Beregninger på digitale signaler

Størrelse: px
Starte visningen fra side:

Download "Beregninger på digitale signaler"

Transkript

1 KAPITEL NI Beregninger på digitale signaler Et digitalt signals værdier kunne repræsenteres ved tal med et endeligt antal cifre (med endelig præcision ). Dette krav er en naturlig følge af, at digital signalbehandling sædvanligvis foretages med materiel, som har en endelig registerlængde. Hvilken betydning, det får for de udførte beregningers nøjagtighed, afhænger bl.a. af, hvilke talformater der benyttes, samt af hvorledes beregningerne organiseres. Da det ofte er af stor betydning inden for digital signalbehandling, at beregninger foregår hurtigt, medens kravet om slutresultatets nøjagtighed ofte ikke er særligt stort, vil det næsten altid kunne betale sig at planlægge beregningsgangen og fordelingen af det til rådighed værende antal cifre nøje. 9.1 Talformater og aritmetriske operationer Næsten al digital signalbehandling foregår i det binære talsystem. Når der kun er få bit til rådighed til at repræsentere det digitale signals værdier, benyttes ofte 2 s komplement notation. De to mest almindelige metoder at fortolke et bit-mønster på under disse omstændigheder er vist på figur 9.1. Ved digital signalbehandling benyttes i overvejende grad multiplikationer og additioner. For begge disse operationer gælder det, at antallet af bit i repræsentationen for resultatet er større end det antal bit, de enkelte operander er repræsenteret med (ved addition b + 1 bit, ved multiplikation 2b bit). Medens man altid vil kunne risikere overløb ved addition, får man kun overløb ved multiplikation, når der benyttes heltalsrepræsentation. Dette er begrundelsen for en vis forkærlighed for anvendelse af brøkdelsrepræsentationen. Da additionsoverløb kan forhindres ved en passende skalering, d.v.s. en multiplikation med 2 1 før additionen, er det almindelig kutyme at regne med, at additioner kan foretages korrekt, således at alle fejlkilder optræder ved signalbehandlingens multiplikationer. Multiplikationsresultater skal altså afkortes til b bit, og dette kan ske enten ved en afrunding eller ved en Figur 9.1: Format for brøkdel og for heltal. 167

2 Figur 9.2: Model for kvantisering af resultat efter multiplikation. Figur 9.3: Sandsynlighedstæthedsfunktionerne for afrunding og afskæring af resultatet efter multiplikation. afskæring 1. I begge tilfælde er der tale om en ikke-lineær modifikation af det digitale signals værdier. Virkningen af disse modifikationer er ikke let at udtrykke nøjagtigt. Der benyttes derfor en stokastisk signalmodel, som i høj grad minder om den, der anvendes ved omsætning fra analogt til digitalt signal omtalt i afsnit 9.2. Til hver multiplikation, som udføres på den ovenfor omtalte unøjagtige måde, associeres et lille s- tokastisk signal s(n), hvis signalværdier er forskellen mellem det korrekte resultat af multiplikationen og det afkortede resultat, som benyttes i de videre regninger (se figur 9.2). Om signalet s(n) antages det sædvanligvis 1. at s(n) et stokastisk uafhængig af såvel signalet x(n) som af andre signaler, der opstår som følge af anden signalbehandling. 2. at sandsynlighedstæthedsfunktionen w s (ξ) for s(n) er rektangulær, hvor ξ ligger i et interval af bredden 2 b, hvis beliggenhed er afhængig af, om bitafkortningen sker ved afskæring eller afrunding, se figur 9.3, samt 3. at effektspektret S s (f) for s(n) er hvidt, altså S s (f) = 2 2b /12 suppleret med en DC-komponent af størrelsen 2 b 1, når der benyttes afskæring. Forudsætningen 1) er ensbetydende med, at støjens AC-effekt på et givet sted i en digital signalbehandling kan beregnes som summen af de enkelte delsignalers AC-effekt henført til det nævnte sted. 1 Som bekendt er afskæring bortkastning af de overskydende cifre, hvorimod afrunding indebærer, at der til det korrekte multiplikationsresultat adderes et tal svarende til halvdelen af det mindst betydende bit i slutresultatet, hvorefter der afskæres. 168 Kapitel 9. Beregninger på digitale signaler

3 Hvad eventuelle DC-komponenter (hidrørende fra afskæring) angår, er de naturligvis helt korrelerede, og DC-effekten på et givet sted skal derfor beregnes på den måde, at DC-værdien først beregnes ved en summation af de enkelte DC-komponenter henført til det nævnte sted og derpå omsættes til en DCeffekt. På baggrund af denne signalmodel er det værd at fremhæve, at den rækkefølge, en forelagt digital signalbehandlings deloperationer i udføres i, kan få en ikke uvæsentlig indflydelse på slutresultatets nøjagtighed og støjfrihed. Et specielt problem frembyder konstanter, som indgår i den digitale signalbehandling, idet visse former for signalbehandling er meget følsomme for de uundgåelige unøjagtigheder, der følger af konstanternes repræsentation med et endeligt antal cifre. Også her gælder det, at man ved valg af en anden fremgangsmåde til at opnå den forlangte signalbehandling undertiden kan omgå vanskelighederne. Som grov hovedregel kan man anføre, at jo færre additioner og multiplikationer en digital signalbehandling består af jo bedre vil den normalt være i støjmæssig henseende 2. Med hensyn til beregninger foretaget på signalværdier i flydendetals repræsentation henvises til speciallitteraturen. 9.2 Kvantisering af samplede signaler Når det analoge og båndbegrænsede signal g a (t) skal omsættes til det digitale signal g(n), som repræsenteres ved hjælp af tal med endelig præcision, vil det ofte være således, at g(n) g a (n T ). Dette betyder, at g(n) og g a (t) ikke kan være helt ækvivalente. Betragter man nu et tænkt analogt signal, g k (t), som er båndbegrænset, og hvorom det gælder, at g k (n T ) = g(n), vil g k (t) og g(n) være ækvivalente. For ethvert n kan man således skrive hvor g e (n T ) er forskellen mellem g k (n T ) og g a (n T ). g k (n T ) = g a (n T ) + g e (n T ), (9.1) Man tænker sig nu, at g e (n T ) stammer fra en sampling af et lille båndbegrænset analogt signal g e (t), som kaldes kvantiseringsstøjen. Den digitale signalbehandling, som foretages på g(n), svarer derfor til en signalbehandling udført både på g a (t) og på g e (t). Er g a (t) et deterministisk signal, som er kendt, kan der korrigeres for afvigelserne, men denne situation er ikke særlig almindelig. Man antager derfor i reglen, at g a (t) er stokastisk, idet det derved bliver muligt at forudsige visse af fejlsignalet g e (t) s egenskaber Kvantiseringsstøjens egenskaber Antagelsen om, at g e (t) er stokastisk, er naturlig, såfremt g a (t) også er stokastisk. De resultater, der opnås på denne måde, viser sig imidlertid også at have gyldighed for andre former for signaler, når blot det antal cifre, som det digitale signal repræsenteres ved, ikke er alt for lille. Af afgørende betydning for beskrivelsen af g e (t) er kvantiseringskarakteristikkens form, dvs. sammenhængen mellem g a (n T ) og g(n). Den nævnte beskrivelse bliver enklest, når det antages, at alle karakteristikkens trin har samme bredde, e 0, dvs. at g a (t) s amplitudeområde deles op i lige store intervaller. Det er dog værd at bemærke, at denne forudsætning ofte ikke er opfyldt helt i praksis, enten fordi de elektroniske kredsløb, som udfører omsætningen, ikke er helt fejlfri, eller fordi man ved visse signaler - f.eks. tale - undertiden bevidst bruger varierende trinstørrelse. 2 I A. V. Oppenheim & R. W. Schafer: Digital Signal Processing, 1975, kap. 9, prob. 2, anføres det, at hvis man ved addition af mange heltal på 2 s komplement form på forhånd ved, at resultatet kan rummes inden for den givne registerlængde, spiller det ingen rolle, om der forekommer aritmetisk overløb undervejs i beregningerne Kvantisering af samplede signaler 169

4 Figur 9.4: Kvantiserings karakteristik. På figur 9.4 ses et eksempel på en sådan kvantiseringskarakteristik. Den værdi af g a (t), hvor g(n) skifter fra værdien 0 til værdien 3 1, kaldes e 1, og det ses umiddelbart, at 0 e 1 e 0 (9.2) Kvantiseringsstøjens sandsynlighedstæthedsfunktion Antager man, at e 0 er lille i forhold til bredden af sandsynlighedstæthedsfunktionen w a (ξ) for g a (t), kan man med den i afsnit 9.2 anførte sammenhæng mellem g e (n T ), g a (n T ) og g k (n T ) - og dermed med g(n) - let finde, at sammenhængen mellem g a (n T ) og g e (n T ) bliver som vist øverst på figur 9.5. Da sammenhængen er stykkevis lineær, må man for at finde kvantiseringsstøjens sandsynlighedstæthedsfunktion w e (η) benytte den metode, der er omtalt i afsnit I det interval, som indeholder g e (n T ) = 0, har man g e (n T ) = g a (n T ), (9.3) og følgelig gælder der her η = β(ξ) = ξ. (9.4) Bidraget fra w a (ξ) til w e (η) i dette interval fås altså som w e (n) = w a(γ(η)) β (γ(η)) = w a ( η), (9.5) hvor ξ = γ(η) er den omvendte funktion svarende til η = β(ξ). I det generelle tilfælde, når e 1 + (q 1)e 0 g a (n T ) e 1 + q e 0, (9.6) hvor q er et helt tal, bliver og resultatet bliver da hvor e 1 η e 0 e 1. η = β(ξ) = ξ + q e 0, (9.7) w e (η) = w a ( η + q e 0 ), (9.8) q= 3 eller svarende til den mindst betydende bit i talrepræsentationen for g(n) 170 Kapitel 9. Beregninger på digitale signaler

