2.1 Το Θεώρημα του Nyquist ή Θεώρημα της Δειγματοληψίας. 3. Ψηφιακή Επεξεργασία Σήματος για το Μετασχηματισμό Fourier

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "2.1 Το Θεώρημα του Nyquist ή Θεώρημα της Δειγματοληψίας. 3. Ψηφιακή Επεξεργασία Σήματος για το Μετασχηματισμό Fourier"

Transcript

1 ΠΕΡΙΕΧΟΜΕΝΑ Πρόλογος Αναφορές 1. Το Πακέτο Εργαλείων Επεξεργασίας Σήματος του LabVIEW 2. Παραγωγή Σήματος στο LabVIEW 2.1 Το Θεώρημα του Nyquist ή Θεώρημα της Δειγματοληψίας 2.2 Παραγωγή Σήματος 3. Ψηφιακή για το Μετασχηματισμό Fourier 3.1 Μετασχηματισμός Fourier Απλού Ημιτονοειδούς Κύματος 3.2 Μετασχηματισμός Fourier Τριγωνικού Κύματος 4. Φάσμα Σήματος 5. Παράθυρα Εξομάλυνσης 6. Ψηφιακά Φίλτρα 1

2 Πρόλογος Πριν από την εμφάνιση των γλωσσών γραφικού προγραμματισμού, όπως το LabVIEW, η ανάπτυξη εφαρμογών για την ανάλυση και επεξεργασία σήματος προϋπέθετε ειδικευμένες γνώσεις πάνω στην επεξεργασία δεδομένων τις οποίες, συνήθως, κατείχαν οι ηλεκτρολόγοι μηχανικοί. Η εξέλιξη στην ανάπτυξη συστημάτων μέτρησης με χρήση υπολογιστών οδήγησε στην ανάπτυξη των γλωσσών αντικειμενοστραφούς και γραφικού προγραμματισμού (MATLAB, LabVIEW, κ.α.). Οι γλώσσες αυτές ευννόησαν πολύ τη χρήση έτοιμων εργαλείων λήψης, καταγραφής και ανάλυσης σήματος. Μερικά από τα εργαλεία λήψης και καταγραφής σήματος του LabVIEW χρησιμοποιήσαμε, ήδη, στην κατασκευή των εικονικών οργάνων του στις προηγούμενες παραγράφους. Σε αυτό το μέρος των σημειώσεων θα παρουσιαστεί το πακέτο εργαλείων επεξεργασίας σήματος του LabVIEW. Το κεφάλαιο αυτό ξεκινάει με τα βασικά εργαλεία για παραγωγή σήματος, όπου γίνεται και μια σύντομη αναφορά στα βασικά μεγέθη της δειγματοληψίας και το θεώρημα Nyquist και συνεχίζει με τα εργαλεία για μετασχηματισμό Fourier, τα φίλτρα συχνοτήτων και τα παράθυρα εξομάλυνσης. Θα δοθούν παραδείγματα της χρήσης αυτών των εργαλείων με την παρουσίαση κατάλληλων εικονικών οργάνων με τα οποία θα παράγουμε και θα αναλύουμε σήματα. Αναφορές Η παρούσα «Εισαγωγή στο Λήψη Δεδομένων» βασίζεται στο Κεφ. 6 του βιβλίου του Dan Nesculescu, Mechatronics, Prentice Hall, μετάφραση στα ελληνικά Κ. Παρίσης-Ν. Πουλάκης, εκδόσεις Τζιόλα. 2

3 1. Το Πακέτο Εργαλείων Επεξεργασίας Σήματος του LabVIEW Το πακέτο εργαλείων του LabVIEW για την επεξεργασία σήματος Signal Processing (Εικ. 1) είναι προσβάσιμο από το δομικό διάγραμμα μέσω της ακολουθίας εντολών και περιλαμβάνει τα ακόλουθα υποπακέτα: Functions Signal Processing Waveform Generation (για Δημιουργία Κυματομορφής) Waveform Conditioning (για Διαμόρφωση Κυματομορφής) Waveform Measurements (για Μετρήσεις Κυματομορφής, π.χ., DC τιμή, RMS τιμή), Signal Generation (για Δημιουργία Σήματος), Signal Operation (για Λειτουργία Σήματος) Windows (Παράθυρα εξομάλυνσης σήματος) Filters (Φίλτρα συχνοτήτων) Spectral Analysis ()Φασματική Ανάλυση Transforms (Μετασχηματισμοί Fourier, κ.λ.π.) Point By Point (για Επεξεργασία Σημείο-Σημείο) Εικόνα 1 2. Παραγωγή Σήματος στο LabVIEW Η παραγωγή σήματος στο LabVIEW γίνεται με τα έτοιμα εικονικά όργανα που περιλαμβάνονται στα υποπακέτα Waveform Generation και Signal Generation του πακέτου Signal Conditioning (Εικ. 1). Μπορούμε να χρησιμοποιήσουμε τα εργαλεία αυτά για να προσομοιώσουμε οποιοδήποτε περιοδικό σήμα (ημιτονοειδές, τριγωνικό, 3

4 τετραγωνικούς παλμούς, κ.α.) έτσι ώστε να δοκιμάσουμε αλγόριθμους πριν τη λήψη πραγματικών σημάτων με μια κάρτα DAQ. Μπορούμε να αλλάξουμε οποιαδήποτε παράμετρο των προσομοιωμένων αυτών περιοδικών σημάτων, όπως τη συχνότητα, το πλάτος, κ.α. Πριν προχωρήσουμε στην εξέταση παραδειγμάτων χρήσης παραγωγής και επεξεργασίας σήματος, θα αναφερθούμε στις βασικότερες παραμέτρους και το θεώρημα της δειγματοληψίας. 2.1 Το Θεώρημα του Nyquist ή Θεώρημα της Δειγματοληψίας Για να κατανοήσουμε το θεώρημα της δειγματοληψίας ή θεώρημα Nyquist, ας δούμε το παράδειγμα της Εικ. 2. Έστω μια πραγματική αναλογική ημιτονοειδής τάση (Εικ. 2α) με περίοδο T την οποία θέλουμε να αναπαράγουμε με δειγματοληψία. Η αναπαραγωγή της αναλογικής τάσης γίνεται παίρνοντας δείγματα, δηλαδή, τιμές της τάσης σε τακτά χρονικά Τ (α) Ημιτονοειδές αναλογικό σήμα με περίοδο Τ dt (β) Δειγματοληψία του σήματος σε χρονικά διαστήματα ίσα με την περίοδο του αναλογικού σήματος (dt = T). Η αναπαραγόμενη γραμμή είναι ευθεία. dt (γ) Δειγματοληψία του σήματος σε χρονικά διαστήματα ίσα με το μισό της περιόδου του αναλογικού σήματος (dt = T/2). Η αναπαραγόμενη γραμμή είναι τριγωνική. Εικόνα 2 4

5 διαστήματα dt. Το χρονικό διάστημα dt μεταξύ των διαδοχικών δειγμάτων ονομάζεται χρονικό διάστημα της δειγματοληψίας ή περίοδος της δειγματοληψίας. Έτσι, δηλαδή με δειγματοληψία, γίνεται η ψηφιοποίηση ενός αναλογικού σήματος. Έστω ότι, όπως δείχνεται και στην Εικ. 2(β), επιλέγουμε το χρονικό διάστημα της δειγματοληψίας να είναι ίσο με την περίοδο της αναλογικής τάσης (dt = T). Αυτό θα έχει σαν αποτέλεσμα τα δείγματα, δηλαδή, οι μετρήσεις της τάσης να πέφτουν όλες στο ίδιο σημείο της αναλογικής τάσης (ας πούμε στο μέγιστο της τάσης), οπότε η αναπαραγόμενη τάση, που λαμβάνεται αν ενώσουμε τα δείγματα (βλέπε δεξιά Εικ. 2β), θα είναι μια ευθεία γραμμή που, προφανώς, δεν έχει καμμία σχέση με την αρχική αναλογική ημιτονοειδή τάση που θέλουμε να αναπαράγουμε. Έστω, τώρα, ότι επιλέγουμε το χρονικό διάστημα της δειγματοληψίας να είναι το μισό της περιόδου της αναλογικής τάσης (dt = T/2), όπως δείχνεται και στην Εικ. 2(γ). Σ αυτήν την περίπτωση, η αναπαραγόμενη τάση (βλέπε δεξιά Εικ. 2γ), θα είναι μια τριγωνική κυματομορφή που, τουλάχιστον, αναπαράγει την περιοδικότητα της αρχικής αναλογικής ημιτονοειδούς τάσης και, αν και διαφέρει πολύ απ αυτήν, μας δίνει κάποια πληροφορία γι αυτήν. Προφανώς, για μια περισσότερο πιστή αναπαράσταση της ημιτονοειδούς τάσης απαιτούνται περισσότερα από δύο δείγματα ανό περίοδο. Μετά απ αυτό το εικονογραφημένο παράδειγμα, γίνεται πιο κατανοητό το θεώρημα της δειγματοληψίας ή θεώρημα Nyquist, το οποίο διατυπώνεται με λόγια ώς εξής: κατά την αναπαραγωγή ενός σήματος απαιτείται το χρονικό διάστημα δειγματοληψίας να είναι μικρότερο από το μισό της περιόδου του αναλογικού σήματος, ή, Προφανώς, η συχνότητας f της αρχικής ημιτονοειδούς τάσης είναι το αντίστροφο της περιόδου της, δηλαδή, f = 1/T. Η συχνότητα μετριέται σε Hz ή cycles/sec (κύκλους/sec). Αντίστοιχα, το αντίστροφο του χρόνου δειγματοληψίας dt λέγεται ρυθμός δειγματοληψίας ή συχνότητα δειγματοληψίας, συμβολίζεται συνήθως με r ή f r (r = f s = 1/dt) και μετριέται σε samples/sec. Με όρους ρυθμού δειγματοληψίας r [samples/sec] και συχνότητας f του αναλογικού σήματος, το θεώρημα Nyquist απαιτεί r 2 f, Θεώρημα Nyquist Αν ορίσουμε τη συχνότητα Nyquist f N σαν f N = r/2, μπορούμε να δώσουμε μια άλλη μορφή διατύπωσης του θεωρήματος Nyquist, σύμφωνα με την οποία η μέγιστη συχνότητα f του αναλογικού σήματος εισόδου πρέπει να είναι μικρότερη από την συχνότητα Nyquist, Ένας άλλος τρόπος να επιβεβαιώσουμε ότι δεν παραβιάζεται το θεώρημα Nyquist βασίζεται στην κανονικοποιημένη συχνότητα F του αρχικού αναλογικού σήματος. Η κανονικοποιημένη συχνότητα δίνεται σαν ο λόγος της συχνότητας του αναλογικού σήματος προς το ρυθμό δειγματοληψίας του, δηλαδή, F = f/r. Το θεώρημα Nyquist απαιτεί η κανονικοποιημένη συχνότητας του αναλογικού σήματος να είναι μικρότερη από 0.5, 5

