Praktikum softverski alati OT2PSA. Školska 2016/2017 godina
|
|
- Γοργοφόνη Κουβέλης
- 5 χρόνια πριν
- Προβολές:
Transcript
1 Praktikum softverski alati OT2PSA Školska 2016/2017 godina
2 Simulacija Kreiranje računarskog programa koji modeluje neki fenomen (na primer, propagacija signala kroz telekomunikacioni kanal, zvuk u zatvorenom prostoru) ili sklop (na primer, radio prijemnik, A/D konvertor...) Cilj: edukacija, provera karakteristika novopredloženog rešenja
3 Simulacija Monte Carlo simulacija veliki broj ponavljanja iste simulacije sa različitim ulaznim signalima Usrednjavanje rezultata Na primer, procena uticaja šuma na odlučivanje u prijemniku
4 Simulacija U telekomunkacionim sistemima je često deo posmatranog sistema kontinualan (analogni) a deo digitalan Digitalna deo sistema se praktično može i realizovati kao parče koda
5 Signali 1 Kontinualni Kontinualna funkcija vremena, vrednosti pripadaju neograničenom skupu - x(t)=cos(ω 0 t)
6 Signali 2 Digitalni (telekom terminologija) Kontinualna funkcija vremena, vrednosti pripadaju konačnom skupu M-arni signal x(t)=u n, (n-1)t t<nt. U 1,0,1 n
7 Signali 3 Diskretni (DSP terminologija) Definisani samo za diskretne vrednosti nezavisne promenljive vremena (amplituda diskretnog signala može biti kontinualna ili diskretna)
8 Signali 4 Digitalni (DSP terminologija) Diskretan signal (kvantizacija amplituda diskretnog signala) - y=round(x*4)/4
9 Kontinulani signali Sinusoida x=sin(2 ft) 0.2 T=20 ms x(t) T 20 odbiraka po periodi t
10 Kontinulani signali Generisanje sinusoide x(t) t
11 Kontinulani signali x(t) t
12 Kontinulani signali x(t) t
13 Odabiranje broj odbiraka po periodi min max P x(t) t x 1 (t) x(t) x 2 (t) t
14 Računanje snage prostoperiodičnog signala T T N n N n T T n x N P T T n x T N P dt t x T P ˆ 1 ˆ 1 MATLAB P=sum(x.*x)/length(x); Računanje srednje snage signala konačne dužine
15 Diskretizacija po vremenu Definiše se T interval odabiranja (interval vremena između dva susedna odbirka siganala) Najčešće su odbirci signala ekvidistantni, odnosno T=const. Frekvencija odabiranja (sampling frequency) f s =1/ T
16 Diskretizacija po vremenu t [s] 2 T 1 = T 2
17 Diskretizacija po vremenu Koliko malo ili veliko treba da bude T? Primer krtanje automobila u filmovima, zašto vidimo okretanje točkova i pri velikim brzinama, zašto točkovi idu u nazad?
18 Primer 1 Točak, ima jednu tačku na obodu
19 fs=25 Hz f=1 Hz (jedan obrtaj u sekundi) Primer 2
20 fs=25 Hz f=5 Hz (5 obrtaja u sekundi) Primer 3
21 fs=25 Hz f=24 Hz (24 obrtaja u sekundi) Primer 4
22 fs=25 Hz f=101 Hz (101 obrtaja u sekundi) Primer 5
23 Primer 6 close all clear fs=25; f=101; dt=1/fs; t=0:dt:1-dt; figure filename = 'f_101.gif'; x=[-1:0.01:1]; yg=sqrt(1-x.^2); yd=-sqrt(1-x.^2); y=cos(2*pi*f*t)+1i*sin(2*pi*f*t);
24 Primer 7 for br=1:length(t) plot(x,yg,'k',x,yd,'k',0.9*real(y(br)),0.9*imag(y(br)),'ro'); line([0 0.9*real(y(br))],[0 0.9*imag(y(br))]); axis('square'); drawnow frame=getframe(1); im=frame2im(frame); [A,map]=rgb2ind(im,256); end if br==1; imwrite(a,map,filename,'gif','loopcount',inf,'delaytime',dt); else imwrite(a,map,filename,'gif','writemode','append','delaytime',dt); end
25 Teorema o odabiranju Da bi signal mogao da se rekonstruiše iz svojih odbiraka (da bi bio na adekvatan način pedstavljen u t-diskretnom domenu) frekvencija odabiranja f s mora biti f m2 f m1 X c (f) f m1 X s (f) f m2 f f s 2 f m gde je f m maksimalna frekvencija u spektru signala koji diskretizujemo. U protivnom dolazi do preklapanja u spektru (aliasing). aliasing (preklapanje u spektru) -2f s -f s f m1 2f s f s f s 2f s f fs fm m2 2 f m1 X s (f) f f f s s m 1 f m2 2f s f f
26 Teorema odabiranja primer generisanja sinusoide close all; clear; N=100; fs=1000; f1=100; f2=900; Dt=1/fs; t=(0:dt:(n-1)*dt)'; x1=cos(2*pi*f1*t); x2=cos(2*pi*f2*t); figure,plot(t,x1,'linewidth',2); hold on plot(t,x2,'r:'); xlabel('\itt'); title('vremenski oblik signala'); legend('x_1','x_2'); X1=fftshift(abs(fft(x1)))/length(x1); X2=fftshift(abs(fft(x2)))/length(x2); Df=fs/N; f=(-fs/2:df:fs/2-df); figure,s1=stem(f,x1); hold on set(s1,'marker','o','markersize',6,'color',[0 0 1]); s2=stem(f,x2); set(s2,'marker','*','markersize',4,'color',[1 0 0]); xlabel('\itf'); title('spektri signala'); legend('x_1','x_2');
