UVOD U ANALIZU I OBRADU SIGNALA
|
|
- Κάρμη Μεταξάς
- 6 χρόνια πριν
- Προβολές:
Transcript
1 UVOD U ANALIZU I OBRADU SIGNALA Prof. dr. sc. Viktor Sučić Tehnički fakultet, Rijeka
2 . Uvod. Uvod
3 Signal: funkcija vremena kojom predstavljamo željenu fizikalnu varijablu promatranog sustava.. Uvod Signale klasificiramo na determinističke i slučajne. x(t) = A sin(2πf t + φ), t, A, f, φ const. Signal x(t) je deterministički signal modeliran kao kompletno definirana funkcija vremena; u svakom trenutku vremena t, x(t) je točno poznat. Slučajni imaju slučajne vrijednosti u promatranim trenucima vremena. Modeliramo ih statistički. Sinusoid with f = 5 Hz (in time) 2 Noisy sinusoid (5 Hz) in time (µ=,σ=.5) Amplitude.2.2 Amplitude time [s] time [s]
4 Sustav: proces koji rezultira transformacijom signala. Njime se ulaznom signalu (npr. x(t)) pridružuje odgovarajući izlazni signal (npr. y(t)).. Uvod 2 Noisy sinusoid (5 Hz) in time (µ=,σ=.5).5 Filtered noisy sinusoid.5 Amplitude Amplitude time [s] time Primarno ćemo se baviti linearnim sustavima. Mnogi sustavi od interesa mogu se modelirati kao linearni. Postojeće matematičke metode dozvoljavaju njihovu efikasnu analizu. Sustave obično predstavljamo blok-dijagramom: x(t) Sustav y(t)
5 Obrada signala u vremenskoj domeni. Uvod Linearan i vremenski-nepromjenjiv (LTI) sustav okarakteriziran je svojim impulsnim odzivom h(t). x(t) Sustav, h(t) y(t) Ulazno-izlazna relacija definirana je konvolucijskim integralom: y(t) = x(t) h(t) = x(τ)h(t τ)dτ
6 Obrada signala u frekvencijskoj domeni. Uvod Signal transformiramo u frekvencijsku domenu pomoću Fourierove transformacije. X(f) Sustav, H(f) Y (f) Funkcija H(f) je prijenosna funkcija sustava: H(f) = F{h(t)} = h(t)e j2πft dt Ulazno-izlazna relacija: Y (f) = X(f)H(f)
7 Primjer.. Niskopropusni filtar (sustav za uklanjanje šuma) u vremenu i frekvenciji. 2 Noisy sinusoid (5 Hz) in time (µ=,σ=.5). Lowpass filter with cutoff frequency of Hz (in time domain). Uvod.5.8 Amplitude.5 Amplitude time [s] time 7 Noisy sinusoid (5 Hz) in frequency (µ=,σ=.5) Lowpass filter with cutoff frequency of Hz Magnitude Magnitude frequency [Hz] frequency.5 Filtered noisy sinusoid.5 Amplitude time
8 . Uvod
9 Klasificiranje i osnovna svojstva signala. Uvod Prema prirodi varijable vremena (te prirodi amplitude) signale klasificiramo na: Vremenski-kontinuirane signale: funkcija vremenski-kontinuirane varijable najčešće je to vrijeme t (npr. govor, slika, radar,...) rect(t/t) T 2 T 2 t Vremenski-diskretne signale: definirani samo u diskretnim vrijednostima vremena vremenska varijabla je n (npr. mjesečna rata kredita, temperatura zraka mjerena svakih sat vremena,...). Za ostale vrijednosti vremena signal je nedefiniran. x(t) t t t t t t Digitalne signale: kvantiziran, vremenski-diskretan signal diskretan i u vremenu i u amplitudi (npr. računalni podaci).
10 . Uvod Signal x(t) je periodičan ako i samo ako postoji konstanta T > takva da je: x(t + T ) = x(t), < t <. T je period signala x(t). Signal koji ne zadovoljava ovo svojstvo je aperiodičan. x(t) Ae α t x(t) t T t (a) aperiodičan (b) periodičan
11 Singularne funkcije. Uvod Jedinična stepenica: u(t) t Jedinični impuls (delta funkcija, Dirac funkcija): δ(t) t
12 Signali energije i snage. Uvod Definicija 2.. Energija signala x(t) je: dok je srednja snaga signala: T E = lim T T x(t) 2 dt P = lim T 2T T T x(t) 2 dt Signale klasificiramo na: Signale energije: x(t) je signal energije ako je < E < (tako da je P = ). Signale snage: x(t) je signal snage ako je < P < (pa slijedi da je E = ).
13 . Uvod
14 Trigonometrijski oblik Fourierovog reda. Uvod Definicija 3.. Neka je x(t) periodičan signal s periodom T : x(t) = x(t + T ), t R. Trigonometrijski oblik Fourierovog reda signala x(t) definiran je na sljedeći način: x(t) = a + a cos(2πf t) + a 2 cos(4πf t) + + b sin(2πf t) + b 2 sin(4πf t) +, < t < x(t) = a + a n cos(2πnf t) + b n sin(2πnf t), < t < n= n= gdje je f = /T fundamentalna (osnovna) frekvencija signala x(t). a = T T x(t)dt a n = b n = 2 T 2 T T T x(t)cos(n2πf t)dt x(t)sin(n2πf t)dt
15 . Uvod Primjer 3.. Aproksimacija periodičnog niza pravokutnih impulsa pomoću Fourierovih koeficijenata. x(t) st harmonic t [s] x(t) rd harmonic t [s].2 2 harmonic.2 49 harmonic.8.8 x(t).6.4 x(t) t [s] t [s]
16 Eksponencijalni oblik Fourierovog reda. Uvod Definicija 3.2. Neka je x(t) periodičan signal: x(t) = x(t + T ), t R, f = /T. Eksponencijalni oblik Fourierovog reda ortogonalni je prikaz x(t): x(t) = X n e j2πnt/t. n= gdje su X n = T T kompleksne konstante koje zovemo Fourierovi koeficijenti. x(t) e j2πnt/t dt a = X a n = 2 Re{X n } b n = 2 Im{X n }. Ako je x(t) R: X n = X n, te je X n = X n i arg(x n ) = arg(x n ).