6 2.2 Παραγωγή Σήματος Η παραγωγή κύματος στο LabVIEW θα δειχθεί με το παράδειγμα του εικονικού οργάνου Function Waveform Generation.vi από τη βιβλιοθήκη των έτοιμων παραδειγμάτων του Lab VIEW. Στην αρχική επιφάνεια Getting Started του Lab VIEW, επιλέγουμε με δεξί κλικ Find Examples. Στην οθόνη NI Example Finder, που ανοίγει (Εικ. 3), στην καρτέλα Browse, επιλέγουμε με διπλό κλικ Analyzing and Processing Signals Signal and Noise Generation Function Waveform Generation.vi Εικόνα 3 Η οθόνη αναζήτησης στη βιβλιοθήκη έτοιμων παραδειγμάτων του Lab VIEW. Η Εικ. 4, δείχνει το εικονικό όργανο Function Waveform Generation.vi. Αρχικά, αποθηκεύουμε ένα αντίγραφο του αρχείου σε έναν φάκελο της επιλογής μας επιλέγοντας File Save As Στην οθόνη Save Function Waveform Generation.vi As, που ανοίγει, επιλέγουμε Substitute copy for original και μετά Continue. Αποθηκεύουμε το αρχείο Function Waveform Generation.vi στο φάκελο της επιλογής μας. 6

7 Εικόνα 4 Η εμπρόσθια επιφάνεια του Function Waveform Generation.vi της Εικ. 4 περιλαμβάνει το κουμπί ελέγχου signal type με το οποίο επιλέγουμε τον τύπο της κυματομορφής: Sine Wave, Triangle Wave, Square Wave ή Sawtooth Wave. Επίσης, περιλαμβάνει τα κουμπιά ελέγχου της κυματομορφής, όπως το κουμπί για τη συχνότητα (frequency), το πλάτος (amplitude), την αρχική φάση (phase), το ρυθμό δειγματοληψίας (F S ) και το συνολικό αριθμό δειγμάτων (#s) που θα περιλαμβάνει η κυματομορφή. Μπορούμε να παγώσουμε την παραγόμενη κυματομορφή βάζοντας το διακόπτη reset signal στη θέση ON. Η εμπρόσθια επιφάνεια περιλαμβάνει, επίσης, ένα γράφημα, το Waveform, για την παρουσίαση της κυματομορφής. Οι Εικ. 5(α) και (β) δείχνουν μια ημιτονοειδή κυματομορφή (Sine Wave) και μια τριγωνική κυματομορφή (Triangle Wave), αντίστοιχα. Κάθε κυματομορφή περιλαμβάνει #s = 1000 δείγματα (σημεία). Η χρονική απόσταση μεταξύ δύο διαδοχικών δειγμάτων είναι 1/F S = 1/1000 sec, έτσι που ο οριζόντιος άξονας Time από το δείγμα 0 ως το δείγμα 1000 αντιστοιχεί σε μια κλίμακα χρόνου από 0 ως 1000(1/1000) = 1.00 sec. Το δομικό διάγραμμα του εικονικού οργάνου Function Waveform Generation.vi (Εικ. 6) περιλαμβάνει το Basic Function Generator.vi, το οποίο βρίσκουμε στην υποπαλέττα Waveform Generation της παλέττας εργαλείων Signal Processing (Εικ. 1). Επιλέγουμε το εργαλείο Basic Function Generator.vi με την ακολουθία εντολών Functions Signal Processing Waveform Generation Basic Function Generator.vi 7

8 (α) (β) Εικόνα 5 8

9 Εικόνα 6 3. Ψηφιακή για το Μετασχηματισμό Fourier Στην παράγραφο... παραπάνω είδαμε πως μπορεί να αναπαραχθεί ένα αναλογικό ημιτονοειδές σήμα από τα n δείγματα x i (i = 0, 1,..., n 1) της μέτρησης του σήματος. Με τη βοήθεια αυτών των n δειγμάτων αναπαράγουμε το πραγματικό αναλογικό σήμα σε μια ψηφιοποιημένη μορφή κατάλληλη για χρήση στον υπολογιστή. Στην πραγματικότητα, σπάνια το αναλογικό σήμα, που έχουμε να αναπαράγουμε, έχει την απλή ημιτονοειδή μορφή της Εικ. 3. Στη γενική περίπτωση, ένα αναλογικό σήμα έχει μια τυχαία περιοδική (Εικ. 7) ή, ακόμα, και μη περιοδική μορφή. Όποια μορφή, όμως, και να έχει το αναλογικό σήμα μπορεί να αναλυθεί σε σε απλά ημιτονοειδή κύματα (κάθε ένα διαφορετικής συχνότητας και πλάτους) και αυτή η διαδικασία ονομάζεται ανάλυση Fourier (Fourier Transform). Το φασματικό περιεχόμενο ενός αναλογικού σήματος, δηλαδή, οι συχνότητες των ημιτονοειδών κυμάτων στις οποίες μπορεί αυτό να αναλυθεί, μπορεί να υπολογιστεί, Εικόνα 7 Παράδειγμα τυχαίου περιοδικού αλλά μη ημιτονοειδούς κύματος 9

10 χρησιμοποιώντας τον αλγόριθμο ψηφιακής επεξεργασία για διακριτό μετασχηματισμό Fourier (DFT). Ο διακριτός μετασχηματισμός Fourier δίνει τα πλάτη X k των συνιστωσών ημιτονοειδών κυμάτων από τα n δείγματα x i (i = 0, 1,..., n 1) του μετρηθέντος αναλογικού σήματος: όπου, j είναι η μονάδα των φανταστικών αριθμών. O δείκτης k παίρνει τις τιμές 0, 1, 2,..., n 1, δηλαδή, με το μετασχηματισμό Fourier, αν έχουμε n δείγματα μέτρησης ενός αναλογικού σήματος, μπορούμε να βρούμε n ημιτονοειδείς συνιστώσες του. Το αποτέλεσμα ενός μετασχηματισμού DFT είναι πάντα ένας μιγαδικός αριθμός. Ο μετασχηματισμός δίνει τους μιγαδικούς αριθμούς σε καρτεσιανή μορφή {(πραγματικό μέρος) + j (φανταστικό μέρος)} ή (a+ j b) και μπορούν να μετατραπούν σε πολική μορφή σαν {(πλάτος) e (φάση) } ή r e j Κατ αντιστοιχία με το χρονικό διάστημα δειγματοληψίας dt, που ορίσαμε στην παράγραφο... παραπάνω και που εκφράζει το χρονικό διάστημα μεταξύ δύο διαδοχικών δειγμάτων x i και x i+1 του αναλογικού σήματος, μπορούμε να ορίσουμε το διάστημα συχνότητας df μεταξύ δύο οποιονδήποτε διαδοχικών όρων X k και X k+1 που εκφράζει τη μικρότερη διαφορά συχνότητας μεταξύ των ημιτονοειδών συνιστωσών κυμάτων στις οποίες αναλύεται το αναλογικό σήμα. Το διάστημα συχνότητας ισούται με Ο μετασχηματισμός DFT μπορεί να υπολογιστεί με έναν γρήγορο αλγόριθμο, τον καλούμενο γρήγορο μετασχηματισμό Fourier (Fast Fourier Transform, FFT). Ο αλγόριθμος FFT απαιτεί περίπου n log 2(n) πράξεις. Στη συνέχεια, θα διευκρινίσουμε το μετασχηματισμό FFT με τα συγκεκριμένα παραδείγματα του ημιτονοειδούς και του τριγωνικού κύματος της Εικ. 5 χρησιμοποιώντας το εργαλείο FFT.vi από την παλέτα Transforms του LabVIEW (Εικ. 1). 1. Μετασχηματισμός Fourier Απλού Ημιτονοειδούς Κύματος Η Εικ. 8 παρουσιάζει το Sine Wave Generation with FFT.vi για τον υπολογισμό του μετασχηματισμού FFT του ημιτονοειδούς κύματος που παράγεται από το Function Waveform Generation.vi που δείχνει η Εικ. 5 (α). Η εμπρόσθια επιφάνεια της Εικ. 5 (α) συμπληρώνεται στην Εικ. 8 με τη γραφική παράσταση FFT που παρουσιάζει το πλάτος (amplitude) ως προς τη συχνότητα (frequency) της εξόδου του FFT.vi. Επίσης, η εμπρόσθια επιφάνεια συπληρώνεται με έναν ακόμα δείκτη, το δείκτη df του διαστήματος συχνότητας του μετασχηματισμού FFT και που είναι το βήμα του οριζόντιου άξονα frequency. 10

11 Εικόνα 8 Το δομικό διάγραμμα του Sine Wave Generation with FFT.vi δείχνεται στην Εικ. 9. Ξεκινώντας από το δομικό διάγραμμα του Function Waveform Generation.vi της Εικ. 6 συμπληρώνουμε με το FFT.vi, το οποίο βρίσκουμε ως εξής: Functions Signal Processing Transforms FFT.vi. Ο μιγαδικός αριθμός που βγαίνει από το FFT.vi μετατρέπεται σε πολική μορφή χρησιμοποιώντας Functions Mathematics Numeric Complex Complex To Polar Για να σχηματίσουμε την κυματομορφή της γραφικής παράστασης FFT χρησιμοποιούμε το Build Waveform με την ακολουθία εντολών Functions Programming Waveform Build Waveform Η λειτουργία Build Waveform δημιουργεί μια κυματομορφή βασισμένη στις συνιστώσες Υ και dt που ενώνουμε στις εισόδους της: Y για τον άξονα amplitude και dt για τον οριζόντιο άξονα frequency. Στην είσοδο Y του Build Waveform ενώνουμε την έξοδο του πλάτους r του Complex To Polar. 11

12 Εικόνα 9 Στην είσοδο dt συνδέουμε το διάστημα συχνοτήτων df το οποίο υπολογίζουμε στο δομικό διάγραμμα της Εικ. 9 από το πηλίκο F S/ # s της ταχύτητας δειγματοληψίας προς τον αριθμό δειγμάτων του αρχικού αναλογικού σήματος (βλ. σχέση df=r/n παραπάνω). Τα στοιχεία F S και # s περιέχονται στην ομάδα κουμπιών ελέγχου sampling info από την οποία τα ξεχωρίζουμε και τα παίρνουμε χρησιμοποιώντας τη λειτουργία Unbundle By Name την οποία παίρνουμε με Functions Programming Cluster, Class, & Variant Unbundle By Name Η εμπρόσθια επιφάνεια της Εικ. 8, στο δείκτη Waveform, παρουσιάζει # s = 100 σημεία ενός ημιτονοειδούς κύματος συχνότητας (frequency) 5.00 (Hz), παραγμένο με ρυθμό δειγματοληψίας F S = (samples/sec). Στο δείκτη FFT, ο άξονας των συχνοτήτων έχει 100 σημεία (X k, k = 0, 1, 2,..., 99), με διάστημα συχνότητας df = 100/100 = 1 (Hz), δηλαδή, η κλίμακα συχνοτήτων είναι από 0 ως ( # s) df = =100 (Hz). Το πρώτο σημείο (X 0) αντιστοιχεί στη συχνότητα 0.5 Hz και το τελευταίο (X 99) στη συχνότητα 100 Hz. Η γραφική παράσταση Waveform δείχνει το σήμα στο πεδίο του χρόνου ενώ η γραφική παράσταση FFT δείχνει το ίδιο σήμα στο πεδίο των συχνοτήτων. Μια ιδιότητα του μετασχηματισμού Fourier του σήματος, που δείχνει η γραφική παράσταση FFT, είναι ότι το δεύτερο μισό των τιμών είναι κατοπτρικά συμμετρικό του πρώτου μισού ως προς την κεντρική συχνότητα στην κλίμακα συχνοτήτων. Η κεντρική συχνότητα στην κλίμακα συχνοτήτων είναι ( # s/2) df = ( # s/2) (F S/ # s) = F S/2 = F N, η συχνότητα Nyquist. Οι συνιστώσες συχνότητες πέραν της συχνότητας Nyquist F N ονομάζονται αρνητικές συχνότητες και, όντας κατοπτρικά συμμετρικές, δεν περιέχουν καμμία νέα πληροφορία στο πεδίο συχνοτήτων και μπορούμε να τις αγνοήσουμε. Οι συνιστώσες συχνότητες κάτω από τη συχνότητα Nyquist F N ονομάζονται θετικές συχνότητες και περιέχουν όλη την φασματική πληροφορία για το σήμα (δηλαδή, όλη την πληροφορία στο πεδίο των συχνοτήτων). 12

