Marcin Kołodziej POLITECHNIKA WARSZAWSKA ZAKŁAD SYSTEMÓW INFORMACYJNO-POMIAROWYCH.

Slides:



Advertisements
Podobne prezentacje
OBLICZENIA NUMERYCZNE
Advertisements

Połączenia oporników a. Połączenie szeregowe: R1 R2 Rn i U1 U2 Un U.
Rysowanie w Java void drawString(String tekst, pozX, pozY)
Funkcje tworzące są wygodnym narzędziem przy badaniu zmiennych losowych o wartościach całkowitych nieujemnych. Funkcje tworzące pierwszy raz badał de.
Automaty asynchroniczne
Teoria maszyn i części maszyn
Obserwowalność System ciągły System dyskretny
UKŁADY TRÓJFAZOWE Marcin Sparniuk.
Dany jest układ różniczkowych
Metody ekonometryczne
Architektura systemów komputerowych
JEJ WŁASNOŚCI ORAZ RODZAJE
Studia Podyplomowe „Informatyka” dla Nauczycieli
WŁASNOŚCI FUNKCJI LINIOWEJ
Funkcje Barbara Stryczniewicz.
Metoda simpleks Simpleks jest uniwersalną metodą rozwiązywania zadań programowania liniowego. Jest to metoda iteracyjnego poprawiania wstępnego rozwiązania.
6. Układy kształtujące funkcje odcinkami prostoliniowymi
dr Przemysław Garsztka
Geograficzne bazy danych
PROJEKTOWANIE GRAFICZNE
DZIEDZINA I MIEJSCE ZEROWE FUNKCJI
ZŁOŻONOŚĆ OBLICZENIOWA
Sygnały i układy liniowe
Ekonometria wykladowca: dr Michał Karpuk
Teoria Sygnałów Literatura podstawowa:
Metody kollokacji Metoda pierwsza.
Metoda simpleks opracowanie na podstawie „Metody wspomagające podejmowanie decyzji w zarządzaniu” D. Witkowska, Menadżer Łódź Simpleks jest uniwersalną.
WŁASNOŚCI FUNKCJI LINIOWEJ
gdzie A dowolne wyrażenie logiczne ; x negacja x Tablice Karnaugha Minimalizacja A x+ A x=A gdzie A dowolne wyrażenie logiczne ;
Opis matematyczny elementów i układów liniowych
Układy sekwencyjne - pojęcie automatu
Synteza układów sekwencyjnych z (wbudowanymi) pamięciami ROM
Sztuczne Sieci Neuronowe
Ekonometria szeregów czasowych
Rozkład macierzy korelacji ze względu na wartości i wektory własne a problem głównych składowych Singular Value Decomposition SVD.
Teoria sterowania 2012/2013Sterowanie – użycie obserwatorów pełnych II Kazimierz Duzinkiewicz, dr hab. inż. Katedra Inżynierii Systemów Sterowania 1 Sterowanie.
Problem kodowania stanów w układach sekwencyjnych (automatach)
Problem kodowania stanów w układach sekwencyjnych (automatach)
Metody numeryczne SOWIG Wydział Inżynierii Środowiska III rok
Obserwatory zredukowane
II Zadanie programowania liniowego PL
Postać kanoniczna i iloczynowa równania funkcji kwadratowej.
Funkcja liniowa Wykonała: Dżesika Budzińska kl. II A.
Elementy Rachunku Prawdopodobieństwa i Statystyki
Zakładamy a priori istnienie rozwiązania α układu równań.
AD t t+1 PODSTAWY MAKROEKONOMII: Marek Garbicz, Wojciech Pacho
Dekompozycja Kalmana systemów niesterowalnych i nieobserwowalnych
II. Matematyczne podstawy MK
Początek, koniec lub przerwanie algorytmu
Wnioskowanie w stylu Takagi - Sugeno.
MOiPP Wykład 2 Matlab Tablice i ich zastosowania Wykresy Iteracja.
MOiPP Wykład 3 Matlab Przykłady prostych metod obliczeniowych.
Przekształcenia liniowe
II Zadanie programowania liniowego PL
MOiPP Wykład 7 Matlab cd..
Funkcje Barbara Stryczniewicz Co z tym zrobisz Ćwiczenia wstępne Opis funkcji,elementy Własności funkcji 4 Sposoby przedstawiania funkcji 5.
MOiPP Matlab Aproksymacja Interpolacja Inne metody obliczeniowe
D. Ciołek BADANIA OPERACYJNE – wykład 4
MOiPP Wykład 5 Matlab Przykłady praktyczne Równania różniczkowe.
Metody analizy współzależności dwóch cech Mieczysław Kowerski
Teoria sterowania SN 2014/2015Sterowalność, obserwowalność Kazimierz Duzinkiewicz, dr hab. inż.Katedra Inżynierii Systemów Sterowania 1 Sterowalność -
Systemy dynamiczne 2014/2015Obserwowalno ść i odtwarzalno ść  Kazimierz Duzinkiewicz, dr hab. in ż. Katedra In ż ynierii Systemów Sterowania 1 Obserwowalność.
Teoria sterowania SNUpraszczanie schematów blokowych transmitancyjnych – znajdowanie transmitancji zastępczej  Kazimierz Duzinkiewicz, dr hab. inż.Katedra.
315.W jakim czasie ciało swobodnie spadające przebędzie piąty metr swojej drogi?
Weryfikacja hipotez statystycznych
Regresja liniowa Dany jest układ punktów
Osoby prowadzące zajęcia z Informatyki (II część): Prof. Mirosław Czarnecki (W+L) Konsultacje:piątek (p. 302a)
Podstawy Informatyki.
działania na wielomianach
Algebra WYKŁAD 4 ALGEBRA.
Zapis prezentacji:

Marcin Kołodziej POLITECHNIKA WARSZAWSKA ZAKŁAD SYSTEMÓW INFORMACYJNO-POMIAROWYCH

Marcin Kołodziej POLITECHNIKA WARSZAWSKA ZAKŁAD SYSTEMÓW INFORMACYJNO-POMIAROWYCH

S1S1 S2S2 S3S3 X 1 = 0.1 * S * S * S 3 X 3 = 0.7 * S * S * S 3 X 2 = 0.3 * S * S * S 3 X=ASX=AS

x1 t x2 t

x1x1 x2x2

Wektor y o zerowej wartości średniej jest nazywany białym, jeśli jego macierz kowariancji (korelacji) definiowana jako wartość oczekiwana R xx = E {yy T } jest macierzą jednostkową Dowolny ciąg wektorów x(k) o zerowej wartości średniej można przekształcić do ciągu wektorów y typu białego przez następującą transformację liniową: y = W x

Macierz W jest nazywana macierzą wybielającą. Jej wybór musi być tak przeprowadzony, aby macierz R xx została przetransformowana w macierz jednostkową R yy R yy = E{yy T } = E{Wxx T W T } = E{WR xx W T } = 1 R xx = V x L x V x T W = L x -1/2 V x T

1) Wyznaczenie macierzy korelacji R xx 2) Dekompozycja macierzy R xx według wartości własnych R xx = V x L x V x T

3) Obliczenie macierzy wybielającej W W = L x -1/2 V x T 4) Wybielenie wektorów x przez transformację liniową y = W x

Separacja sygnałów jest możliwa poprzez transformację (zrzutowanie na wektor V x ): X sep =V x y

Fs=512; T=1/Fs; t=0:T:1-T; s1=sin(2*pi*3*t); s2=sin(2*pi*1*t); X=[s1;s2]; figure; plot(X');

x1=0.5*s1+0.7*s2; x2=0.7*s1+0.6*s2; figure; plot([s1;s2]');

Rxx=X*X'/length(X); [V,L]=eig(Rxx); W=inv(sqrt(L))*V; Y=W*X; y1=Y(1,:); y2=Y(2,:); figure; plot(Y');

Xsep=V*Y; figure; plot(Xsep');

x1x1 x2x2 figure; plot(x1,x2,'o',y1,y2,'x');

BSS x2=0.7*s1+0.6*s2 x1=0.5*s1+0.7*s2

Marcin Kołodziej POLITECHNIKA WARSZAWSKA ZAKŁAD SYSTEMÓW INFORMACYJNO-POMIAROWYCH