17 Linijski spektar signala. Uvod Periodičan signal grafički se predstavlja u frekvencijskoj domeni sa: Spektrom magnitude: prikaz magnitude komponenti kao funkcije frekvencije, Spektrom faze: prikaz faze komponenti kao funkcije frekvencije. Spektralne komponente (linije) prisutne su kod pozitivnih i negativnih frekvencija. Kada je signal realan, spektar magnitude je parna funkcija, a spektar faze neparna funkcija frekvencije. Primjer 3.2. Skicirati spektar signala x(t). x(t) k k t
18 . Uvod X n 2k π 2k 3π k 5π n π 2 arg(x n) n π 2
19 . Uvod
20 Definicija Fourierove transformacije. Uvod Fourierov red razlaže periodične signale na kompleksno-eksponencijalne funkcije. Ovaj rezultat generalizirao je J. B. Fourier i za neperiodične signale; tzv. Fourierova transformacija (FT) Fourierov red kada je period signala beskonačan. Fourierov red i Fourierova transformacija pružaju informacije o spektralnom sadržaju analiziranog signala. x(t) = X(f)e j2πft df, gdje je X(f) = X(f) zovemo Fourierova transformacija signala x(t). x(t)e j2πft dt U literaturi: x(t) = F {X(f)}, X(f) = F{x(t)} x(t) X(f)
21 Primjer 4.. Signal u vremenu i frekvenciji.. Uvod Amplitude Sinusoid with f = 5 Hz (in time) time [s] Magnitude Sinusoid with f = 5 Hz (in frequency) frequency [Hz] ECG model in time 25 ECG model in frequency Amplitude [mv] Magnitude time [s] frequency [Hz]
22 . Uvod Kao i Fourierovi koeficijenti, i Fourierova transformacija X(f) je općenito kompleksna veličina: X(f) = X(f) e jφ(f). Stoga kod grafičkog prikaza spektra razlikujemo: Magnitudni spektar: X(f) vs f, Energetski spektar: X(f) 2 vs f, Fazni spektar: φ(f) vs f.
23 Izravno računanje Fourierove transformacije. Uvod Delta funkcija: F{δ(t)} = X(f) = δ(t)e j2πft dt = e j2πf = Pravokutni impuls: F{rect(t/τ)} = X(f) = τ/2 τ/2 e j2πft dt = e j2πft j2πf = ejπfτ e jπfτ j2πf = τ sinc(fτ) τ/2 τ/2 = τ sin(πfτ) πfτ A(f) = X(f) = τ sinc(fτ) A( f) τ 3 τ 2 τ τ τ 2 τ 3 τ f
24 Spektar energije signala. Uvod Primjer 4.2. E = E = x(t) 2 dt = x(t) = e t u(t) x(t) 2 dt = X(f) 2 df + j2πf = X(f) e 2t dt = e 2t 2 = 2 E = X(f) 2 df df = + 4π 2 f 2 = 4π 2 tan (f 4π 2 ) = ( π 2π 2 + π ) = 2 2 [ dx ax 2 + b = tan ] (x a/b) ab
25 Matematičke operacije na signalu i Fourierova transformacija. Uvod Skaliranje vremenske varijable: x(at) a X ( ) f a xt () X( f) t f xat ( ) a < f X a a a < t f xat ( ) a > f X a a a > t f Ekspanzija u jednoj, kompresija u dualnoj domeni i obrnuto.
26 Linearnost:. Uvod x (t) X (f) x 2 (t) X 2 (f) ax (t) + bx 2 (t) ax (f) + bx 2 (f) Vremenski pomak: Frekvencijski pomak: Primjer 4.3. x(t t ) e j2πft X(f) x(t)e j2πf t X(f f ) x(t) cos(2πf t) = x(t) (ej2πf t + e j2πf t ) 2 X(f f ) + X(f + f ) 2
27 Fourierova transformacija signala snage. Uvod Fourierov integral ne konvergira za signale snage, te stoga njihovu Fourierovu transformaciju tražimo pomoću limesa. δ(f) Slijedi: K Kδ(f) F{e j2πf t } = F{ e j2πf t } = δ(f f ) F{cos(2πf t)} = 2 F { e j2πf t + e j2πf t } = 2 (δ(f f ) + δ(f + f )) F{sin(2πf t)} = 2j F { e j2πf t e j2πf t } = 2j (δ(f f ) δ(f + f ))
28 . Uvod
29 Otipkavanje signala. Uvod Neka je x a (t) vremenski-kontinuiran signal: X a (f) = x a (t) = x a (t)e j2πft dt X a (f)e j2πft df Periodično otipkavanje (engl. Periodic Sampling) metod dobivanja vremenski-diskretne forme, x(n), signala x a (t): x(n) = x a (t) t=nts = x a (nt s ), n Z, T s > T s period otipkavanja, f s = /T s frekvencija otipkavanja. Ovo je ulazno-izlazna relacija idealnog AD pretvornika.
30 . Uvod Primjer 5.. Neka je x(t) = cos(2πf t) + cos(2πf 2 t), gdje su f = 2Hz i f 2 = 5Hz. Na slici su prikazani analogni i vremenski-diskretni oblici signala x(t) kada je (a) f s = 5 Hz, (b) f s = 8 Hz, (c) f s = Hz i (d) f s = 5 Hz. Amplitude Time (s) 2 (a) Amplitude Time (s) 2 (b) Amplitude Amplitude Time (s) (c) Time (s) (d)
31 Proces otipkavanja:. Uvod modulator (niz impulsa): p(t) = n= δ(t nt s) pretvorba u vremenski-diskretan niz (sustav G). x a (t) p(t) x s (t) G x(n) = x a (nt s ) x a (t) n= δ(t nt s ) T s n= X a (f nf s ) Otipkavanje u vremenu Periodičnost u frekvenciji.
32 . Uvod Primjer 5.2. Na slici su prikazani (a) spektar analognog signala x a (t), (b) spektar funkcije otipkavanja p(t), (c) spektar otipkanog signala kada je f s > 2f B, i (d) spektar otipkanog signala kada je f s < 2f B. (a) X a(f) (b) f B T f B P(f) f 2 f f f s 2 f s s s f (c) T X s(f) f B f s f (d) T X s (f) f s f
33 Aliasing. Uvod Iz prethodnog primjera evidentno je da za : f s f B > f B tj. f s > 2f B (Nyquistov kriterij) kopije od X a (f) se ne preklapaju x a (t) možemo rekonstruirati iz x(n). Kada se kopije preklapaju (aliasing), rekonstruirani signal je deformirana verzija originala. Teorem 5.. (Teorem uzorkovanja (engl. Sampling Theorem)): Ako je x a (t) frekvencijski organičen na f B Hz, za potpunu rekonstrukciju x a (t) iz x(n) = x a (n/f s ), n, frekvencija otipkavanja f s mora biti veća od 2f B Hz. Pojasno-ograničeni signal x a (t) moguće je rekonstruirati iz x(n) pomoću nisko-propusnog filtra: X s (f) H(f) f f 2 f f B s s Frekvencijski pojas filtra H(f): f B B f s f B.
34 Rekonstrukcija signala. Uvod x s (t) h(t) x r(t) Kada je f s > 2f B : H(f) = { Ts, f f s /2, inače. x r (t) = h(t) = sinc(f s t). x a (nt s ) sinc(f s (t nt s )). n= Primjer 5.3. Rekonstrukcija signala sa sinc(.) funkcijama..8 Signal ANALOG SAMPLED.8 Interpolation.5 Reconstructed signal Amplitude.2.2 Amplitude.2.2 Amplitude time time time
35 Primjer 5.4. Utjecaj f s na rekonstrukciju signala x(t) = cos(2πf t) + cos(2πf 2 t), gdje f = 2Hz i f 2 = 5Hz. Rekonstruirani signal prikazan je punom crtom.. Uvod Amplitude Time (s) (a) f s = 5 Hz Amplitude Time (s) (b) f s = 8 Hz Amplitude Amplitude Time (s) Time (s) (c) f s = Hz (d) f s = 5 Hz
36 . Uvod diskretnih signala
37 Vremenski-diskretna Fourierova transformacija. Uvod Vremenski-diskretna Fourierova transformacija (engl. Discrete-Time Fourier Transform (DTFT)) signala x(n): F{x(n)} = X(f) = n= X(f) je kompleksna funkcija kontinuirane varijable f. X(f) je periodična funkcija s periodom : x(n)e j2πfn X(f + ) = n= x(n)e j2πfn e j2πn = X(f).
