Pobieranie prezentacji. Proszę czekać

Pobieranie prezentacji. Proszę czekać

Zaawansowane metody analizy sygnałów Dr inż. Cezary Maj Dr inż. Piotr Zając Katedra Mikroelektroniki i Technik Informatycznych PŁ

Podobne prezentacje


Prezentacja na temat: "Zaawansowane metody analizy sygnałów Dr inż. Cezary Maj Dr inż. Piotr Zając Katedra Mikroelektroniki i Technik Informatycznych PŁ"— Zapis prezentacji:

1 Zaawansowane metody analizy sygnałów Dr inż. Cezary Maj Dr inż. Piotr Zając Katedra Mikroelektroniki i Technik Informatycznych PŁ

2 Informacje dr inż. Piotr Zając godziny przyjęć: wtorek 12-13, środa 10-11, pok. 48 strona WWW:fiona.dmcs.pl/~pzajac Literatura: Tomasz P. Zieliński Cyfrowe przetwarzanie sygnałów. Od teorii do zastosowań. Richard G. Lyons, "Wprowadzenie do cyfrowego przetwarzania sygnałów wikipedia

3 Definicje Sygnał – zmienność dowolnej wielkości fizycznej, która może być opisana za pomocą funkcji jednej f(x) lub wielu zmiennych f(x1,x2,x3…) Analiza sygnałów – ma na celu wydobycie informacji zawartej w sygnałach np. rozpoznanie treści sygnału mowy, diagnoza pacjenta na podstawie elektrokardiogramu, przewidywanie trzęsień na podstawie sygnałów geosejsmicznych…

4 Klasyfikacja sygnałów

5 Klasyfikacja sygnałów cd.. ciągłe czasu ciągłego x(t) dyskretne czasu ciągłegox k (t) ciągłe czasu dyskretnegox(n) cyfrowe (dyskretne czasu dyskretnego)x k (n)

6 Przykłady sygnałów

7 Przykłady sygnałów 2

8 Przykłady sygnałów 3

9 Przykłady sygnałów 4

10 Przykłady praktyczne

11 Parametry sygnałów Wartość średnia Energia Moc Wartość skuteczna Wariancja

12 Sygnał okresowy x(t)=x(t+kT) Może być aproksymowany przez szereg Fouriera czyli sumę sygnałów sinusoidalnych o odpowiednich częstotliwościach -> applet

13 Współczynniki Fouriera Sygnały nieparzyste – aproksymowane sinusami Sygnały parzyste – kosinusami Inne – szeregiem złożonym z sinusów i kosinusów

14 Współczynniki Fouriera

15 Przykłady Sygnał prostokątny Sygnał piłokształtny

16 Splot sygnałów Dla sygnałów ciągłych: Dla sygnałów dyskretnych:

17 Splot – wizualizacja 1.Wyraź funkcje jako funkcję tymczasowej zmiennej tau 2.Odwróć jedną z funkcji względem tau 3.Dodaj przesunięcie t 4.Przesuwaj t od – do +. Jeśli funkcje się przecinają, oblicz całkę z ich iloczynu.

18 Własności splotu Splot reprezentuje mechanizm filtracji jednego sygnału przez drugi. Filtr f(t) g(t) – odpowiedź impulsowa filtru f(t)*g(t) f(t)*g(t)=g(t)*f(t) (f(t)*g(t)) * h(t)=f(t) * (g(t)*h(t)) f(t)*g(t)+f(t)*h(t)=f(t) * (g(t)+h(t))

19 Korelacja sygnałów Jaka jest różnica między splotem a korelacją? Dla sygnałów ciągłych: Dla sygnałów dyskretnych:

20 Korelacja sygnałów 2 Korelacja funkcji f(t) i g(t) jest równoważna splotowi funkcji f*(-t) oraz g(t) Korelacja sygnałów jest miarą ich podobieństwa.

21 Korelacja - zastosowanie

22 Autokorelacja Autokorelacja (korelacja własna) – korelacja sygnału ze sobą (Wartość maksymalna zawsze dla t=0)

23 Transformata Fouriera X(f) jest zespolonym widmem Fouriera sygnału x(t) i zawiera informację o jego zawartości częstotliwościowej prosta odwrotna Można interpretować tę operację jako wyznaczanie miary korelacji do poszczególnych harmonicznych

24 Transformata Fouriera 2 Najważniejsza własność transformaty Fouriera:

25 Transformata Fouriera 3 Dla sygnałów dyskretnych: Widmo X(f) sygnału dyskretnego jest także okresowe i powtarza się co częstotliwość próbkowania f pr


Pobierz ppt "Zaawansowane metody analizy sygnałów Dr inż. Cezary Maj Dr inż. Piotr Zając Katedra Mikroelektroniki i Technik Informatycznych PŁ"

Podobne prezentacje


Reklamy Google