13 Στην περίπτωση του εικονικού οργάνου Sine Wave Generation with FFT.vi της Εικ. 8, η συχνότητα Nyquist F N είναι F S /2 = 100/2 = 50 (Hz), το μέσον του άξονα συχνοτήτων του γραφήματος FFT. Στο τμήμα των θετικών συχνοτήτων του γραφήματος FFT φαίνεται η συχνότητα f= 5 (Hz) στο σημείο k = 5. Στην Εικ. 8, το ημιτονοειδές κύμα έχει έναν ακέραιο αριθμό 5 περιόδων στο χρονικό διάστημα μιας δειγματοληψίας. Η εμπρόσθια επιφάνεια της Εικ. 10 αντιστοιχεί στις ίδιες τιμές των παραμέτρων, που χρησιμοποιήθηκαν για την Εικ. 8, εκτός από την τιμή της παραμέτρου # s, που είναι 105. Σαν αποτέλεσμα, αριθμός των περιόδων της αναπαραγόμενης κυματομορφής Waveform στο χρονικό διάστημα μιας δειγματοληψίας είναι τώρα μη ακέραιος (5¼ περίοδοι ), γεγονός που εξηγεί τη διαπλάτυνση των κορυφών λόγω πρόσμιξης συχνοτήτων στο γράφημα FFT. Στην περίπτωση, που ο αριθμός των κύκλων του ημιτονοειδούς κύματος, στο οποίο γίνεται μετασχηματισμός FFT, δεν είναι ακέραιος αριθμός, λαμβάνει χώρα η λεγόμενη φασματική Εικόνα 10 Η εμπρόσθια επιφάνεια του Sine Wave Generation with FFT.vi με μη ακέραιο αριθμό περιόδων της κυματομορφής Waveform. Οι κορυφές του μετασχηματισμού Fourier στο FFT παρουσιάζουν φασματική διαρροή. Ο αριθμός των περιόδων (κύκλων) δίνεται από τη σχέση στην περίπτωση της κυματομορφής της Εικ. 8 έχουμε δειγματοληψίας, ενώ στην περίπτωση της Εικ. 10 έχουμε της δειγματοληψίας. 5 = 5 περιόδους στη διάρκεια της. επομένως, 5 = 5.25 ή 5¼ περιόδους στη διάρκεια 13

14 διαρροή (spectral leakage). Η φασματική διαρροή έχει σαν συνέπεια τα πλάτη των συνιστωσών του μετασχηματισμού FFT να απλώνονται σε αρκετές τιμές γύρω από τη συχνότητα του αναλογικού σήματος εισόδου (δηλαδή, σε εσφαλμένες ή μη πραγματικές συχνότητες). Από το αποτέλεσμα του γραφήματος FFT της Εικ. 10 είναι προφανής η φασματική διαρροή, έστω και αν δεν άλλαξε η συχνότητα του ημιτονοειδούς κύματος. Η φασματική διαρροή διορθώνεται με την επιβολή παραθύρου στο σήμα εισόδου (signal windowing), η οποία θα παρουσιαστεί σε επόμενη παράγραφο. 2. Μετασχηματισμός Fourier Τριγωνικού Κύματος Στην Εικ. 11 παρουσιάζεται ο μετασχηματισμός FFT του τριγωνικού κύματος που παράγεται από το Function Waveform Generation.vi που δείχνει η Εικ. 5 (β). Το εικονικό όργανο Triangle Wave Generation with FFT.vi είναι το ίδιο με το το εικονικό όργανο Sine Wave Generation with FFT.vi των Εικ. 8 και 9 μόνο που έχουμε βάλει το κουμπί ελέγχου signal type στη θέση Triangle Wave. Η συχνότητα Nyquist F N είναι και εδώ 50 Hz. Οι συχνότητες, που συνθέτουν το τριγωνικό κύμα φαίνονται στην περιοχή των θετικών συχνοτήτων να εκτείνονται δεξιά από τη συχνότητα του τριγωνικού κύματος στα 5 Hz ως τα 45 Hz. Στην περιοχή των αρνητικών συχνοτήτων, εμφανίζονται οι κατοπτρικές αρνητικές συχνότητες να εκτείνονται πάνω από τη συχνότητα Nyquist, από τα 55 ως τα 95 Hz. Αυτές είναι κατοπτρικά είδωλα των θετικών Εικόνα 11 14

15 συχνοτήτων γύρω από τη συχνότητα Nyquist στα 50 Hz. Μπορεί να παρατηρήσει κανείς, ότι το τριγωνικό κύμα περιέχει τη βασική συχνότητα του κύματος στα 5 Hz και όλες τις περιττές αρμονικές του, δηλαδή, στα 3 5=15 Hz, 5 5=25 Hz, 7 5=35 Hz, κ.ο.κ., ώς τη συχνότητα Nyquist. Η μορφή αυτή είναι ένα γενικό χαρακτηριστικό των τριγωνικών κυμάτων που μας λέει ότι ένα τριγωνικό κύμα συχνότητας f αναλύεται σε συνιστώσες Fourier με συχνότητες περιττά πολλαπλάσια της βασικής συχνότητας του κύματος. Το μεγαλύτερο φασματικό περιεχόμενο του τριγωνικού κύματος, δηλαδή, το μεγαλύτερο περιεχόμενό του σε συνιστώσες συχνότητες, σε σύγκριση με το ημιτονοειδές κύμα, οφείλεται στον μεγαλύτερο αριθμό υψηλότερων συχνοτήτων, που απαιτούνται, για να συνθέσουμε ένα τριγωνικό κύμα από συνιστώσες συχνότητες. 7. Φάσμα Σήματος Στα αποτελέσματα του μετασχηματισμού FFT από το FFT.vi του LabVIEW, που δείχνει η Εικ. 8, ενώ οι μονάδες συχνότητας στον οριζόντιο άξονα Frequency έχουν κανονικοποιηθεί πολλαπλασιάζοντας με το διάστημα συχνότητας df, οι μονάδες πλάτους, αντιθέτως, στον κατοκόρυφο άξονα Amplitude είναι αυθαίρετες. Οι μονάδες του πλάτους πρέπει να κανονικοποιηθούν διαιρώντας τις τιμές του πλάτους δια του αριθμού s των δειγμάτων (σημείων) του σήματος. Επιπλέον, οι συνιστώσες πέραν της συχνότητας Nyquist F N = r/2 δεν φέρουν καμμιά νέα πληροφορία που αφορά το μετασχηματισμό FFT και πρέπει να τις απορρίψουμε. Σε αυτήν την παράγραφο περιγράφουμε πως επιτυγχάνουμε αυτόματα αυτήν την κανονικοποίηση και την απόρριψη με τα εικονικά όργανα (VI) για φασματική ανάλυση που περιλαμβάνονται στο Spectral Analysis της παλέτας εργαλείων Signal Processing του LabVIEW (Εικ. 1). Η Εικόνα 12 δείχνει την εμπρόσθια επιφάνεια (α) και το δομικό διάγραμμα (β) του Sine Wave Ampl&Phase Spectrum.vi. Το εικονικό αυτό όργανο προκύπτει από το Sine Wave Generation with FFT.vi με ακόλουθες τροποποιήσεις: (Α) Στην εμπρόσθια επιφάνεια (Εικ. 8) Σβήνουμε το γράφημα FFT Δημιουργούμε δυο γραφήματα με τίτλους Amplitude Spectrum και Phase Spectrum (Β) Στο δομικό διάγραμμα (Εικ. 9) αντικαθιστούμε το FFT.vi με το Amplitude and Phase Spectrum.vi κάνοντας δεξί κλικ πάνω στο FFT.vi και επιλέγοντας Replace Spectral Analysis Palette Amplitude and Phase Spectrum.vi, διαγράφουμε το Complex to Polar.vi, Build Waveform, επίσης, το Unbundle By Name, Divide και το δείκτη df. Κάνοντας δεξί κλικ στην έξοδο signal out του Basic Function Generator.vi επιλέγουμε Waveform Palette Get Waveform Components 15

16 (α) (β) Εικόνα 12 16

17 και κάνοντας αριστερό κλικ πάνω στο Get Waveform Components επιλέγουμε dt που δίνει το το διάστημα δειγματολειψίας της παραγόμενης κυματομορφής. Το συνδέουμε την είσοδο dt κάτω αριστερά στο εικονίδιο του Amplitude and Phase Spectrum.vi. Τοποθετούμε δυο φορές το στοιχείο Bundle ακολουθώντας τη σειρά Functions Programming Cluster, Class, & Variant Bundle, Κάνοντας δεξί κλικ πάνω στο Bundle, επιλέγουμε add input. Στην πάνω είσοδο του κάθε στοιχείου Bundle συνδέουμε τη σταθερά 0 με την ακολουθία Functions Mathematics Numeric Numeric Constant, Συνδέουμε την επάνω έξοδο Amp Spectrum Mag (Vrms) του Amplitude and Phase Spectrum.vi στην κάτω είσοδο του πάνω Bunde, Συνδέουμε τη μεσαία έξοδο Amp Spectrum Phase (radians) του Amplitude and Phase Spectrum.vi στην κάτω είσοδο του κάτω Bunde, Συνδέουμε την κάτω έξοδο df του Amplitude and Phase Spectrum.vi στις μεσαίες εισόδους των δύο Bunde, συνδέουμε τα δυο γραφήματα Amplitude Spectrum και Phase Spectrum με τα αντίστοιχα στοιχεία Bunde. Για τις ίδιες τιμές των παραμέτρων, όπως στην Εικ. 8, το προκύπτον φάσμα συχνοτήτων έχει την ίδια μορφή, αλλά με τις κατάλληλες μονάδες για το πλάτος και τη συχνότητα. Ο άξοντας της συχνότητας περιορίζεται από το 0 ως τη συχνότητα Nyquist F N = 50 (Hz). Η Εικ. 12 (α) δείχνει, επίσης, το φάσμα των φάσεων του ημιτονοειδούς κύματος. Η Εικ. 13 παρουσιάζει την εμπρόσθια επιφάνεια και η Εικ. 14 το δομικό διάγραμμα του εικονικού οργάνου Multi Tone Wave Ampl&Phase Spectrum.vi με το φάσμα του αθροίσματος δύο ημιτονοειδών κυμάτων. Το δομικό διάγραμμα του εικονικού οργάνου Multi Tone Wave Ampl&Phase Spectrum.vi, (Εικ. 14) βασίζεται στο Sine Wave Ampl&Phase Spectrum.vi με αντικατάσταση του Basic Function Generation.vi από το Tones and Noise Waveform.vi. Κάνοντας δεξί κλικ πάνω στο Basic Function Generation.vi, επιλέγουμε Replace Waveform Generation Palette Tones and Noise Waveform.vi Διαγράφουμε τα τερματικά signal type, amplitude, phase και duty cycle, που δεν υπάρχουν στις εισόδους του Tones and Noise Waveform.vi και προσθέτουμε τα κουμπιά ελέγχου tones και seed. Οι συχνότητες των δύο προστιθέμενων ημιτονοειδών σημάτων, 5 (Hz) και 30 (Hz), εμφανίζονται στη γραφική παράσταση του φάσματος του πλάτους (amplitude spectrum) της Εικ. 13. Τα πλάτη των δύο αυτών συνιστωσών κυμάτων επιλέγονται 1 και 0.5 μονάδες, αντίστοιχα. 17