27 Teorema odabiranja primer generisanja sinusoide Vremenski oblik signala x 1 x 2 N=100; fs=1000; f1=100; f2=900; Dt=1/fs; t=(0:dt:(n-1)*dt)'; x1=cos(2*pi*f1*t); x2=cos(2*pi*f2*t); t
28 Teorema odabiranja primer generisanja sinusoide x c1 (t) Hz x c2 (t) Hz odbirci x 1 [n] odbirci x 2 [n] N=10; fs=1000; f1=100; f2=900; Dt=1/fs; t=(0:dt:(n-1)*dt)'; x1=cos(2*pi*f1*t); x2=cos(2*pi*f2*t); t
29 Teorema odabiranja primer generisanja sinusoide N=10; fs=1000; f1=100; f2=900; Dt=1/fs; t=(0:dt:(n-1)*dt)'; x1=cos(2*pi*f1*t); x2=cos(2*pi*f2*t); x 10-3 Kada simuliramo neki kontinualni proces, mi zapravo radimo sa nizom odbiraka signala (plave tačke na gornjoj slici)
30 Teorema odabiranja primer generisanja sinusoide Spektri signala x 1 x 2 X1=fftshift(abs(fft(x1)))/length(x1); X2=fftshift(abs(fft(x2)))/length(x2); Df=fs/N; f=(-fs/2:df:fs/2-df); f
31 Spektri signala Kada pravimo simulaciju koja podrazumeva kontinualne signale, spektre signala, u stvari, simulacijom procenjujemo na osnovu spektra diskretnog signala (koji jedino imamo na raspolaganju, odnosno možemo da ga numerički sračunamo na osnovu odbiraka signala) Drugi mogući pristup je da se kombinuje simulacija sa analitičkim proračunima
32 Spektri signala Procena spektra signala zavisi od toga koliko smo se pametno uklopili u ograničenja koja realno postoje Ima smisla (na osnou teoreme o odabiranju) posmatrati opseg frekvencija (-fs/2 fs/2), fs frekvencija odabiranja [Hz]
33 Spektri signala Ograničenja u proceni spektra signala proističu iz same činjenice da smo signal diskretizovali Moguće su i grube greške koje nastaju kao posledina našeg nepoznavanja tehnika, matematičkih modela i alata koji se koriste
34 Spektri signala Procena dvostranog spektra (najjednostavnija, često nedovoljno dobra) X1=fftshift(abs(fft(x1)))/length(x1); fft Built in MATLAB funkcija koja računa DFT (Discrete Fourier Transform) N 1 n 0 kn j 2 N X k x n e, 0 k N 1 X[k] odbirci procene spektra (gruba definicija) kompleksan niz x[n] odbirci signala (dobijeni na neki način, generisani ili učitani)
35 Spektri signala X1=fftshift(abs(fft(x1)))/length(x1); fftshift MATLAB funkcija koja obrće niz tako da predstava bude što sličnija onoj iz telekomunikacija (spektar centriran oko nule) abs MATLAB funkcija koja računa moduo
36 Primer prostoperiodični signali N=100; fs=1000; f1=100; Dt=1/fs; t=(0:dt:(n-1)*dt)'; x1=sin(2*pi*f1*t); x2=2*cos(2*pi*f1*t); figure,plot(t,x1,t,x2), xlabel('\itt'); title('vremenski oblik signala'); legend('x_1','x_2');
37 Primer prostoperiodični signali X1=fftshift((fft(x1)))/length(x1); X2=fftshift((fft(x2)))/length(x2); Df=fs/N; f=(-fs/2:df:fs/2-df); figure,stem(f,[real(x1) real(x2)]), xlabel('\itf'); title('spektri signala - realni deo'); x1=sin(2*pi*f1*t); x2=2*cos(2*pi*f1*t); 2 f0 2 f0 f f 2 2 f t A0 cos 2 f0t F f A f0 2 f0 f f 2 2 f t A0 sin 2 f0t F f A 0 2 j
38 Primer prostoperiodični signali figure,stem(f,[imag(x1) imag(x2)]), xlabel('\itf'); title('spektri signala - imaginarni deo'); x1=sin(2*pi*f1*t); x2=2*cos(2*pi*f1*t); 2 f0 2 f0 f f 2 2 f t A0 cos 2 f0t F f A f0 2 f0 f f 2 2 f t A0 sin 2 f0t F f A 0 2 j
39 Primer prostoperiodični signali figure,stem(f,[abs(x1) abs(x2)]), xlabel('\itf'); title('spektri signala - moduo'); x1=sin(2*pi*f1*t); x2=2*cos(2*pi*f1*t); 2 f0 2 f0 f f 2 2 f t A0 cos 2 f0t F f A f0 2 f0 f f 2 2 f t A0 sin 2 f0t F f A 0 2 j
40 Primer prostoperiodični signali close all; clear; N=100; fs=1000; f=105; Dt=1/fs; t=(0:dt:(n-1)*dt)'; x=sin(2*pi*f*t); figure,plot(t,x), xlabel('\itt'); X=fftshift((fft(x)))/length(x); Df=fs/N; f=(-fs/2:df:fs/2-df); figure,stem(f,abs(x)), xlabel('\itf');? 2 f0 2 f0 f f 2 2 f t A0 cos 2 f0t F f A f0 2 f0 f f 2 2 f t A0 sin 2 f0t F f A 0 2 j