5 Figur 9.5: Udregningen af sandsynlighedstæthedsfunktionen for kvantiseringsstøjen. w e (η) er altså kun forskellig fra 0 i det nævnte interval, og den findes gennem en addition af forskudte dele af w a (η). Kan man forudsætte, at disse forskudte dele er meget smalle, og at w a (η) er skikkelig og symmetrisk om η = 0, vil w e (η) med god tilnærmelse blive rektangulær (se figur 9.6). Det er herefter enkelt at beregne kvantiseringsstøjens middelværdi og effekt. Man får og E{g e (n T )} = E{g 2 e(n T )} = e0 e 1 e0 e 1 e 1 ξ 1 e 0 dξ = 1 2 e 0 e 1 (9.9) e 1 ξ 2 1 e 0 dξ = e2 0 3 e 0e 1 + e 2 1. (9.10) Bemærk, at disse størrelser er uafhængige af g a (t) under de opstillede forudsætninger, samt at de kun er funktioner af e 0 og e 1. Blandt de mange mulige kvantiseringskarakteristikker, som forskellige værdier af e 1 giver anledning til, er specielt to interessante. Betragtes først tilfældet e 1 = 1 2 e 0, får karakteristikken den symmetriske form, som kan ses på figur 9.7. På figuren vises også w e (ξ) samt støjens middelværdi og effekt. Det vil bemærkes, at såfremt w a (ξ) ikke er bred sammenlignet med e 0, hvilket tidligere har været forudsat, vil g(n) en god del af tiden være lig nul, og g a (t) omsættes under sådanne omstændigheder kun dårligt. Tilfældet e 1 = e 0 giver anledning til en anden form for kvantiseringskarakteristik, se figur 9.8, som udviser andre karakteristika, når g a (t) er lille. Her vil alle fortegnsskift for g a (t) bevirke, at g(n) skifter mellem to naboværdier. Omsætningsstøjen vil derfor hele tiden være til stede i g(n). Man kan vise, at kvantiseringsstøjens effekt under disse omstændigheder er større, end den er for afrunding. Signal/støjforhold ved kvantisering Det opnåelige signal/støjforhold ved kvantiseringsprocessen kan bl.a. udtrykkes derved, at støjens RMSværdi ses i forhold til RMS-værdien af det størst mulige sinusformede signal, som uforvrænget kan omsættes Kvantisering af samplede signaler 171

6 Figur 9.6: Summation af bidragene til sandsynlighedstæthedsfunktionen for kvantiseringsstøjen. Figur 9.7: Sandsynlighedstæthedsfunktionen for afrunding ved kvantisering. Figur 9.8: Sandsynlighedstæthedsfunktionen for afskæring ved kvantisering. 172 Kapitel 9. Beregninger på digitale signaler

7 Benyttes en analog-digitalomsætter med b bit plus fortegn, kan det sinusformede signals spids-spids værdi højst være 2 2 b e 0. Har kvantiseringskarakteristikken den form, som ses på figur 9.7 (e 1 = 1 2 e 0), bliver signal/støjforholdet i db 20 log RMS {signal } RMS {kvantiseringsstøj } = 20 log 2 2b e e 0 = 7, , 02b db, (9.11) Kvantiseringsstøjens spektrum Kvantiseringsstøjen g e (t) er båndbegrænset med f g som øvre grænsefrekvens. Følgelig vil man kunne skrive g e (t) = g e (n T ) sin 2πf g(t n T ). (9.12) 2πf g (t n T ) n= For at få en rimelig let udledning af g e (t) s spektrum er det sædvanlig praksis at antage: 1. at det analoge signal g a (t) har passende store signalværdier i forhold til størrelsen e 0, samt 2. at disse signalværdier varierer passende usystematisk, således 3. at to støjværdier g e (n T ) og g e (q T ) er ukorrelerede for alle værdier af n q. Disse betingelser, som dels er affødt af ønsket om en enkel matematisk behandling af problemet, og som dels synes at stemme rimeligt godt med praksis, giver anledning til følgende regninger. Idet g e (t + τ) = q= g e (q T ) sin 2πf g(t + τ q T ), (9.13) 2πf g (t + τ q T ) vil kvantiseringsstøjens autokorrelationsfunktion kunne skrives på formen R e (τ) = E{g e (t)g e (t + τ)} (9.14) = E{g e (n T )g e (q T )} sin 2πf g(t n T ) sin 2πf g (t + τ q T ) 2πf g (t n T ) 2πf g (t + τ q T ) n= q= Ifølge betingelsen 3) ovenfor er { E{g 2 E{g e (n T )g e (q T )} = e (n T )} for n = q E 2 {g e (n T )} for n q (9.15) Betragtes nu først tilfældet E{g e (n T )} = 0, reduceres udtrykket for R e (τ) til R e (τ) = E{g 2 e(n T )} som kan skrives på formen q= sin 2πf g (t q T ) 2πf g (t q T ) R e (τ) = E{g 2 e(n T )} sin 2πf gτ 2πf g τ sin 2πf g (t + τ q T ), (9.16) 2πf g (t + τ q T ) (9.17) (se f.eks. appendix G). Heraf ses det straks, at kvantiseringsstøjens effekttæthedsspektrum S e (f) er båndbegrænset hvidt { 1 S e (f) = 2f g E{ge(n T 2 )} for f < f g (9.18) 0 ellers Kvantisering af samplede signaler 173

8 Er E{g e (n T )} = 0, tilføjes naturligvis til udtrykket for R e (τ) et konstant led svarende til kvantiseringsstøjens DC-effekt. Man får R e (τ) = E{(g e (n T ) E{g e (n T )}) 2 } sin 2πf gτ 2πf g τ + E 2 {g e (n T )}. (9.19) Følgelig kommer udtrykket for støjens effekttæthedsspektrum til at indeholde en δ-funktion ved f = 0, således at { 1 S e (f) = 2f g σ 2 {g e (n T )} + E 2 {g e (n T )} δ(f) for f < f g (9.20) 0 ellers. Som det er anført ovenfor, er de regninger, som er udført for at klarlægge kvantiseringsstøjens egenskaber, foregået på det analoge signal g e (t). Da g e (t) er båndbegrænset, er det i princippet muligt at overføre resultaterne til den digitale side. I praksis kan man imidlertid komme ud for, at det lille kvantiseringsstøjsignal ikke vil kunne repræsenteres med rimelig nøjagtighed i det talformat, som benyttes til beregningerne på de digitale signaler. Omsætningen af R e (τ) til digital form kan foretages på sædvanlig måde (se afsnit 8.3). Grov kvantisering Ved udtrykket grov kvantisering forstås den situation, der opstår, når w a (ξ) ikke længere kan anses for at være meget bredere end e 0. Den enkle udledning af kvantiseringsstøjense egenskaber ovenfor holder da ikke altid. Man kan dog vise, at det er muligt at nøjes med en kvantisering i få niveauer og alligevel få resultater, som er nøjagtige. Dette gælder specielt bestemmelse af middelværdier for stokastiske signaler (se f.eks. G. A. Korn: Random Process Simulation and Measurements, McGraw-Hill, 1966). Visse signaler - som tale f.eks. - varierer meget i styrke. Dette indebærer, at kvantiseringsstøjen kan blive generende, hvis A-D omsætterens område ikke udnyttes optimalt. Dette forhold kan i nogen grad afhjælpes ved addition af et lille støjsignal til det analoge signal før kvantiseringen. Efter kvantiseringen subtraheres det samme signal, og denne proces gør under navnet dither Digitale filtre Signalbehandling i et digitalt filter kan udtrykkes ved differensligningen y(n) = N 1 p=0 M 1 a p x(n p) + r=1 b r y(n r). (9.21) I udtrykket er x(n) indgangssignalet til filtret, y(n) udgangssignalet fra filtret og a p og b r filterkoefficienterne. Filtreringen udføres således ved en vægtet summation af indgangssignalet og tidligere udgangsværdier fra filteret. Hvis alle b r koefficienterne er lig 0 kaldes filteret et FIR (Finite Impulse Response) filter, da impulssvaret har endelig varighed. Hvis b r koefficienterne er forskellige fra 0 kaldes det et IIR (Infinite Impulse Response) filter. 4 N. S. Jayant og L. R. Rabiner: The Application of Dither to the Quantization of Speech Signales, B.S.T.J., Vol. 51, No. 6, July-August, Kapitel 9. Beregninger på digitale signaler

9 For et filter, hvor koefficienterne ikke ændres over tiden, kan overføringsfunktionen beregnes ved en direkte fouriertransformation af (9.21): Y (f) = N 1 p=0 M 1 a p X(f)e j2πp T f + r=1 b r Y (f)e j2πr T f. (9.22) Hermed fås hvor Y (f) ( 1 M 1 r=1 ) N 1 b r e j2πr T f = X(f) H(f) = Y (f) X(f) = p=0 H 1(f) 1 H 2 (f) a p e j2πp T f (9.23) H 2 (f) = H 1 (f) = M 1 r=1 N 1 p=0 b r e j2πr T f a p e j2πp T f (9.24) Filterets impulssvar findes ved at påtrykke en digital δ-funktion på indgangen. For et FIR filter fås direkte, at impulssvaret er givet ved koefficienterne a p, således at h(n) = a n. For et IIR filter er impulssvaret væsentlige mere kompliceret at beregne, og ofte er det en fordel at opskrive et skema med de forskellige signalværdier. Et eksempel på dette er givet nedenfor. Eksempel 9.1 Beregning af impulssvar I et digitalt filter udføres signalbehandlingen: y(n) = a 0 x(n) + a 2 x(n 2) + b 1 y(n 1) hvor x(n) er indgangssignalet til filteret og y(n) er dets udgangssignal. a 0, a 2 og b 1 er reelle konstanter. Filterets impulssvar h(n) findes ud fra tabellen: n x(n) x(n 2) y(n 1) y(n) a a 0 b 1 a b 1 a 0 b 2 1 a 0 + a b 2 1 a 0 + a 2 b 3 1 a 0 + b 1 a b 3 1 a 0 + b 1 a 2 b 4 1 a 0 + b 2 1 a 2 b 4 1 a 0 + b 2 1 a 2 b 5 1 a 0 + b 3 1 a 2.. Der fås altså: 0 n < 0 h(n) = a 0 b n 1 0 n 1 a 0 b n 1 + a 2b n 2 1 N Digitale filtre 175