18 Εικόνα 13 Εικόνα 14 18

19 Η Εικ. 15 είναι η ίδια περίπτωση των δύο προστεθέντων ημιτονοειδών σημάτων, 5 [Hz] και 30 [Hz], αλλά για ένα αριθμό δειγμάτων (#s) 105. Αυτή η επιλογή έχει σαν αποτέλεσμα την εμφάνιση 5.25 κύκλων για το πρώτο ημιτονοειδές κύμα και 31.5 κύκλων για το δεύτερο ημιτονοειδές κύμα (βλ. υποσημείωση στη σελίδα 13), δηλαδή, μη-ακέραιων αριθμών κύκλων. Το γράφημα του φάσματος του πλάτους δείχνει φασματική διαρροή γύρω από τις δύο συχνότητες, παρ ότι οι συχνότητες αυτές είναι ίδιες με την περίπτωση, που δείχνει η Εικ. 13. Στην επόμενη παράγραφο, θα μελετήσουμε την επιβολή παραθύρου στο σήμα (signal windowing), σαν μέθοδο αποφυγής της φασματικής διαρροής. Εικόνα Παράθυρα Εξομάλυνσης Η φασματική διαρροή, που παρουσιάστηκε με τα παραδείγματα των Εικ. 10 και 15, συμβαίνει όταν η διάρκεια της δειγματοληψίας δεν είναι ίση με έναν ακέραιο αριθμό κύκλων του περιοδικού σήματος. Η φασματική διαρροή έχει σαν αποτέλεσμα τη διαπλάτυνση των φασματικών κορυφών σε σύγκριση με τα φάσματα των σημάτων, που 19

20 περιέχουν έναν ακέραιο αριθμό κύκλων στη διάρκεια της δειγματοληψίας. Η φασματική διαρροή παραμορφώνει το φάσμα συχνοτήτων ενός σήματος και πρέπει να εξαλείφεται. Στην πράξη, είναι αναπόφευκτο, μερικές συνιστώσες συχνότητες να αναπαριστάνονται, στη διάρκεια της δειγματοληψίας, με μη ακέραιο αριθμό κύκλων. Το παράδειγμα της Εικ. 13 δείχνει ότι, για αριθμό δειγμάτων #s = 100, αμφότερα τα ημιτονοειδή κύματα έχουν ακέραιο αριθμό κύκλων, αλλά αν αλλάζαμε τη συχνότητα των 30 Hz σε, ας πούμε, Hz (βλ. Εικ. 16) δεν θα μπορούσαμε να βρούμε μια διάρκεια δειγματοληψίας, για την οποία Εικόνα 16 Η συνιστώσα των 5 Hz αναπαράγεται με ακέραιο αριθμό κύκλων στο γράφημα Waveform, γι αυτό η φασματική της κορυφή δεν παρουσιάζει παραμόρφωση. Αντιθέτως, η συνιστώσα των Hz αναπαράγεται με μη ακέραιο αριθμό κύκλων οπότε η φασματική της κορυφή δεν παρουσιάζει παραμόρφωση λόγω φασματικής διαρροής. Η συνιστώσα 5Hz αναπαριστάνεται με 30=30 κύκλους. 5=5 κύκλους, ενώ η συνιστώσα 30Hz με 20

21 αμφότερες οι συχνότητες θα είχαν ακέραιο αριθμό δειγμάτων. Τα παράθυρα εξομάλυνσης αναιρούν τη φασματική διαρροή, μειώνοντας τη συνεισφορά των άκρων του σήματος στη διάρκεια της δειγματοληψίας. Έτσι, μειώνονται οι συνέπειες του μη ακέραιου αριθμού κύκλων στη φασματική ανάλυση. Μπορεί να δει κανείς ένα παράθυρο εξομάλυνσης σαν την επιβολή μιας συνάρτησης βάρους στις τιμές του σήματος με το χρόνο, με μειούμενο βάρος των τιμών, καθώς πλησιάζουμε στα άκρα του παραθύρου. Χρησιμοποιώντας, για παράδειγμα, ένα τυπικό παράθυρο εξομάλυνσης, όπως το παράθυρο Hanning, οι τιμές μέτρησης του σήματος x i (i = 0, 1, 2,..., n 1) πολλαπλασιάζονται επί τη συνάρτηση 1 cos(2 i/n) Καθώς η συνάρτηση 1 cos(2 i/n) τείνει στο 0, για i 0 και i n 1 (Εικ. 17), δηλαδή, πλησιάζοντας στα δύο άκρα της δειγματοληψίας, οι τιμές του γινομένου θα τείνουν, επίσης, στο 0. Το αποτέλεσμα είναι η διόρθωση των συνιστωσών συχνοτήτων, που λαμβάνονται από τη φασματική ανάλυση, με τίμημα την τροποποίηση του πλάτους των φασματικών γραμμών. Εικόνα 17 Η Εικόνα 18 δείχνει συγκριτικά τα αποτελέσματα της φασματικής ανάλυσης ενός σήματος με την επιβολή παραθύρου εξομάλυνσης και χωρίς αυτήν. Το δομικό διάγραμμα του Windowed Sine Wave Ampl&Phase Spectrum.vi, που παρουσιάζεται στην Εικ. 19, προκύπτει από το Sine Wave Ampl&PhaseSpectrum.vi της Εικ. 12, ως ακολούθως: εισάγουμε ένα παράθυρο Hanning Functions Signal Processing Windows Hanning Window.vi και συνδέουμε την είσοδό του X με την έξοδο του Basic Function Generator.vi. Εισάγουμε (άλλο) ένα Amplitude and Phase Spectrum.vi Replace Spectral Analysis Palette Amplitude and Phase Spectrum.vi 21

22 Εικόνα 18 Εικόνα 19 22

23 και συνδέουμε την είσοδό του Signal (V) με την έξοδο Windowed X του Hanning Window.vi την έξοδο Amp Spectrum Mag (Vrms) του Amplitude and Phase Spectrum.vi συνδέουμε στην κάτω είσοδο του κάτω στοιχείου Bundle Μετονομάζουμε το γράφημα Phase Spectrum σε Amplitude Spectrum of Windowed Signal (δηλαδή, Φάσμα Πλατών του Σήματος μετά το Παράθυρο ) Επίσης, μετονομάζουμε το γράφημα Amplitude Spectrum σε Amplitude Spectrum of Original Signal (δηλαδή, Φάσμα Πλατών του Αρχικού Σήματος ) Τέλος, στην εμπρόσθια επιφάνεια του εικονικού οργάνου, εισάγουμε ένα γράφημα και το ονομάζουμε Windowed Waveform Controls Graph Indicators Graph Επιστρέφοντας στο δομικό διάγραμμα, συνδέουμε την είσοδο του τερματικού, που αντιστοιχεί στο γράφημα Windowed Waveform, με την έξοδο του Hanning Window.vi. Τα αποτελέσματα φαίνονται στην εμπρόσθια επιφάνεια της Εικ. 18, για τις ίδιες τιμές των παραμέτρων εισόδου, όπως στην Εικ. 12(α), εκτός από τον αριθμό δειγμάτων, #s = 105, ο οποίος έχει σαν αποτέλεσμα έναν μη ακέραιο αριθμό κύκλων στο γράφημα Waveform, δηλαδή, προκαλεί τη φασματική διαρροή, που φαίνεται στη διεύρυνση της φασματικής γραμμής στο Amplitude Spectrum of Original Signal. Στο πεδίο του χρόνου, το παράθυρο Hanning τροποποιεί το ημιτονοειδές κύμα σε ένα ημιτονοειδές κύμα με αποσβεννυόμενα άκρα (σύγκρινε τα γραφήματα Waveform και Windowed Waveform ). Στο φάσμα πλάτους του ημιτονοειδούς κύματος μετά το παράθυρο (βλ. γράφημα Amplitude Spectrum of Windowed Signal ) η φασματική διαρροή έχει αναιρεθεί, με αποτέλεσμα το φάσμα πλάτους του σήματος να μοιάζει με το φάσμα της Εικ. 12(α), το οποίο είχε ακέραιο αριθμό κύκλων στη διάρκεια της δειγματοληψίας. Ενώ το Hanning είναι ένα παράθυρο γενικής χρήσεως, άλλα παράθυρα χρησιμοποιούνται σε πιο ειδικές περιπτώσεις. Για παράδειγμα, το ορθογώνιο παράθυρο (rectangular window) είναι κατάλληλο για μεταβατικά σήματα, που έχουν διάρκεια μικρότερη από τη διάρκεια του παραθύρου. Το παράθυρο Kaiser-Bessel έχει το πλεονέκτημα του ρυθμιζόμενου σχήματος, αλλάζοντας την παράμετρο βήτα (beta). Στην Εικ. 20 παρακάτω, δείχνονται μερικά από τα σημαντικότερα παράθυρα της παλέττας εργαλείων Signal Conditioning του Lab VIEW. 23

24 Εικόνα 20 Τα βασικώτερα παράθυρα εξομάλυνσης του Lab VIEW (Dan Nesculescu Mechatronics, Prentice Hall. 24

25 9. Ψηφιακά Φίλτρα Στις πρακτικές εφαρμογές, τα σήματα που μετράμε δεν είναι καθαρά, με την έννοια ότι περιέχουν λιγότερο ή περισσότερο θόρυβο (βλ. Εικ. 21) και, επίσης, περιέχουν συνιστώσες συχνότητες μη επιθυμητές. Η απομάκρυνση του θόρυβου και ο διαχωρισμός των χαμηλότερων και των υψηλότερων συνιστωσών συχνοτήτων ενός σήματος απαιτούν τη χρήση διαφόρων φίλτρων. Καθαρό ημινονοειδές σήμα Εικόνα 21 Ημινονοειδές σήμα με θόρυβο Η Εικ. 22 δείχνει το μενού με τα διάφορα φηφιακά φίλτρα, που περιλαμβάνονται στην παλέττα εργαλείων Signal Processing του Lab VIEW. Εικόνα 22 Το μενού με τα ψηφιακά φίλτρα του Lab VIEW. Το μενού Filters ανοίγεται με την ακολουθία Functions Signal Processing Filters 25