41 Primer prostoperiodični signali Zašto spektar ne izgleda kao po formuli? Gde smo pogrešili? Zapravo, nismo pogrešili, jednostavno, procena spektra kontinualnog signala na ovaj način ima ograničenja koja će postati jasnija kasnije u toku studija
42 Učitavanje audio fajlova 1 close all clear [x,fs]=audioread('govor_8000.wav'); t=(0:length(x)-1)'; figure,plot(t,x); xlabel('\itt'); ylabel('{\itx}({\itt})'); Df=fs/length(x); f=(-fs/2:df:fs/2-df); X=fftshift((fft(x)))/length(x); figure,plot(f,abs(x)); xlabel('\itf'); ylabel('{\itx}({\itf})'); x(t) t x x X(f) f s je određeno frekvencijom odabiranja sa kojom je snimljen signal koji smo učitali (učitava se kao parametar iz *.wav fajla) f
43 Puštanje audio fajlova close all clear [x1,fs]=audioread('govor_8000.wav'); x2=x1.*(0:length(x1)-1)'/length(x1); t=(0:length(x1)-1)'; figure,plot(t,x1,t,x2,'r:'); xlabel('\itt'); legend('x_1','x_2'); p=audioplayer(x2,fs); play(p); 1 x x t x 10 5
44 Učitavanje slika close all clear info_slika=imfinfo('naslovna_sneg','jpg'); info_slika = Filename: 'M:\backup_fujitsu_2017_02_18\D\nastava\psa\2016_2017\naslovna_sneg.jpg' FileModDate: '12-Apr :59:42' FileSize: Format: 'jpg' FormatVersion: '' Width: 320 Height: 240 BitDepth: 24 ColorType: 'truecolor' FormatSignature: '' NumberOfSamples: 3 CodingMethod: 'Huffman' CodingProcess: 'Sequential' Comment: {}
45 Učitavanje slika close all clear info_slika=imfinfo('naslovna_sneg','jpg'); slika=imread('naslovna_sneg.jpg'); size(slika) slika(1:3,1:3,1) ans = >> whos Name Size Bytes Class Attributes ans = ans 1x3 24 double info_slika 1x struct slika 240x320x uint8
46 Jednostavno prikazivanje slika slika(150:200,160,1)=255; slika(150:200,200,1)=255; slika(150,160:200,1)=255; slika(200,160:200,1)=255; slika(150:200,160,2)=0; slika(150:200,200,2)=0; slika(150,160:200,2)=0; slika(200,160:200,2)=0; slika(150:200,160,3)=0; slika(150:200,200,3)=0; slika(150,160:200,3)=0; slika(200,160:200,3)=0; imshow(slika);
47 Povorka impulsa Koristi se MATLAB funkcija randsrc(br_vrsta,br_kolona,[alphabet; prob]). Funkciju koristimo tako da daje približno jednak broj nula i jedinica. 1 Da bi se modelovao digitalni signal (telekom terminologija), potrebno je produžiti svaku nulu ili jedinicu t
48 Primer 1 %% Povorka nula i jedinica - unipolarna close all; clear; N=10; %broj impulsa xd=randsrc(n,1,[0 1]); %generisanje nula i jedinica, p0=0.5 N_odb_po_imp=8; %broj odbiraka po impulsu xi=zeros(n*n_odb_po_imp,1); for br=1:n xi((br-1)*n_odb_po_imp+1:br*n_odb_po_imp)=xd(br); end; T=0.01; % trajanje impulsa t=(0:length(xi)-1)'*t/n_odb_po_imp; figure,plot(t,xi,'.'),xlabel('t'),ylim([ ]); figure,plot(t,xi),xlabel('t'),ylim([ ]);
49 Primer Trajanje usponske ivice ΔT t N=8 odbiraka po impulsu T=0.01s trajanje impulsa fs=n/t (ΔT=1/fs=T/N) t
50 Filtri LowPass propušta sve frekvencije od 0 do f g (propusnik niskih frekvencija NF) HighPass propušta sve frekvencije od f g (propusnik visokih vrekvencija VF) BandPass propušta sve frekvencije između f g1 i f g2 (propusnik opsega PO) BandStop ne propušta frekvencije između f g1 i f g2 (nepropusnik opsega PO)
51 Filtri LP 1 H(jf) % projektovanje filtra fs=10000; % frekvencija odabiranja fg=200; % granica propusnog opsega filtra N=5; % red filtra [b,a]=butter(n,fg/(fs/2)); % funkcija koja projektuje Butterworth-ov filtar reda N f % filtriranje y=filter(b,a,x); f g
52 Filtri HP 1 H(jf) fs=10000; % frekvencija odabiranja fg=200; % granica propusnog opsega filtra N=5; % red filtra [b,a]=butter(n,fg/(fs/2),'high'); % funkcija koja projektuje Butterworth-ov filtar reda N f % filtriranje y=filter(b,a,x); f g
53 Filtri BP 1 H(jf) fs=10000; % frekvencija odabiranja fg1=200; fg2=500; fg=[fg1 fg2]; % granice propusnog opsega filtra N=5; % polovina reda filtra [b,a]=butter(n,fg/(fs/2)); % funkcija koja projektuje Butterworth-ov filtar reda N f % filtriranje y=filter(b,a,x); f g1 f g2
