Signalbehandling og matematik 1 (Tidsdiskrete signaler og systemer)
|
|
- Astrid Filippa Laursen
- 7 år siden
- Visninger:
Transkript
1 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
2 Session 1. Sekvenser Diskrete systemer
3 Amplitude (V) Amplitude (V) Amplitude Kontinuerte vs. diskrete tidssignaler 2 Tidskontinuert signal (Analog) 2 Sampling 2 Tidsdiskret signal (Digitalt) Tid (s) Tid (s) samples (n) Analogt system A/D komverter DSP (Digital signal processer)
4 Digitale signaler hvor? og meget mere
5 Fysiologiske signaler EEG Kardiologiskesignaler
6 Typiske Digitale systemer ADC DSP DAC Analogt signal Analog til Digital konvertering Digital signal processor Digital til analog konvertering Analogt signal Eksempel EKG baseret plustæller ADC Filter DSP Puls tæller Display Puls: 61
7 Hvorfor digitalt? Fordele: Robust Præcist Uhurtig og billig udvikling Kan håndtere stor kompleksitet Fleksibelt Hukommelse Ulemper: Begrænset båndbrede Begrænsninger i realtid
8 x(t) d2 Definition og notation: Signal Signal er enhver tids varierende eller rum varierede kvantitet Tids variable: x(t) Dimension: x(d1,d2) 2 Function af dimension x(d1,d2) t d1
9 x[n] Matematisk definition og notation: Tidsdiskret signal Funktion af en diskret tids variabel Signalet repræsenteres som en sekvens af nummer x[n], - < n < Hvor n er et heltal F.eks. x[]=1, x[1]=1, x[2]= T n N.B. Ved et Digitalt signal er amplituden også diskret
10 Analog til digital konvertering
11 Analog til digital konvertering
12 Diskret tids sampling Diskrete værdier (Kvantificering) Kvantificerings fejl
13 Relation mellem tid og samples Sample periode: T (sekunder) Digitalt Analogt x[n]=x(nt), - < n < Hvor T er samplings perioden (ofte i sekunder) Alternativ opgivelse Sample hastighed: Fs=1/T (samples per sekund)
14 Se Matlab demo Eksempel på sampling
15 Signal typer Single/multi kanals signaler ECG ( 4 leads) ECG ( 4 leads) s1[ n] S[ n] s2[ n] s [ ] 3 n Samples (n) Reelle / komplekse signaler Samples (n) x[ n] Acos( n ) x[ n] cos( n ) jsin( n ) Deterministiske/ stokastiske signaler
16 Basis signaler: Unit sample og Unit step [ n], 1, n n u[ n] 1,, n n
17 x[n] Basis signaler: Exponential (real) Eksponentielle signaler A=1 og =1.1 A=1 og =.9 x[ n] n A Stigende hvis α>1 Faldende hvis α< n
18 Basis signaler: Sinus x[ n] Acos( n ) ω : vinkel hastighed (rad/sample) Φ: fase j n ) x[ n] e cos( n ) jsin( n ( )
19 Vinkel hastighed og frekvens Normaliseret frekvens Frekvens i Hz/sample hastigheden Vinkel hastighed fra frekvens f F F s 2f Eksempel: En sinus på 1 Hz i et diskret signal sample med 5 Sample/per sekund F f F s x[ n] sin(1.26 n)
20 Periodiske signaler Et signal er periodisk med N hvis x[n]=x[n+n], hvor N er et heltal Et sinus signal er periodisk hvis Acos( n ) Acos( n N ) Hvor N 2k Hvor både N og k er heltal
21 Diskrete sinus signaler For sinus signaler gælder at Acos( n ) Acos(( 2 ) n ) Højeste vinkelhastighed opnås ved ω =π eller ω =-π og det interessante frekvens interval er -π ω π Se Matlab Demo
22 The Sample Theorem Nyquist kriteriet: Sample hastigheden skal være minimum dobbelt så høj som frekvensen af den hurtigste frekvens i signalet. Fs 2F Max Hvis så kan signalet rekonstrueres og aliasing undgås
23 Aliasing F=25 Hz, Fs=1 Hz F=4 Hz, Fs=1 Hz tid (s) tid (s) F=75 Hz, Fs=1 Hz tid (s)
24 Session 1. Sekvenser Diskrete systemer
25 Tidsdiskrete systemer Defination: Transformation eller operation af et tidsdiskrete input x[n] til et tidsdiskrete output y[n] y[ n] T x n Eksempler: Filtrer Operatorer Multiplications system y[ n] a xn
26 x(n-2) x(n) Det ideelle delay system Delay y[n]=x[n-n ] 1 5 Signal hvor n er delay et er repræsenteret ved et heltal n Delayed signal n
27 Kurs Moving average system y[ n] M 1 1 M 2 1 M 2 km x 1 n k 75 7 Google aktiekurs Kurs MA Dage
28 Grafik repræsentation af tidsdiskrete systemer Addering af 2 signaler s.56
29 Grafik repræsentation af tidsdiskrete systemer Multiplikation med en konstant Multiplikation mellem signaler
30 Grafik repræsentation af tidsdiskrete Forsinkelse (Delay) systemer Tavle ex a side 57