26 Μερικά από τα συχνότερα χρησιμοποιούμενα ψηφιακά φίλτρα είναι: (α) το φίλτρο του μέσου (Median Filter.vi), (β) το φίλτρο μηδενικής φάσης (Zero Phase Filter.vi), (γ) το φίλτρο Butterworth, (δ) το φίλτρο Chebyshev, (ε) το φίλτρο Bessel, κ.α. Τα ψηφιακά φίλτρα την επεξεργασία σήματος διακρίνονται σε δυο μεγάλους κατηγορές: τα φίλτρα FIR (Finite Impulse Response) και τα φίλτρα IIR (Infinite Impulse Response). Ένα φίλτρο FIR είναι ένα φίλτρο του οποίου η αντίδραση σε κάθε παλμό σήματος έχει πεπερασμένη διάρκεια και μετά γίνεται μηδέν. Σε αντίθεση, ένα φίλτρο IIR μπορεί να έχει εσωτερική ανάδραση ώστε να συνεχίσει να βγάζει έξοδο και μετά το τέλος του παλμού εισόδου αποσβεννύμενο σιγά-σιγά. Στο LabVIEW υπάρχουν διάφορα φίλτρα IIR (Butterworth, Chebyshev, Elliptic, Bessel, κ.λ.π.). Τα φίλτρα IIR περιγράφονται με την εξίσωση διαφορών ( βλ. λήμμα IIR Filters στο Lab VIEW Help): όπου, b j και N είναι η ομάδα και το πλήθος των ευθέων συντελεστών (forward coefficients), αντίστοιχα και a k και M είναι η ομάδα και το πλήθος, αντίστοιχα, των ανάστροφων συντελεστών του φίλτρου. x i είναι οι διακριτές τιμές (δείγματα) του σήματος εισόδου και y i είναι οι φιλτραρισμένες τιμές εξόδου. Κατά τη λειτουργία ενός ψηφιακού φίλτρου, ο υπολογιστής υπολογίζει με μεγάλη ταχύτητα, από τις τιμές x i του σήματος εισόδου, τους συντελεστές b j και a k και, απ αυτούς βγάζει τις τιμές y i της φιλτραρισμένης εξόδου. Για N = 1 και M = 2, παίρνουμε ένα φίλτρο πρώτης τάξης, του οποίου, συνήθως, ο συντελεστής a 0 = 1. Ένα πολύ καλό αποτέλεσμα φιλτραρίσματος μπορούμε να επιτύχουμε χρησιμοποιώντας ένα υψηλού βαθμού φίλτρο Butterworth IIR. Η Εικόνα 23 δείχνει το πρόγραμμα Noisy Sine Wave with Butter IIR Filter.vi του LabVIEW. Το δομικό διάγραμμα στην Εικ. 24 προκύπτει από το δομικό διάγραμμα του εικονικού οργάνου Multi Tone Wave Ampl&Phase Spectrum.vi των Εικ. 13 και 14 με αντικατάσταση του Amplitude and Phase Spectrum.vi από το Butterworth Filter.vi και τις εξής αλλαγές: Κάνοντας δεξί κλικ στην πάνω είσοδο filter type του Butterworth Filter.vi, επιλέγουμε Create Constant Αφήνουμε την τιμή Lowpass που εμφανίζεται (δηλαδή, φίλτρο που επιτρέπει μόνο τις χαμηλές συχνότες ή, αλλιώς, χαμηλοδιαπερατό φίλτρο). Κάνοντας δεξί κλικ στην κάτω είσοδο order του Butterworth Filter.vi, επιλέγουμε Create Constant 26

27 στο σταθερό ακέραιο που εμφανίζεται δίνουμε την τιμή 5 (δηλαδή, φίλτρο 5 ης τάξης). Διαγράφουμε το γράφημα Waveform και το Get Waveform Components Εισάγουμε το εργαλείο Unbundle By Name Functions Programming Cluster, Class & Variant Unbundle By Name και το συνδέουμε με το sampling info του Tones and Noise Waveform.vi και την έξοδό του συνδέουμε με την είσοδο sampling freq: fs του Butterworth Filter.vi. Κάνοντας δεξί κλίκ στην είσοδο low cutoff freq: fl του Butterworth Filter.vi, επιλέγουμε Create Variable και δημιουργούμε στην εμπρόσθια επιφάνεια το αντίστοιχο το κουμπί ελέγχου από το οποίο επιλέγουμε τη συχνότητα αποκοπής (cutoff frequency) πάνω από την οποία θέλουμε το φίλτρο να αποκόπτει όλες τις συνιστώσες συχνότητες. Την έξοδο signal out του Tones and Noise Waveform.vi συνδέουμε με την κάτω είσοδο του πάνω στοιχείου Bundle. Μετονομάζουμε το γράφημα Amplitude Spectrum σε Noisy Sine Wave και το γράφημα Phase Spectrum σε Filtered Sine Wave. Γι αυτό το φίλτρο, επιλέγονται ο βαθμός 5 και η συχνότητα αποκοπής f c = 25 [Hz]. Αυτή η συχνότητα αποκοπής επιτρέπει τη διέλευση του ημιτονοειδούς κύματος των 10 Hz. Η έξοδος του φίλτρου Butterworth Filter.vi παρουσιάζεται στη γραφική παράσταση με τίτλο Butterworth Filter for Noisy Sine Wave, στην Εικ. 6.67(α). Ένα φίλτρο Butterworth 5 ου βαθμού εξαλείφει, από ένα ημιτονοειδές κύμα, το λευκό θόρυβο Gauss, αλλά, προκαλεί μερική παραμόρφωση στο αρχικό τμήμα του κύματος. 27

28 Εικόνα 23 Εικόνα 24 28

Συλλογή & Επεξεργασία Δεδομένων Εργαστήριο 8 Επεξεργασία Σήματος με την Ανάλυση Fourier. Σύστημα Συλλογής & Επεξεργασίας Μετρήσεων

Συλλογή & Επεξεργασία Δεδομένων Εργαστήριο 8 Επεξεργασία Σήματος με την Ανάλυση Fourier. Σύστημα Συλλογής & Επεξεργασίας Μετρήσεων Συλλογή & Επεξεργασία Δεδομένων Εργαστήριο 8 Επεξεργασία Σήματος με την Ανάλυση Fourier. Σύστημα Συλλογής & Επεξεργασίας Μετρήσεων Σκοπός Βασική δομή ενός προγράμματος στο LabVIEW. Εμπρόσθιο Πλαίσιο (front

Διαβάστε περισσότερα

Συλλογή & Επεξεργασία Δεδομένων Εργαστήριο 9 Ανάλυση Fourier: Από τη Θεωρία στην Πρακτική Εφαρμογή των Μαθηματικών

Συλλογή & Επεξεργασία Δεδομένων Εργαστήριο 9 Ανάλυση Fourier: Από τη Θεωρία στην Πρακτική Εφαρμογή των Μαθηματικών Συλλογή & Επεξεργασία Δεδομένων Εργαστήριο 9 Ανάλυση Fourier: Από τη Θεωρία στην Πρακτική Εφαρμογή των Μαθηματικών Τύπων. Σύστημα Συλλογής & Επεξεργασίας Μετρήσεων Σκοπός Βασική δομή ενός προγράμματος

Διαβάστε περισσότερα

Συλλογή & Επεξεργασία Δεδομένων Εργαστήριο 7 Ακούγοντας Πρώτη Ματιά στην Ανάλυση Fourier. Σύστημα Συλλογής & Επεξεργασίας Μετρήσεων

Συλλογή & Επεξεργασία Δεδομένων Εργαστήριο 7 Ακούγοντας Πρώτη Ματιά στην Ανάλυση Fourier. Σύστημα Συλλογής & Επεξεργασίας Μετρήσεων Συλλογή & Επεξεργασία Δεδομένων Εργαστήριο 7 Ακούγοντας Πρώτη Ματιά στην Ανάλυση Fourier. Σύστημα Συλλογής & Επεξεργασίας Μετρήσεων Σκοπός Βασική δομή ενός προγράμματος στο LabVIEW. Εμπρόσθιο Πλαίσιο (front

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

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

Παρουσίαση του μαθήματος

Παρουσίαση του μαθήματος Παρουσίαση του μαθήματος Εργαστήριο 1 Ενότητες Μαθήματος 1. Η ΨΗΦΙΑΚΗ ΕΙΚΟΝΑ Τι είναι ψηφιακή εικόνα. Τι σημαίνει Επεξεργασία εικόνας. Ανάλυση εικόνας σε συχνότητα ( Μετασχηματισμός Fourier σε εικόνα)

Διαβάστε περισσότερα

ΕΡΓΑΣΤΗΡΙΟ ΑΝΑΛΟΓΙΚΩΝ & ΨΗΦΙΑΚΩΝ ΕΠΙΚΟΙΝΩΝΙΩΝ

ΕΡΓΑΣΤΗΡΙΟ ΑΝΑΛΟΓΙΚΩΝ & ΨΗΦΙΑΚΩΝ ΕΠΙΚΟΙΝΩΝΙΩΝ Σχολή Θετικών Επιστημών και Τεχνολογίας Τμήμα Επιστήμης και Τεχνολογίας Τηλεπικοινωνιών ΕΡΓΑΣΤΗΡΙΟ ΑΝΑΛΟΓΙΚΩΝ & ΨΗΦΙΑΚΩΝ ΕΠΙΚΟΙΝΩΝΙΩΝ ΕΠΙΚΟΙΝΩΝΙΕΣ ΙI Βασική Θεωρία Εργαστήριο 1 ο : Εισαγωγή στο Simulink

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

4. ΚΕΦΑΛΑΙΟ ΕΦΑΡΜΟΓΕΣ ΤΟΥ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΥ FOURIER

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

Διαβάστε περισσότερα

Μέρος 2. Εισαγωγή στο Lab VIEW και τα Εικονικά Όργανα

Μέρος 2. Εισαγωγή στο Lab VIEW και τα Εικονικά Όργανα Μέρος 2 Εισαγωγή στο Lab VIEW και τα Εικονικά Όργανα Πρόλογος Η «Εισαγωγή στο LabVIEW και τα Εικονικά Όργανα» βασίζεται στο βιβλίο του Dan Nesculescu, Mechatronics, Prentice Hall Μετάφραση στα ελληνικά

Διαβάστε περισσότερα

Μέρος 2. Εισαγωγή στο Lab VIEW και τα Εικονικά Όργανα

Μέρος 2. Εισαγωγή στο Lab VIEW και τα Εικονικά Όργανα Μέρος 2 Εισαγωγή στο Lab VIEW και τα Εικονικά Όργανα Πρόλογος Η «Εισαγωγή στο LabVIEW και τα Εικονικά Όργανα» βασίζεται στο βιβλίο του Dan Nesculescu, Mechatronics, Prentice Hall Μετάφραση στα ελληνικά

Διαβάστε περισσότερα

Ιατρικά Ηλεκτρονικά. Χρήσιμοι Σύνδεσμοι. ΙΑΤΡΙΚΑ ΗΛΕΚΤΡΟΝΙΚΑ - ΔΙΑΛΕΞΗ 5α. Σημειώσεις μαθήματος: E mail:

Ιατρικά Ηλεκτρονικά. Χρήσιμοι Σύνδεσμοι. ΙΑΤΡΙΚΑ ΗΛΕΚΤΡΟΝΙΚΑ - ΔΙΑΛΕΞΗ 5α. Σημειώσεις μαθήματος: E mail: Ιατρικά Ηλεκτρονικά Δρ. Π. Ασβεστάς Τμήμα Μηχανικών Βιοϊατρικής Τεχνολογίας Τ.Ε Χρήσιμοι Σύνδεσμοι Σημειώσεις μαθήματος: http://medisp.bme.teiath.gr/eclass/courses/tio127/ E mail: pasv@teiath.gr 2 1 Περιοδικά

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

ΕΡΓΑΣΤΗΡΙΟ ΑΝΑΛΟΓΙΚΩΝ & ΨΗΦΙΑΚΩΝ ΕΠΙΚΟΙΝΩΝΙΩΝ

ΕΡΓΑΣΤΗΡΙΟ ΑΝΑΛΟΓΙΚΩΝ & ΨΗΦΙΑΚΩΝ ΕΠΙΚΟΙΝΩΝΙΩΝ Σχολή Θετικών Επιστημών και Τεχνολογίας Τμήμα Επιστήμης και Τεχνολογίας Τηλεπικοινωνιών ΕΡΓΑΣΤΗΡΙΟ ΑΝΑΛΟΓΙΚΩΝ & ΨΗΦΙΑΚΩΝ ΕΠΙΚΟΙΝΩΝΙΩΝ ΕΠΙΚΟΙΝΩΝΙΕΣ Ι Εργαστήριο 1 ο : Εισαγωγή στο Simulink-Σήματα ημιτόνου-awgn