10 9.4 Realisation af digitale filtre Når et digitalt filter skal realiseres i praksis, er der flere forhold, som må iagttages, såfremt det resulterende filter skal leve op til forelagte specifikationer. Disse specifikationer afspejler sædvanligvis et ønske om, at filtret har en given overføringsfunktion, samt at signal/støj-forholdet på filtrets udgang er tilfredsstillende. Hertil kommer ofte kravet om, at den tid, der går til beregning af en ny værdi af udgangssignalet fra filtret, holdes inden for snævre grænser, således at filtret kan benyttes i sand tid. En digital filtrering kan naturligvis foregå såvel ved hjælp af specielt konstrueret digitalt udstyr som ved hjælp af programmerbart udstyr. I begge tilfælde benyttes sædvanligvis den tidligere anførte differensligning y(n) = N 1 p=0 M 1 a p x(n p) + r=1 b r y(n r) (9.25) som udgangspunkt. I udtrykket er x(n) indgangssignalet til filtret, y(n) udgangssignalet fra filtret og a p og b r filterkoefficienterne. Selv om et givet filter principielt kan realiseres direkte efter denne ligning, har erfaringen vist, at det er nyttigt at søge at omforme udtrykket således, at der tages passende hensyn til følgende forhold: 1. antallet af aritmetiske operationer (additioner og multiplikationer) minimeres, 2. antallet af gemte værdier af x(n) og y(n) minimeres, 3. antallet af bit i repræsentationen for x(n) og y(n) og for filtrets konstanter minimeres, og 4. filtre, hvor N og M er større end 2-3, undgås. Filtre, som konstrueres med skyldig hensyntagen til disse undertidende modstridende krav, giver i reglen en løsning, som er gunstig med hensyn til såvel stabilitet, støjforhold, udstyringsforhold og hastighed. Hvor der er tale om filtre af FIR-typen (d.v.s. hvor b r = 0), kræves der næsten altid en værdi af N, som langt overskrider den størrelse, der er anført i punkt 4. Sådanne filtre benyttes imidlertid ofte i forbindelse med løsninger, hvor der opereres med flere forskellige værdier af samplingtidsintervallet. Detaljer om sådanne realisationer må findes andetsteds (f.eks. Crochiere & Rabiner, 1983). Ved filtre af IIR-typen (d.v.s. hvor ikke alle b r = 0) er det som regel nødvendigt at opspalte filtrets overføringsfunktion H(f) i et produkt af passende valgte delfiltres overføringsfunktioner, som derpå hver kan realiseres med de begrænsninger i N og M, som punkt 4 tilsiger. Hvorledes man finder filterkoefficienterne, når H(f) er givet, vil ikke blive omtalt her, men der henvises til den omfattende litteratur om emnet, som også omfatter regnemaskinprogrammer til filterdimensionering. Det vil dog nok være på sin plads at omtale et par enkle regler, hvormed man kan modificere forelagte filtres impulssvar og på den måde få nye filtre med specielle egenskaber. Disse regler er specielt nyttige ved FIR-filtre, men kan også bringes i anvendelse ved IIR-filtre. Frekvensforskydningsreglen (se afsnit 4.2) kan generelt udtrykkes på formen hvor f 0 er en konstant. h(n)e j2πf 0n T T H(f f 0 ) (9.26) Der er altså mulighed for at forskyde overføringsfunktionen på frekvensaksen og således på simpel vis realisere en filterbank med ens filtre. Omsat til reel form lyder reglen f.eks. 2h(n) cos(2πf 0 n T ) T H(f f 0 ) + H(f + f 0 ) (9.27) 176 Kapitel 9. Beregninger på digitale signaler

11 Figur 9.9: Symboler for digitale operationer. Bemærk, at med f 0 = f g, bliver cos-faktoren til ( 1) n. For god ordens skyld erindres det om, at H(f f 0 ) og H(f + f 0 ) godt kan være overlappende, når f 0 har værdier i visse intervaller på frekvensaksen, samt at H(f) jo er periodisk med perioden 2f g = 1 T. Reglen om indskydning af nuller mellem to på hinanden følgende værdier af et filters impulssvar er også en måde at konstruere nye filtre på ud fra et forelagt filter. Indskydes K 1 nuller mellem hver to på hinanden følgende værdier af h(n), fremkommer { h( n h K (n) = K ), når n K 0 ellers Dette filters overføringsfunktion H K (f) beregnes af er hel (9.28) H K (f) = = h K (n) e j2πfn T n= h(p) e j2πfpk T (9.29) p= eller Også her skal man være opmærksom på H(f) s periodicitet. h K (n) T H(Kf) (9.30) Realisationsformer Ved overvejelse om hvorledes en given filterberegning skal organiseres, er det nyttigt at benytte blokdiagrammer. I blokdiagrammerne indgår symboler for forsinkelse, multiplikation, addition og forgrening, se figur 9.9. Da digitale filtre er tidsinvariante, digitale netværk, kan elementer, som indgår i en af blokdiagrammets grene, ombyttes uden ændring af filtrets impulssvar og overføringsfunktion. Blokdiagrammer for digitale filtre kan også ændres ved en transponering. Transponering foregår på den måde, at transmissionsretningen for alle systemets komponenter vendes - herunder gøres dets indgang 9.4. Realisation af digitale filtre 177

12 Figur 9.10: Transponering af digitale operationer. Figur 9.11: Direkte form 1 (DF1). til dets udgang og vice versa -, at alle forgreninger ændres til summationspunkter og alle summationer til forgreningspunkter (se figur 9.10). Organiseres filterberegningerne direkte efter differensligningen, benævnes realisationsformen Direkte form 1, som er vist på figur Spalter man det viste additionssymbol op i to, et for de forsinkede x-værdier og et for de forsinkede y- værdier, ses det umiddelbart, at man kan fortolke de to dele af diagrammet som to separate, seriekoblede filtre. De to halvdele af blokdiagrammet kan derfor ombyttes, og således fremkommer realisationsformen Direkte form 2, se figur 9.12, hvor antallet af lagrede værdier reduceres til ca. halvdelen af det, som er nødvendigt i Direkte form 1. Det samme resultat kan fremkomme ved transponering. Ud over disse to former for filterrealisation er der ved filtre, hvor nogle af multiplikatorerne er ens, yderligere mulighed for at simplificere beregningsskemaet. I denne gruppe falder bl.a. de FIR-filtre, hvis impulssvar opfylder betingelsen h(n) = h(n 1 n), hvor N er længden af filtrets impulssvar. I øvrigt kan man undertiden i aktuelle tilfælde udnytte, at to eller flere filterkonstanter kan skrives som et produkt, hvori der indgår en fælles faktor. Ved yderligere manipulation med ligningerne for de digitale filtre - og med passende skelen til analog filterteknik - er det muligt at nå frem til endnu en strukturform: stige- og gitterstrukturen (se figur 9.13), hvor indholdet af de enkelte blokke kan antage forskellige former, af hvilke et par er vist på figur Kapitel 9. Beregninger på digitale signaler

13 Figur 9.12: Direkte form 2 (DF2). Figur 9.13: Gitterstruktur. Figur 9.14: Gitter- og stige-blokke Realisation af digitale filtre 179

14 Denne realisationsform udmærker sig navnlig ved, at konstanten k m for sektion m er mindre end 1 for alle m, hvis filtret er stabilt, samt at det i reglen gælder, at den nøjagtighed, hvormed k m skal specificeres, er ret lav Filterberegningen Når de beregninger, som realisationen af et digitalt filter kræver, skal udføres, er det nødvendigt at fastlægge den talrepræsentation, der skal benyttes. Dernæst må man af hensyn til overløb ved beregningerne sørge for, at de tal, der regnes på, er passende skalerede, d.v.s. sørge for, at de varierer inden for acceptable grænser. Endelig må det antal bit, som regninger udføres med, afstemmes dels efter det udstyringsområde, der ønskes, dels med henblik på at den støj, der fremkommer ved beregningerne, holdes under foreskrevne grænser. Da erfaringen viser, at det beregningsskema, som benyttes ved en filterrealisation, har stor betydning for, hvorledes disse krav kan opfyldes, kan der her kun anføres visse almindelige retningslinier for problemernes løsning. I det følgende antages det, at signalværdierne, som skal bearbejdes, repræsenteres på brøkdelsform, samt at additioner ikke giver overløb. De eneste fejlkilder i beregningsprocessen er da den unøjagtighed, som optræder, når multiplikationer afkortes til b bit plus fortegn (se afsnit 9.1). Overløb i filterberegningen En metode til vurdering af hvilken maksimal størrelse man kan forvente, at udgangssignalet fra et digitalt filter - eller fra en vilkårlig del af et sådant filter - har, tager sit udgangspunkt i foldningsudtrykket y(n) = hvor h(n) er filtrets eller delfiltrets impulssvar. p= h(p)x(n p), (9.31) I praksis vil indgangssignalet x(n) til et sådant filter altid være begrænset, enten det stammer fra en anden digital beregning eller fra en A/D-konverter, d.v.s. med det givne talformat. hvor k x < 1 er en konstant. Derfor vil x(n) k x (9.32) y(n) k x n= Det anføres i litteraturen, at denne grænse ofte er for pessimistisk. En anden vurderingsmetode er baseret på ligningen y(n) = 1 2f g fg som ved hjælp af Schwarz ulighed (se appendix B) kan omformes til h(n) (9.33) f g X(f)H(f) e j2πfn T df (9.34) y(n) 2 y(n) ( ) 2 1 fg 2f g n= n= fg H(f) 2 df X(f) 2 df f g f g h 2 (n) x 2 (n) (9.35) 180 Kapitel 9. Beregninger på digitale signaler

