜΖ Τυπικά ο i-zt γίνεται

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

Διάλεξη 10. Σχεδιασμός Φίλτρων. Κεφ. 7.0-7.2. Φίλτρο Διαφοροποιεί το φάσμα ενός σήματος Π.χ. αφήνει να περάσουν ή σταματά κάποιες συχνότητες

Διάλεξη 10. Σχεδιασμός Φίλτρων. Κεφ. 7.0-7.2. Φίλτρο Διαφοροποιεί το φάσμα ενός σήματος Π.χ. αφήνει να περάσουν ή σταματά κάποιες συχνότητες University of Cyprus Biomedical Imaging & Applied Optics Διάλεξη 10 Κεφ. 7.0-7.2 Φίλτρο Διαφοροποιεί το φάσμα ενός σήματος Π.χ. αφήνει να περάσουν ή σταματά κάποιες συχνότητες Σχεδιασμός Φίλτρου Καθορίζονται

Διαβάστε περισσότερα

1/3/2009. Τα ψηφιακά ηχητικά συστήματα πρέπει να επικοινωνήσουν με τον «αναλογικό» ανθρώπινο κόσμο. Φλώρος Ανδρέας Επίκ. Καθηγητής.

1/3/2009. Τα ψηφιακά ηχητικά συστήματα πρέπει να επικοινωνήσουν με τον «αναλογικό» ανθρώπινο κόσμο. Φλώρος Ανδρέας Επίκ. Καθηγητής. Από το προηγούμενο μάθημα... Μάθημα: «Ψηφιακή Επεξεργασία Ήχου» Δάλ Διάλεξη 2 η : «Βασικές Β έ αρχές ψηφιακού ήχου» Φλώρος Ανδρέας Επίκ. Καθηγητής Τα ψηφιακά ηχητικά συστήματα πρέπει να επικοινωνήσουν

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

Μετασχηµατισµοί Laplace, Αναλογικά Συστήµατα, ιαφορικές Εξισώσεις

Μετασχηµατισµοί Laplace, Αναλογικά Συστήµατα, ιαφορικές Εξισώσεις ΚΕΦΑΛΑΙΟ 2 Μετασχηµατισµοί Laplace, Αναλογικά Συστήµατα, ιαφορικές Εξισώσεις 2.1 ΕΙΣΑΓΩΓΗ Όπως έχουµε δει, για να προσδιορίσουµε τις αποκρίσεις ενός κυκλώµατος, πρέπει να λύσουµε ένα σύνολο διαφορικών

Διαβάστε περισσότερα

Κεφάλαιο 2 Διαχείριση Σηµάτων σε Ψηφιακά Συστήµατα Ελέγχου

Κεφάλαιο 2 Διαχείριση Σηµάτων σε Ψηφιακά Συστήµατα Ελέγχου Κεφάλαιο 2 Διαχείριση Σηµάτων σε Ψηφιακά Συστήµατα Ελέγχου Μετατροπή Αναλογικού Σήµατος σε Ψηφιακό (A/D Conversion) Ο µετασχηµατισµός Ζ Μαθηµατική Ανάλυση της ιαδικασίας A/D Μετατροπή Ψηφιακού Σήµατος

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

Εισαγωγή στην Ανάλυση Συστηµάτων Αυτοµάτου Ελέγχου: Χρονική Απόκριση και Απόκριση Συχνότητας

Εισαγωγή στην Ανάλυση Συστηµάτων Αυτοµάτου Ελέγχου: Χρονική Απόκριση και Απόκριση Συχνότητας ΚΕΣ Αυτόµατος Έλεγχος Εισαγωγή στην Ανάλυση Συστηµάτων Αυτοµάτου Ελέγχου: Χρονική Απόκριση και Απόκριση Συχνότητας 6 Ncola Tapaoul Βιβλιογραφία Ενότητας Παρασκευόπουλος [5]: Κεφάλαιο 4 Παρασκευόπουλος

Διαβάστε περισσότερα

«Επικοινωνίες δεδομένων»