Διαβάστε περισσότερα

HMY 429: Εισαγωγή στην Επεξεργασία Ψηφιακών Σημάτων. Διάλεξη 22: Γρήγορος Μετασχηματισμός Fourier Ανάλυση σημάτων/συστημάτων με το ΔΜΦ

HMY 429: Εισαγωγή στην Επεξεργασία Ψηφιακών Σημάτων. Διάλεξη 22: Γρήγορος Μετασχηματισμός Fourier Ανάλυση σημάτων/συστημάτων με το ΔΜΦ HMY 429: Εισαγωγή στην Επεξεργασία Ψηφιακών Σημάτων Διάλεξη 22: Γρήγορος Μετασχηματισμός Fourier Ανάλυση σημάτων/συστημάτων με το ΔΜΦ Γρήγορος Μετασχηματισμός Fourier Το ζεύγος εξισώσεων που ορίζουν το

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

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΣΗΜΑΤΑ & ΣΥΣΤΗΜΑΤΑ

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

Διαβάστε περισσότερα

ΕΡΓΑΣΤΗΡΙΑΚΕΣ ΑΣΚΗΣΕΙΣ ΗΛΕΚΤΡΟΑΚΟΥΣΤΙΚΗΣ

ΕΡΓΑΣΤΗΡΙΑΚΕΣ ΑΣΚΗΣΕΙΣ ΗΛΕΚΤΡΟΑΚΟΥΣΤΙΚΗΣ Εργαστήριο Ηλεκτρακουστικής Ι Άσκηση 1 - Σελίδα 1 ΕΡΓΑΣΤΗΡΙΑΚΕΣ ΑΣΚΗΣΕΙΣ ΗΛΕΚΤΡΟΑΚΟΥΣΤΙΚΗΣ ΕΙΣΑΓΩΓΙΚΕΣ ΕΝΝΟΙΕΣ 1. ΘΕΩΡΙΑ ΣΗΜΑΤΩΝ/ΣΥΣΤΗΜΑΤΩΝ ΚΑΙ ΗΛΕΚΤΡΟΑΚΟΥΣΤΙΚΑ ΣΥΣΤΗΜΑΤΑ Αρχικά, για την καλύτερη κατανόηση

Διαβάστε περισσότερα

ΕΡΓΑΣΤΗΡΙΟ ΑΝΑΛΟΓΙΚΩΝ & ΨΗΦΙΑΚΩΝ ΕΠΙΚΟΙΝΩΝΙΩΝ

ΕΡΓΑΣΤΗΡΙΟ ΑΝΑΛΟΓΙΚΩΝ & ΨΗΦΙΑΚΩΝ ΕΠΙΚΟΙΝΩΝΙΩΝ Σχολή Θετικών Επιστημών και Τεχνολογίας Τμήμα Επιστήμης και Τεχνολογίας Τηλεπικοινωνιών ΕΡΓΑΣΤΗΡΙΟ ΑΝΑΛΟΓΙΚΩΝ & ΨΗΦΙΑΚΩΝ ΕΠΙΚΟΙΝΩΝΙΩΝ Αρχές Τηλ/ων Συστημάτων Εργαστήριο 2 ο : Φάσμα σημάτων - AWGN Βοηθητικές

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

Στοχαστικές Μέθοδοι στους Υδατικούς Πόρους Φασματική ανάλυση χρονοσειρών

Στοχαστικές Μέθοδοι στους Υδατικούς Πόρους Φασματική ανάλυση χρονοσειρών Στοχαστικές Μέθοδοι στους Υδατικούς Πόρους Φασματική ανάλυση χρονοσειρών Δημήτρης Κουτσογιάννης Τομέας Υδατικών Πόρων και Περιβάλλοντος, Σχολή Πολιτικών Μηχανικών, Εθνικό Μετσόβιο Πολυτεχνείο Αθήνα Επανέκδοση

Διαβάστε περισσότερα

2 ο κεφάλαιο: Ανάλυση και Σύνθεση κυματομορφών με τον Μετασχηματισμό Fourier

2 ο κεφάλαιο: Ανάλυση και Σύνθεση κυματομορφών με τον Μετασχηματισμό Fourier 2 ο κεφάλαιο: Ανάλυση και Σύνθεση κυματομορφών με τον Μετασχηματισμό Fourier Η βασική ιδέα στην ανάλυση των κυματομορφών με την βοήθεια του μετασχηματισμού Fourier συνίσταται στο ότι μία κυματομορφή

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 : ΑΝΑΛΥΣΗ FOURIER (H ΣΕΙΡΑ FOURIER ΚΑΙ Ο ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ FOURIER) Aναστασία Βελώνη Τμήμα Η.Υ.Σ 1 Άδειες

Διαβάστε περισσότερα

Ψηφιακές Τηλεπικοινωνίες. Διαμόρφωση Παλμών κατά Πλάτος

Ψηφιακές Τηλεπικοινωνίες. Διαμόρφωση Παλμών κατά Πλάτος Ψηφιακές Τηλεπικοινωνίες Διαμόρφωση Παλμών κατά Πλάτος Διαμόρφωση Παλμών κατά Πλάτος Είπαμε ότι κατά την ψηφιακή μετάδοση μέσα από αναλογικό κανάλι κάθε σύμβολο αντιστοιχίζεται σε μια κυματομορφή σήματος

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

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

ΕΡΓΑΣΤΗΡΙΟ ΑΝΑΛΟΓΙΚΩΝ & ΨΗΦΙΑΚΩΝ ΕΠΙΚΟΙΝΩΝΙΩΝ

ΕΡΓΑΣΤΗΡΙΟ ΑΝΑΛΟΓΙΚΩΝ & ΨΗΦΙΑΚΩΝ ΕΠΙΚΟΙΝΩΝΙΩΝ Σχολή Οικονομίας Διοίκησης και Πληροφορικής Τμήμα Πληροφορικής και Τηλεπικοινωνιών ΕΡΓΑΣΤΗΡΙΟ ΑΝΑΛΟΓΙΚΩΝ & ΨΗΦΙΑΚΩΝ ΕΠΙΚΟΙΝΩΝΙΩΝ Αρχές Τηλ/ων Συστημάτων Εργαστήριο 1 ο : Εισαγωγή στο Simulink-Σήματα ημιτόνου-awgn

Διαβάστε περισσότερα

ΗΜΥ 100 Εισαγωγή στην Τεχνολογία Διάλεξη 6

ΗΜΥ 100 Εισαγωγή στην Τεχνολογία Διάλεξη 6 ΗΜΥ 00 Εισαγωγή στην Τεχνολογία Διάλεξη 6 5 Σεπτεμβρίου, 0 Δρ. Στέλιος Τιμοθέου ΤΜΗΜΑ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ Τα θέματά μας σήμερα Χρονικά

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

2. Ανάλυση και Σύνθεση κυματομορφών με την μέθοδο Fourier

2. Ανάλυση και Σύνθεση κυματομορφών με την μέθοδο Fourier 2.1 2. Ανάλυση και Σύνθεση κυματομορφών με την μέθοδο Fourier 2.1 Εισαγωγή Η βασική ιδέα στην ανάλυση των κυματομορφών με την βοήθεια της μεθόδου Fourier συνίσταται στο ότι μία κυματομορφή μιας οποιασδήποτε

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

ΕΡΓΑΣΤΗΡΙΟ ΑΝΑΛΟΓΙΚΩΝ & ΨΗΦΙΑΚΩΝ ΕΠΙΚΟΙΝΩΝΙΩΝ

ΕΡΓΑΣΤΗΡΙΟ ΑΝΑΛΟΓΙΚΩΝ & ΨΗΦΙΑΚΩΝ ΕΠΙΚΟΙΝΩΝΙΩΝ Σχολή Οικονομίας Διοίκησης και Πληροφορικής Τμήμα Πληροφορικής και Τηλεπικοινωνιών ΕΡΓΑΣΤΗΡΙΟ ΑΝΑΛΟΓΙΚΩΝ & ΨΗΦΙΑΚΩΝ ΕΠΙΚΟΙΝΩΝΙΩΝ Αρχές Τηλ/ων Συστημάτων Εργαστήριο 7 ο : Δειγματοληψία και Ανασύσταση Βασική

Διαβάστε περισσότερα

Συναρτήσεις Θεωρία Ορισμοί - Παρατηρήσεις

Συναρτήσεις Θεωρία Ορισμοί - Παρατηρήσεις Συναρτήσεις Θεωρία Ορισμοί - Παρατηρήσεις Ορισμός: Έστω Α, Β R. Πραγματική συνάρτηση πραγματικής μεταβλητής από το σύνολο Α στο σύνολο Β ονομάζουμε την διαδικασία κατά την οποία κάθε στοιχείο του συνόλου

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

Θέµα 1: Φασµατική ανάλυση. Συναρτήσεις παραθύρου. Ψηφιακά φίλτρα. Ανάλυση σε Χρόνο-Συχνότητα (Φασµατογράφηµα).

Θέµα 1: Φασµατική ανάλυση. Συναρτήσεις παραθύρου. Ψηφιακά φίλτρα. Ανάλυση σε Χρόνο-Συχνότητα (Φασµατογράφηµα). Θέµα 1: Φασµατική ανάλυση. Συναρτήσεις παραθύρου. Ψηφιακά φίλτρα. Ανάλυση σε Χρόνο-Συχνότητα (Φασµατογράφηµα). Άσκηση 1: Φασµατική ανάλυση λευκού θορύβου, παλµοσειρές και σήµατα ιπλού Τόνου Πολλαπλής Συχνότητας

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

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

Διάλεξη 6. Fourier Ανάλυση Σημάτων. (Επανάληψη Κεφ. 10.0-10.2 Κεφ. 10.3, 10.5-7) Ανάλυση σημάτων. Τι πρέπει να προσέξουμε

Διάλεξη 6. Fourier Ανάλυση Σημάτων. (Επανάληψη Κεφ. 10.0-10.2 Κεφ. 10.3, 10.5-7) Ανάλυση σημάτων. Τι πρέπει να προσέξουμε University of Cyprus Biomedical Imaging & Applied Optics Διάλεξη (Επανάληψη Κεφ. 10.0-10. Κεφ. 10.3, 10.5-7) Ανάλυση σημάτων Τι πρέπει να προσέξουμε Επαρκής ψηφιοποίηση στο χρόνο (Nyquist) Αναδίπλωση (aliasing)

Διαβάστε περισσότερα

FFT. Θα επικεντρωθούμε στο ΔΜΦ αλλά όλα ισχύουν και για τον

FFT. Θα επικεντρωθούμε στο ΔΜΦ αλλά όλα ισχύουν και για τον University of Cyprus Biomedical Imaging & Applied Optics Διάλεξη 5 και Ανάλυση με (Κεφ. 9.0-9.5, 10.0-10.2) ΟΔΜΦ Ο αντίστροφος ΔΜΦ Θα επικεντρωθούμε στο ΔΜΦ αλλά όλα ισχύουν και για τον αντίστροφο ΔΜΦ

