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

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

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

Transcript

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

2 Îfi Ú. ÂÏÈ ÔappleÔ ËÛË (ÛÂÏ.296) /7/2003 2:23 ÂÏ 5.2 TÀ 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..2 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.2α). 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.2β). Παραδείγµατα τέτοιων σηµάτων είναι ο δείκτης Dow Jones ως συνάρτηση του χρόνου (λ.χ. ανά ηµέρα) ή το κατά κεφαλήν εισόδη-

3 Îfi Ú. ÂÏÈ ÔappleÔ ËÛË (ÛÂÏ.296) /7/2003 2:23 ÂÏ 6 6 KEºA AIO : Eπ 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.2γ). 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.2 Τύποι σηµάτων: (α) αναλογικό, (β) διακριτού χρόνου, (γ) ψηφιακό x(t) x(n) x(n) 3/4 /2 /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(2πft + θ), < t < (.2)

4 Îfi Ú. ÂÏÈ ÔappleÔ ËÛË (ÛÂÏ.296) /7/2003 2:23 ÂÏ 7.2 TÀ π ª ø 7 όταν θέσουµε Ω =2πF (.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(2πft+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,

5 Îfi Ú. ÂÏÈ ÔappleÔ ËÛË (ÛÂÏ.296) /7/2003 2:23 ÂÏ 8 8 KEºA AIO : Eπ 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(2πfn + θ), < n < (.6) όταν θέσουµε ω =2πf (.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

6 Îfi Ú. ÂÏÈ ÔappleÔ ËÛË (ÛÂÏ.296) /7/2003 2:23 ÂÏ 9.2 TÀ 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 2π 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(2 πf(n + n) +θ) =cos(2πfn + θ). Η σχέση αυτή αληθεύει εάν και µόνο εάν υπάρχει ακέραιος m τέτοιος ώστε 2πfN =2mπ ή ισοδύναµα m f =, δηλαδή εάν και µόνο εάν η συχνότητα f µπορεί να γραφεί ως πηλίκο δύο N ακέραιων αριθµών. Ú ÂÈÁÌ.2 Να αποδείξετε ότι ηµιτονοειδή σήµατα διακριτού χρόνου, των οποίων οι συχνότητες διαφέρουν κατά ακέραιο πολλαπλάσιο του 2π, ταυτίζονται. Λύση: Έστω το σήµα x(n)=αcos(ωn + θ) µε συχνότητα ω, και το σήµα x (n)=αcos[(ω + 2π)n + θ] µε συχνότητα ω +2π. Αποδεικνύεται πολύ εύκολα ότι: x (n)=αcos[(ω +2π)n + θ]=αcos(ωn + θ+2 πn) =Αcos(ωn + θ) =x(n) Γενικά, όλα τα ηµιτονοειδή σήµατα διακριτού χρόνου x k (n) =Αcos(ω k n + θ),

7 Îfi Ú. ÂÏÈ ÔappleÔ ËÛË (ÛÂÏ.296) /7/2003 2:23 ÂÏ KEºA AIO : Eπ ø æ º π ƒ π ª π π k = 0,,2, µε ω k = ω +2kπ, 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 )..2.2 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

8 Îfi Ú. ÂÏÈ ÔappleÔ ËÛË (ÛÂÏ.296) /7/2003 2:23 ÂÏ 2.2 TÀ π ª ø 2. 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. 2. 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

9 Îfi Ú. ÂÏÈ ÔappleÔ ËÛË (ÛÂÏ.296) /7/2003 2:23 ÂÏ KEºA AIO : Eπ 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 2T 5T 9T t=nt n x α (t) µε τη συνάρτηση του ηµιτονοειδούς σήµατος της εξίσωσης (.2). Έτσι έχουµε: F x(n)=x α (nτ) =Αcos(2πFnT + θ) =Αcos(2πn + θ) (.) Συγκρίνοντας την (.) µε την αντίστοιχη σχέση (.6) για το ηµιτονοειδές σήµα διακριτού χρόνου, διαπιστώνουµε ότι: F s ή ισοδύναµα: F f= (.2) F s ω = ΩΤ (.3) Από τη σχέση (.2) 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.2, 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)

10 Îfi Ú. ÂÏÈ ÔappleÔ ËÛË (ÛÂÏ.296) /7/2003 2:23 ÂÏ 23.2 TÀ π ª ø 23 είναι διαφορετικές. Αντικαθιστώντας στην τελευταία σχέση τις µεταβλητές f και ω µε τις ισοδύναµές τους από τις σχέσεις (.2) 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 = 2T 2T (.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 2 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 /2, 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 /2, 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 (928) 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 2F 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-

11 Îfi Ú. ÂÏÈ ÔappleÔ ËÛË (ÛÂÏ.296) /7/2003 2:23 ÂÏ KEºA AIO : Eπ 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 x2 ( t) = sin 2 x( t) = sin 2π 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 2 nt sin 2 n sin n 8 π = π 8 π = x2 ( n) = sin 2 nt = sin 2 π π π π π n = sin n = sin + n = π π = sin 2πn+ 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 2 = Hz 8 7 F = 8 Hz Ì.7 ειγµατοληψία αναλογικών σηµάτων συχνότητας F = F 2 = Hz, Hz Πλάτος 0 Xρόνος sec F s = Hz µε ρυθµό F s = Hz