15 I dette udtryk er h(n) kendt. Ligning 9.34 kan også give y(n) 1 fg 1 fg X(f) H(f) df H max X(f) df (9.36) 2f g f g 2f g f g hvor H max er den maksimale værdi af H(f). Tilsvarende fås hvor X max er den største værdi af X(f). 1 fg y(n) X max H(f) df (9.37) 2f g f g For stokastiske indgangssignaler kan ovenstående vurderinger ikke anvendes. For sådanne signaler gælder det, at det er formen af sandsynlighedstæthedsfunktionen efter filteret, som er bestemmende for, om der finder overstyring sted. Som anført i afsnit 8.7, er det kun sjældent muligt at sige noget om denne sandsynlighedstæthedsfunktion, ud over at den ofte vil nærme sig en gauss-fordeling. Har man derfor kendskab til udgangssignalets effekt P y, er det enkelt at få et skøn over y(n) s maksimale amplitudeværdier. Man har P y = 1 fg H(f) 2 S x (f)df (9.38) 2f g f g hvor S x (f) er effektspektret for x(n). Såfremt S x (f) er konstant over det frekvensområde, hvor H(f) 2 antager betydende værdier, vil man tilnærmet have P y S x (f 0 ) 1 fg H(f) 2 df (9.39) 2f g f g eller P y S x (f 0 ) hvor f 0 er en frekvens i filterets gennemgangsområde. n= Dermed bliver sandsynlighedstæthedsfunktionen w y (ξ) for udgangssignalet h 2 (n) (9.40) W y (ξ) = 1 e ξ 2 2Py, ξ [, ]. (9.41) 2πPy Her kan altså fremkomme vilkårligt store amplitudeværdier. Vurderingen af, hvor hyppigt sådanne amplitudeværdier forekommer, vil blive fremlagt i afsnit Støj fra filterberegningen Egenskaberne ved den støj, som frembringes ved en multiplikation af en signalværdi med en filterkonstant, antages at være som omtalt i afsnit 9.1. I praksis er man ofte interesseret i, hvilken støj en sådan støjkilde giver anledning til på filtrets udgang. Dette afhænger af, hvor i filteret støjkilderne er anbragt. Er multiplikationerne anbragt direkte ved udgangen, bliver resultatet som anført i afsnit 9.1. Såfremt dette ikke er tilfældet, vil det næsten altid være sådan, at støjsignalet passerer hele filtret eller en del heraf, før det når udgangen. Kaldes delfiltrets impulssvar h d (n) og dets overføringsfunktion H d (f), vil støjsignalets effektspektrum på filterudgangen være P s H d (f) 2 (9.42) hvor P s er støjkildens effekt. Følgelig bliver støjsignalets effekt P y på filtrets udgang P y = P fg s H d (f) 2 df. (9.43) 2f g f g 9.4. Realisation af digitale filtre 181

16 Ideelle koefficienter Forstærkning [db] Forstærkning [db] Normaliseret frekvens [f/f s ] Kvantiserede koefficienter Normaliseret frekvens [f/f s ] Figur 9.15: Amplitudekarakteristik for digital FIR lavpasfilter uden (top) og med (bund) kvantisering af filterkoefficienterne. Anvendelse af Parsevals sætning giver som i visse tilfælde er enklere at beregne. P y = P s n= h 2 d(n), (9.44) Har filterberegningerne flere multiplikationer, betragtes de hertil hørende støjkilder som stokastisk uafhængige, hvorfor den samlede effekt på filtrets udgang hidrørende fra multiplikationerne fremkommer ved en addition af de effekter, som de enkelte støjkilder giver anledning til på udgangen. Det er ovenfor stiltiende forudsat, at der anvendes afrunding ved multiplikationerne. Såfremt der benyttes afskæring, må der tages hensyn til støjens DC-komponent (se afsnit 9.1). Kvantisering af filterkoefficienterne Ved implementering af digitale filtre er man tvunget til at kvantisere filterkoefficienterne til den præcision, der kan håndteres af den givne elektronik. Herved vil overføringsfunktionen for filteret også blive ændret. Denne ændring kan karakteriseres ved at benytte (9.23) med de kvantiserede koefficienter. I figur 9.15 er vist et eksempel for et digital FIR lavpasfilter. Den øverset kurve viser overføringsfunktionen med de ideelle koefficienter, og den nederste kurve viser overføringsfunktionen, når koefficienterne er kvantiseret til 16 bits præcision. Det ses, hvordan stopbåndet ændres, så dæmpningen her bliver mindre end antaget under designet af filteret Eksempler på realisation af enkle digitale filtre Til illustration af de ovenfor omtalte aspekter ved realisation af digitale filtre gennemgås nogle forskellige måder at organisere filterberegningerne på i et simpelt FIR-filter og i et simpelt IIR-filter. 182 Kapitel 9. Beregninger på digitale signaler

17 0 5 N = 32 N = 16 N = 8 N = H(f) [db] Frekvens [f/f s ] Figur 9.16: Amplitudekarakteristik for den digitale integrator. Figur 9.17: Umiddelbar realisation af digital integrator. Den digitale integrator Den signalbearbejdning, som udføres af den digitale integrator, er givet ved y(n) = 1 N n q=n N+1 x(q) (9.45) Integratorens impulssvar h(n) er derfor h(n) = { 1 N n = 0, 1,... N 1 0 ellers (9.46) og dens overføringsfunktion (se afsnit 4.3.2) H(f) = 1 N sin(πfn T ) sin(πf T ) e jπf(n 1) T (9.47) Figur 9.16 viser amplitudetæthedsspektret H(f) for forskellige værdier af N. Filtret kan realiseres direkte efter udtrykket som vist på figur 9.17, hvilket er ugunstigt, set ud fra såvel et støjsynspunkt som et beregningstidssynspunkt. Da faktoren 1 N er den samme for alle multiplikationer, 9.4. Realisation af digitale filtre 183

18 Figur 9.18: Rekursiv realisering af digital integrator. kan de naturligvis slås sammen og enten flyttes til filtrets indgang eller til dets udgang. Man kan vise, at det sidstnævnte tilfælde er gunstigt set ud fra et støjsynspunkt, idet den til multiplikationerne hørende støjkilde da sidder direkte på filterets udgang. Regnes der med resultatværdier på b bit plus fortegn, er støjeffekten fra en multiplikation P 0 = b, (9.48) og støjeffekten P y på udgangen af filtret har da denne størrelse. Såfremt multiplikationerne anbringes ved filtrets indgang, må støjsignalet for at nå udgangen gennemløbe et delfilter med impulssvaret h d (n) = { 1 0 n N 1 0 ellers. (9.49) P y bliver derfor N 1 P y = P 0 n=0 h 2 d(n) = NP 0, (9.50) altså det samme som ved en realisation efter figur Den spektrale sammensætning af støjen på filtrets udgang er imidlertid forskellig i de to tilfælde. Med multiplikationerne på filtrets indgang bliver støjspektret medens det ellers er hvidt. Integratoren kan også realiseres rekursivt, idet P 0 H d (f) 2 (9.51) y(n) = 1 N x(n) 1 x(n N) + y(n 1) (9.52) N Dette beregningsskema kan omsættes til de blokdiagrammer, som vises på figur Heraf ses det umiddelbart, at realisationen kan opspaltes i et kamfilter og et ikke stabilt IIR-filter, og at der både er en Direkte form 1 og en Direkte form 2 løsning. Af disse giver den sidste problemer af numerisk art, hvis x(n) har en DC-komponent, og sædvanlig støjberegning kan ikke foretages i DF1 tilfældet. Når N = 2 r, hvor r er hel, vil den digitale integrator kunne realiseres som en seriekombination af r simple kamfiltre, se eksemplet på figur 9.19, hvor N = 8. To forhold ved denne realisationsform medvirker til at give mindre støj på filtrets udgang. For det første bliver antallet af multiplikationer 2r, og for det andet vil støjen fra en del af disse skulle gennemløbe forskellige delfiltre på vejen til filtrets udgang og dermed blive reduceret effektmæssigt. 184 Kapitel 9. Beregninger på digitale signaler

19 Figur 9.19: Realisation af digital integrator N = 2 3 med 3 kamfiltre. Figur 9.20: Impulssvar for den digitale averager. For N = 8 realiseret som vist på figur 9.19 bliver støjeffekten på udgangen P y = 3.5P 0. Det kan vises, at r 1 P y = 4P 0 2 q (9.53) q=1 i det almindelige tilfælde. Bemærk, at P y 4P 0, når r. Nært beslægtet med den digitale integrator er den digitale averager. Den fremkommer, dersom man indskyder K 1 nuller mellem to på hinanden følgende værdier af impulssvaret for den digitale integrator (se figur 9.20). Averagerens impulssvar bliver da h(n) = Den tilhørende overføringsfunktion som ses afbildet på figur { 1 N H(f) = 1 N for n = pk, p = 0, 1,... N 1 0 ellers (9.54) sin(nkπf T ) sin(kπf T ) e j(n 1)Kπf T (9.55) Som det fremgår af udtrykket for overføringsfunktionen, er den periodisk med perioden 1 K T. Dens fasedel varierer lineært og har værdien 0 for alle frekvenser, som er et helt multiplum af (K T ) 1. Dette filter er følgelig meget velegnet til filtrering af et periodisk signal med periodetiden K T. Filtrets indsvingningstid er NK T Realisation af digitale filtre 185

20 1.2 1 Amplitudkarakteristikken for K=8, N=8 f s /K 2f s /K 3f s /K 0.8 H(f) 0.6 arg H(f) f/fs fasekarakteristikken for K=8, N= f/fs Figur 9.21: Amplitude- og fasekarakteristik for den digitale averager. Første ordens digitalt filter Det er en almindelig erfaring, at IIR-filtre kræver forholdsvis få beregninger for at realisere en given overføringsfunktion. At benytte sådanne filtre - specielt de hvor M og N er større end 2 - giver dog også visse problemer. De er således oftere følsomme over for unøjagtigheder i filterkoefficienterne, og de udviser den såkaldte dødzone opførsel (se nedenfor). Signalbearbejdning, som udføres i et første ordens IIR-filter, er givet ved y(n) = a 0 x(n) + b 1 y(n 1) (9.56) hvor a 0 og b 1 er konstanter. Det kræves at b 1 < 1, såfremt filtret skal være stabilt, og filtrets impulssvar er givet ved { a0 b h(n) = n 1 for n 0 (9.57) 0 for n < 0 Overføringsfunktion kan skrives på formen H(f) = a 0 1 b 1 e j2πf T (9.58) Filtrets forstærkning ved f = 0 er da a 0 /(1 b 1 ). Af bekvemmelighed antages det i det følgende, at H(0) = 1, hvilket har til følge, at a 0 = 1 b 1. Filtrets konstant b 1 kan findes af følgende udtryk b 1 = 2 cos(π f ( 0 ) 2 cos(π f ) 2 o ) 1 (9.59) f g f g hvor f 0 er den ønskede 3 db grænsefrekvens. f g er den halve samplingfrekvens d.v.s. f g = 1 2 T. Er f 0 meget lav i forhold til f g, vil det viste udtryk for b 1 kunne give unøjagtige resultater. I sådanne tilfælde 186 Kapitel 9. Beregninger på digitale signaler 1