Διαβάστε περισσότερα

Μετάδοση πληροφορίας - Διαμόρφωση

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

Διαβάστε περισσότερα

Εισαγωγή στις Τηλεπικοινωνίες. Δομή της παρουσίασης

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

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

Μεταπτυχιακό Πρόγραμμα «Γεωχωρικές Τεχνολογίες» Ψηφιακή Επεξεργασία Εικόνας. Εισηγητής Αναστάσιος Κεσίδης

Μεταπτυχιακό Πρόγραμμα «Γεωχωρικές Τεχνολογίες» Ψηφιακή Επεξεργασία Εικόνας. Εισηγητής Αναστάσιος Κεσίδης Μεταπτυχιακό Πρόγραμμα «Γεωχωρικές Τεχνολογίες» Ψηφιακή Επεξεργασία Εικόνας Εισηγητής Αναστάσιος Κεσίδης Επεξεργασία στο πεδίο της συχνότητας Φασματικές τεχνικές Γενικά Τεχνικές αναπαράστασης και ανάλυσης

Διαβάστε περισσότερα

ΕΡΓΑΣΤΗΡΙΟ ΑΝΑΛΟΓΙΚΩΝ & ΨΗΦΙΑΚΩΝ ΕΠΙΚΟΙΝΩΝΙΩΝ

ΕΡΓΑΣΤΗΡΙΟ ΑΝΑΛΟΓΙΚΩΝ & ΨΗΦΙΑΚΩΝ ΕΠΙΚΟΙΝΩΝΙΩΝ Σχολή Θετικών Επιστημών Τεχνολογίας Τηλεπικοινωνιών Τμήμα Επιστήμης και Τεχνολογίας Τηλεπικοινωνιών ΕΡΓΑΣΤΗΡΙΟ ΑΝΑΛΟΓΙΚΩΝ & ΨΗΦΙΑΚΩΝ ΕΠΙΚΟΙΝΩΝΙΩΝ ΕΠΙΚΟΙΝΩΝΙΕΣ ΙI Εργαστήριο 9 ο : Δειγματοληψία και Ανασύσταση

Διαβάστε περισσότερα

27/4/2009. Για την υλοποίηση τέτοιων αλγορίθμων επεξεργασίας απαιτείται η χρήση μνήμης. T η περίοδος δειγματοληψίας. Επίκ. Καθηγητής.

27/4/2009. Για την υλοποίηση τέτοιων αλγορίθμων επεξεργασίας απαιτείται η χρήση μνήμης. T η περίοδος δειγματοληψίας. Επίκ. Καθηγητής. Μάθημα: «Ψηφιακή Επεξεργασία Ήχου» Διάλεξη 6 η : «Επεξεργαστές με Μνήμη (Mέρος ΙI)» Φλώρος Ανδρέας Επίκ. Καθηγητής Από προηγούμενο μάθημα... Αναπαράσταση καθυστέρησης ενός δείγματος η περίοδος δειγματοληψίας

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

ΤΕΙ ΑΝΑΤΟΛΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ ΘΡΑΚΗΣ Τμήμα Μηχανικών Πληροφορικής Τ.Ε. ΣΗΜΑΤΑ & ΣΥΣΤΗΜΑΤΑ Εργαστήριο

ΤΕΙ ΑΝΑΤΟΛΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ ΘΡΑΚΗΣ Τμήμα Μηχανικών Πληροφορικής Τ.Ε. ΣΗΜΑΤΑ & ΣΥΣΤΗΜΑΤΑ Εργαστήριο ΤΕΙ ΑΝΑΤΟΛΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ ΘΡΑΚΗΣ Τμήμα Μηχανικών Πληροφορικής Τ.Ε ΣΗΜΑΤΑ & ΣΥΣΤΗΜΑΤΑ Εργαστήριο Καθηγητής: Τσιριγώτης Γεώργιος Καβάλα, 2014 1 ΕΙΣΑΓΩΓΗ ΣΤΟ SIMULINK Το MATLAB 1 είναι ένα μαθηματικό λογισμικό,

Διαβάστε περισσότερα

Εφαρμογή στις ψηφιακές επικοινωνίες

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

Διαβάστε περισσότερα

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

H ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΟΣ. στις τηλεπικοινωνίες

H 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 περισσότερα

2.1 Περιοδικές συναρτήσεις και τριγωνομετρικά αναπτύγματα

2.1 Περιοδικές συναρτήσεις και τριγωνομετρικά αναπτύγματα Σειρές Fourier. Σειρές Fourier. Περιοδικές συναρτήσεις και τριγωνομετρικά αναπτύγματα Μία συνάρτηση f() είναι περιοδική με περίοδο όταν ισχύει f(+)=f(). Η ελάχιστη δυνατή περίοδος λέγεται και θεμελιώδης

Διαβάστε περισσότερα

Ψηφιακή Επεξεργασία Σημάτων

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

Διαβάστε περισσότερα

ΗΜΥ 100 Εισαγωγή στην Τεχνολογία

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

Διαβάστε περισσότερα

Τηλεπικοινωνίες. Ενότητα 2.1: Ανάλυση Fourier. Μιχάλας Άγγελος Τμήμα Μηχανικών Πληροφορικής ΤΕ

Τηλεπικοινωνίες. Ενότητα 2.1: Ανάλυση Fourier. Μιχάλας Άγγελος Τμήμα Μηχανικών Πληροφορικής ΤΕ Τηλεπικοινωνίες Ενότητα 2.1: Ανάλυση Fourier Μιχάλας Άγγελος Τμήμα Μηχανικών Πληροφορικής ΤΕ Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό,

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

Ψηφιακή Επεξεργασία Σημάτων

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

Διαβάστε περισσότερα

Ολοκληρωµένο Περιβάλλον Σχεδιασµού Και Επίδειξης Φίλτρων

Ολοκληρωµένο Περιβάλλον Σχεδιασµού Και Επίδειξης Φίλτρων Ψηφιακή Επεξεργασία Σηµάτων 20 Ολοκληρωµένο Περιβάλλον Σχεδιασµού Και Επίδειξης Φίλτρων Α. Εγκατάσταση Αφού κατεβάσετε το συµπιεσµένο αρχείο µε το πρόγραµµα επίδειξης, αποσυµπιέστε το σε ένα κατάλογο µέσα

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΟΣ ΑΣΚΗΣΗ 5

ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΟΣ ΑΣΚΗΣΗ 5 ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΟΣ ΑΣΚΗΣΗ 5 Α. Σχεδίαση Ψηφιακών Φίλτρων Β. Φίλτρα FIR Σχετικές εντολές του Matlab: fir, sinc, freqz, boxcar, triang, hanning, hamming, blackman, impz, zplane, kaiser. Α. ΣΧΕΔΙΑΣΗ

Διαβάστε περισσότερα

1. ΕΙΣΑΓΩΓΗ ΣΤΟ MATLAB... 13

1. ΕΙΣΑΓΩΓΗ ΣΤΟ MATLAB... 13 ΠΙΝΑΚΑΣ ΠΕΡΙΕΧΟΜΕΝΩΝ 1. ΕΙΣΑΓΩΓΗ ΣΤΟ MATLAB... 13 1.1. Τι είναι το Matlab... 13 1.2. Περιβάλλον εργασίας... 14 1.3. Δουλεύοντας με το Matlab... 16 1.3.1. Απλές αριθμητικές πράξεις... 16 1.3.2. Σχόλια...

Διαβάστε περισσότερα

HMY 429: Εισαγωγή στην Επεξεργασία Ψηφιακών

HMY 429: Εισαγωγή στην Επεξεργασία Ψηφιακών HMY 429: Εισαγωγή στην Επεξεργασία Ψηφιακών Σημάτων Διάλεξη 19: Φίλτρα (IV) Σχεδιασμός φίλτρων FIR Είδαμε ότι για φίλτρα IIR συνήθως σχεδιάζουμε ένα φίλτρο ΣΧ και μετασχηματίζουμε Για φίλτρα FIR θα δούμε

Διαβάστε περισσότερα

Χόρδισμα Οργάνων με την μέθοδο των Zero Crossings

Χόρδισμα Οργάνων με την μέθοδο των Zero Crossings ΕΝΩΣΗ ΕΛΛΗΝΩΝ ΦΥΣΙΚΩΝ Συνέδριο Μαρτίου Απριλίου 00 Χόρδισμα Οργάνων με την μέθοδο των Zero Crossings f( x) = sin( x )+sin( x) 8 nzc * SR f = N + i t F( ω) = f () t e ω dt -10-5 5 10 - - - f X = klog (

Διαβάστε περισσότερα

Σχήµα 4.1: Εισαγωγή βρόγχου while-loop.

Σχήµα 4.1: Εισαγωγή βρόγχου while-loop. Ο βρόγχος While-loop 1. Ο βρόγχος while-loop εκτελείται έως ότου ικανοποιηθεί µία προκαθορισµένη συνθήκη. 2. Ο αριθµός των επαναλήψεων ενός βρόγχου while-loop δεν είναι εκ των προτέρων προκαθορισµένος,

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

Ψηφιακή Επεξεργασία Σημάτων

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

Διαβάστε περισσότερα

ΟΜΑΔΟΠΟΙΗΣΗ ΤΩΝ ΠΑΡΑΤΗΡΗΣΕΩΝ

ΟΜΑΔΟΠΟΙΗΣΗ ΤΩΝ ΠΑΡΑΤΗΡΗΣΕΩΝ 9 ο ΜΑΘΗΜΑ ΟΜΑΔΟΠΟΙΗΣΗ ΤΩΝ ΠΑΡΑΤΗΡΗΣΕΩΝ Πότε κάνουμε ομαδοποίηση των παρατηρήσεων; Όταν το πλήθος των τιμών μιας μεταβλητής είναι αρκετά μεγάλο κάνουμε ομαδοποίηση των παρατηρήσεων. Αυτό συμβαίνει είτε

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

ΠΕΙΡΑΜΑΤΙΚΕΣ ΜΕΤΡΗΣΕΙΣ ΠΡΑΓΜΑΤΙΚΟΥ ΧΡΟΝΟΥ ΣΕ ΘΕΜΑΤΑ ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ

ΠΕΙΡΑΜΑΤΙΚΕΣ ΜΕΤΡΗΣΕΙΣ ΠΡΑΓΜΑΤΙΚΟΥ ΧΡΟΝΟΥ ΣΕ ΘΕΜΑΤΑ ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ Σκοπός Σκοπός του παραδοτέου είναι η δημιουργία και η επίδειξη ενδεικτικών εργαστηριακών περιπτώσεων στο αντικείμενο της σηματοδοσίας των αναλογικών τηλεπικοινωνιών που αποτελούν τη βάση για τη μελέτη

Διαβάστε περισσότερα

ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΟΣ ΑΣΚΗΣΗ 3

ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΟΣ ΑΣΚΗΣΗ 3 ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΟΣ ΑΣΚΗΣΗ 3 Διακριτός Μετασχηματισμός Fourier (DFT) Ο διακριτός μετασχηματισμός Fourier (DFT) αποτελεί το βασικό εργαλείο της Σχετικές εντολές του Matlab: fft, abs, rand, randn,

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

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

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

ΘΕΩΡΙΑ Β ΓΥΜΝΑΣΙΟΥ. Μια παράσταση που περιέχει πράξεις με μεταβλητές (γράμματα) και αριθμούς καλείται αλγεβρική, όπως για παράδειγμα η : 2x+3y-8