12 Îfi Ú. ÂÏÈ ÔappleÔ ËÛË (ÛÂÏ.296) /7/2003 2:23 ÂÏ 25.2 TÀ π ª ø 25 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 2 (t). Επειδή το x 2 (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 2 = 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 2 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 =,2, 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(2πf 0 t + θ) (.20) µε ρυθµό δειγµατοληψίας F s = /T, µας δίνει το διακριτού χρόνου σήµα: x(n) =Αcos(2πf 0 n + θ) (.2) 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(2πF k t + θ) (.22) όπου F k = F 0 + kf s, k = ±, ± 2, (.23)

13 Îfi Ú. ÂÏÈ ÔappleÔ ËÛË (ÛÂÏ.296) /7/2003 2:23 ÂÏ KEºA AIO : Eπ 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 2 F 0+ kfs π n + θ = F A n F 0 = cos 2π + θ + 2πkn = F = Acos( 2πf n+ θ) 0 s s (.24) Ì.8 ιαφορετικά ηµιτονικά σήµατα αντιπροσωπεύονται από τα ίδια δείγµατα το οποίο συµπίπτει µε το διακριτού χρόνου σήµα της σχέσης (.2) που προήλθε από την δειγµατοληψία του αναλογικού σήµατος (.20). Εποµένως, ένας άπειρος αριθµός ηµιτονοειδών συνεχούς χρόνου αντιπροσωπεύεται από το ίδιο σύνολο δειγµάτων (Σχήµα.8). Για παράδειγµα οι συχνότητες (F k ) 2,5 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 = ±, ± 2, 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 /2 (ή αντίστοιχα ω = π) ονοµάζεται συχνότητα αναδίπλωσης (folding frequency).

14 Îfi Ú. ÂÏÈ ÔappleÔ ËÛË (ÛÂÏ.296) /7/2003 2:23 ÂÏ 27.2 TÀ π ª ø 27 Ú ÂÈÁÌ.4 ίνεται το αναλογικό σήµα x α (t) =2cos00πt. (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 =200 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 =2F = 00 Hz. (β) Όταν F s = 200 Hz, τότε το σήµα διακριτού χρόνου που παίρνουµε είναι: 00π π xn ( ) = 2cos n= 2cos n (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 2π 2π xn ( ) = 2cos n= 2cos n= 2cos 2π n= 2cos n Η συχνότητα του σήµατος είναι f =/3, δηλαδή F/F s =/3 ή F =25Hz αφού F s = 75 Hz. (δ) Από τη σχέση (.23) 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 = = 25 Hz. Fs Fs ( ιαλέξαµε k = γιατί µόνο αυτή η τιµή δίνει F0 ). Άρα, για το ρυθµό δειγµατοληψίας των 75 Hz, η συχνότητα F =50Hz είναι ένα ψευδές αντίγραφο της συχνότητας των 25 Hz.

15 Îfi Ú. ÂÏÈ ÔappleÔ ËÛË (ÛÂÏ.296) /7/2003 2:23 ÂÏ KEºA AIO : Eπ 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.2 Θεωρήστε τα αναλογικά σήµατα x (t) =cos(60πt), x 2 (t) =cos(40πt), x 3 (t) = cos(260πt), 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(2πt) 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-

16 Îfi Ú. ÂÏÈ ÔappleÔ ËÛË (ÛÂÏ.296) /7/2003 2:23 ÂÏ 29.2 TÀ π ª ø 29 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 /2 και /2, δηλαδή /2 e q (n) /2. 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 [2] 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 /2 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. [2] Υπενθυµίζεται ότι το db (decibel) ορίζεται ως 0 log 0 (P 2 /P )=20 log 0 (V 2 /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 2 =2P ), ενώ 3dB σηµαίνει ότι έχουµε υποδιπλασιασµό αυτής (P 2 = P /2). Αναφερόµενοι στην τάση, 6dB σηµαίνει διπλασιασµό της τάσης (V 2 =2V ), ενώ 6dB σηµαίνει ότι έχουµε υποδιπλασιασµό αυτής (V 2 = V /2).

17 Îfi Ú. ÂÏÈ ÔappleÔ ËÛË (ÛÂÏ.296) /7/2003 2:23 ÂÏ KEºA AIO : Eπ 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 2 b διαφορετικούς δυαδικούς αριθµούς. Άρα, πρέπει 2 b L ή ισοδύναµα b log 2 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 =24 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 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-

18 Îfi Ú. ÂÏÈ ÔappleÔ ËÛË (ÛÂÏ.296) /7/2003 2:23 ÂÏ 3.3 ª π ƒ π À Ã À 3 σιάζεται το φαινόµενο της χαµηλού ρυθµού δειγµατοληψίας (aliasing). Η ψηφιοποίηση του πλάτους ενός σήµατος εισάγει ένα θόρυβο, το λεγόµενο θόρυβο κβάντισης, ο οποίος, όσο περισσότερα επίπεδα κβάντισης χρησιµοποιούµε, δηλαδή όσο περισσότερα bits χρησιµοποιούµε για την αναπαράσταση της κάθε τιµής του πλάτους, τόσο µικρότερος γίνεται..3 Ì Ù È ÎÚÈÙÔ ÚfiÓÔ Στην ενότητα αυτή θα ασχοληθούµε µε τα σήµατα διακριτού χρόνου. Θα γνωρίσουµε τα πιο βασικά σήµατα διακριτού χρόνου, καθώς και τις στοιχειώδεις πράξεις που εφαρµόζονται σε τέτοιου είδους σήµατα. Όλα αυτά θα αποτελέσουν τα εργαλεία τα απαραίτητα για τη µελέτη των συστηµάτων και την ανάλυση των σηµάτων που θα µας απασχολήσουν σε όλη την έκταση αυτού του βιβλίου..3. µ ÛÈÎ Û Ì Ù È ÎÚÈÙÔ ÚfiÓÔ Τα σήµατα που περιγράφονται στη συνέχεια θεωρούνται ως τα βασικά (στοιχειώδη) σήµατα διακριτού χρόνου. α) Μοναδιαίο δείγµα (unit sample) ή µοναδιαία κρουστική ακολουθία (unit impulse sequence): Είναι το πλέον βασικό σήµα διακριτού χρόνου το οποίο ορίζεται ως:, n = 0 δ( n) = 0, n 0 β) Μοναδιαία βηµατική ακολουθία (unit step sequence): Ορίζεται ως:, n 0 u( n) = 0, n < 0 γ) Σταθερή ακολουθία (constant sequence): (.25) (.26) x(n)=α, < n < (.27) δ) Γραµµική ακολουθία (linear sequence): x(n) = Αn, < n < (.28) Οι κυµατοµορφές όλων των παραπάνω σηµάτων φαίνονται στα Σχήµατα.0 έως και.3. ε) Εκθετική ακολουθία (exponential sequence): x(n) = a n, < n < (.29) Η ακολουθία αυτή παρουσιάζει ιδιαίτερο ενδιαφέρον. Η µορφή της εξαρτάται από