«Επικοινωνίες δεδομένων» Εργασία στο μάθημα «Διδακτική της Πληροφορικής» με θέμα «Επικοινωνίες δεδομένων» Αθήνα, Φεβρουάριος 2011 Χρονολογική απεικόνιση της εξέλιξης των Τηλεπικοινωνιών Χρονολογική απεικόνιση της εξέλιξης των

Διαβάστε περισσότερα

E π A π π ª π AÚ TÂ ÓÔÏÔÁ ÔÁÈÛÌÈÎÔ. TfiÌÔ ' MÈ Ï ÓÔ ËÌ. XÚÈÛÙÔ Ô Ï ÎË B ÛÂÈ Â ÔÌ ÓˆÓ

E π A π π ª π AÚ TÂ ÓÔÏÔÁ ÔÁÈÛÌÈÎÔ. TfiÌÔ ' MÈ Ï ÓÔ ËÌ. XÚÈÛÙÔ Ô Ï ÎË B ÛÂÈ Â ÔÌ ÓˆÓ E π A π π ª π AÚ TÂ ÓÔÏÔÁ ÔÁÈÛÌÈÎÔ TfiÌÔ ' MÈ Ï ÓÔ ËÌ. XÚÈÛÙÔ Ô Ï ÎË B ÛÂÈ Â ÔÌ ÓˆÓ ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ Σχολή Θετικών Επιστηµών και Τεχνολογίας Πρόγραµµα Σπουδών ΠΛHPOΦOPIKH Θεµατική Ενότητα

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

Δυναμική Μηχανών I. Επίλυση Προβλημάτων Αρχικών Συνθηκών σε Συνήθεις. Διαφορικές Εξισώσεις με Σταθερούς Συντελεστές

Δυναμική Μηχανών I. Επίλυση Προβλημάτων Αρχικών Συνθηκών σε Συνήθεις. Διαφορικές Εξισώσεις με Σταθερούς Συντελεστές Δυναμική Μηχανών I Επίλυση Προβλημάτων Αρχικών Συνθηκών σε Συνήθεις 5 3 Διαφορικές Εξισώσεις με Σταθερούς Συντελεστές 2015 Δημήτριος Τζεράνης, Ph.D Τμήμα Μηχανολόγων Μηχανικών Ε.Μ.Π. tzeranis@gmail.com

Διαβάστε περισσότερα

e-mail@p-theodoropoulos.gr

e-mail@p-theodoropoulos.gr Ασκήσεις Μαθηµατικών Κατεύθυνσης Γ Λυκείου Παναγιώτης Λ. Θεοδωρόπουλος Σχολικός Σύµβουλος Μαθηµατικών e-mail@p-theodoropoulos.gr Στην εργασία αυτή ξεχωρίζουµε και µελετάµε µερικές περιπτώσεις ασκήσεων

Διαβάστε περισσότερα

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΣΗΜΑΤΑ & ΣΥΣΤΗΜΑΤΑ. Ενότητα : ΔΙΑΚΡΙΤΟΣ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ FOURIER

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΣΗΜΑΤΑ & ΣΥΣΤΗΜΑΤΑ. Ενότητα : ΔΙΑΚΡΙΤΟΣ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ FOURIER ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΣΗΜΑΤΑ & ΣΥΣΤΗΜΑΤΑ Ενότητα : ΔΙΑΚΡΙΤΟΣ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ FOURIER Aναστασία Βελώνη Τμήμα Η.Υ.Σ 1 Άδειες Χρήσης Το παρόν εκπαιδευτικό

Διαβάστε περισσότερα

ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ FOURIER ΑΝΑΛΥΣΗ FOURIER ΔΙΑΚΡΙΤΩΝ ΣΗΜΑΤΩΝ ΚΑΙ ΣΥΣΤΗΜΑΤΩΝ. DTFT και Περιοδική/Κυκλική Συνέλιξη

ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ FOURIER ΑΝΑΛΥΣΗ FOURIER ΔΙΑΚΡΙΤΩΝ ΣΗΜΑΤΩΝ ΚΑΙ ΣΥΣΤΗΜΑΤΩΝ. DTFT και Περιοδική/Κυκλική Συνέλιξη ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ FOURIER ΑΝΑΛΥΣΗ FOURIER ΔΙΑΚΡΙΤΩΝ ΣΗΜΑΤΩΝ ΚΑΙ ΣΥΣΤΗΜΑΤΩΝ DTFT και Περιοδική/Κυκλική Συνέλιξη Διακριτός μετασχηματισμός συνημιτόνου DCT discrete cosine transform Η σχέση αποτελεί «πυρήνα»