ΘΕΩΡΙΑ Β ΓΥΜΝΑΣΙΟΥ. Μια παράσταση που περιέχει πράξεις με μεταβλητές (γράμματα) και αριθμούς καλείται αλγεβρική, όπως για παράδειγμα η : 2x+3y-8 ΘΕΩΡΙΑ Β ΓΥΜΝΑΣΙΟΥ Άλγεβρα 1 ο Κεφάλαιο 1. Τι ονομάζουμε αριθμητική και τι αλγεβρική παράσταση; Να δώσετε από ένα παράδειγμα. Μια παράσταση που περιέχει πράξεις με αριθμούς, καλείται αριθμητική παράσταση,

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

ΣΗΜΑΤΑ ΚΑΙ ΣΥΣΤΗΜΑΤΑ Ι

ΣΗΜΑΤΑ ΚΑΙ ΣΥΣΤΗΜΑΤΑ Ι ΣΗΜΑΤΑ ΚΑΙ ΣΥΣΤΗΜΑΤΑ Ι Εκθετική Ορισμοί & Ιδιότητες Επιμέλεια: Αθανάσιος Ν. Σκόδρας, Καθηγητής Γεώργιος Α. Βασκαντήρας, Υπ. Διδάκτορας Τμήμα Ηλεκτρολόγων Μηχανικών & Τεχνολογίας Υπολογιστών Άδειες Χρήσης

Διαβάστε περισσότερα

3-Μαρτ-2009 ΗΜΥ Γρήγορος Μετασχηματισμός Fourier Εφαρμογές

3-Μαρτ-2009 ΗΜΥ Γρήγορος Μετασχηματισμός Fourier Εφαρμογές ΗΜΥ 429 9. Γρήγορος Μετασχηματισμός Fourier Εφαρμογές 1 Ζεύγη σημάτων Συνάρτηση δέλτα: ΔΜΦ δ[ n] u[ n] u[ n 0.5] (συχνότητα 0-0.5) Figure από Scientist s and engineer s guide to DSP. 2 Figure από Scientist

Διαβάστε περισσότερα

20-Μαρ-2009 ΗΜΥ Φίλτρα απόκρισης πεπερασμένου παλμού (FIR)

20-Μαρ-2009 ΗΜΥ Φίλτρα απόκρισης πεπερασμένου παλμού (FIR) ΗΜΥ 429 14. Φίλτρα απόκρισης πεπερασμένου παλμού (FIR) 1 Γενικά βήματα για σχεδιασμό φίλτρων (1) Προσδιορισμός χαρακτηριστικών του φίλτρου: Χαρακτηριστικά σήματος (π.χ. μέγιστη συχνότητα) Χαρακτηριστικά

Διαβάστε περισσότερα

Digital Image Processing

Digital Image Processing Digital Image Processing Φιλτράρισμα στο πεδίο των Πέτρος Καρβέλης pkarvelis@gmail.com Images taken from: R. Gonzalez and R. Woods. Digital Image Processing, Prentice Hall, 2008. Φίλτρο: μια διάταξη ή

Διαβάστε περισσότερα

Σήματα και Συστήματα ΙΙ

Σήματα και Συστήματα ΙΙ Σήματα και Συστήματα ΙΙ Ενότητα 3: Διακριτός και Ταχύς Μετασχηματισμός Fourier (DTF & FFT) Α. Ν. Σκόδρας Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών Επιμέλεια: Αθανάσιος Ν. Σκόδρας, Καθηγητής

Διαβάστε περισσότερα

Συλλογή & Επεξεργασία Δεδομένων Εργαστήριο 1 Γνωριμία με το περιβάλλον LabVIEW. Γνωριμία με το περιβάλλον LabVIEW.

Συλλογή & Επεξεργασία Δεδομένων Εργαστήριο 1 Γνωριμία με το περιβάλλον LabVIEW. Γνωριμία με το περιβάλλον LabVIEW. Συλλογή & Επεξεργασία Δεδομένων Εργαστήριο 1 Γνωριμία με το περιβάλλον LabVIEW. Γνωριμία με το περιβάλλον LabVIEW. Βασική δομή ενός προγράμματος στο LabVIEW. Σκοπός Εμπρόσθιο Πλαίσιο (Front Panel). Δομικό

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

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

ΕΝΟΤΗΤΑ 12: ΑΠΟΚΡΙΣΗ ΣΥΧΝΟΤΗΤΑΣ ΔΙΑΓΡΑΜΜΑΤΑ BODE

ΕΝΟΤΗΤΑ 12: ΑΠΟΚΡΙΣΗ ΣΥΧΝΟΤΗΤΑΣ ΔΙΑΓΡΑΜΜΑΤΑ BODE ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΥΣΤΗΜΑΤΑ ΑΥΤΟΜΑΤΟΥ ΕΛΕΓΧΟΥ ΕΝΟΤΗΤΑ : ΑΠΟΚΡΙΣΗ ΣΥΧΝΟΤΗΤΑΣ ΔΙΑΓΡΑΜΜΑΤΑ BODE Δρ Γιώργος Μαϊστρος, Χημικός Μηχανικός

Διαβάστε περισσότερα

ΘΕΜΑ Α ΕΡΩΤΗΣΕΙΣ ΘΕΜΑ Α

ΘΕΜΑ Α ΕΡΩΤΗΣΕΙΣ ΘΕΜΑ Α ΘΕΜΑ Α 1. Να επιλέξετε τη σωστή απάντηση. Μηχανικό ονομάζεται το κύμα στο οποίο: α. Μεταφέρεται ύλη στον χώρο κατά την κατεύθυνση διάδοσης του κύματος. β. Μεταφέρεται ορμή και ενέργεια στον χώρο κατά την

Διαβάστε περισσότερα

PRAAT -- ΟΔΗΓΟΣ ΓΙΑ ΤΑ ΠΡΩΤΑ ΒΗΜΑΤΑ Ανθή Χαϊδά

PRAAT -- ΟΔΗΓΟΣ ΓΙΑ ΤΑ ΠΡΩΤΑ ΒΗΜΑΤΑ Ανθή Χαϊδά PRAAT -- ΟΔΗΓΟΣ ΓΙΑ ΤΑ ΠΡΩΤΑ ΒΗΜΑΤΑ Ανθή Χαϊδά Το λογισμικό Praat ένα εργαλείο για φωνητική ανάλυση και επεξεργασία ηχητικών αρχείων, το οποίο διατίθεται δωρεάν στο διαδίκτυο. Το Praat δημιουργήθηκε από

Διαβάστε περισσότερα

Εισαγωγή στις Τηλεπικοινωνίες

Εισαγωγή στις Τηλεπικοινωνίες ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Εισαγωγή στις Τηλεπικοινωνίες Ενότητα : Εισαγωγή στη Διαμόρφωση Συχνότητας (FΜ) Όνομα Καθηγητή: Δρ. Ηρακλής Σίμος Τμήμα: Ηλεκτρονικών

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

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

ΠΛΗ 22: Βασικά Ζητήματα Δίκτυα Η/Υ

ΠΛΗ 22: Βασικά Ζητήματα Δίκτυα Η/Υ www.lucent.com/security ΠΛΗ 22: Βασικά Ζητήματα Δίκτυα Η/Υ 2 η ΟΣΣ / ΠΛΗ22 / ΑΘΗ.4 /07.12.2014 Νίκος Δημητρίου (Σημείωση: Η παρουσίαση αυτή συμπληρώνει τα αρχεία PLH22_OSS2_diafaneies_v1.ppt, και octave_matlab_tutorial_v1.ppt

Διαβάστε περισσότερα

Ειδικά Θέματα Ηλεκτρονικών 1

Ειδικά Θέματα Ηλεκτρονικών 1 Ειδικά Θέματα Ηλεκτρονικών 1 ΠΕΡΙΕΧΟΜΕΝΑ ΚΕΦΑΛΑΙΟ 3...2 ΑΠΟΚΡΙΣΗ ΣΥΧΝΟΤΗΤΑΣ ΕΝΙΣΧΥΤΩΝ...2 3.1 Απόκριση συχνότητας ενισχυτών...2 3.1.1 Παραμόρφωση στους ενισχυτές...5 3.1.2 Πιστότητα των ενισχυτών...6 3.1.3

Διαβάστε περισσότερα

Παντελής Μπουμπούλης, M.Sc., Ph.D. σελ. 2 math-gr.blogspot.com, bouboulis.mysch.gr

Παντελής Μπουμπούλης, M.Sc., Ph.D. σελ. 2 math-gr.blogspot.com, bouboulis.mysch.gr VI Ολοκληρώματα Παντελής Μπουμπούλης, MSc, PhD σελ mth-grlogspotcom, ououlismyschgr ΜΕΡΟΣ Αρχική Συνάρτηση Ορισμός Έστω f μια συνάρτηση ορισμένη σε ένα διάστημα Δ Αρχική συνάρτηση ή παράγουσα της στο Δ

Διαβάστε περισσότερα

Ψηφιακή μετάδοση στη βασική ζώνη. Baseband digital transmission

Ψηφιακή μετάδοση στη βασική ζώνη. Baseband digital transmission Ψηφιακή μετάδοση στη βασική ζώνη Baseband digital transmission Ψηφιακά σήματα Το ψηφιακό σήμα δεν είναι τίποτε άλλο από μια διατεταγμένη σειρά συμβόλων παραγόμενη από μια διακριτή πηγή πληροφορίας Η πηγή

Διαβάστε περισσότερα

Σήματα και Συστήματα. Διάλεξη 10: Γραμμικά Φίλτρα. Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής

Σήματα και Συστήματα. Διάλεξη 10: Γραμμικά Φίλτρα. Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής Σήματα και Συστήματα Διάλεξη 10: Γραμμικά Φίλτρα Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής 1 Γραμμικά Φίλτρα 1. Ιδανικά Γραμμικά Φίλτρα Ιδανικό Κατωδιαβατό Φίλτρο Ιδανικό Ανωδιαβατό Φίλτρο Ιδανικό Ζωνοδιαβατό

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

Ψηφιακά Φίλτρα. Αναλογικά και ψηφιακά φίλτρα 20/5/2005 1 20/5/2005 2

Ψηφιακά Φίλτρα. Αναλογικά και ψηφιακά φίλτρα 20/5/2005 1 20/5/2005 2 Ψηφιακά Φίλτρα Αναλογικά και ψηφιακά φίλτρα 20/5/2005 1 Αναλογικά και ψηφιακά φίλτρα Στην επεξεργασία σήματος, η λειτουργία ενός φίλτρου είναι να απομακρύνει τα ανεπιθύμητα μέρη ενός σήματος, όπως ένα

Διαβάστε περισσότερα

Αρχές Τηλεπικοινωνιών

Αρχές Τηλεπικοινωνιών ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Αρχές Τηλεπικοινωνιών Ενότητα #12: Δειγματοληψία, κβαντοποίηση και κωδικοποίηση Χ. ΚΑΡΑΪΣΚΟΣ Τμήμα Μηχανικών Αυτοματισμών Τ.Ε.

Διαβάστε περισσότερα

Αριθμητική Ανάλυση και Εφαρμογές

Αριθμητική Ανάλυση και Εφαρμογές Αριθμητική Ανάλυση και Εφαρμογές Διδάσκων: Δημήτριος Ι. Φωτιάδης Τμήμα Μηχανικών Επιστήμης Υλικών Ιωάννινα 07-08 Πεπερασμένες και Διαιρεμένες Διαφορές Εισαγωγή Θα εισάγουμε την έννοια των διαφορών με ένα

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