38 Diskretna Fourierova transformacija. Uvod DTFT konačnog signala (x(n) = za n < i n L) je: X(f) = L n= x(n) e j 2πfn, f <. Otipkavanjem X(f) sa N uzoraka (N L) dobiva se diskretna Fourierova transformacija (engl. Discrete Fourier Transform (DFT)) signala x(n): X(k) = N n= x(n)e j 2πkn/N, k N. U izrazu za X(k) zbrajanje je po n, gdje je n N zero padding (x(n) =, L n N ). Primjer 6.. Naći DFT signala x(n) koji ima vrijednost kada je n < L (inače je nula). X(f) = L n= e j 2πfn = sin(πfl) sin(πf) e j πf(l ). X(k) = sin(πkl/n) sin(πk/n) e j πk(l )/N, k N.
39 . Uvod Primjer 6.2. Usporedba DTFT i DFT diskretnog kosinusa. Amplitude Discrete signal cos(2π / n) Magnitude DTFT vs. DFT DTFT DFT n 2pi/2 pi 2pi frequency
40 . Uvod
41 Vremensko-frekvencijske distribucije (VFD). Uvod Fs=Hz N=4 Time res= Time (secs) Frequency (Hz) ρ z (t, f) = e j2πν(u t) g(τ, ν) z(u+ τ 2 )z (u τ 2 ) e j2πfτ dν du dτ ρ(t, f) dt df = E
42 VFD pružaju sljedeće informacije o signalu:. Uvod vremenske i frekvencijske varijacije u signalu, broj komponenti u signalu, amplitude i trajanja u vremenu i frekvenciji svake od komponenti. Fs=Hz N=52 Time res= 5 MBD Fs=Hz N=52 Time res= 5 MBD Time (secs) 3 25 Time (secs) Frequency (Hz) Frequency (Hz)
43 Primjer 7.. Kvadratne VFD višekomponentnih signala.. Uvod Fs=Hz N=28 Fs=Hz N=28 Time res= 2 Time res= 2 Time (secs) Time (secs) Frequency (Hz) Frequency (Hz) WVD (ROI ) MBD (ROI ) time time frequency frequency
2. Ako je funkcija f(x) parna onda se Fourierov red funkcije f(x) reducira na Fourierov kosinusni red. f(x) cos
. KOLOKVIJ PRIMIJENJENA MATEMATIKA FOURIEROVE TRANSFORMACIJE 1. Za periodičnu funkciju f(x) s periodom p=l Fourierov red je gdje su a,a n, b n Fourierovi koeficijenti od f(x) gdje su a =, a n =, b n =..
Διαβάστε περισσότεραSignali i sustavi - Zadaci za vježbu II. tjedan
Signali i sustavi - Zadaci za vježbu II tjedan Periodičnost signala Koji su od sljedećih kontinuiranih signala periodički? Za one koji jesu, izračunajte temeljni period a cos ( t ), b cos( π μ(, c j t
Διαβάστε περισσότεραIII VEŽBA: FURIJEOVI REDOVI
III VEŽBA: URIJEOVI REDOVI 3.1. eorijska osnova Posmatrajmo neki vremenski kontinualan signal x(t) na intervalu definisati: t + t t. ada se može X [ k ] = 1 t + t x ( t ) e j 2 π kf t dt, gde je f = 1/.
Διαβάστε περισσότεραPRIMJER 3. MATLAB filtdemo
PRIMJER 3. MATLAB filtdemo Prijenosna funkcija (IIR) Hz () =, 6 +, 3 z +, 78 z +, 3 z +, 53 z +, 3 z +, 78 z +, 3 z +, 6 z, 95 z +, 74 z +, z +, 9 z +, 4 z +, 5 z +, 3 z +, 4 z 3 4 5 6 7 8 3 4 5 6 7 8
Διαβάστε περισσότεραUNIVERZITET U NIŠU ELEKTRONSKI FAKULTET SIGNALI I SISTEMI. Zbirka zadataka
UNIVERZITET U NIŠU ELEKTRONSKI FAKULTET Goran Stančić SIGNALI I SISTEMI Zbirka zadataka NIŠ, 014. Sadržaj 1 Konvolucija Literatura 11 Indeks pojmova 11 3 4 Sadržaj 1 Konvolucija Zadatak 1. Odrediti konvoluciju
Διαβάστε περισσότερα(P.I.) PRETPOSTAVKA INDUKCIJE - pretpostavimo da tvrdnja vrijedi za n = k.
1 3 Skupovi brojeva 3.1 Skup prirodnih brojeva - N N = {1, 2, 3,...} Aksiom matematičke indukcije Neka je N skup prirodnih brojeva i M podskup od N. Ako za M vrijede svojstva: 1) 1 M 2) n M (n + 1) M,
Διαβάστε περισσότεραFourierova transformacija kontinuiranog aperiodičnog signala. Fourierova transformacija. signala. x(t) aperiodični signal konačnog trajanja
Fourierova ransformacija koninuiranog aperiodičnog Fourierova ransformacija koninuiranog aperiodičnog x() aperiodični signal konačnog rajanja kreiramo periodični signal peiroda T p periodičnim ponavljanjem
Διαβάστε περισσότερα18. listopada listopada / 13
18. listopada 2016. 18. listopada 2016. 1 / 13 Neprekidne funkcije Važnu klasu funkcija tvore neprekidne funkcije. To su funkcije f kod kojih mala promjena u nezavisnoj varijabli x uzrokuje malu promjenu
Διαβάστε περισσότεραObrada signala
Obrada signala 1 18.1.17. Greška kvantizacije Pretpostavka je da greška kvantizacije ima uniformnu raspodelu 7 6 5 4 -X m p x 1,, za x druge vrednosti x 3 x X m 1 X m = 3 x Greška kvantizacije x x x p
Διαβάστε περισσότεραELEKTROTEHNIČKI ODJEL
MATEMATIKA. Neka je S skup svih živućih državljana Republike Hrvatske..04., a f preslikavanje koje svakom elementu skupa S pridružuje njegov horoskopski znak (bez podznaka). a) Pokažite da je f funkcija,
Διαβάστε περισσότεραFunkcija gustoće neprekidne slučajne varijable ima dva bitna svojstva: 1. Nenegativnost: f(x) 0, x R, 2. Normiranost: f(x)dx = 1.