54 Primeri Primer 1 - filtar propusnik niskih frekvencija Primer 2 - filtar propusnik visokih frekvencija Primer 3 - filtar propusnik opsega frekvencija Primer 4 filtriranje muzičkog signala
55 LP %% Filtar propusnik niskih frekvencija % projektovanje filtra close all; clear; fs=10000; % frekvencija odabiranja fg=1000; % granica propusnog opsega filtra N=5; % red filtra [b,a]=butter(n,fg/(fs/2)); % funkcija koja projektuje Butterworth-ov filtar reda N N se zove red filtra i biramo ga da bude 5 ili 7, veći red filtra daje filtar čija amplitudska karakteristika više liči na idealnu ali može doći do problema pri implementaciji, tj. izbor reda filtra je inženjrski kompromis
56 LP [b,a]=butter(n,fg/(fs/2)); % test signal DT=1/fs; t=(0:dt:10)'; %vektor vremenskih trenutaka u kojima se vrsi odabiranje signala x=cos(2*pi*t*500)+cos(2*pi*2000*t); % filtriranje y=filter(b,a,x); % crtanje figure,plot(t,x,t,y),xlabel('t'); xlim([0 0.01]) Filtriranje signala, b i a koeficijenti dobijeni funkcijom koja projektuje filtar, x ulazni signal, y izlazni signal Uspostavljanje ustaljenog režima, u ozbiljnoj simulaciji bi odsekli ovaj deo signala
57 LP % spektri - drugi na?in, Nf broj ta?aka po frekvencijskoj osi (jednostrani spektar) Nf=100; f=(0:nf-1)/nf*fs/2; X=2*freqz(x,1,Nf,fs)/length(x); Y=2*freqz(y,1,Nf,fs)/length(y); H=freqz(b,a,Nf,fs); figure,plot(f,abs(x),f,abs(y),f,abs(h)); Spektri signala jednostrani, Nf - broj tačaka po f osi treba da bude realtivno veliki, tipično 100<Nf<10000, ako ne znamo bolje, možemo uzeti da je Nf=fs/2 Frekvencijski odziv filtra (terminologija SiS i obrada signala) odnosno funkcija prenosa (terminologija telekom)
58 LP l1=line([0 fg],[1 1]); l2=line([fg fg],[0 1]); l3=line([fg fs/2],[0 0]); set([l1,l2,l3],'color',[1 0 0],'linewidth',2,'linestyle',':'); xlabel('f'); legend('ulaz','izlaz','realan filtar','idealan filtar'); Karakteristiku idealnog filtra crtamo na silu, kao tri linije Projektovani filtar odstupa od idealnog
59 HP %% Filtar propusnik visokih frekvencija % projektovanje filtra close all; clear; fs=10000; % frekvencija odabiranja fg=2000; % granica propusnog opsega filtra N1=5; % red filtra N2=11; [b1,a1]=butter(n1,fg/(fs/2),'high'); % funkcija koja projektuje Butterworth-ov filtar reda N [b2,a2]=butter(n2,fg/(fs/2),'high'); Nf=100; f=(0:nf-1)/nf*fs/2; H1=freqz(b1,a1,Nf,fs); H2=freqz(b2,a2,Nf,fs); figure,plot(f,abs(h1),f,abs(h2)); legend('n_1=5','n_2=11');
60 HP % test signal DT=1/fs; t=(0:dt:0.1)'; %vektor vremenskih trenutaka u kojima se vrsi odabiranje signala x=cos(2*pi*t*50)+cos(2*pi*3000*t); % filtriranje y=filter(b1,a1,x); % crtanje figure,plot(t,x,t,y),xlabel('t'); % spektri Nf=100; f=(0:nf-1)/nf*fs/2; X=2*freqz(x,1,Nf,fs)/length(x); Y=2*freqz(y,1,Nf,fs)/length(y); figure,plot(f,abs(x),f,abs(y)),xlabel('f');
61 HP
62 BP
63 Gausov šum Koristi se MATLAB funkcija randn(br_vrsta,br_kolona). Funkcija odgovara normalizovanoj Gausovoj raspodeli, =0, =1. Ovako modelovan šum je, zapravo, spektralno ograničen [0 f s /2]. Da bi se modelovao šum zadate srednje vrednosti =mi0 i zadate srednje kvadratne vrednosti 2 =varijansa_suma n=mi0+sqrt(varijansa_suma)*randn(br_vr,br_kol);
64 Primeri Primer 1 beli Gausov šum Primer 2 filtriran šum
65 Primer 2 filtriran šum
66 Primer 2 filtriran šum
67 Primer 2 filtriran šum
68 Integracija Koristi se MATLAB funkcija izlaz=cumsum(ulaz). t y t x d 0 d T k T t n T n y n T x k T T k 0 n k 0 y n T x k Ovo može i bolje, ali za prvi korak je Ok i ovako y=cumsum(x)*dt;
69 Primeri Primer 1 integracija cos funkcije Primer 2 periodicna povorka pravougaonih impulsa Primer 3 integrator s rasterećenjem
70 Primer 1 %% Primer 15 - Integrator close all; clear; fs=10000; % frekvencija odabiranja % test signal DT=1/fs; t=(0:dt:0.1)'; %vektor vremenskih trenutaka u kojima se vrsi odabiranje signala x=cos(2*pi*t*100); y=cumsum(x)*dt; yt=sin(2*pi*t*100)/(2*pi*100); figure,plot(t,y,t,yt,'r'),xlabel('t'); legend('simulacija','teorija')