Anvendelse af den diskrete fouriertransformation

Anvendelse af den diskrete fouriertransformation KAPITEL SYV Anvendelse af den diskrete fouriertransformation En meget anvendt beregningsprocedure inden for digital signalbehandling er den diskrete fouriertransformation (i det følgende forkortet til

Læs mere

Digitale periodiske signaler

Digitale periodiske signaler KAPITEL FEM Digitale periodiske signaler For digitale signaler, som er periodiske, gælder det, at for alle n vil hvor det hele tal er perioden. g(n + ) = g(n), (5.) Af udtrykkene ses det, at periodiske

Læs mere

Signalbehandling og matematik 1 (Tidsdiskrete signaler og systemer)

Signalbehandling og matematik 1 (Tidsdiskrete signaler og systemer) Signalbehandling og matematik 1 (Tidsdiskrete signaler og systemer) Session 1. Sekvenser, diskrete systemer, Lineære systemer, foldning og lineære tidsinvariante systemer Ved Samuel Schmidt sschmidt@hst.aau.dk

Læs mere

Øvelsesvejledning. Frekvenskarakteristikker Simulering og realisering af passive filtre.

Øvelsesvejledning. Frekvenskarakteristikker Simulering og realisering af passive filtre. ELT2, Passive filter, frekvenskarakteristikker Øvelsesvejledning Frekvenskarakteristikker Simulering og realisering af passive filtre. Øvelsen består af 3 dele: 1. En beregningsdel som du forventes at

Læs mere

dcomnet-nr. 8 Simpel aritmetik på maskinniveau Computere og Netværk (dcomnet)

dcomnet-nr. 8 Simpel aritmetik på maskinniveau Computere og Netværk (dcomnet) dcomnet-nr. 8 Simpel aritmetik på maskinniveau Computere og Netværk (dcomnet) Efterår 2009 1 Simpel aritmetik på maskinniveau I SCO, appendix A, er det beskrevet, hvordan man adderer ikke-negative heltal

Læs mere

Total systembeskrivelse af AD1847

Total systembeskrivelse af AD1847 Total systembeskrivelse af AD1847 Af Anna Hampen Jens Jørgen Nielsen Johannes Bjerrum Johnny Nielsen 3.semester HIH Anna Hampen, Jens Nielsen, Johannes Bjerrum, Johnny Nielsen 1 Indholdsfortegnelse Indledning...3

Læs mere

12 TOLERANCER 1 12 TOLERANCER

12 TOLERANCER 1 12 TOLERANCER 12 TOLERANCER 12 TOLERANCER 1 12.1 Tolerancer 2 12.1.1 Betonelementers mål 2 12.1.2 Byggepladsmål 2 12.1.3 Grundlæggende tolerancebegreber 3 12.1.4 Vejledende beregning til valg af toleranceangivelser

Læs mere

Matricer og lineære ligningssystemer

Matricer og lineære ligningssystemer Matricer og lineære ligningssystemer Grete Ridder Ebbesen Virum Gymnasium Indhold 1 Matricer 11 Grundlæggende begreber 1 Regning med matricer 3 13 Kvadratiske matricer og determinant 9 14 Invers matrix

Læs mere

Emneopgave: Lineær- og kvadratisk programmering:

Emneopgave: Lineær- og kvadratisk programmering: Emneopgave: Lineær- og kvadratisk programmering: LINEÆR PROGRAMMERING I lineær programmering løser man problemer hvor man for en bestemt funktion ønsker at finde enten en maksimering eller en minimering

Læs mere

Signalbehandling 1. Compressorer, gates, digitale filtre. Litteratur: Roads s. 390-418

Signalbehandling 1. Compressorer, gates, digitale filtre. Litteratur: Roads s. 390-418 Signalbehandling 1 Compressorer, gates, digitale filtre Litteratur: Roads s. 390-418 Envelopes Tidsvariant forstærkning/dæmpning Mange formål Syntese Overlap (FFT) Klip Musikalsk virkemiddel Compressor

Læs mere

4. Snittets kædebrøksfremstilling og dets konvergenter

4. Snittets kædebrøksfremstilling og dets konvergenter Dette er den fjerde af fem artikler under den fælles overskrift Studier på grundlag af programmet SKALAGENERATOREN (forfatter: Jørgen Erichsen) 4. Snittets kædebrøksfremstilling og dets konvergenter Vi

Læs mere

Projektopgave Observationer af stjerneskælv

Projektopgave Observationer af stjerneskælv Projektopgave Observationer af stjerneskælv Af: Mathias Brønd Christensen (20073504), Kristian Jerslev (20072494), Kristian Mads Egeris Nielsen (20072868) Indhold Formål...3 Teori...3 Hvorfor opstår der

Læs mere

Sampling. Reguleringsteknik for Grundfos Lektion 6. Jan Bendtsen

Sampling. Reguleringsteknik for Grundfos Lektion 6. Jan Bendtsen Sampling Reguleringsteknik for Grundfos Lektion 6 Jan Bendtsen Indhold Basal sampling A/D-konvertering Nyquist-frekvens Kvantisering Aliasing Feedbacksystemer Eksempel: servokontrol af motor Strøm til

Læs mere

Matematisk modellering og numeriske metoder. Lektion 16

Matematisk modellering og numeriske metoder. Lektion 16 Matematisk modellering og numeriske metoder Lektion 16 Morten Grud Rasmussen 6. november, 2013 1 Interpolation [Bogens afsnit 19.3 side 805] 1.1 Interpolationspolynomier Enhver kontinuert funktion f på

Læs mere

Algebra - Teori og problemløsning

Algebra - Teori og problemløsning Algebra - Teori og problemløsning, januar 05, Kirsten Rosenkilde. Algebra - Teori og problemløsning Kapitel -3 giver en grundlæggende introduktion til at omskrive udtryk, faktorisere og løse ligningssystemer.

Læs mere

Periodiske kædebrøker eller talspektre en introduktion til programmet periodisktalspektrum

Periodiske kædebrøker eller talspektre en introduktion til programmet periodisktalspektrum Jørgen Erichsen Periodiske kædebrøker eller talspektre en introduktion til programmet periodisktalspektrum I artikelserien Studier på grundlag af programmet SKALAGENERATOREN kommer jeg bl.a. ind på begrebet

Læs mere

C R. Figur 1 Figur 2. er eksempler på kredsløbsfunktioner. Derimod er f.eks. indgangsimpedansen

C R. Figur 1 Figur 2. er eksempler på kredsløbsfunktioner. Derimod er f.eks. indgangsimpedansen Kredsløbsfunktioner Lad os i det følgende betragte kredsløb, der er i hvile til t = 0. Det vil sige, at alle selvinduktionsstrømme og alle kondensatorspændinger er nul til t = 0. I de Laplace-transformerede

Læs mere

Lineære ligningssystemer

Lineære ligningssystemer enote 2 1 enote 2 Lineære ligningssystemer Denne enote handler om lineære ligningssystemer, om metoder til at beskrive dem og løse dem, og om hvordan man kan få overblik over løsningsmængdernes struktur.

Læs mere

Tal. Vi mener, vi kender og kan bruge følgende talmængder: N : de positive hele tal, Z : de hele tal, Q: de rationale tal.

Tal. Vi mener, vi kender og kan bruge følgende talmængder: N : de positive hele tal, Z : de hele tal, Q: de rationale tal. 1 Tal Tal kan forekomme os nærmest at være selvfølgelige, umiddelbare og naturgivne. Men det er kun, fordi vi har vænnet os til dem. Som det vil fremgå af vores timer, har de mange overraskende egenskaber

Læs mere

De fire elementers kostbare spejl

De fire elementers kostbare spejl Projekt.6 Lineær algebra moderne og klassisk kinesisk De fire elementers kostbare spejl "Som bekendt anses matematikken for at være en meget vigtig videnskab. Denne bog om matematik vil derfor være af

Læs mere

Repræsentation af tal

Repræsentation af tal Repræsentation af tal DM526 Rolf Fagerberg, 2009 Bitmønstre 01101011 0001100101011011... Bitmønstre skal fortolkes for at have en betydning: Tal (heltal, kommatal) Bogstaver Computerinstruktion (program)

Læs mere

t a l e n t c a m p d k Matematiske Metoder Anders Friis Anne Ryelund 25. oktober 2014 Slide 1/42

t a l e n t c a m p d k Matematiske Metoder Anders Friis Anne Ryelund 25. oktober 2014 Slide 1/42 Slide 1/42 Hvad er matematik? 1) Den matematiske metode 2) Hvad vil det sige at bevise noget? 3) Hvor begynder det hele? 4) Hvordan vælger man et sæt aksiomer? Slide 2/42 Indhold 1 2 3 4 Slide 3/42 Mængder

Læs mere

Repræsentation af tal

Repræsentation af tal Repræsentation af tal DM534 Rolf Fagerberg Bitmønstre 01101011 0001100101011011... Bitmønstre skal fortolkes for at have en betydning: Tal (heltal, decimaltal (kommatal)) Bogstaver Computerinstruktion

Læs mere

Den menneskelige cochlea

Den menneskelige cochlea Den menneskelige cochlea Af Leise Borg Leise Borg er netop blevet cand.scient. Artiklen bygger på hendes speciale i biofysik Introduktion Hørelsen er en vigtig sans for mennesket, både for at sikre overlevelse,