19 Îfi Ú. ÂÏÈ ÔappleÔ ËÛË (ÛÂÏ.296) /7/2003 2:24 ÂÏ 26 Aapple ÓÙ ÛÂÈ AÛÎ ÛÂˆÓ A ÙÔ ÍÈÔÏfiÁËÛË. Γνωρίζοντας, πλέον, το θεώρηµα δειγµατοληψίας, µπορούµε εύκολα να διαπιστώσουµε αν θα παρουσιαστεί το φαινόµενο της χαµηλού ρυθµού δειγµατοληψίας. Και αν παρουσιαστεί, τότε µπορούµε µε βάση τη σχέση F 0 = F k kf s, να υπολογίσουµε τη συχνότητα στην οποία αντιστοιχούν τα δείγµατα που πήραµε. Έτσι, η συχνότητα του αναλογικού σήµατος είναι F =00 Hz. Για να αντιπροσωπευθεί σωστά το σήµα αυτό στον ψηφιακό χώρο πρέπει να λάβουµε δείγµατά του µε συχνότητα τουλάχιστον 2F = 2 00 = 200 Hz. Άρα, και στις δύο περιπτώσεις δε θα αποφύγουµε το φαινόµενο της χαµηλού (ανεπαρκούς) ρυθµού δειγµατοληψίας (φαινόµενο φασµατικής επικάλυψης). (α) Για F s =75 Hz τα δείγµατα που θα πάρουµε θα αντιστοιχούν στη δειγµατοληψία του ηµιτονοειδούς της βασικής περιοχής συχνοτήτων ( F s /2 F 0 F s /2) µε συχνότητα ίση προς F ο = F k kf s = = 25 Hz. (β) Για F s = 50 Hz τα δείγµατα που θα πάρουµε θα αντιστοιχούν στη δειγµατοληψία του ηµιτονοειδούς της βασικής περιοχής συχνοτήτων ( F s /2 F 0 F s /2) µε συχνότητα ίση προς F 0 = F k kf s = = 50 Hz. Αυτή ήταν µία εύκολη άσκηση. Αν τα καταφέρατε, σηµαίνει πως έχετε κατανοήσει το φαινόµενο της χαµηλού (ανεπαρκούς) ρυθµού δειγµατοληψίας. Συνεχίστε στις επόµενες ασκήσεις. Αν όχι, τότε επαναλάβετε τα Παραδείγµατα.3 και.4 και ξαναπροσπαθήστε. Χρειάζεται κάποιος χρόνος µέχρι να εξοικειωθείτε µε τις ιδιαιτερότητες των σηµάτων που προέρχονται από δειγµατοληψία..2 Υπάρχουν δύο τρόποι για να λύνουµε αυτού του είδους τις ασκήσεις, δηλαδή τις ασκήσεις στις οποίες µας ζητείται να δώσουµε τα σήµατα διακριτού χρόνου και όχι µόνο τις συχνότητές τους. Ο πρώτος είναι αυτός κατά τον οποίο, ξεκινώντας από τον ορισµό της δειγµατοληψίας, αντικαθιστούµε τη µεταβλητή t µε nt, και εκτελούµε τις όποιες τριγωνοµετρικές πράξεις. Ο δεύτερος είναι εκείνος κατά τον οποίο υπολογίζουµε πρώτα τις συχνότητες που θα προκύψουν από τη δειγµατοληψία (όπως κάναµε και στην άσκηση αυτοαξιολόγησης.), και µετά προσδιορίζουµε τις αντίστοιχες σχέσεις για τα σήµατα διακριτού χρόνου. Όποιον από τους τρόπους και αν επιλέξετε, θα πρέπει να βρείτε το ίδιο