Διαβάστε περισσότερα

15/3/2009. Ένα ψηφιακό σήμα είναι η κβαντισμένη εκδοχή ενός σήματος διάκριτου. χρόνου. Φλώρος Ανδρέας Επίκ. Καθηγητής

15/3/2009. Ένα ψηφιακό σήμα είναι η κβαντισμένη εκδοχή ενός σήματος διάκριτου. χρόνου. Φλώρος Ανδρέας Επίκ. Καθηγητής 15/3/9 Από το προηγούμενο μάθημα... Ένα ψηφιακό σήμα είναι η κβαντισμένη εκδοχή ενός σήματος διάκριτου Μάθημα: «Ψηφιακή Επεξεργασία Ήχου» Δάλ Διάλεξη 3 η : «Επεξεργαστές Ε ξ έ Δυναμικής Περιοχής» Φλώρος

Διαβάστε περισσότερα

Βαθµολογία Προβληµάτων ΘΕΜΑ 1 ΘΕΜΑ 2.1 ΘΕΜΑ 2.2 ΘΕΜΑ 2.3 ΘΕΜΑ 3.1 ΘΕΜΑ 3.2 ΘΕΜΑ 4 ΘΕΜΑ 5.1 ΘΕΜΑ 5.2. G(s)

Βαθµολογία Προβληµάτων ΘΕΜΑ 1 ΘΕΜΑ 2.1 ΘΕΜΑ 2.2 ΘΕΜΑ 2.3 ΘΕΜΑ 3.1 ΘΕΜΑ 3.2 ΘΕΜΑ 4 ΘΕΜΑ 5.1 ΘΕΜΑ 5.2. G(s) ΑΠΑΓΟΡΕΥΕΤΑΙ Η ΑΝΑΤΥΠΩΣΗ ΤΩΝ ΘΕΜΑΤΩΝ ΠΡΙΝ ΤΗΝ 3 Σεπτεµβρίου 4 ΣΥΣΤΗΜΑΤΑ ΑΥΤΟΜΑΤΟΥ ΕΛΕΓΧΟΥ ΙΙ - Τελική εξέταση Σεπτεµβρίου 4 Να επιστραφεί η εκφώνηση των θεµάτων (υπογεγραµµένη από τον εξεταστή) ΕΠΩΝΥΜΟ

Διαβάστε περισσότερα

Κεφάλαιο 6 : Φασματική Ανάλυση Σημάτων Χρήστος Ξενάκης. Πανεπιστήμιο Πειραιώς, Τμήμα Ψηφιακών Συστημάτων

Κεφάλαιο 6 : Φασματική Ανάλυση Σημάτων Χρήστος Ξενάκης. Πανεπιστήμιο Πειραιώς, Τμήμα Ψηφιακών Συστημάτων ΘΕΩΡΙΑ ΠΛΗΡΟΦΟΡΙΑΣ Κεφάλαιο 6 : Φασματική Ανάλυση Σημάτων Χρήστος Ξενάκης Πανεπιστήμιο Πειραιώς, Τμήμα Ψηφιακών Συστημάτων Περιεχόμενα Ομιλίας Φασματική Αάλ Ανάλυση Περιοδικών Σημάτων (Μιγαδικέςδ έ Σειρές

Διαβάστε περισσότερα

Χρήστος Ξενάκης. Πανεπιστήμιο Πειραιώς, Τμήμα Ψηφιακών Συστημάτων

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

Ακρότατα υπό συνθήκη και οι πολλαπλασιαστές του Lagrange

Ακρότατα υπό συνθήκη και οι πολλαπλασιαστές του Lagrange 64 Ακρότατα υπό συνθήκη και οι πολλαπλασιαστές του Lagrage Ας υποθέσουµε ότι ένας δεδοµένος χώρος θερµαίνεται και η θερµοκρασία στο σηµείο,, Τ, y, z Ας υποθέσουµε ότι ( y z ) αυτού του χώρου δίδεται από