Læs mere

Noget om en symmetrisk random walks tilbagevenden til udgangspunktet

Noget om en symmetrisk random walks tilbagevenden til udgangspunktet Random Walk-kursus 2014 Jørgen Larsen 14. oktober 2014 Noget om en symmetrisk random walks tilbagevenden til udgangspunktet Dette notat giver et bevis for at en symmetrisk random walk på Z eller Z 2 og

Læs mere

Affine rum. a 1 u 1 + a 2 u 2 + a 3 u 3 = a 1 u 1 + (1 a 1 )( u 2 + a 3. + a 3. u 3 ) 1 a 1. Da a 2

Affine rum. a 1 u 1 + a 2 u 2 + a 3 u 3 = a 1 u 1 + (1 a 1 )( u 2 + a 3. + a 3. u 3 ) 1 a 1. Da a 2 Affine rum I denne note behandles kun rum over R. Alt kan imidlertid gennemføres på samme måde over C eller ethvert andet legeme. Et underrum U R n er karakteriseret ved at det er en delmængde som er lukket

Læs mere

Center for Statistik. Multipel regression med laggede responser som forklarende variable

Center for Statistik. Multipel regression med laggede responser som forklarende variable Center for Statistik Handelshøjskolen i København MPAS Tue Tjur November 2006 Multipel regression med laggede responser som forklarende variable Ved en tidsrække forstås i almindelighed et datasæt, der

Læs mere

Det er en af de hyppigst forekommende udregninger i den elementære talbehandling at beregne gennemsnit eller middeltal af en række tal.

Det er en af de hyppigst forekommende udregninger i den elementære talbehandling at beregne gennemsnit eller middeltal af en række tal. Tre slags gennemsnit Allan C. Malmberg Det er en af de hyppigst forekommende udregninger i den elementære talbehandling at beregne gennemsnit eller middeltal af en række tal. For mange skoleelever indgår

Læs mere

Om begrebet relation

Om begrebet relation Om begrebet relation Henrik Stetkær 11. oktober 2005 Vi vil i denne note diskutere det matematiske begreb en relation, herunder specielt ækvivalensrelationer. 1 Det abstrakte begreb en relation Som ordet

Læs mere

Grundlæggende køretidsanalyse af algoritmer

Grundlæggende køretidsanalyse af algoritmer Grundlæggende køretidsanalyse af algoritmer Algoritmers effektivitet Størrelse af inddata Forskellige mål for køretid Store -notationen Klassiske effektivitetsklasser Martin Zachariasen DIKU 1 Algoritmers

Læs mere

Sampling og aliasing. Datalogisk Institut Københavns Universitet. Kapitel 4 c Jens D. Andersen

Sampling og aliasing. Datalogisk Institut Københavns Universitet. Kapitel 4 c Jens D. Andersen Sampling og aliasing (Kapitel 4) Jens D. Andersen Datalogisk Institut Københavns Universitet p.1/32 Sampling og aliasing Konvertering af signaler mellem analog (kontinuerttids-) og digital (diskrettids-)

Læs mere

Matematisk induktion

Matematisk induktion Induktionsbeviser MT01.0.07 1 1 Induktionsbeviser Matematisk induktion Sætninger der udtaler sig om hvad der gælder for alle naturlige tal n N, kan undertiden bevises ved matematisk induktion. Idéen bag

Læs mere

Reaktionskinetik - 1 Baggrund. lineære og ikke-lineære differentialligninger. Køreplan

Reaktionskinetik - 1 Baggrund. lineære og ikke-lineære differentialligninger. Køreplan Reaktionskinetik - lineære og ikke-lineære differentialligninger Køreplan 1 Baggrund På 2. eller 4. semester møder kemi/bioteknologi studerende faget Indledende Fysisk Kemi (26201/26202). Her behandles

Læs mere

dcomnet-nr. 6 Talrepræsentation Computere og Netværk (dcomnet)

dcomnet-nr. 6 Talrepræsentation Computere og Netværk (dcomnet) dcomnet-nr. 6 Talrepræsentation Computere og Netværk (dcomnet) Efterår 2009 1 Talrepræsentation På maskinkodeniveau (Instruction Set Architecture Level) repræsenteres ordrer og operander ved bitfølger

Læs mere

3. Om skalamønstrene og den indfoldede orden

3. Om skalamønstrene og den indfoldede orden Dette er den tredje af fem artikler under den fælles overskrift Studier på grundlag af programmet SKALAGENERATOREN (forfatter: Jørgen Erichsen) 3. Om skalamønstrene og den indfoldede orden Lad os begynde

Læs mere

Kursusgang 3 Matrixalgebra Repetition

Kursusgang 3 Matrixalgebra Repetition Kursusgang 3 Repetition - froberg@math.aau.dk http://people.math.aau.dk/ froberg/oecon3 Institut for Matematiske Fag Aalborg Universitet 16. september 2008 1/19 Betingelser for nonsingularitet af en Matrix

Læs mere

Produkt og marked - matematiske og statistiske metoder

Produkt og marked - matematiske og statistiske metoder Produkt og marked - matematiske og statistiske metoder Rasmus Waagepetersen Institut for Matematiske Fag Aalborg Universitet February 19, 2016 1/26 Kursusindhold: Sandsynlighedsregning og lagerstyring

Læs mere

De rigtige reelle tal

De rigtige reelle tal De rigtige reelle tal Frank Villa 17. januar 2014 Dette dokument er en del af MatBog.dk 2008-2012. IT Teaching Tools. ISBN-13: 978-87-92775-00-9. Se yderligere betingelser for brug her. Indhold 1 Introduktion

Læs mere

Ugeseddel 12(10.12 14.12)

Ugeseddel 12(10.12 14.12) Ugeseddel (..) Matematisk Programmering Niels Lauritzen..7 FORELÆSNINGER I ugen. 7. gennemgik vi algoritmer til løsning af heltalsprogrammer ved hjælp af simplex algoritmen. Dette er heltalsprogrammeringsugesedlen

Læs mere

Kapitel 10. B-felt fra en enkelt leder. B (t) = hvor: B(t) = Magnetfeltet (µt) I(t) = Strømmen i lederen (A) d = Afstanden mellem leder og punkt (m)

Kapitel 10. B-felt fra en enkelt leder. B (t) = hvor: B(t) = Magnetfeltet (µt) I(t) = Strømmen i lederen (A) d = Afstanden mellem leder og punkt (m) Kapitel 10 Beregning af magnetiske felter For at beregne det magnetiske felt fra højspændingsledninger/kabler, skal strømmene i alle ledere (fase-, jord- og eventuelle skærmledere) kendes. Den inducerede

Læs mere

Iteration af et endomorft kryptosystem. Substitutions-permutations-net (SPN) og inversion. Eksklusiv disjunktion og dens egenskaber

Iteration af et endomorft kryptosystem. Substitutions-permutations-net (SPN) og inversion. Eksklusiv disjunktion og dens egenskaber Produktsystemer, substitutions-permutations-net samt lineær og differentiel kryptoanalyse Kryptologi, fredag den 10. februar 2006 Nils Andersen (Stinson 3., afsnit 2.7 3.4 samt side 95) Produkt af kryptosystemer

Læs mere

Kapitel 7 Matematiske vækstmodeller

Kapitel 7 Matematiske vækstmodeller Matematiske vækstmodeller I matematik undersøger man ofte variables afhængighed af hinanden. Her ser man, at samme type af sammenhænge tit forekommer inden for en lang række forskellige områder. I kapitel

Læs mere

Baggrundsnote om logiske operatorer

Baggrundsnote om logiske operatorer Baggrundsnote om logiske operatorer Man kan regne på udsagn ligesom man kan regne på tal. Regneoperationerne kaldes da logiske operatorer. De tre vigtigste logiske operatorer er NOT, AND og. Den første

Læs mere

Projekt. Analog Effektforstærker.

Projekt. Analog Effektforstærker. Projekt. Analog Effektforstærker. Udarbejdet af: Klaus Jørgensen. Gruppe: Klaus Jørgensen Og Morten From Jacobsen. It og Elektronikteknolog. Erhvervsakademiet Fyn Udarbejdet i perioden: 7/0-03 /-03 Vejledere:

Læs mere

Tilstandskontrol. ved hjælp af vibrationsanalyse

Tilstandskontrol. ved hjælp af vibrationsanalyse VIBRO CONSULT Palle Aggerholm Tilstandskontrol ved hjælp af vibrationsanalyse Et minikursus med særlig henvendelse til vindmølleejere Adresse: Balagervej 69 Telefon: 86 14 95 84 Mobil: 40 14 95 84 E-mail:

Læs mere

Statistiske modeller

Statistiske modeller Statistiske modeller Statistisk model Datamatrice Variabelmatrice Hændelse Sandsynligheder Data Statistiske modeller indeholder: Variable Hændelser defineret ved mulige variabel værdier Sandsynligheder

Læs mere

ORIENTERING FRA MILJØSTYRELSENS REFERENCELABORATORIUM FOR STØJMÅLINGER

ORIENTERING FRA MILJØSTYRELSENS REFERENCELABORATORIUM FOR STØJMÅLINGER ORIENTERING FRA MILJØSTYRELSENS MÅLEUDSTYR HOS DE GODKENDTE LABORATORIER Orientering nr. 3 Ole F. Carlsen/Torben Holm Pedersen 2-7-19 OVERSIGT OVER MÅLEUDSTYR LYDTRYKMÅLING FFT-ANALYSE BÅNDOPTAGELSE OKTAVANALYSE

Læs mere

π er irrationel Frank Nasser 10. december 2011

π er irrationel Frank Nasser 10. december 2011 π er irrationel Frank Nasser 10. december 2011 2008-2011. Dette dokument må kun anvendes til undervisning i klasser som abonnerer på MatBog.dk. Se yderligere betingelser for brug her. Indhold 1 Introduktion

Læs mere

Antennens udstrålingsmodstand hvad er det for en størrelse?