71 Primer 2 %% Primer 16 - Povorka nula i jedinica - polarna + integrator close all; clear; %Povorka nula i jedinica - polarna close all; clear; N=10; %broj bita xd=ones(n,1); xd(2:2:end)=-1; %napunimo niz sa 1 pa svaki drugi odbirak zamenimo sa -1 N_odb_po_imp=100; %broj odbiraka po impulsu x=zeros(n*n_odb_po_imp,1); for br=1:n x((br-1)*n_odb_po_imp+1:br*n_odb_po_imp)=xd(br); end; T=1; % trajanje impulsa (impuls (1) pauza (-1) perioda je 2); t=(0:length(x)-1)'*t/n_odb_po_imp; figure,plot(t,x),xlabel('t'),ylim([ ]); % integrator DT=T/N_odb_po_imp; y=cumsum(x)*dt; figure,plot(t,x,t,y),xlabel('t'); crtanje_ds_spektra([x y],1/dt); xlim([-3 3]);
72 Primer 2
73 Primer 2
74 Primer 3 close all; clear; N=10; %broj impulsa xd=randsrc(n,1,[-1 1]); %generisanje nula i jedinica, p0=0.5 N_odb_po_imp=100; %broj odbiraka po impulsu x=zeros(n*n_odb_po_imp,1); for br=1:n x((br-1)*n_odb_po_imp+1:br*n_odb_po_imp)=xd(br); end; T=1; % trajanje impulsa DT=T/N_odb_po_imp; t=(0:length(x)-1)'*dt; % integrator y=cumsum(x)*dt; % integrator s rasterecenjem z=zeros(size(x)); for br_1=1:length(xd) for br_2=1:n_odb_po_imp z((br_1-1)*n_odb_po_imp+1:br_1*n_odb_po_imp)= cumsum(x((br_1-1)*n_odb_po_imp+1:br_1*n_odb_po_imp))*dt; end; end; figure,plot(t,x,t,y,t,z),xlabel('t'); legend('ulaz','integrator','integrator sa rasterecenjem');
75 Pimer 3
76 Diferenciranje dx y t dt dt T t dx y y n T t x n T n x x t n T x n 1 x x T n x n 1 T T I ovo može bolje, ali je za početak ovo Ok y(1)=x(1); y(2:end)=(x(2:end)-x(1:end-1))/dt;
77 Primeri Primer 1 diferenciranje cos funkcije Primer 2 diferenciranje povorke impulsa
78 Primer 1 close all; clear; fs=1000; % frekvencija odabiranja % test signal DT=1/fs; t=(0:dt:0.1)'; %vektor vremenskih trenutaka u kojima se vrsi odabiranje signala x=cos(2*pi*t*100); y=x; y(2:end)=(x(2:end)-x(1:end-1)); y=y/dt; yt=-2*pi*100*sin(2*pi*t*100); figure,plot(t*fs,y,t*fs,yt),xlabel('t'); legend('simulacija','teorija');
79 Primer 1
80 Primer 2 close all; clear; N=10; %broj impulsa xd=randsrc(n,1,[-1 1]); %generisanje nula i jedinica, p0=0.5 N_odb_po_imp=100; %broj odbiraka po impulsu x=zeros(n*n_odb_po_imp,1); for br=1:n x((br-1)*n_odb_po_imp+1:br*n_odb_po_imp)=xd(br); end; x=2*(x(:)-0.5); T=1; % trajanje impulsa DT=T/N_odb_po_imp; t=(0:length(x)-1)'*dt; plot(t,x),xlabel('t'),ylim([ ]); % diferenciranje y=x; y(2:end)=(x(2:end)-x(1:end-1))/dt; figure,plot(t,x,t,y),xlabel('t'),ylim([-5 5]);
81 Primer 2
82 Primer prenosa u osnovnom Odlučivanje opsegu Korišćenje regeneratora, korišćenje pojačavača Dukić, Principi telekomunikacija, Slika, Prijemnik sa integracijom i rasterećenjem Dukić, Principi telekomunikacija, 7.6.4
Obrada 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 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 περισσότεραRačunarska grafika. Rasterizacija linije
Računarska grafika Osnovni inkrementalni algoritam Drugi naziv u literaturi digitalni diferencijalni analizator (DDA) Pretpostavke (privremena ograničenja koja se mogu otkloniti jednostavnim uopštavanjem
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 περισσότεραIZVODI ZADACI ( IV deo) Rešenje: Najpre ćemo logaritmovati ovu jednakost sa ln ( to beše prirodni logaritam za osnovu e) a zatim ćemo
IZVODI ZADACI ( IV deo) LOGARITAMSKI IZVOD Logariamskim izvodom funkcije f(), gde je >0 i, nazivamo izvod logarima e funkcije, o jes: (ln ) f ( ) f ( ) Primer. Nadji izvod funkcije Najpre ćemo logarimovai
Διαβάστε περισσότεραRačunarska grafika. Rasterizacija linije
Računarska grafika Osnovni inkrementalni algoritam Drugi naziv u literaturi digitalni diferencijalni analizator (DDA) Pretpostavke (privremena ograničenja koja se mogu otkloniti jednostavnim uopštavanjem
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 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 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 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 περισσότεραPRAVA. Prava je u prostoru određena jednom svojom tačkom i vektorom paralelnim sa tom pravom ( vektor paralelnosti).