σ-algebra skupova Definicija : Neka je Ω neprazan skup i F P(Ω). Familija skupova F je σ-algebra skupova na Ω ako vrijedi:. F, 2. A F A C F, 3. A n, n N} F n N A n F. Borelova σ-algebra Definicija 2: Neka
Διαβάστε περισσότεραM086 LA 1 M106 GRP. Tema: Baza vektorskog prostora. Koordinatni sustav. Norma. CSB nejednakost
M086 LA 1 M106 GRP Tema: CSB nejednakost. 19. 10. 2017. predavač: Rudolf Scitovski, Darija Marković asistent: Darija Brajković, Katarina Vincetić P 1 www.fizika.unios.hr/grpua/ 1 Baza vektorskog prostora.
Διαβάστε περισσότεραSignali i sustavi Zadaci za vježbu. III. tjedan
Signali i sustavi Zadaci za vježbu III. tjedan 1. Neka je kontinuirani kompleksni eksponencijalni signal. Neka je diskretni eksponencijalni signal dobiven iz kontinuiranog signala uniformnim otipkavanjem
Διαβάστε περισσότεραRiješeni zadaci: Limes funkcije. Neprekidnost
Riješeni zadaci: Limes funkcije. Neprekidnost Limes funkcije Neka je 0 [a, b] i f : D R, gdje je D = [a, b] ili D = [a, b] \ { 0 }. Kažemo da je es funkcije f u točki 0 jednak L i pišemo f ) = L, ako za
Διαβάστε περισσότεραradni nerecenzirani materijal za predavanja R(f) = {f(x) x D}
Matematika 1 Funkcije radni nerecenzirani materijal za predavanja Definicija 1. Neka su D i K bilo koja dva neprazna skupa. Postupak f koji svakom elementu x D pridružuje točno jedan element y K zovemo funkcija
Διαβάστε περισσότεραΨηφιακές Επικοινωνίες
Ψηφιακές Επικοινωνίες Βασικές Έννοιες Θεωρία Σηµάτων: ανάλυση στο χρονικό και φασµατικό πεδίο Continuous Fourier Transform Σειρές Fourier Σήµατα βασικής ζώνης (Baseband) και ιέλευσης ζώνης (Bandpass) Θεωρία
Διαβάστε περισσότεραCauchyjev teorem. Postoji više dokaza ovog teorema, a najjednostvniji je uz pomoć Greenove formule: dxdy. int C i Cauchy Riemannovih uvjeta.
auchyjev teorem Neka je f-ja f (z) analitička u jednostruko (prosto) povezanoj oblasti G, i neka je zatvorena kontura koja čitava leži u toj oblasti. Tada je f (z)dz = 0. Postoji više dokaza ovog teorema,
Διαβάστε περισσότεραPARCIJALNI IZVODI I DIFERENCIJALI. Sama definicija parcijalnog izvoda i diferencijala je malo teža, mi se njome ovde nećemo baviti a vi ćete je,
PARCIJALNI IZVODI I DIFERENCIJALI Sama definicija parcijalnog ivoda i diferencijala je malo teža, mi se njome ovde nećemo baviti a vi ćete je, naravno, naučiti onako kako vaš profesor ahteva. Mi ćemo probati
Διαβάστε περισσότεραPismeni ispit iz matematike Riješiti sistem jednačina i diskutovati rješenja sistema u zavisnosti od parametra: ( ) + 1.
Pismeni ispit iz matematike 0 008 GRUPA A Riješiti sistem jednačina i diskutovati rješenja sistema u zavisnosti od parametra: λ + z = Ispitati funkciju i nacrtati njen grafik: + ( λ ) + z = e Izračunati
Διαβάστε περισσότεραΣΤΟΧΑΣΤΙΚΑ ΣΥΣΤΗΜΑΤΑ & ΕΠΙΚΟΙΝΩΝΙΕΣ 1o Τμήμα (Α - Κ): Αμφιθέατρο 3, Νέα Κτίρια ΣΗΜΜΥ Ανάλυση Επικοινωνιακών Σημάτων κατά Fourier
ΣΤΟΧΑΣΤΙΚΑ ΣΥΣΤΗΜΑΤΑ & ΕΠΙΚΟΙΝΩΝΙΕΣ 1o Τμήμα (Α - Κ): Αμφιθέατρο 3, Νέα Κτίρια ΣΗΜΜΥ Ανάλυση Επικοινωνιακών Σημάτων κατά Fourier 2.2: Μετασχηματισμός Fourier (Fourier Transform, FT) 2.3: Ιδιότητες του
Διαβάστε περισσότεραΣΤΟΧΑΣΤΙΚΑ ΣΥΣΤΗΜΑΤΑ & ΕΠΙΚΟΙΝΩΝΙΕΣ 1o Τμήμα (Α - Κ): Αμφιθέατρο 4, Νέα Κτίρια ΣΗΜΜΥ Ανάλυση Επικοινωνιακών Σημάτων κατά Fourier
ΣΤΟΧΑΣΤΙΚΑ ΣΥΣΤΗΜΑΤΑ & ΕΠΙΚΟΙΝΩΝΙΕΣ 1o Τμήμα (Α - Κ): Αμφιθέατρο 4, Νέα Κτίρια ΣΗΜΜΥ Ανάλυση Επικοινωνιακών Σημάτων κατά Fourier 2.2: Μετασχηματισμός Fourier (Fourier Transform, FT) 2.3: Ιδιότητες του
Διαβάστε περισσότεραEliminacijski zadatak iz Matematike 1 za kemičare
Za mnoge reakcije vrijedi Arrheniusova jednadžba, koja opisuje vezu koeficijenta brzine reakcije i temperature: K = Ae Ea/(RT ). - T termodinamička temperatura (u K), - R = 8, 3145 J K 1 mol 1 opća plinska
Διαβάστε περισσότεραPoglavlje 7. Blok dijagrami diskretnih sistema
Poglavlje 7 Blok dijagrami diskretnih sistema 95 96 Poglavlje 7. Blok dijagrami diskretnih sistema Stav 7.1 Strukturni dijagram diskretnog sistema u kome su sve veliqine prikazane svojim Laplasovim transformacijama
Διαβάστε περισσότεραZadatak 2 Odrediti tačke grananja, Riemann-ovu površ, opisati sve grane funkcije f(z) = z 3 z 4 i objasniti prelazak sa jedne na drugu granu.
Kompleksna analiza Zadatak Odrediti tačke grananja, Riemann-ovu površ, opisati sve grane funkcije f(z) = z z 4 i objasniti prelazak sa jedne na drugu granu. Zadatak Odrediti tačke grananja, Riemann-ovu
Διαβάστε περισσότεραradni nerecenzirani materijal za predavanja
Matematika 1 Funkcije radni nerecenzirani materijal za predavanja Definicija 1. Kažemo da je funkcija f : a, b R u točki x 0 a, b postiže lokalni minimum ako postoji okolina O(x 0 ) broja x 0 takva da je
Διαβάστε περισσότεραINTEGRALNI RAČUN. Teorije, metodike i povijest infinitezimalnih računa. Lucija Mijić 17. veljače 2011.
INTEGRALNI RAČUN Teorije, metodike i povijest infinitezimalnih računa Lucija Mijić lucija@ktf-split.hr 17. veljače 2011. Pogledajmo Predstavimo gornju sumu sa Dodamo još jedan Dobivamo pravokutnik sa Odnosno
Διαβάστε περισσότεραMatematika 1 - vježbe. 11. prosinca 2015.