Antennens udstrålingsmodstand hvad er det for en størrelse? Antennens udstrålingsmodstand hvad er det for en størrelse? Det faktum, at lyset har en endelig hastighed er en forudsætning for at en antenne udstråler, og at den har en ohmsk udstrålingsmodstand. Den

Læs mere

Spilstrategier. 1 Vindermængde og tabermængde

Spilstrategier. 1 Vindermængde og tabermængde Spilstrategier De spiltyper vi skal se på her, er primært spil af følgende type: Spil der spilles af to spillere A og B som skiftes til at trække, A starter, og hvis man ikke kan trække har man tabt. Der

Læs mere

i x-aksens retning, så fås ). Forskriften for g fås altså ved i forskriften for f at udskifte alle forekomster af x med x x 0

i x-aksens retning, så fås ). Forskriften for g fås altså ved i forskriften for f at udskifte alle forekomster af x med x x 0 BAndengradspolynomier Et polynomium er en funktion på formen f ( ) = an + an + a+ a, hvor ai R kaldes polynomiets koefficienter. Graden af et polynomium er lig med den højeste potens af, for hvilket den

Læs mere

Statistik. Peter Sørensen: Statistik og sandsynlighed Side 1

Statistik. Peter Sørensen: Statistik og sandsynlighed Side 1 Statistik Formålet... 1 Mindsteværdi... 1 Størsteværdi... 1 Ikke grupperede observationer... 2 Median og kvartiler defineres ved ikke grupperede observationer således:... 2 Middeltal defineres ved ikke

Læs mere

Kapitel 2 Tal og variable

Kapitel 2 Tal og variable Tal og variable Uden tal ingen matematik - matematik handler om tal og anvendelse af tal. Matematik beskæftiger sig ikke udelukkende med konkrete problemer fra andre fag, og de konkrete tal fra andre fagområder

Læs mere

Med TI-89 / TI-92 Plus kan du også sammenligne eller manipulere binære tal bit for bit.

Med TI-89 / TI-92 Plus kan du også sammenligne eller manipulere binære tal bit for bit. Kapitel 20: Talsystemer 20 Resumé af talsystemer... 344 Indtastning og omregning af talsystemer... 345 Udførelse af matematiske beregninger med hexadecimale og binære tal... 346 Sammenligning eller manipulation

Læs mere

Foreløbig udgave af læringsmål til: Kapitel 1 Regn med store tal Fælles Mål Læringsmål Forslag til tegn på læring

Foreløbig udgave af læringsmål til: Kapitel 1 Regn med store tal Fælles Mål Læringsmål Forslag til tegn på læring Foreløbig udgave af læringsmål til: Kapitel 1 Regn med store tal Fælles Mål Læringsmål Forslag til tegn på læring udføre beregninger med de fire regningsarter inden for naturlige tal, herunder beregninger

Læs mere

Deskriptiv statistik. Version 2.1. Noterne er et supplement til Vejen til matematik AB1. Henrik S. Hansen, Sct. Knuds Gymnasium

Deskriptiv statistik. Version 2.1. Noterne er et supplement til Vejen til matematik AB1. Henrik S. Hansen, Sct. Knuds Gymnasium Deskriptiv (beskrivende) statistik er den disciplin, der trækker de væsentligste oplysninger ud af et ofte uoverskueligt materiale. Det sker f.eks. ved at konstruere forskellige deskriptorer, d.v.s. regnestørrelser,

Læs mere

Simulering af stokastiske fænomener med Excel

Simulering af stokastiske fænomener med Excel Simulering af stokastiske fænomener med Excel John Andersen, Læreruddannelsen i Aarhus, VIA Det kan være en ret krævende læreproces at udvikle fornemmelse for mange begreber fra sandsynlighedsregningen

Læs mere

ALMINDELIGT ANVENDTE FUNKTIONER

ALMINDELIGT ANVENDTE FUNKTIONER ALMINDELIGT ANVENDTE FUNKTIONER I dette kapitel gennemgås de almindelige regnefunktioner, samt en række af de mest nødvendige redigerings- og formateringsfunktioner. De øvrige redigerings- og formateringsfunktioner

Læs mere

Elementær sandsynlighedsregning

Elementær sandsynlighedsregning Elementær sandsynlighedsregning Sandsynlighedsbegrebet Et udfaldsrum S er mængden af alle de mulige udfald af et eksperiment. En hændelse A er en delmængde af udfaldsrummet S. Den hændelse, der ikke indeholder

Læs mere

Personlig stemmeafgivning

Personlig stemmeafgivning Ib Michelsen X 2 -test 1 Personlig stemmeafgivning Efter valget i 2005 1 har man udspurgt en mindre del af de deltagende, om de har stemt personligt. Man har svar fra 1131 mænd (hvoraf 54 % har stemt personligt

Læs mere

Andengradsligninger. Frank Nasser. 11. juli 2011

Andengradsligninger. Frank Nasser. 11. juli 2011 Andengradsligninger Frank Nasser 11. juli 2011 2008-2011. Dette dokument må kun anvendes til undervisning i klasser som abonnerer på MatBog.dk. Se yderligere betingelser for brug her. Indhold 1 Introduktion

Læs mere

28 Algoritmedesign. Noter. PS1 -- Algoritmedesign

28 Algoritmedesign. Noter. PS1 -- Algoritmedesign 28 Algoritmedesign. Algoritmeskabelon for Del og Hersk. Eksempler på Del og Hersk algoritmer. Binær søgning i et ordnet array. Sortering ved fletning og Quicksort. Maksimal delsums problem. Tætteste par

Læs mere

Euklids algoritme og kædebrøker

Euklids algoritme og kædebrøker Euklids algoritme og kædebrøker Michael Knudsen I denne note vil vi med Z, Q og R betegne mængden af henholdsvis de hele, de rationale og de reelle tal. Altså er { m } Z = {..., 2,, 0,, 2,...} og Q = n

Læs mere

Projekt 4.9 Bernouillis differentialligning

Projekt 4.9 Bernouillis differentialligning Projekt 4.9 Bernouillis differentialligning (Dette projekt dækker læreplanens krav om supplerende stof vedr. differentialligningsmodeller. Projektet hænger godt sammen med projekt 4.0: Fiskerimodeller,

Læs mere

Supplement til kapitel 7: Approksimationen til normalfordelingen, s. 136

Supplement til kapitel 7: Approksimationen til normalfordelingen, s. 136 Supplement til kapitel 7: Approksimationen til normalfordelingen, s. 36 Det er besværligt at regne med binomialfordelingen, og man vælger derfor ofte at bruge en approksimation med normalfordeling. Man

Læs mere

Matematisk modellering og numeriske metoder. Lektion 5

Matematisk modellering og numeriske metoder. Lektion 5 Matematisk modellering og numeriske metoder Lektion 5 Morten Grud Rasmussen 19. september, 2013 1 Euler-Cauchy-ligninger [Bogens afsnit 2.5, side 71] 1.1 De tre typer af Euler-Cauchy-ligninger Efter at

Læs mere

Vektorer og lineær regression. Peter Harremoës Niels Brock

Vektorer og lineær regression. Peter Harremoës Niels Brock Vektorer og lineær regression Peter Harremoës Niels Brock April 2013 1 Planproduktet Vi har set, at man kan gange en vektor med et tal. Et oplagt spørgsmål er, om man også kan gange to vektorer med hinanden.

Læs mere

Introduktion til differentialregning 1. Jens Siegstad og Annegrethe Bak

Introduktion til differentialregning 1. Jens Siegstad og Annegrethe Bak Introduktion til differentialregning 1 Jens Siegstad og Annegrete Bak 16. juli 2008 1 Indledning I denne note vil vi kort introduktion til differentilregning, idet vi skal bruge teorien i et emne, Matematisk

Læs mere

GPS stiller meget præcise krav til valg af målemetode

GPS stiller meget præcise krav til valg af målemetode GPS stiller meget præcise krav til valg af målemetode 1 Måleteknisk er vi på flere måder i en ny og ændret situation. Det er forhold, som påvirker betydningen af valget af målemetoder. - Der er en stadig

Læs mere

Normalfordelingen og Stikprøvefordelinger

Normalfordelingen og Stikprøvefordelinger Normalfordelingen og Stikprøvefordelinger Normalfordelingen Standard Normal Fordelingen Sandsynligheder for Normalfordelingen Transformation af Normalfordelte Stok.Var. Stikprøver og Stikprøvefordelinger

Læs mere

Statistik viden eller tilfældighed

Statistik viden eller tilfældighed MATEMATIK i perspektiv Side 1 af 9 DNA-analyser 1 Sandsynligheden for at en uskyldig anklages Følgende histogram viser, hvordan fragmentlængden for et DNA-område varierer inden for befolkningen. Der indgår

Læs mere

Spilstrategier. Indhold. Georg Mohr-Konkurrencen. 1 Vindermængde og tabermængde 2. 2 Kopier modpartens træk 4

Spilstrategier. Indhold. Georg Mohr-Konkurrencen. 1 Vindermængde og tabermængde 2. 2 Kopier modpartens træk 4 Indhold 1 Vindermængde og tabermængde 2 2 Kopier modpartens træk 4 3 Udnyt modpartens træk 5 4 Strategityveri 6 5 Løsningsskitser 7 Spilstrategier De spiltyper vi skal se på her, er primært spil af følgende

Læs mere

Projekt 10.16: Matematik og demokrati Mandatfordelinger ved sidste kommunalvalg

Projekt 10.16: Matematik og demokrati Mandatfordelinger ved sidste kommunalvalg Projekt 10.16: Matematik og demokrati Mandatfordelinger ved sidste kommunalvalg Introduktion: Vi vil nu se på et konkret eksempel på hvordan man i praksis fordeler mandaterne i et repræsentativt demokrati,

Læs mere

Analog Øvelser. Version. A.1 Afladning af kondensator. Opbyg følgende kredsløb: U TL = 70 % L TL = 50 %

Analog Øvelser. Version. A.1 Afladning af kondensator. Opbyg følgende kredsløb: U TL = 70 % L TL = 50 % A.1 Afladning af kondensator Opbyg følgende kredsløb: U TL = 70 % L TL = 50 % Når knappen har været aktiveret, ønskes lys i D1 i 30 sekunder. Brug formlen U C U start e t RC Beskriv kredsløbet Find komponenter.