20 Îfi Ú. ÂÏÈ ÔappleÔ ËÛË (ÛÂÏ.296) /7/2003 2:24 ÂÏ æhºiakh E E EP A IA EIKONøN KAI HMATøN αποτέλεσµα, το οποίο στην προκειµένη περίπτωση είναι x (n) =x 2 (n) =x 3 (n) = cos(0,6πn). Ας τα πάρουµε όµως από την αρχή. Η περίοδος δειγµατοληψίας ισούται µε T =/F s =/00 Hz=0,0 sec. Άρα, οι ακολουθίες που θα προκύψουν θα είναι οι εξής: x (n) = cos(60πnt) = cos(0,6πn) x 2 (n) = cos(40πnt) = cos(,4πn) = cos[(2π 0,6π)n] = cos(0,6πn) x 3 (n) = cos(260πnt) = cos(2,6πn) = cos[(2π + 0,6π)n] = cos(0,6πn) Συµπεραίνουµε, εποµένως, ότι η δειγµατοληψία των τριών αναλογικών σηµάτων, διαφορετικής συχνότητας το καθένα, οδήγησε τελικά στο ίδιο σήµα διακριτού χρόνου cos(0,6πn). Όπως αναφέραµε προηγουµένως, στο ίδιο αποτέλεσµα καταλήγουµε αν εφαρµόσουµε την σχέση F 0 = F k kf s για καθεµιά από τις συχνότητες. ηλαδή, η συχνότητα του σήµατος x (t) είναι F =30 Hz και, κατά συνέπεια, δε θα παρουσιαστεί το φαινόµενο της χαµηλού ρυθµού δειγµατοληψίας, αφού F < F s /2 = 50 Hz. Άρα, x (n) =cos[2π(f /F s )n] = cos[2π(30/00)n]=cos(0,6πn). Η συχνότητα του σήµατος x 2 (t) είναι F 2 = F k = 70 Hz και τα δείγµατα που θα πάρουµε θα αντιστοιχούν στη δειγµατοληψία ενός ηµιτονοειδούς συχνότητας F 0 = F k kf s = = 30Hz. Άρα x 2 (n) =cos[2π(f 2 /F s )n]=cos[2π( 30/00)n] = cos( 0,6πn)=cos(0.6πn).Τέλος, η συχνότητα του σήµατος x 3 (t) είναι F 3 =30Hz και τα δείγµατα που θα πάρουµε θα αντιστοιχούν στη δειγµατοληψία ενός ηµιτονοειδούς συχνότητας F 0 = F k kf s =30 00 =30 Hz. Άρα x 3 (n) =x (n). Συνεπώς, και τα τρία αναλογικά x (t), x 2 (t), x 3 (t) σήµατα αντιπροσωπεύονται από τα ίδια δείγµατα µετά τη δειγµατοληψία τους µε ρυθµό 00Hz. Αν και εσείς καταλήξατε στο ίδιο αποτέλεσµα, τότε προχωράτε πολύ καλά. Συνεχίστε µε την επόµενη άσκηση αυτοαξιολόγησης. Αν δεν τα καταφέρατε, µελετήστε και πάλι τα Παραδείγµατα.3 και.4 και ξαναπροσπαθήστε..3 Στην άσκηση αυτή θα πρέπει να προσέξετε το γινόµενο του ηµιτόνου µε το συνηµίτονο. Αυτό είναι το συνηθισµένο λάθος που γίνεται στην περίπτωση αυτή. Παρατηρήστε ότι σ όλες τις προηγούµενες ασκήσεις είχαµε µόνο αθροίσµατα (ή διαφορές) ηµιτονοειδών, και εξετάζοντας κάθε όρο του αθροίσµατος χωριστά, µπορούσαµε να προσδιορίσουµε τη συχνότητα του κάθε ηµιτονοειδούς. Για να εκφράσουµε το γινό- µενο της άσκησης αυτής ως άθροισµα ηµιτονοειδών, θα χρησιµοποιήσουµε την

21 Îfi Ú. ÂÏÈ ÔappleÔ ËÛË (ÛÂÏ.296) /7/2003 2:24 ÂÏ 263 A π A ø AÀ π 263 σχέση 2sinΑcosB = sin (Α + B) + sin(α B). Εποµένως, έχουµε: x(t) = sin(πt) + 4sin(3πt)cos(2πt) = sin(πt) + 2[sin(3πt +2πt) + sin(3πt 2πt)] = sin(πt) + 2sin(5πt) + 2sin(πt) = 3sin(πt) + 2sin(5πt) = 3sin(2π t) sin(2π t) 2 Βλέπουµε ότι το αναλογικό σήµα x(t) αποτελείται από δύο συχνότητες, 5 την F = khz και την F 2 = khz. 2 2 Η ελάχιστη συχνότητα δειγµατοληψίας για την F είναι 2F =2(/2)=kHz, ενώ για την F 2 είναι 2F 2 =2(5/2)=5kHz. Συνεπώς, λαµβάνοντας δείγµατα του σήµατος µε ρυθµό 3 khz, για την F δε θα υπάρξει πρόβληµα και τα δείγµατα που θα πάρουµε θα αντιστοιχούν σ αυτή. Για το ηµιτονοειδές όµως µε συχνότητα F 2, θα παρουσιαστεί πρόβληµα, εξαιτίας της χαµηλού ρυθµού δειγµατοληψίας, αφού για να το αναπαραστήσουµε σωστά θα έπρεπε να λαµβάνουµε δείγµατα µε συχνότητα τουλάχιστον 5 khz. Έτσι, τα δείγµατα που θα προκύψουν θα αντιστοιχούν σ ένα ηµιτονοειδές συχνότητας 5 5 F 0 = F k kf s = k3 = khz, όπου F k = F 2 = khz και k =, 2 αφού η τιµή F 0 που προέκυψε ανήκει στο διάστηµα [ F s /2, F s /2]. Τελικά, ως συµπέρασµα προκύπτει ότι τα δείγµατα που θα πάρουµε από τη δειγµατοληψία του x(t), θα αντιστοιχούν σ ένα και µόνο ηµιτονοειδές συχνότητας khz. 2 Επισηµαίνεται ότι στο ίδιο αποτέλεσµα θα είχαµε καταλήξει αν εργαζόµασταν µόνο µε τη σχέση x(t) = 3sin(πt) + 2sin(5πt), και αντικαθιστούσαµε t = nt, όπου T = /F s = /3 msec. Επαληθεύστε το..4 Είναι εύκολο να δούµε ότι η ακολουθία p(n) µπορεί να εκφραστεί ως διαφορά δύο βηµατικών ακολουθιών, από τις οποίες η µία είναι ολισθηµένη ως προς την άλλη κατά 4 µονάδες (δείγµατα). Έχουµε, δηλαδή, p(n) = u(n) u(n 4), όπως φαίνεται και στο Σχήµα.30. Αν πάλι δεν το σκεφτήκατε έτσι και κάνατε χρήση της µοναδιαίας κρουστικής δ(n), τότε θα καταλήξατε στο σωστό αποτέλεσµα, αλλά λίγο πιο επίπονα. Παρατηρείτε, δηλαδή, ότι p(n)=δ(n)+δ(n ) + δ(n 2) + δ(n 3). Αλλά, µε βάση τη σχέση (.33) έχουµε