PRAVA Prava je kao i ravan osnovni geometrijski ojam i ne definiše se. Prava je u rostoru određena jednom svojom tačkom i vektorom aralelnim sa tom ravom ( vektor aralelnosti). M ( x, y, z ) 3 Posmatrajmo
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 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 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 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 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 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 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 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 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 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 περισσότεραOsnovne teoreme diferencijalnog računa
Osnovne teoreme diferencijalnog računa Teorema Rolova) Neka je funkcija f definisana na [a, b], pri čemu važi f je neprekidna na [a, b], f je diferencijabilna na a, b) i fa) fb). Tada postoji ξ a, b) tako
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 περισσότεραElektrična merenja Digitalni merni instrumenti. Diskretizacija/digitalizacija signala
Električna merenja Digitalni merni instrumenti Diskretizacija/digitalizacija signala Digitalizacija Diskretizacija po vremenu (odabiranje, sampling, uzorkovanje) Diskretizacija po amplitudi (kvantizacija)
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 περισσότεραZadaci sa prethodnih prijemnih ispita iz matematike na Beogradskom univerzitetu
Zadaci sa prethodnih prijemnih ispita iz matematike na Beogradskom univerzitetu Trigonometrijske jednačine i nejednačine. Zadaci koji se rade bez upotrebe trigonometrijskih formula. 00. FF cos x sin x
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 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 περισσότεραFTN Novi Sad Katedra za motore i vozila. Teorija kretanja drumskih vozila Vučno-dinamičke performanse vozila: MAKSIMALNA BRZINA
: MAKSIMALNA BRZINA Maksimalna brzina kretanja F O (N) F OI i m =i I i m =i II F Oid Princip određivanja v MAX : Drugi Njutnov zakon Dokle god je: F O > ΣF otp vozilo ubrzava Kada postane: F O = ΣF otp
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 περισσότεραTermovizijski sistemi MS1TS
Termovizijski sistemi MS1TS Vežbe 02 primer 1 MATLAB funkcija conv. f x = rect x rect x 2 ( ) ( ) ( ) y=conv(rectangle_function(x),rectangle_function(x-2)); figure,subplot(3,1,1),plot(x,rectangle_function(x)),xlabel('\itx'),ylabel('rect({\itx})');
Διαβάστε περισσότερα2log. se zove numerus (logaritmand), je osnova (baza) log. log. log =
( > 0, 0)!" # > 0 je najčešći uslov koji postavljamo a još je,, > 0 se zove numerus (aritmand), je osnova (baza). 0.. ( ) +... 7.. 8. Za prelazak na neku novu bazu c: 9. Ako je baza (osnova) 0 takvi se
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 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 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 περισσότερα( , 2. kolokvij)
A MATEMATIKA (0..20., 2. kolokvij). Zadana je funkcija y = cos 3 () 2e 2. (a) Odredite dy. (b) Koliki je nagib grafa te funkcije za = 0. (a) zadanu implicitno s 3 + 2 y = sin y, (b) zadanu parametarski
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 περισσότεραKontrolni zadatak (Tačka, prava, ravan, diedar, poliedar, ortogonalna projekcija), grupa A
Kontrolni zadatak (Tačka, prava, ravan, diedar, poliedar, ortogonalna projekcija), grupa A Ime i prezime: 1. Prikazane su tačke A, B i C i prave a,b i c. Upiši simbole Î, Ï, Ì ili Ë tako da dobijeni iskazi
Διαβάστε περισσότεραMATEMATIKA 2. Grupa 1 Rexea zadataka. Prvi pismeni kolokvijum, Dragan ori
MATEMATIKA 2 Prvi pismeni kolokvijum, 14.4.2016 Grupa 1 Rexea zadataka Dragan ori Zadaci i rexea 1. unkcija f : R 2 R definisana je sa xy 2 f(x, y) = x2 + y sin 3 2 x 2, (x, y) (0, 0) + y2 0, (x, y) =
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 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 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 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 περισσότεραBetonske konstrukcije 1 - vežbe 3 - Veliki ekscentricitet -Dodatni primeri
Betonske konstrukcije 1 - vežbe 3 - Veliki ekscentricitet -Dodatni primeri 1 1 Zadatak 1b Čisto savijanje - vezano dimenzionisanje Odrediti potrebnu površinu armature za presek poznatih dimenzija, pravougaonog
Διαβάστε περισσότεραTeorijske osnove informatike 1
Teorijske osnove informatike 1 9. oktobar 2014. () Teorijske osnove informatike 1 9. oktobar 2014. 1 / 17 Funkcije Veze me du skupovima uspostavljamo skupovima koje nazivamo funkcijama. Neformalno, funkcija
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 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 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 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 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 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 περισσότερα41. Jednačine koje se svode na kvadratne
. Jednačine koje se svode na kvadrane Simerične recipročne) jednačine Jednačine oblika a n b n c n... c b a nazivamo simerične jednačine, zbog simeričnosi koeficijenaa koeficijeni uz jednaki). k i n k
Διαβάστε περισσότερα( , treći kolokvij) 3. Na dite lokalne ekstreme funkcije z = x 4 + y 4 2x 2 + 2y 2 3. (20 bodova)
A MATEMATIKA (.6.., treći kolokvij. Zadana je funkcija z = e + + sin(. Izračunajte a z (,, b z (,, c z.. Za funkciju z = 3 + na dite a diferencijal dz, b dz u točki T(, za priraste d =. i d =.. c Za koliko
Διαβάστε περισσότεραKlasifikacija blizu Kelerovih mnogostrukosti. konstantne holomorfne sekcione krivine. Kelerove. mnogostrukosti. blizu Kelerove.