Læs mere

Lineære differentialligningers karakter og lineære 1. ordens differentialligninger

Lineære differentialligningers karakter og lineære 1. ordens differentialligninger enote 11 1 enote 11 Lineære differentialligningers karakter og lineære 1. ordens differentialligninger I denne note introduceres lineære differentialligninger, som er en speciel (og bekvem) form for differentialligninger.

Læs mere

praktiskegrunde Regression og geometrisk data analyse (2. del) Ulf Brinkkjær

praktiskegrunde Regression og geometrisk data analyse (2. del) Ulf Brinkkjær praktiskegrunde Praktiske Grunde. Nordisk tidsskrift for kultur- og samfundsvidenskab Nr. 3 / 2010. ISSN 1902-2271. www.hexis.dk Regression og geometrisk data analyse (2. del) Ulf Brinkkjær Introduktion

Læs mere

Repetition. Diskrete stokastiske variable. Kontinuerte stokastiske variable

Repetition. Diskrete stokastiske variable. Kontinuerte stokastiske variable Normal fordelingen Normal fordelingen Egenskaber ved normalfordelingen Standard normal fordelingen Find sandsynligheder ud fra tabel Transformation af normal fordelte variable Invers transformation Repetition

Læs mere

Epidemi. Matematik. Indermohan Singh Walia, Egedal Gymnasium & HF

Epidemi. Matematik. Indermohan Singh Walia, Egedal Gymnasium & HF Matematik Epidemi Indermohan Singh Walia, Egedal Gymnasium & HF Denne artikel er skrevet som den matematiske teori til beskrivelse af udvikling af en epidemi i en befolkning. Den matematiske model indeholder

Læs mere

Ren versus ligesvævende stemning

Ren versus ligesvævende stemning Ren versus ligesvævende 1. Toner, frekvenser, overtoner og intervaller En oktav består af 12 halvtoner. Til hver tone er knyttet en frekvens. Kammertonen A4 defineres f.eks. til at have frekvensen 440

Læs mere

Eleven kan handle med overblik i sammensatte situationer med matematik. Eleven kan anvende rationale tal og variable i beskrivelser og beregninger

Eleven kan handle med overblik i sammensatte situationer med matematik. Eleven kan anvende rationale tal og variable i beskrivelser og beregninger Kompetenceområde Efter klassetrin Efter 6. klassetrin Efter 9. klassetrin Matematiske kompetencer handle hensigtsmæssigt i situationer med handle med overblik i sammensatte situationer med handle med dømmekraft

Læs mere

Oprids over grundforløbet i matematik

Oprids over grundforløbet i matematik Oprids over grundforløbet i matematik Dette oprids er tænkt som en meget kort gennemgang af de vigtigste hovedpointer vi har gennemgået i grundforløbet i matematik. Det er en kombination af at repetere

Læs mere

Statistik. Peter Sørensen: Statistik og sandsynlighed Side 1

Statistik. Peter Sørensen: Statistik og sandsynlighed Side 1 Statistik Formålet... 1 Mindsteværdi... 1 Størsteværdi... 1 Ikke grupperede observationer... 2 Median og kvartiler defineres ved ikke grupperede observationer således:... 2 Middeltal defineres ved ikke

Læs mere

Analoge indgange og A/D konvertering. Analoge udgange

Analoge indgange og A/D konvertering. Analoge udgange Programmering for begyndere Brug af Arduino Programmeringskursus Analoge indgange og A/D konvertering Analoge udgange Knud Krogsgaard Jensen OZ1QK Oversigt Oversigt over i aften: A/D konvertering iterations

Læs mere

T ALKUNNEN. Tilnærmede tal og computertal

T ALKUNNEN. Tilnærmede tal og computertal T ALKUNNEN 6 Allan C Allan C.. Malmberg Tilnærmede tal og computertal INFA Matematik - 2000 1 INFA - IT i skolens matematik Projektledelse: Allan C. Malmberg Inge B. Larsen INFA-Klubben: Leif Glud Holm

Læs mere

Fejlkorligerende køder Fejlkorrigerende koder

Fejlkorligerende køder Fejlkorrigerende koder Fejlkorligerende køder Fejlkorrigerende koder Olav Geil Skal man sende en fødselsdagsgave til fætter Børge, så pakker man den godt ind i håb om, at kun indpakningen er beskadiget ved modtagelsen. Noget

Læs mere

D1 1 Partikelformede bjergarter

D1 1 Partikelformede bjergarter D1 1 Partikelformede bjergarter Af Kurt Kielsgaard Hansen Sigteanalyse Kornstørrelser kan defineres ved hjælp af sigter med trådvæv med kvadratiske masker. Et korn, som ved en nærmere specificeret forsøgsprocedure

Læs mere

Lad os som eksempel se på samtidigt kast med en terning og en mønt:

Lad os som eksempel se på samtidigt kast med en terning og en mønt: SANDSYNLIGHEDSREGNING Stokastisk eksperiment Et stokastisk eksperiment er et eksperiment, hvor vi fornuftigvis ikke på forhånd kan have en formodning om resultatet af eksperimentet Til gengæld kan vi prøve

Læs mere

Der påvises en acceptabel kalibrering af kameraet, da det værdier kun er lidt lavere end luminansmeterets.

Der påvises en acceptabel kalibrering af kameraet, da det værdier kun er lidt lavere end luminansmeterets. Test af LMK mobile advanced Kai Sørensen, 2. juni 2015 Indledning og sammenfatning Denne test er et led i et NMF projekt om udvikling af blændingsmåling ved brug af et LMK mobile advanced. Formålet er

Læs mere

ISO-følsomhed udtrykker hastigheden af fotografisk negativmaterialer (tidligere udtrykt som ASA i de analoge dage).

ISO-følsomhed udtrykker hastigheden af fotografisk negativmaterialer (tidligere udtrykt som ASA i de analoge dage). Hvad betyder ISO? ISO-følsomhed udtrykker hastigheden af fotografisk negativmaterialer (tidligere udtrykt som ASA i de analoge dage). Da digitale kameraer ikke bruger film, men har en billedsensor i stedet,

Læs mere

Komplekse tal. Mikkel Stouby Petersen 27. februar 2013

Komplekse tal. Mikkel Stouby Petersen 27. februar 2013 Komplekse tal Mikkel Stouby Petersen 27. februar 2013 1 Motivationen Historien om de komplekse tal er i virkeligheden historien om at fjerne forhindringerne og gøre det umulige muligt. For at se det, vil

Læs mere

Hvad er matematik? C, i-bog ISBN 978 87 7066 499 8

Hvad er matematik? C, i-bog ISBN 978 87 7066 499 8 Et af de helt store videnskabelige projekter i 1700-tallets Danmark var kortlægningen af Danmark. Projektet blev varetaget af Det Kongelige Danske Videnskabernes Selskab og løb over en periode på et halvt

Læs mere

BRP Tal. Om computer-repræsentation og -manipulation. Logaritmer

BRP Tal. Om computer-repræsentation og -manipulation. Logaritmer BRP 13.9.2006 Tal. Om computer-repræsentation og -manipulation. Logaritmer 1. Opgaverne til i dag dækker det meste af stoffet 2. Resten af stoffet logaritmer binære træer 3. Øvelse ny programmeringsopgave

Læs mere

brikkerne til regning & matematik tal og algebra F+E+D preben bernitt

brikkerne til regning & matematik tal og algebra F+E+D preben bernitt brikkerne til regning & matematik tal og algebra F+E+D preben bernitt 1 brikkerne. Tal og algebra E+D 2. udgave som E-bog ISBN: 978-87-92488-35-0 2010 by bernitt-matematik.dk Kopiering af denne bog er

Læs mere

Nogle grundlæggende begreber

Nogle grundlæggende begreber BE2-kursus 2010 Jørgen Larsen 5. februar 2010 Nogle grundlæggende begreber Lidt simpel mængdelære Mængder består af elementer; mængden bestående af ingen elementer er, den tomme mængde. At x er element

Læs mere

Simulering af stokastiske fænomener med Excel

Simulering af stokastiske fænomener med Excel Simulering af stokastiske fænomener med Excel John Andersen, Læreruddannelsen i Aarhus, VIA Det kan være en ret krævende læreproces at udvikle fornemmelse for mange begreber fra sandsynlighedsregningen

Læs mere

Excel tutorial om lineær regression

Excel tutorial om lineær regression Excel tutorial om lineær regression I denne tutorial skal du lære at foretage lineær regression i Microsoft Excel 2007. Det forudsættes, at læseren har været igennem det indledende om lineære funktioner.

Læs mere

Studieretningsopgave

Studieretningsopgave Virum Gymnasium Studieretningsopgave Harmoniske svingninger i matematik og fysik Vejledere: Christian Holst Hansen (matematik) og Bodil Dam Heiselberg (fysik) 30-01-2014 Indholdsfortegnelse Indledning...

Læs mere

Faglige delmål og slutmål i faget Matematik. Trin 1

Faglige delmål og slutmål i faget Matematik. Trin 1 Faglige delmål og slutmål i faget Matematik. Trin 1 Faglige delmål for matematik i 1. og 2. klasse. Undervisningen skal lede frem mod, at eleverne efter 2. klasse har tilegnet sig kundskaber og færdigheder,

Læs mere

Matematik A. Studentereksamen. Forberedelsesmateriale. Digital eksamensopgave med adgang til internettet

Matematik A. Studentereksamen. Forberedelsesmateriale. Digital eksamensopgave med adgang til internettet Matematik A Studentereksamen Digital eksamensopgave med adgang til internettet Forberedelsesmateriale frs-matn/a-270420 Onsdag den 27. april 20 Forberedelsesmateriale til stx-a-net MATEMATIK Der skal afsættes

Læs mere

Øvelse i kvantemekanik Kvantiseret konduktivitet

Øvelse i kvantemekanik Kvantiseret konduktivitet 29 Øvelse i kvantemekanik Kvantiseret konduktivitet 5.1 Indledning Denne øvelse omhandler et fænomen som blandt andet optræder i en ganske dagligdags situation hvor et mekanisk relæ afbrydes. Overraskende

Læs mere