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

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

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

Διαβάστε περισσότερα

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

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

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

ΗΜΥ 100 Εισαγωγή στην Τεχνολογία ιάλεξη 18

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

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ

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

Διαβάστε περισσότερα

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

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

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

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

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

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

Παράδειγµα ενός ηλεκτρικού συστήµατος

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

Διαβάστε περισσότερα

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

Εισαγωγή στην Επεξεργασία Σήματος. Νόκας Γιώργος

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

Διαβάστε περισσότερα

Σεραφείµ Καραµπογιάς ΣΗΜΑΤΑ ΚΑΙ ΣΥΣΤΗΜΑΤΑ

Σεραφείµ Καραµπογιάς ΣΗΜΑΤΑ ΚΑΙ ΣΥΣΤΗΜΑΤΑ ΣΗΜΑΤΑ ΚΑΙ ΣΥΣΤΗΜΑΤΑ Εισαγωγή στα Σήµατα Εισαγωγή στα Συστήµατα Ανάπτυγµα - Μετασχηµατισµός Fourier Μετασχηµατισµός Laplace Μετασχηµατισµός z Εφαρµογές 1. ΚΕΦΑΛΑΙΟ ΕΙΣΑΓΩΓΗ ΣΤΑ ΣΗΜΑΤΑ Γενική εικόνα τι

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

Εξεταστική Ιανουαρίου 2007 Μάθηµα: «Σήµατα και Συστήµατα»

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

Διαβάστε περισσότερα

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

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

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

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

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

Ψηφιακά Ηλεκτρονικά Γ ΕΠΑΛ ιδάσκων: Γεώργιος Μακεδών, Φυσικός M.Sc. Μάθηµα 47ο. Ερωτήσεις κατανόησης 1. Τι είναι οι µετατροπείς A/D

Ψηφιακά Ηλεκτρονικά Γ ΕΠΑΛ ιδάσκων: Γεώργιος Μακεδών, Φυσικός M.Sc. Μάθηµα 47ο. Ερωτήσεις κατανόησης 1. Τι είναι οι µετατροπείς A/D Μάθηµα 47ο Θέµα Εισαγωγή Συστήµατα λήψης, επεξεργασίας και διανοµής δεδοµένων. 1. Τι είναι οι µετατροπείς A/D και D/A; Εξηγήστε τη λειτουργία του σχήµατος 11.2.1. 1. Να εξηγήσετε το παράδειγµα αναλογικοψηφιακής

Διαβάστε περισσότερα

ΛΥΣΕΙΣ ΑΣΚΗΣΕΩΝ ΕΞΕΤΑΣΤΙΚΗΣ ΠΕΡΙΟ ΟΥ ΙΟΥΝΙΟΥ 2004., η οποία όµως µπορεί να γραφεί µε την παρακάτω µορφή: 1 e

ΛΥΣΕΙΣ ΑΣΚΗΣΕΩΝ ΕΞΕΤΑΣΤΙΚΗΣ ΠΕΡΙΟ ΟΥ ΙΟΥΝΙΟΥ 2004., η οποία όµως µπορεί να γραφεί µε την παρακάτω µορφή: 1 e ΤΟΜΕΑΣ ΗΛΕΚΤΡΟΝΙΚΗΣ ΚΑΙ ΤΕΧΝΟΛΟΓΙΑΣ ΣΥΣΤΗΜΑΤΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ ΕΡΓΑΣΤΗΡΙΟ ΑΝΑΛΥΣΗΣ ΗΛΕΚΤΡΙΚΩΝ ΚΥΚΛΩΜΑΤΩΝ ΜΑΘΗΜΑ: ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΩΝ ΛΥΣΕΙΣ ΑΣΚΗΣΕΩΝ ΕΞΕΤΑΣΤΙΚΗΣ ΠΕΡΙΟ ΟΥ ΙΟΥΝΙΟΥ 4 AΣΚΗΣΗ () [ ] (.5)

Διαβάστε περισσότερα

Ψηφιακή Επεξεργασία Σημάτων

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

Διαβάστε περισσότερα

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

Τηλεπικοινωνιακά Συστήματα Ι

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

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

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

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

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

Διαβάστε περισσότερα

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

ΚΕΦΑΛΑΙΟ 10. Μελέτη ηλεκτρικών δικτύων στην Ηµιτονική Μόνιµη Κατάσταση

ΚΕΦΑΛΑΙΟ 10. Μελέτη ηλεκτρικών δικτύων στην Ηµιτονική Μόνιµη Κατάσταση 26 ΚΕΦΑΛΑΙΟ 0 Μελέτη ηλεκτρικών δικτύων στην Ηµιτονική Μόνιµη Κατάσταση 0. ) Γενικά για την Ηµιτονική Μόνιµη Κατάσταση ( Η.Μ.Κ.) Η µελέτη ενός ηλεκτρικού δικτύου γίνεται πρώτιστα στο στο πεδίο του χρόνου.