Klasifikacija blizu Teorema Neka je M Kelerova mnogostrukost. Operator krivine R ima sledeća svojstva: R(X, Y, Z, W ) = R(Y, X, Z, W ) = R(X, Y, W, Z) R(X, Y, Z, W ) + R(Y, Z, X, W ) + R(Z, X, Y, W ) =
Διαβάστε περισσότεραIZRAČUNAVANJE POKAZATELJA NAČINA RADA NAČINA RADA (ISKORIŠĆENOSTI KAPACITETA, STEPENA OTVORENOSTI RADNIH MESTA I NIVOA ORGANIZOVANOSTI)
IZRAČUNAVANJE POKAZATELJA NAČINA RADA NAČINA RADA (ISKORIŠĆENOSTI KAPACITETA, STEPENA OTVORENOSTI RADNIH MESTA I NIVOA ORGANIZOVANOSTI) Izračunavanje pokazatelja načina rada OTVORENOG RM RASPOLOŽIVO RADNO
Διαβάστε περισσότεραTermovizijski sistemi MS1TS
Termovizijski sistemi MS1TS Vežbe 03 primer 1 Odredjivanje konvolucije numeričkom integracijom. x=(-2:0.01:2)'; f=triangle_function(x); y=zeros(length(x),1); for brojac=1:length(x) xt=x(brojac); r_f=@(u)triangle_function(u).*triangle_function(u-xt);
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 περισσότεραMatematka 1 Zadaci za drugi kolokvijum
Matematka Zadaci za drugi kolokvijum 8 Limesi funkcija i neprekidnost 8.. Dokazati po definiciji + + = + = ( ) = + ln( ) = + 8.. Odrediti levi i desni es funkcije u datoj tački f() = sgn, = g() =, = h()
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 περισσότεραInženjerska grafika geometrijskih oblika (5. predavanje, tema1)
Inženjerska grafika geometrijskih oblika (5. predavanje, tema1) Prva godina studija Mašinskog fakulteta u Nišu Predavač: Dr Predrag Rajković Mart 19, 2013 5. predavanje, tema 1 Simetrija (Symmetry) Simetrija
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 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 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 περισσότερα1 UPUTSTVO ZA IZRADU GRAFIČKOG RADA IZ MEHANIKE II
1 UPUTSTVO ZA IZRADU GRAFIČKOG RADA IZ MEHANIKE II Zadatak: Klipni mehanizam se sastoji iz krivaje (ekscentarske poluge) OA dužine R, klipne poluge AB dužine =3R i klipa kompresora B (ukrsne glave). Krivaja
Διαβάστε περισσότεραProgram testirati pomoću podataka iz sledeće tabele:
Deo 2: Rešeni zadaci 135 Vrednost integrala je I = 2.40407 42. Napisati program za izračunavanje koeficijenta proste linearne korelacije (Pearsonovog koeficijenta) slučajnih veličina X = (x 1,..., x n
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 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 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 περισσότεραL E M I L I C E LEMILICA WELLER WHS40. LEMILICA WELLER SP25 220V 25W Karakteristike: 220V, 25W, VRH 4,5 mm Tip: LEMILICA WELLER. Tip: LEMILICA WELLER
L E M I L I C E LEMILICA WELLER SP25 220V 25W Karakteristike: 220V, 25W, VRH 4,5 mm LEMILICA WELLER SP40 220V 40W Karakteristike: 220V, 40W, VRH 6,3 mm LEMILICA WELLER SP80 220V 80W Karakteristike: 220V,
Διαβάστε περισσότεραMatematika 4. t x(u)du + 4. e t u y(u)du, t e u t x(u)du + Pismeni ispit, 26. septembar e x2. 2 cos ax dx, a R.
Matematika 4 zadaci sa pro²lih rokova, emineter.wordpress.com Pismeni ispit, 26. jun 25.. Izra unati I(α, β) = 2. Izra unati R ln (α 2 +x 2 ) β 2 +x 2 dx za α, β R. sin x i= (x2 +a i 2 ) dx, gde su a i
Διαβάστε περισσότεραFTN Novi Sad Katedra za motore i vozila. Teorija kretanja drumskih vozila Vučno-dinamičke performanse vozila: MAKSIMALNA BRZINA
: MAKSIMALNA BRZINA Maksimalna brzina kretanja F O (N) F OI i m =i I i m =i II F Oid Princip određivanja v MAX : Drugi Njutnov zakon Dokle god je: F O > ΣF otp vozilo ubrzava Kada postane: F O = ΣF otp
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 περισσότερα- pravac n je zadan s točkom T(2,0) i koeficijentom smjera k=2. (30 bodova)
MEHANIKA 1 1. KOLOKVIJ 04/2008. grupa I 1. Zadane su dvije sile F i. Sila F = 4i + 6j [ N]. Sila je zadana s veličinom = i leži na pravcu koji s koordinatnom osi x zatvara kut od 30 (sve komponente sile
Διαβάστε περισσότεραKVADRATNA FUNKCIJA. Kvadratna funkcija je oblika: Kriva u ravni koja predstavlja grafik funkcije y = ax + bx + c. je parabola.
KVADRATNA FUNKCIJA Kvadratna funkcija je oblika: = a + b + c Gde je R, a 0 i a, b i c su realni brojevi. Kriva u ravni koja predstavlja grafik funkcije = a + b + c je parabola. Najpre ćemo naučiti kako
Διαβάστε περισσότεραDvanaesti praktikum iz Analize 1
Dvaaesti praktikum iz Aalize Zlatko Lazovi 20. decembar 206.. Dokazati da fukcija f = 5 l tg + 5 ima bar jedu realu ulu. Ree e. Oblast defiisaosti fukcije je D f = k Z da postoji ula fukcije a 0, π 2.
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 περισσότεραIZVODI ZADACI (I deo)
IZVODI ZADACI (I deo Najpre da se podsetimo tablice i osnovnih pravila:. C0.. (. ( 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 >0. (cos. (cos - π. (tg kπ cos. (ctg
Διαβάστε περισσότεραUVOD U ANALIZU I OBRADU SIGNALA
UVOD U ANALIZU I OBRADU SIGNALA Prof. dr. sc. Viktor Sučić Tehnički fakultet, Rijeka . Uvod. Uvod Signal: funkcija vremena kojom predstavljamo željenu fizikalnu varijablu promatranog sustava.. Uvod Signale
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 περισσότεραOM2 V3 Ime i prezime: Index br: I SAVIJANJE SILAMA TANKOZIDNIH ŠTAPOVA
OM V me i preime: nde br: 1.0.01. 0.0.01. SAVJANJE SLAMA TANKOZDNH ŠTAPOVA A. TANKOZDN ŠTAPOV PROZVOLJNOG OTVORENOG POPREČNOG PRESEKA Preposavka: Smičući napon je konsanan po debljini ida (duž pravca upravnog
Διαβάστε περισσότερα( ) ( ) 2 UNIVERZITET U ZENICI POLITEHNIČKI FAKULTET. Zadaci za pripremu polaganja kvalifikacionog ispita iz Matematike. 1. Riješiti jednačine: 4
UNIVERZITET U ZENICI POLITEHNIČKI FAKULTET Riješiti jednačine: a) 5 = b) ( ) 3 = c) + 3+ = 7 log3 č) = 8 + 5 ć) sin cos = d) 5cos 6cos + 3 = dž) = đ) + = 3 e) 6 log + log + log = 7 f) ( ) ( ) g) ( ) log
Διαβάστε περισσότεραSOPSTVENE VREDNOSTI I SOPSTVENI VEKTORI LINEARNOG OPERATORA I KVADRATNE MATRICE
1 SOPSTVENE VREDNOSTI I SOPSTVENI VEKTORI LINEARNOG OPERATORA I KVADRATNE MATRICE Neka je (V, +,, F ) vektorski prostor konačne dimenzije i neka je f : V V linearno preslikavanje. Definicija. (1) Skalar
Διαβάστε περισσότεραVJEŽBE 3 BIPOLARNI TRANZISTORI. Slika 1. Postoje npn i pnp bipolarni tranziostori i njihovi simboli su dati na slici 2 i to npn lijevo i pnp desno.