Matematika - vježbe. prosinca 5. Stupnjevi i radijani Ako je kut φ jednak i rad, tada je veza između i 6 = Zadatak.. Izrazite u stupnjevima: a) 5 b) 7 9 c). d) 7. a) 5 9 b) 7 6 6 = = 5 c). 6 8.5 d) 7.
Διαβάστε περισσότεραLaplaceova transformacija
Laplaceova transformacija Laplaceova transformacija je integralna transformacija s brojnim primjenama u matematici, fizici, elektrotehnici, teoriji vjerojatnosti i drugdje. Koristi se za rješavanje diferencijalnih
Διαβάστε περισσότεραIspitivaƬe funkcija: 1. Oblast definisanosti funkcije (ili domen funkcije) D f
IspitivaƬe funkcija: 1. Oblast definisanosti funkcije (ili domen funkcije) D f IspitivaƬe funkcija: 1. Oblast definisanosti funkcije (ili domen funkcije) D f 2. Nule i znak funkcije; presek sa y-osom IspitivaƬe
Διαβάστε περισσότεραTRIGONOMETRIJSKE FUNKCIJE I I.1.
TRIGONOMETRIJSKE FUNKCIJE I I Odredi na brojevnoj trigonometrijskoj kružnici točku Et, za koju je sin t =,cost < 0 Za koje realne brojeve a postoji realan broj takav da je sin = a? Izračunaj: sin π tg
Διαβάστε περισσότεραSignali i sustavi. Signal. Predstavljanje signala: mr. sc. Karmela Aleksić-Maslać dr. sc. Damir Seršić
Signali i susavi mr. sc. Karmela Aleksić-Maslać dr. sc. Damir Seršić FER-ZESOI Signal Funkcija koja sadrži informaciju o susavu. Funkcija - vremena (npr. zvučni signal), prosora (npr. slika - 2D signal),...
Διαβάστε περισσότεραSISTEMI NELINEARNIH JEDNAČINA
SISTEMI NELINEARNIH JEDNAČINA April, 2013 Razni zapisi sistema Skalarni oblik: Vektorski oblik: F = f 1 f n f 1 (x 1,, x n ) = 0 f n (x 1,, x n ) = 0, x = (1) F(x) = 0, (2) x 1 0, 0 = x n 0 Definicije
Διαβάστε περισσότεραFAKULTET PROMETNIH ZNANOSTI
SVUČILIŠT U ZAGU FAKULTT POMTNIH ZNANOSTI predmet: Nastavnik: Prof. dr. sc. Zvonko Kavran zvonko.kavran@fpz.hr * Autorizirana predavanja 2016. 1 Pojačala - Pojačavaju ulazni signal - Zahtjev linearnost
Διαβάστε περισσότεραT 2 Tsinc2( ft e j2πf3t
ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών HY-5: Εφαρµοσµένα Μαθηµατικά για Μηχανικούς Εαρινό Εξάµηνο 5-6 ιδάσκοντες : Γ. Στυλιανού, Γ. Καφεντζής Λυµένες Ασκήσεις - Μετασχηµατισµός Fourier. Απλός
Διαβάστε περισσότερα3.1 Granična vrednost funkcije u tački
3 Granična vrednost i neprekidnost funkcija 2 3 Granična vrednost i neprekidnost funkcija 3. Granična vrednost funkcije u tački Neka je funkcija f(x) definisana u tačkama x za koje je 0 < x x 0 < r, ili
Διαβάστε περισσότεραFunkcije dviju varjabli (zadaci za vježbu)
Funkcije dviju varjabli (zadaci za vježbu) Vidosava Šimić 22. prosinca 2009. Domena funkcije dvije varijable Ako je zadano pridruživanje (x, y) z = f(x, y), onda se skup D = {(x, y) ; f(x, y) R} R 2 naziva
Διαβάστε περισσότεραINTELIGENTNO UPRAVLJANJE
INTELIGENTNO UPRAVLJANJE Fuzzy sistemi zaključivanja Vanr.prof. Dr. Lejla Banjanović-Mehmedović Mehmedović 1 Osnovni elementi fuzzy sistema zaključivanja Fazifikacija Baza znanja Baze podataka Baze pravila
Διαβάστε περισσότερα3 Populacija i uzorak
3 Populacija i uzorak 1 3.1 Slučajni uzorak X varijabla/stat. obilježje koje izučavamo Cilj statističke analize na osnovi uzorka izvesti odredene zaključke o (populacijskoj) razdiobi od X 2 Primjer 3.1.
Διαβάστε περισσότεραSpektralna analiza audio signala
Spektralna analiza audio signala 24. oktobar 2016 Isak Njutn je u slavnom eksperimentu pokazao da je moguće bijelu svjetlost razložiti na komponente različitih boja, odnosno, talasnih dužina, kao i da
Διαβάστε περισσότεραTelekomunikacije. Filip Brqi - 2/ februar 2003.
Telekomunikacije Filip Brqi - 2/99 14. februar 2003. Sadrжaj 1 Signali i spektri 2 1.1 Periodiqni signali...................... 2 1.1.1 Amplitudski i fazni spektri signala....... 2 1.1.2 Spektri najqex
Διαβάστε περισσότεραOperacije s matricama
Linearna algebra I Operacije s matricama Korolar 3.1.5. Množenje matrica u vektorskom prostoru M n (F) ima sljedeća svojstva: (1) A(B + C) = AB + AC, A, B, C M n (F); (2) (A + B)C = AC + BC, A, B, C M
Διαβάστε περισσότεραOsnove Fourierove analize
Osnove Fourierove analize Franka Miriam Brückler Zadatak Kako izgleda graf funkcije zadane s f (x) = 2 cos(3πx)? Zadatak Kako izgleda graf funkcije zadane s f (x) = 2 cos(3πx)? Zadatak Za koji a će sin(ax)
Διαβάστε περισσότεραnumeričkih deskriptivnih mera.
DESKRIPTIVNA STATISTIKA Numeričku seriju podataka opisujemo pomoću Numeričku seriju podataka opisujemo pomoću numeričkih deskriptivnih mera. Pokazatelji centralne tendencije Aritmetička sredina, Medijana,
Διαβάστε περισσότεραOsnovni primer. (Z, +,,, 0, 1) je komutativan prsten sa jedinicom: množenje je distributivno prema sabiranju
RAČUN OSTATAKA 1 1 Prsten celih brojeva Z := N + {} N + = {, 3, 2, 1,, 1, 2, 3,...} Osnovni primer. (Z, +,,,, 1) je komutativan prsten sa jedinicom: sabiranje (S1) asocijativnost x + (y + z) = (x + y)
Διαβάστε περισσότεραPrikaz sustava u prostoru stanja
Prikaz sustava u prostoru stanja Prikaz sustava u prostoru stanja je jedan od načina prikaza matematičkog modela sustava (uz diferencijalnu jednadžbu, prijenosnu funkciju itd). Promatramo linearne sustave
Διαβάστε περισσότεραOsnove Fourierove analize. Franka Miriam Brückler
Osnove Fourierove analize Franka Miriam Brückler Trigonometrijski redovi Zadatak Kako izgleda graf funkcije zadane s f (x) = 2 cos(3x)? Trigonometrijski redovi Zadatak Kako izgleda graf funkcije zadane
Διαβάστε περισσότεραKaskadna kompenzacija SAU
Kaskadna kompenzacija SAU U inženjerskoj praksi, naročito u sistemima regulacije elektromotornih pogona i tehnoloških procesa, veoma često se primenjuje metoda kaskadne kompenzacije, u čijoj osnovi su
Διαβάστε περισσότεραSlučajni procesi Prvi kolokvij travnja 2015.