Διαβάστε περισσότερα

Γενική εικόνα τι είναι σήµα - Ορισµός. Ταξινόµηση σηµάτων. Βασικές ιδιότητες σηµάτων. Μετατροπές σήµατος ως προς το χρόνο. Στοιχειώδη σήµατα.

Γενική εικόνα τι είναι σήµα - Ορισµός. Ταξινόµηση σηµάτων. Βασικές ιδιότητες σηµάτων. Μετατροπές σήµατος ως προς το χρόνο. Στοιχειώδη σήµατα. ΣΗΜΑΤΑ ΚΑΙ ΣΥΣΤΗΜΑΤΑ Εισαγωγή στα Σήµατα Εισαγωγή στα Συστήµατα Ανάπτυγµα - Μετασχηµατισµός Fourier Μετασχηµατισµός Laplace Μετασχηµατισµός Z Εφαρµογές 1. ΚΕΦΑΛΑΙΟ ΕΙΣΑΓΩΓΗ ΣΤΑ ΣΗΜΑΤΑ Γενική εικόνα τι

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

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

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

x(t) = sin 2 (5πt) cos(22πt) = x 2 (t)dt

x(t) = sin 2 (5πt) cos(22πt) = x 2 (t)dt ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών HY-5: Εφαρµοσµένα Μαθηµατικά για Μηχανικούς Εαρινό Εξάµηνο 6-7 ιδάσκοντες : Γ. Στυλιανού, Γ. Καφεντζής Λυµένες Ασκήσεις - Σειρές Fourier. Εστω το σήµα xt

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

Προσδιορισµός της φασµατικής ισχύος ενός σήµατος

Προσδιορισµός της φασµατικής ισχύος ενός σήµατος Προσδιορισµός της φασµατικής ισχύος ενός σήµατος Το φάσµα ενός χρονικά εξαρτώµενου σήµατος µας πληροφορεί πόσο σήµα έχουµε σε µία δεδοµένη συχνότητα. Έστω µία συνάρτηση µίας µεταβλητής, τότε από το θεώρηµα

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

x(t) = 2 + cos(2πt) sin(πt) 3 cos(3πt) cos(θ + π) = cos(θ). (3)

x(t) = 2 + cos(2πt) sin(πt) 3 cos(3πt) cos(θ + π) = cos(θ). (3) ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών HY-5: Εφαρµοσµένα Μαθηµατικά για Μηχανικούς Εαρινό Εξάµηνο 5-6 ιδάσκοντες : Γ. Στυλιανού, Γ. Καφεντζής Λυµένες Ασκήσεις - Σειρές Fourier. Να σχεδιάσετε το

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

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

ιαφορική εντροπία Σεραφείµ Καραµπογιάς

ιαφορική εντροπία Σεραφείµ Καραµπογιάς ιαφορική εντροπία Σεραφείµ Καραµπογιάς Για πηγές διακριτού χρόνου µε συνεχές αλφάβητο, των οποίων οι έξοδοι είναι πραγµατικοί αριθµοί, ορίζεται µια άλλη ποσότητα που µοιάζει µε την εντροπία και καλείται

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

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

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

Διαβάστε περισσότερα

= R{(a + jb)e j2π 3 4 t } (6) a + jb = j2.707 = e j π (7) A = (9) f 0 = 3 4

= R{(a + jb)e j2π 3 4 t } (6) a + jb = j2.707 = e j π (7) A = (9) f 0 = 3 4 ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών HY-5: Εφαρµοσµένα Μαθηµατικά για Μηχανικούς Εαρινό Εξάµηνο 7-8 ιδάσκοντες : Γ. Στυλιανού, Γ. Καφεντζής εύτερη Σειρά Ασκήσεων - Λύσεις Ηµεροµηνία Ανάθεσης

Διαβάστε περισσότερα

Ψηφιακή Επεξεργασία Σήματος

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

Διαβάστε περισσότερα

ΣΗΜΑΤΑ ΔΙΑΚΡΙΤΟΥ ΧΡΟΝΟΥ

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

Διαβάστε περισσότερα

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

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

Θ.Ε. ΠΛΗ22 ( ) 2η Γραπτή Εργασία

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

Διαβάστε περισσότερα

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

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

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

Διαβάστε περισσότερα

AÓ Ï ÛË ÛÙÔ appleâ Ô ÙË Û ÓfiÙËÙ

AÓ Ï ÛË ÛÙÔ appleâ Ô ÙË Û ÓfiÙËÙ Îfi Ú. ÂÏÈ ÔappleÔ ËÛË (ÛÂÏ.96) /7/3 :3 ÂÏ 5 AÓ Ï ÛË ÛÙÔ appleâ Ô ÙË Û ÓfiÙËÙ ÎÔapplefi Το αντικείµενο του παρόντος κεφαλαίου είναι η περιγραφή του σήµατος στο πεδίο της συχνότητας. Η θεώρηση των σηµάτων