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

Περιεχόµενα διαλέξεων 2ης εβδοµάδας

Περιεχόµενα διαλέξεων 2ης εβδοµάδας Εισαγωγή οµή και πόροι τηλεπικοινωνιακού συστήµατος Σήµατα Περιεχόµενα διαλέξεων 1ης εβδοµάδας Εισαγωγή Η έννοια της επικοινωνιας Ιστορική αναδροµή οµή και πόροι τηλεπικοινωνιακού συστήµατος οµή τηλεπικοινωνιακού

Διαβάστε περισσότερα

Σηµειώσεις στις σειρές

Σηµειώσεις στις σειρές . ΟΡΙΣΜΟΙ - ΓΕΝΙΚΕΣ ΕΝΝΟΙΕΣ Σηµειώσεις στις σειρές Στην Ενότητα αυτή παρουσιάζουµε τις βασικές-απαραίτητες έννοιες για την µελέτη των σειρών πραγµατικών αριθµών και των εφαρµογών τους. Έτσι, δίνονται συστηµατικά

Διαβάστε περισσότερα

ΒΙΟΛΟΓΙΚΑ ΣΗΜΑΤΑ. Επιμέλεια - προσαρμογή : Α. Καναπίτσας. Βιβλιογραφία :

ΒΙΟΛΟΓΙΚΑ ΣΗΜΑΤΑ. Επιμέλεια - προσαρμογή : Α. Καναπίτσας. Βιβλιογραφία : ΒΙΟΛΟΓΙΚΑ ΣΗΜΑΤΑ Επιμέλεια - προσαρμογή : Α. Καναπίτσας Βιβλιογραφία : 1. Ελπινίκη Παπαγεωργίου Σηµειώσεις Παρουσίαση : Μελέτη της απαγωγής βιοϊατρικούσήματος, εφαρμογή σε θεραπευτικά μηχανήματα και ανάλυση

Διαβάστε περισσότερα

Κεφάλαιο 5 Διασύνδεση Αναλογικών & Ψηφιακών Συστηµάτων

Κεφάλαιο 5 Διασύνδεση Αναλογικών & Ψηφιακών Συστηµάτων Κεφάλαιο 5 Διασύνδεση Αναλογικών & Ψηφιακών Συστηµάτων Αναλογικές & Ψηφιακές Διατάξεις Control Systems Laboratory Τα διάφορα μεγέθη των φυσικών διεργασιών τα μετράμε με αισθητήρες που ουσιαστικά παρέχουν

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 Μετασχηματισμός Laplace 1. Ο μετασχηματισμός

Διαβάστε περισσότερα

Τεχνολογία Πολυμέσων. Ενότητα 3: Ψηφιοποίηση της Πληροφορίας. Νικολάου Σπύρος Τμήμα Μηχανικών Πληροφορικής ΤΕ

Τεχνολογία Πολυμέσων. Ενότητα 3: Ψηφιοποίηση της Πληροφορίας. Νικολάου Σπύρος Τμήμα Μηχανικών Πληροφορικής ΤΕ Τεχνολογία Πολυμέσων Ενότητα 3: Ψηφιοποίηση της Πληροφορίας Νικολάου Σπύρος Τμήμα Μηχανικών Πληροφορικής ΤΕ Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό

Διαβάστε περισσότερα

Εισαγωγή στις Τηλεπικοινωνίες / Εργαστήριο

Εισαγωγή στις Τηλεπικοινωνίες / Εργαστήριο ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Εισαγωγή στις Τηλεπικοινωνίες / Εργαστήριο Εργαστηριακή Άσκηση 7: Κβάντιση και Κωδικοποίηση Σημάτων Προσομοίωση σε Η/Υ Δρ. Ηρακλής

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 : ΑΝΑΛΟΓΟΨΗΦΙΑΚΗ ΜΕΤΑΤΡΟΠΗ ΔΕΙΓΜΑΤΟΛΗΨΙΑ ΑΝΑΛΟΓΙΚΩΝ ΣΗΜΑΤΩΝ Aναστασία Βελώνη Τμήμα Η.Υ.Σ 1 Άδειες Χρήσης

Διαβάστε περισσότερα