JŽ 3 POLAN TANZSTO ipolarni tranzistor se sastoji od dva pn spoja kod kojih je jedna oblast zajednička za oba i naziva se baza, slika 1 Slika 1 ipolarni tranzistor ima 3 izvoda: emitor (), kolektor (K)
Διαβάστε περισσότεραnvt 1) ukoliko su poznate struje dioda. Struja diode D 1 je I 1 = I I 2 = 8mA. Sada je = 1,2mA.
IOAE Dioda 8/9 I U kolu sa slike, diode D su identične Poznato je I=mA, I =ma, I S =fa na 7 o C i parametar n= a) Odrediti napon V I Kolika treba da bude struja I da bi izlazni napon V I iznosio 5mV? b)
Διαβάστε περισσότεραKOMUTATIVNI I ASOCIJATIVNI GRUPOIDI. NEUTRALNI ELEMENT GRUPOIDA.
KOMUTATIVNI I ASOCIJATIVNI GRUPOIDI NEUTRALNI ELEMENT GRUPOIDA 1 Grupoid (G, ) je asocijativa akko važi ( x, y, z G) x (y z) = (x y) z Grupoid (G, ) je komutativa akko važi ( x, y G) x y = y x Asocijativa
Διαβάστε περισσότεραRAČUNSKE VEŽBE IZ PREDMETA POLUPROVODNIČKE KOMPONENTE (IV semestar modul EKM) IV deo. Miloš Marjanović
Univerzitet u Nišu Elektronski fakultet RAČUNSKE VEŽBE IZ PREDMETA (IV semestar modul EKM) IV deo Miloš Marjanović MOSFET TRANZISTORI ZADATAK 35. NMOS tranzistor ima napon praga V T =2V i kroz njega protiče
Διαβάστε περισσότεραVerovatnoća i Statistika I deo Teorija verovatnoće (zadaci) Beleške dr Bobana Marinkovića
Verovatnoća i Statistika I deo Teorija verovatnoće zadaci Beleške dr Bobana Marinkovića Iz skupa, 2,, 00} bira se na slučajan način 5 brojeva Odrediti skup elementarnih dogadjaja ako se brojevi biraju
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 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 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 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 περισσότερα1 Pojam funkcije. f(x)
Pojam funkcije f : X Y gde su X i Y neprazni skupovi (X - domen, Y - kodomen) je funkcija ako ( X)(! Y )f() =, (za svaki element iz domena taqno znamo u koji se element u kodomenu slika). Domen funkcije
Διαβάστε περισσότερα5. Karsonov obrazac formulacija i značaj. Sirina spektra ugaono modulisanog signala - Karsonov obrazac B = 2(m+1) Fm
1. Modulišući signal je prostoperiodičan, tj. um(t)=umcos(2 fmt). Prikazati spektar KAM, AM-2BO i AM-1BO signala, kada je učestanost nosioca jednaka f0. 2. Dati definiciju AM-2BO/AM-1BO/KAM modulacije,
Διαβάστε περισσότεραTrigonometrija 2. Adicijske formule. Formule dvostrukog kuta Formule polovičnog kuta Pretvaranje sume(razlike u produkt i obrnuto
Trigonometrija Adicijske formule Formule dvostrukog kuta Formule polovičnog kuta Pretvaranje sume(razlike u produkt i obrnuto Razumijevanje postupka izrade složenijeg matematičkog problema iz osnova trigonometrije
Διαβάστε περισσότεραXI dvoqas veжbi dr Vladimir Balti. 4. Stabla
XI dvoqas veжbi dr Vladimir Balti 4. Stabla Teorijski uvod Teorijski uvod Definicija 5.7.1. Stablo je povezan graf bez kontura. Definicija 5.7.1. Stablo je povezan graf bez kontura. Primer 5.7.1. Sva stabla
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 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 περισσότεραVeleučilište u Rijeci Stručni studij sigurnosti na radu Akad. god. 2011/2012. Matematika. Monotonost i ekstremi. Katica Jurasić. Rijeka, 2011.
Veleučilište u Rijeci Stručni studij sigurnosti na radu Akad. god. 2011/2012. Matematika Monotonost i ekstremi Katica Jurasić Rijeka, 2011. Ishodi učenja - predavanja Na kraju ovog predavanja moći ćete:,
Διαβάστε περισσότεραObradi digitalnih signala i DSP. Primena mikroprocesora u energetici
Obradi digitalnih signala i DSP Primena mikroprocesora u energetici Kako i ašto je nastao digitalni signali procesor DSP Ralika imeñu mikroprocesora i DSP Mikrokontroleri su optimiirani a manipulisanje
Διαβάστε περισσότεραStabilnost i kauzalnost sistema
OT3OS 06.2.207. Stabilnost i kaualnost sistema Da bi sistem bio stabilan oblast konvergencije mora obuhvatati jedinični krug Da bi sistem bio kaualan oblast konvergencije mora se nalaiti ivan kruga koji
Διαβάστε περισσότερα