Διαβάστε περισσότερα

x(t) 2 = e 2 t = e 2t, t > 0

x(t) 2 = e 2 t = e 2t, t > 0 ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών HY-215: Εφαρµοσµένα Μαθηµατικά για Μηχανικούς Εαρινό Εξάµηνο 216-17 ιδάσκοντες : Γ. Στυλιανού, Γ. Καφεντζής Λυµένες Ασκήσεις σε Σήµατα και Συστήµατα Ασκηση

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

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

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

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών HY-25: Εφαρµοσµένα Μαθηµατικά για Μηχανικούς Εαρινό Εξάµηνο 205/6 Επιµέλεια : Γιώργος Π. Καφεντζης ρ. Επιστήµης Η/Υ Πανεπιστηµίου Κρήτης ρ. Επεξεργασίας

Διαβάστε περισσότερα

Σ. Φωτόπουλος -1- ΨΕΣ- AΣΚΗΣΕΙΣ-ΛΥΣΕΙΣ- Κεφάλαιο 2 ο

Σ. Φωτόπουλος -1- ΨΕΣ- AΣΚΗΣΕΙΣ-ΛΥΣΕΙΣ- Κεφάλαιο 2 ο Σ. Φωτόπουλος -- ΨΕΣ- AΣΚΗΣΕΙΣ-ΛΥΣΕΙΣ- Κεφάλαιο ο Άσκηση. Περιγράψτε τα σήµατα που φαίνονται στο σχήµα. χρησιµοποιώντας κατάλληλα την συνάρτηση µοναδιαίας κρούσης δ[]. x[] + x[] + + + + + (a) (b) -.5 Σχήµα.

Διαβάστε 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

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

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

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

ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥ ΩΝ: ΠΛΗΡΟΦΟΡΙΚΗ ΘΕ: ΜΑΘΗΜΑΤΙΚΑ ΓΙΑ ΤΗΝ ΠΛΗΡΟΦΟΡΙΚΉ Ι (ΠΛΗ 12) ΛΥΣΕΙΣ ΕΡΓΑΣΙΑΣ 3

ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥ ΩΝ: ΠΛΗΡΟΦΟΡΙΚΗ ΘΕ: ΜΑΘΗΜΑΤΙΚΑ ΓΙΑ ΤΗΝ ΠΛΗΡΟΦΟΡΙΚΉ Ι (ΠΛΗ 12) ΛΥΣΕΙΣ ΕΡΓΑΣΙΑΣ 3 ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥ ΩΝ: ΠΛΗΡΟΦΟΡΙΚΗ ΘΕ: ΜΑΘΗΜΑΤΙΚΑ ΓΙΑ ΤΗΝ ΠΛΗΡΟΦΟΡΙΚΉ Ι (ΠΛΗ ) ΛΥΣΕΙΣ ΕΡΓΑΣΙΑΣ Άσκηση. ( µον.). Έστω z ο µιγαδικός αριθµός z i, µε, R. (α) ίνεται η εξίσωση: z

Διαβάστε περισσότερα

Μορφοποίηση και ιαµόρφωση Σηµάτων Βασικής Ζώνης

Μορφοποίηση και ιαµόρφωση Σηµάτων Βασικής Ζώνης Μορφοποίηση και ιαµόρφωση Σηµάτων Βασικής Ζώνης Μορφοποίηση - Κωδικοποίηση πηγής Μορφοποίηση παλµών βασικής ζώνης Μορφοποίηση & µετάδοση βασικής ζώνης Mορφοποίηση-κωδικοποίηση πηγής Mορφοποίηση παλµών

Διαβάστε περισσότερα

x(t) = 4 cos(2π600t π/3) + 2 sin(2π900t + π/4) + sin(2π1200t) (1) w(t) = y(t)z(t) = 2δ(t + 1) (2) (2 sin(2π900t + π/4) t= 1 + sin(2π1200t) )

x(t) = 4 cos(2π600t π/3) + 2 sin(2π900t + π/4) + sin(2π1200t) (1) w(t) = y(t)z(t) = 2δ(t + 1) (2) (2 sin(2π900t + π/4) t= 1 + sin(2π1200t) ) ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών HY-215: Εφαρµοσµένα Μαθηµατικά για Μηχανικούς ιδάσκοντες : Γ. Στυλιανού, Γ. Καφεντζής ΕΠΑΝΑΛΗΠΤΙΚΗ ΤΕΛΙΚΗ ΕΞΕΤΑΣΗ ιάρκεια : 3 ώρες Ρήτρα τελικού : 4.0/10.0

Διαβάστε περισσότερα

X(t) = A cos(2πf c t + Θ) (1) 0, αλλού. 2 cos(2πf cτ) (9)

X(t) = A cos(2πf c t + Θ) (1) 0, αλλού. 2 cos(2πf cτ) (9) ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών HY-5: Εφαρµοσµένα Μαθηµατικά για Μηχανικούς Εαρινό Εξάµηνο 05-6 ιδάσκοντες : Γ. Στυλιανού, Γ. Καφεντζής Λυµένες Ασκήσεις - Τυχαίες ιαδικασίες Ασκηση. Εστω

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

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

ΕΡΓΑΣΤΗΡΙΑΚΗ ΑΣΚΗΣΗ 4 ΠΑΛΜΟΚΩΔΙΚΗ ΔΙΑΜΟΡΦΩΣΗ - PCM (ΜΕΡΟΣ Α)