Zadatak Prvi kolokvij - 20. travnja 205. (a) (3 boda) Neka je (Ω,F,P) vjerojatnosni prostor, neka je G σ-podalgebra od F te neka je X slučajna varijabla na (Ω,F,P) takva da je X 0 g.s. s konačnim očekivanjem.
Διαβάστε περισσότεραApsolutno neprekidne raspodele Raspodele apsolutno neprekidnih sluqajnih promenljivih nazivaju se apsolutno neprekidnim raspodelama.
Apsolutno neprekidne raspodele Raspodele apsolutno neprekidnih sluqajnih promenljivih nazivaju se apsolutno neprekidnim raspodelama. a b Verovatno a da sluqajna promenljiva X uzima vrednost iz intervala
Διαβάστε περισσότεραNeka je a 3 x 3 + a 2 x 2 + a 1 x + a 0 = 0 algebarska jednadžba trećeg stupnja. Rješavanje ove jednadžbe sastoji se od nekoliko koraka.
Neka je a 3 x 3 + a x + a 1 x + a 0 = 0 algebarska jednadžba trećeg stupnja. Rješavanje ove jednadžbe sastoji se od nekoliko koraka. 1 Normiranje jednadžbe. Jednadžbu podijelimo s a 3 i dobivamo x 3 +
Διαβάστε περισσότεραGlava 8 VIŠEDIMENZIONALNI KONTINUALNI SIGNALI
Glava 8 VIŠEDIMEZIOALI KOTIUALI SIGALI Višedimenzionani signali opisuju fizičke pojave koje zavise od dvije ili više nezavisnih varijabli. -dimenzionalni signal je matematička funkcija nezavisnih varijabli.
Διαβάστε περισσότεραSadrˇzaj. Sadrˇzaj 1 9 DVODIMENZIONALNI SLUČAJNI VEKTOR DISKRETNI DVODIMENZIONALNI
Sadrˇzaj Sadrˇzaj DVODIMENZIONALNI. DISKRETNI DVODIMENZIONALNI............................ KONTINUIRANI -dim tko želi znati više.............................. 5. KOVARIJANCA, KORELACIJA, PRAVCI REGRESIJE........
Διαβάστε περισσότεραGlava 1. Z transformacija. 1.1 Pojam z transformacije
Glava 1 Z transformacija 1.1 Pojam z transformacije U elektrotehnici se vrlo često susrećemo sa signalima koji su diskretnog tipa. To znači da je radimo sa signalima koji su zadati svoji vrednostima samo
Διαβάστε περισσότερα2 tg x ctg x 1 = =, cos 2x Zbog četvrtog kvadranta rješenje je: 2 ctg x
Zadatak (Darjan, medicinska škola) Izračunaj vrijednosti trigonometrijskih funkcija broja ako je 6 sin =,,. 6 Rješenje Ponovimo trigonometrijske funkcije dvostrukog kuta! Za argument vrijede sljedeće formule:
Διαβάστε περισσότεραIspitivanje toka i skiciranje grafika funkcija
Ispitivanje toka i skiciranje grafika funkcija Za skiciranje grafika funkcije potrebno je ispitati svako od sledećih svojstava: Oblast definisanosti: D f = { R f R}. Parnost, neparnost, periodičnost. 3
Διαβάστε περισσότεραAPROKSIMACIJA FUNKCIJA
APROKSIMACIJA FUNKCIJA Osnovni koncepti Gradimir V. Milovanović MF, Beograd, 14. mart 2011. APROKSIMACIJA FUNKCIJA p.1/46 Osnovni problem u TA Kako za datu funkciju f iz velikog prostora X naći jednostavnu
Διαβάστε περισσότεραΕξεταστική 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 περισσότεραAstronomija i astrofizika II
Astronomija i astrofizika II 1 Projektni zadatak 1: PULSACIJE I ODREĐIVANJE UDALJENOSTI 2 OPAŽANJA U ASTRONOMIJI 1. Opažanja u danom trenutku određivanje svojstava astronomskih objekata u danom trenutku
Διαβάστε περισσότεραMATRICE I DETERMINANTE - formule i zadaci - (Matrice i determinante) 1 / 15
MATRICE I DETERMINANTE - formule i zadaci - (Matrice i determinante) 1 / 15 Matrice - osnovni pojmovi (Matrice i determinante) 2 / 15 (Matrice i determinante) 2 / 15 Matrice - osnovni pojmovi Matrica reda
Διαβάστε περισσότεραDISKRETNA MATEMATIKA - PREDAVANJE 7 - Jovanka Pantović
DISKRETNA MATEMATIKA - PREDAVANJE 7 - Jovanka Pantović Novi Sad April 17, 2018 1 / 22 Teorija grafova April 17, 2018 2 / 22 Definicija Graf je ure dena trojka G = (V, G, ψ), gde je (i) V konačan skup čvorova,
Διαβάστε περισσότεραLinearna algebra 2 prvi kolokvij,
1 2 3 4 5 Σ jmbag smjer studija Linearna algebra 2 prvi kolokvij, 7. 11. 2012. 1. (10 bodova) Neka je dano preslikavanje s : R 2 R 2 R, s (x, y) = (Ax y), pri čemu je A: R 2 R 2 linearan operator oblika
Διαβάστε περισσότερα7 Algebarske jednadžbe
7 Algebarske jednadžbe 7.1 Nultočke polinoma Skup svih polinoma nad skupom kompleksnih brojeva označavamo sa C[x]. Definicija. Nultočka polinoma f C[x] je svaki kompleksni broj α takav da je f(α) = 0.
Διαβάστε περισσότεραDijagonalizacija operatora
Dijagonalizacija operatora Problem: Može li se odrediti baza u kojoj zadani operator ima dijagonalnu matricu? Ova problem je povezan sa sljedećim pojmovima: 1 Karakteristični polinom operatora f 2 Vlastite
Διαβάστε περισσότερα5. Karakteristične funkcije
5. Karakteristične funkcije Profesor Milan Merkle emerkle@etf.rs milanmerkle.etf.rs Verovatnoća i Statistika-proleće 2018 Milan Merkle Karakteristične funkcije ETF Beograd 1 / 10 Definicija Karakteristična
Διαβάστε περισσότερα( x) ( ) ( ) ( x) ( ) ( x) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
Zadatak 08 (Vedrana, maturantica) Je li unkcija () = cos (sin ) sin (cos ) parna ili neparna? Rješenje 08 Funkciju = () deiniranu u simetričnom području a a nazivamo: parnom, ako je ( ) = () neparnom,
Διαβάστε περισσότεραLinearna algebra 2 prvi kolokvij,
Linearna algebra 2 prvi kolokvij, 27.. 20.. Za koji cijeli broj t je funkcija f : R 4 R 4 R definirana s f(x, y) = x y (t + )x 2 y 2 + x y (t 2 + t)x 4 y 4, x = (x, x 2, x, x 4 ), y = (y, y 2, y, y 4 )
Διαβάστε περισσότεραOtpornost R u kolu naizmjenične struje
Otpornost R u kolu naizmjenične struje Pretpostavimo da je otpornik R priključen na prostoperiodični napon: Po Omovom zakonu pad napona na otporniku je: ( ) = ( ω ) u t sin m t R ( ) = ( ) u t R i t Struja
Διαβάστε περισσότεραa M a A. Može se pokazati da je supremum (ako postoji) jedinstven pa uvodimo oznaku sup A.