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

Διαβάστε περισσότερα

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

1 Ορισµός ακολουθίας πραγµατικών αριθµών

1 Ορισµός ακολουθίας πραγµατικών αριθµών ΜΑΣ 02. Απειροστικός Λογισµός Ι Ορισµός ακολουθίας πραγµατικών αριθµών Ορισµός.. Ονοµάζουµε ακολουθία πραγµατικών αριθµών κάθε απεικόνιση του συνόλου N των ϕυσικών αριθµών, στο σύνολο R των πραγµατικών

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

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

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

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

Εισαγωγή στην επιστήµη των υπολογιστών ΑΡΙΘΜΗΤΙΚΑ ΣΥΣΤΗΜΑΤΑ

Εισαγωγή στην επιστήµη των υπολογιστών ΑΡΙΘΜΗΤΙΚΑ ΣΥΣΤΗΜΑΤΑ Εισαγωγή στην επιστήµη των υπολογιστών ΑΡΙΘΜΗΤΙΚΑ ΣΥΣΤΗΜΑΤΑ 1 Αριθµητικό Σύστηµα! Ορίζει τον τρόπο αναπαράστασης ενός αριθµού µε διακεκριµένα σύµβολα! Ένας αριθµός αναπαρίσταται διαφορετικά σε κάθε σύστηµα,

Διαβάστε περισσότερα

DFT ιακριτός µετ/σµός Fourier Discrete Fourier Transform

DFT ιακριτός µετ/σµός Fourier Discrete Fourier Transform DFT ιακριτός µετ/σµός Fourier Discrete Fourier Transform Νοέµβριος 5 ΨΕΣ Ορισµοί O διακριτός µετασχηµατισµός Fourier DFT, αναφέρεται σε µία πεπερασµένου µήκους ακολουθία σηµείων και ορίζεται ως εξής: X(

Διαβάστε περισσότερα

1. ΚΕΦΑΛΑΙΟ ΕΙΣΑΓΩΓΗ ΣΤΑ ΣΗΜΑΤΑ

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

Διαβάστε περισσότερα

ΘΕΩΡΙΑ ΠΛΗΡΟΦΟΡΙΑΣ. Κεφάλαιο 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

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

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

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

Κεφάλαιο 2 Διαχείριση Σηµάτων σε Ψηφιακά Συστήµατα Ελέγχου

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

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

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

Εισαγωγή στους Ηλεκτρονικούς Υπολογιστές

Εισαγωγή στους Ηλεκτρονικούς Υπολογιστές στους Ηλεκτρονικούς Υπολογιστές http://courseware.mech.ntua.gr/ml23021/ 6 ο Μάθημα Λεωνίδας Αλεξόπουλος Λέκτορας ΕΜΠ E-mail: leo@mail.ntua.gr URL: http://users.ntua.gr/leo 1 Στα προηγούμενα μaθήματα Συστήματα

Διαβάστε περισσότερα

5.1 Θεωρητική εισαγωγή

5.1 Θεωρητική εισαγωγή ΨΗΦΙΑΚΑ ΚΥΚΛΩΜΑΤΑ - ΕΡΓΑΣΤΗΡΙΑΚΗ ΑΣΚΗΣΗ 5 ΚΩ ΙΚΟΠΟΙΗΣΗ BCD Σκοπός: Η κατανόηση της µετατροπής ενός τύπου δυαδικής πληροφορίας σε άλλον (κωδικοποίηση/αποκωδικοποίηση) µε τη µελέτη της κωδικοποίησης BCD

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

Εργαστήριο ΨΗΦΙΑΚΗ ΛΟΓΙΚΗ. Εισαγωγή

Εργαστήριο ΨΗΦΙΑΚΗ ΛΟΓΙΚΗ. Εισαγωγή Εισαγωγή Εργαστήριο ΨΗΦΙΑΚΗ ΛΟΓΙΚΗ Ξεκινάµε την εργαστηριακή µελέτη της Ψηφιακής Λογικής των Η/Υ εξετάζοντας αρχικά τη µορφή των δεδοµένων που αποθηκεύουν και επεξεργάζονται οι υπολογιστές και προχωρώντας

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

[ ], σχηµατίζουµε το άθροισµα. Το άθροισµα αυτό είναι µια δυαδική πράξη η οποία αντιστοιχεί στις ακολουθίες f [ 1

[ ], σχηµατίζουµε το άθροισµα. Το άθροισµα αυτό είναι µια δυαδική πράξη η οποία αντιστοιχεί στις ακολουθίες f [ 1 ΚΕΦΑΛΑΙΟ 4 ΣΥΝΕΛΙΞΗ 4.. ΣΥΝΕΛΙΞΗ Στην προηγούµενη παράγραφο εισαγάγαµε την ιδέα της συνέλιξης από τα συµφραζόµενα των γραµµικών συστηµάτων. Σ' αυτήν την παράγραφο ορίζουµε τη συνέλιξη σαν µια πράξη η οποία

Διαβάστε περισσότερα

Εισαγωγή στους Ηλεκτρονικούς Υπολογιστές. 6 ο Μάθημα. Λεωνίδας Αλεξόπουλος Λέκτορας ΕΜΠ. url:

Εισαγωγή στους Ηλεκτρονικούς Υπολογιστές. 6 ο Μάθημα. Λεωνίδας Αλεξόπουλος Λέκτορας ΕΜΠ.   url: στους Ηλεκτρονικούς Υπολογιστές 6 ο Μάθημα Λεωνίδας Αλεξόπουλος Λέκτορας ΕΜΠ email: leo@mail.ntua.gr url: http://users.ntua.gr/leo Άδεια Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative

Διαβάστε περισσότερα