3 Infimum i supremum Definicija. Neka je A R. Kažemo da je M R supremum skupa A ako je (i) M gornja meda skupa A, tj. a M a A. (ii) M najmanja gornja meda skupa A, tj. ( ε > 0)( a A) takav da je a > M
Διαβάστε περισσότεραX(f) E(ft) df x[i] = 1 F. x(t) E( ft) dt X(f) = x[i] = 1 F
Πανεπιστήμιο Θεσσαλίας ΗΥ240: Θεωρία Σημάτων και Συστημάτων 4..2006 Φυλλάδιο Τυπολόγιο μετασχηματισμών ourier, Laplace και Z Σύμβολα Για έναν πραγματικό αριθμό x, συμβολίζουμε με x, x, [x], τον αμέσως
Διαβάστε περισσότερα4 4 2 = 3 2 = = 1 2
Πιθανότητες και Τυχαία Σήματα Μάθημα 3 ΑΣΚΗΣΗ Εστω ότι έχουμε δύο νομίσματα. Στο νόμισμα A η πιθανότητα να έρθει κεφαλή είναι. Στο νόμισμα B 4 3 η πιθανότητα να έρθει κεφαλή είναι. Δεν είστε σίγουροι ποιο
Διαβάστε περισσότεραZavrxni ispit iz Matematiqke analize 1
Građevinski fakultet Univerziteta u Beogradu 3.2.2016. Zavrxni ispit iz Matematiqke analize 1 Prezime i ime: Broj indeksa: 1. Definisati Koxijev niz. Dati primer niza koji nije Koxijev. 2. Dat je red n=1
Διαβάστε περισσότεραMatematička analiza 1 dodatni zadaci
Matematička analiza 1 dodatni zadaci 1. Ispitajte je li funkcija f() := 4 4 5 injekcija na intervalu I, te ako jest odredite joj sliku i inverz, ako je (a) I = [, 3), (b) I = [1, ], (c) I = ( 1, 0].. Neka
Διαβάστε περισσότεραπ π ELEKTROTEHNIČKI ODJEL i) f (x) = x 3 x 2 x + 1, a = 1, b = 1;
1. Provjerite da funkcija f definirana na segmentu [a, b] zadovoljava uvjete Rolleova poučka, pa odredite barem jedan c a, b takav da je f '(c) = 0 ako je: a) f () = 1, a = 1, b = 1; b) f () = 4, a =,
Διαβάστε περισσότεραUniversity of Illinois at Urbana-Champaign ECE 310: Digital Signal Processing
University of Illinois at Urbana-Champaign ECE : Digital Signal Processing Chandra Radhakrishnan PROBLEM SET : SOLUTIONS Peter Kairouz Problem Solution:. ( 5 ) + (5 6 ) + ( ) cos(5 ) + 5cos( 6 ) + cos(
Διαβάστε περισσότεραΨηφιακή Επεξεργασία Φωνής
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Ψηφιακή Επεξεργασία Φωνής Ενότητα 1η: Ψηφιακή Επεξεργασία Σήματος Στυλιανού Ιωάννης Τμήμα Επιστήμης Υπολογιστών CS578- Speech Signal Processing Lecture 1: Discrete-Time
Διαβάστε περισσότεραStationary Stochastic Processes Table of Formulas, 2017
Stationary Stochastic Processes, 07 Stationary Stochastic Processes Table of Formulas, 07 Basics of probability theory The following is valid for probabilities: P(Ω), where Ω is all possible outcomes 0
Διαβάστε περισσότερα= 5 cos(2π500t π/2) + 9 cos(2π900t + π/3) cos(2π1400t) (9) H(f) = 4.5, αλλού
ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών HY-15: Εφαρµοσµένα Μαθηµατικά για Μηχανικούς ιδάσκοντες : Γ. Στυλιανού, Γ. Καφεντζής ΤΕΛΙΚΗ ΕΞΕΤΑΣΗ ιάρκεια : 3 ώρες Ρήτρα τελικού : 4.5/10.0 Θέµα 1ο - 5
Διαβάστε περισσότεραNumerička matematika 2. kolokvij (1. srpnja 2009.)
Numerička matematika 2. kolokvij (1. srpnja 29.) Zadatak 1 (1 bodova.) Teorijsko pitanje. (A) Neka je G R m n, uz m n, pravokutna matrica koja ima puni rang po stupcima, tj. rang(g) = n. (a) Napišite puni
Διαβάστε περισσότερα4.1 Elementarne funkcije
. Elementarne funkcije.. Polinomi Funkcija f : R R zadana formulom f(x) = a n x n + a n x n +... + a x + a 0 gdje je n N 0 te su a n, a n,..., a, a 0 R, zadani brojevi takvi da a n 0 naziva se polinom
Διαβάστε περισσότερα2.2 Srednje vrijednosti. aritmetička sredina, medijan, mod. Podaci (realizacije varijable X): x 1,x 2,...,x n (1)
2.2 Srednje vrijednosti aritmetička sredina, medijan, mod Podaci (realizacije varijable X): x 1,x 2,...,x n (1) 1 2.2.1 Aritmetička sredina X je numerička varijabla. Aritmetička sredina od (1) je broj:
Διαβάστε περισσότεραElementi spektralne teorije matrica
Elementi spektralne teorije matrica Neka je X konačno dimenzionalan vektorski prostor nad poljem K i neka je A : X X linearni operator. Definicija. Skalar λ K i nenula vektor u X se nazivaju sopstvena
Διαβάστε περισσότεραDRUGI KOLOKVIJUM IZ MATEMATIKE 9x + 6y + z = 1 4x 2y + z = 1 x + 2y + 3z = 2. je neprekidna za a =
x, y, z) 2 2 1 2. Rešiti jednačinu: 2 3 1 1 2 x = 1. x = 3. Odrediti rang matrice: rang 9x + 6y + z = 1 4x 2y + z = 1 x + 2y + 3z = 2. 2 0 1 1 1 3 1 5 2 8 14 10 3 11 13 15 = 4. Neka je A = x x N x < 7},
Διαβάστε περισσότεραy(t) = x(t) + e x(2 t)
ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών HY-5: Εφαρµοσµένα Μαθηµατικά για Μηχανικούς Εαρινό Εξάµηνο 5-6 ιδάσκοντες : Γ. Στυλιανού, Γ. Καφεντζής ΕΞΕΤΑΣΗ ΠΡΟΟ ΟΥ - ΕΝ ΕΙΚΤΙΚΕΣ ΛΥΣΕΙΣ ιάρκεια : 3 ώρες
Διαβάστε περισσότεραTables in Signals and Systems
ables in Signals and Systems Magnus Lundberg Revised October 999 Contents I Continuous-time Fourier series I-A Properties of Fourier series........................... I-B Fourier series table................................
Διαβάστε περισσότερα1 Promjena baze vektora
Promjena baze vektora Neka su dane dvije različite uredene baze u R n, označimo ih s A = (a, a,, a n i B = (b, b,, b n Svaki vektor v R n ima medusobno različite koordinatne zapise u bazama A i B Zapis
Διαβάστε περισσότεραPismeni ispit iz matematike GRUPA A 1. Napisati u trigonometrijskom i eksponencijalnom obliku kompleksni broj, zatim naći 4 z.
Pismeni ispit iz matematike 06 007 Napisati u trigonometrijskom i eksponencijalnom obliku kompleksni broj z = + i, zatim naći z Ispitati funkciju i nacrtati grafik : = ( ) y e + 6 Izračunati integral:
Διαβάστε περισσότεραNachrichtentechnik I WS 2005/2006
Nachrichtentechnik I WS 2005/2006 1 Signals & Systems wt 10/2005 1 Overview (Signals & Systems) Signals: definition & classification properties basic signals Signal transformations Fourier transformation
Διαβάστε περισσότεραTables of Transform Pairs
Tble of Trnform Pir 005 by Mrc Stoecklin mrc toecklin.net http://www.toecklin.net/ December, 005 verion.5 Student nd engineer in communiction nd mthemtic re confronted with trnformtion uch the -Trnform,
Διαβάστε περισσότεραRiješeni zadaci: Nizovi realnih brojeva
Riješei zadaci: Nizovi realih brojeva Nizovi, aritmetički iz, geometrijski iz Fukciju a : N R azivamo beskoači) iz realih brojeva i ozačavamo s a 1, a,..., a,... ili a ), pri čemu je a = a). Aritmetički
Διαβάστε περισσότεραFunkcija prenosa. Funkcija prenosa se definiše kao količnik z transformacija odziva i pobude. Za LTI sistem: y n h k x n k.
OT3OS1 7.11.217. Definicije Funkcija prenosa Funkcija prenosa se definiše kao količnik z transformacija odziva i pobude. Za LTI sistem: y n h k x n k Y z X z k Z y n Z h n Z x n Y z H z X z H z H z n h
Διαβάστε περισσότεραVEŽBA 3 Obrada signala u frekvencijskom domenu metodom overlap-add
VEŽBA 3 Obrada signala u frekvencijskom domenu metodom overlap-add Potrebno predznanje Poznavanje programskog jezika C Diskretna Furijeova transformacija Šta će biti naučeno tokom izrade vežbe Tokom izrade
Διαβάστε περισσότερα1.4 Tangenta i normala
28 1 DERIVACIJA 1.4 Tangenta i normala Ako funkcija f ima derivaciju u točki x 0, onda jednadžbe tangente i normale na graf funkcije f u točki (x 0 y 0 ) = (x 0 f(x 0 )) glase: t......... y y 0 = f (x
Διαβάστε περισσότερα4.7. Zadaci Formalizam diferenciranja (teorija na stranama ) 343. Znajući izvod funkcije x arctg x, odrediti izvod funkcije x arcctg x.
4.7. ZADACI 87 4.7. Zadaci 4.7.. Formalizam diferenciranja teorija na stranama 4-46) 340. Znajući izvod funkcije arcsin, odrediti izvod funkcije arccos. Rešenje. Polazeći od jednakosti arcsin + arccos
Διαβάστε περισσότεραΕισαγωγή στις Τηλεπικοινωνίες. Δομή της παρουσίασης
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ ΣΧΟΛΗ ΤΕΧΝΟΛΟΓΙΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ & ΕΠΙΚΟΙΝΩΝΙΩΝ ΤΜΗΜΑ ΨΗΦΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΕΡΓΑΣΤΗΡΙΟ ΤΗΛΕΠΙΚΟΙΝΩΝΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ Εισαγωγή στις Τηλεπικοινωνίες Μετασχηματισμός Furier Αθανάσιος Κανάτας
Διαβάστε περισσότεραIZVODI ZADACI (I deo)
IZVODI ZADACI (I deo) Najpre da se podsetimo tablice i osnovnih pravila:. C`=0. `=. ( )`= 4. ( n )`=n n-. (a )`=a lna 6. (e )`=e 7. (log a )`= 8. (ln)`= ` ln a (>0) 9. = ( 0) 0. `= (>0) (ovde je >0 i a
Διαβάστε περισσότεραSEMINAR IZ KOLEGIJA ANALITIČKA KEMIJA I. Studij Primijenjena kemija
SEMINAR IZ OLEGIJA ANALITIČA EMIJA I Studij Primijenjena kemija 1. 0,1 mola NaOH je dodano 1 litri čiste vode. Izračunajte ph tako nastale otopine. NaOH 0,1 M NaOH Na OH Jak elektrolit!!! Disoira potpuno!!!
Διαβάστε περισσότερα1 / 79 MATEMATIČKA ANALIZA II REDOVI
/ 79 MATEMATIČKA ANALIZA II REDOVI 6.. Definicija reda Promatrajmo niz Definicija reda ( ) n 2 :, 2 2 3 2 4 2,... Postupno zbrajajmo elemente niza: = + 2 2 = 5 4 + 2 2 + 3 2 = 49 36 + 2 2 + 3 2 + 4 2 =
Διαβάστε περισσότεραRIJEŠENI ZADACI I TEORIJA IZ
RIJEŠENI ZADACI I TEORIJA IZ LOGARITAMSKA FUNKCIJA SVOJSTVA LOGARITAMSKE FUNKCIJE OSNOVE TRIGONOMETRIJE PRAVOKUTNOG TROKUTA - DEFINICIJA TRIGONOMETRIJSKIH FUNKCIJA - VRIJEDNOSTI TRIGONOMETRIJSKIH FUNKCIJA
Διαβάστε περισσότεραIskazna logika 3. Matematička logika u računarstvu. novembar 2012
Iskazna logika 3 Matematička logika u računarstvu Department of Mathematics and Informatics, Faculty of Science,, Serbia novembar 2012 Deduktivni sistemi 1 Definicija Deduktivni sistem (ili formalna teorija)
Διαβάστε περισσότεραOSNOVI ELEKTRONIKE VEŽBA BROJ 1 OSNOVNA KOLA SA DIODAMA
ELEKTROTEHNIČKI FAKULTET U BEOGRADU KATEDRA ZA ELEKTRONIKU OSNOVI ELEKTRONIKE SVI ODSECI OSIM ODSEKA ZA ELEKTRONIKU LABORATORIJSKE VEŽBE VEŽBA BROJ 1 OSNOVNA KOLA SA DIODAMA Autori: Goran Savić i Milan
Διαβάστε περισσότερα