31 x[n] y[y] Systemkarakteristika Hukommelesesløst (Statisk): Y[n] er kun afhængig af x[n] 8 Akkumulator y[ n] a xn 6 4 Hukommeles system (Dynamisk): Akkumulator y [ n] n k x n n n s.59
32 y[n] y[n] Lineært system 2 Lineæret system 25 Ikke Lineære systmer x[n] x[n] 2 log(x[n]) x[n] x[n] 2 s.62
33 Lineært system Additiv egenskab: X 1 [n] T x n] x [ n] Tx [ n] Tx [ ] 1[ n + T{ } X 2 [n] X 1 [n] T{ } + X 2 [n] T{ }
34 Lineært system Skalerings egenskab T a x n] atx [ n] a y[ ] 1[ 1 n X 1 [n] x T{ } a X 1 [n] T{ } x a
35 Lineært system Defineret ud fra superposition T a x n] b x [ n] atx [ n] btx [ ] 1[ n
36 Eksemple y[n]=x[n]^2 Test: Additiv egenskab x 1 [1]=2 og x 2 [1]=6 T T 2 x [ n] x [ n] (2 6) x [ n] Tx [ n] Tavle ex a side 63
37 Tidsinvariante systemer Et tidsinvariant system er uafhængigt af eksplicit tid (Koefficienterne er uafhængig af tid) Det vil sige hvis x 2 [n]=x 1 [n-k] så er y 2 [n]=y 1 [n-k] Det samme i går, i dag, i morgen og om 1 år Ikke tidsinvariant system 2 år 45 år 7 år s.59 Tavle ex a side 6
38 Kausalitet Et kausalt system kun afhængig af input fra fortid og nutid. y[n 1 ] er kun afhængig af x[n] hvor nn 1 Kausalt system (Bagudrettet difference) y[ n] x[ n] x[ n 1] Ikke Kausalt system (Forudrettet difference) y[ n] x[ n] x[ n 1] s.65
39 Stabilitet Et stabilt system et system med en begrænset output interval såfremt inputtet er begrænset y [ n], for all n Givet x [ n], for all n Bounded input Bounded output (BIBO) s.66
40 Session 1. Sekvenser diskrete systemer
DSP Digitale signal behandling Lkaa
DSP Digitale signal behandling 213 Lkaa Ugens progam Mandag Tirsdag Onsdag Torsdag Fredag Digitale signaler FFT Filter Ålborg Flyvevåbnet R&S Ålborg FPGA og DSP samt rundvisni ng Filter signal FIR filter
Læs mereEksamen i Signalbehandling og matematik
Opgave. (%).a. Figur og afbilleder et diskret tid signal [n ] og dets DTFT. [n] bruges som input til et LTI filter med en frekvens amplitude respons som vist på figur. Hvilket af de 4 output signaler (y
Læs mereSampling. 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 mereSampling 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 mereC 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 mereKort introduktion til MATLAB
BILAG H Kort introduktion til MATLAB Matlab er et interaktivt programmeringssprog udviklet til manipulering af vektorer og matricer, og er baseret på LINPACK og EISPACK bibliotekerne. På grund af den lette
Læs merePrøveeksamen nr. 2: Signalbehandling og matematik
Prøveeksamen nr. 2: Signalbehandling og matematik 2008 Opgave. (5%) Input-output relation er for et LTI system er 2 3.a. Er systemet kausalt? Nej, y er afhængigt af fremtidige værdier af x, altså x[n+]
Læs mere1/41. 2/41 Landmålingens fejlteori - Lektion 1 - Kontinuerte stokastiske variable
Landmålingens fejlteori - lidt om kurset Landmålingens fejlteori Lektion 1 Det matematiske fundament Kontinuerte stokastiske variable - rw@math.aau.dk Institut for Matematiske Fag Aalborg Universitet Kursusholder
Læs mereSignalbehandling 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 mereRepetition. 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 mereDefinition: Normalfordelingen. siges at være normalfordelt med middelværdi µ og varians σ 2, hvor µ og σ er reelle tal og σ > 0.
Landmålingens fejlteori Lektion 2 Transformation af stokastiske variable - kkb@math.aau.dk http://people.math.aau.dk/ kkb/undervisning/lf12 Institut for Matematiske Fag Aalborg Universitet Repetition:
Læs mereVelkommen til MMK. S. Olsen (DIKU) Multimediekompression Forelæsning 1 1 / 42
Velkommen til MMK Lærere: Søren Olsen, Peter Johansen, Morten Engell-Nørregård, Eugenio Iglesias Lærebog: Ze-Nian Li, Mark S. Drew: Fundamentals of Multimedia (FoM), Pearson Education 2004, samt en række
Læs mereLandmålingens fejlteori - Lektion 2. Sandsynlighedsintervaller Estimation af µ Konfidensinterval for µ. Definition: Normalfordelingen
Landmålingens fejlteori Lektion Sandsynlighedsintervaller Estimation af µ Konfidensinterval for µ - rw@math.aau.dk Institut for Matematiske Fag Aalborg Universitet En stokastisk variabel er en variabel,
Læs mereVEKSELSPÆNDINGENS VÆRDIER. Frekvens Middelværdi & peak værdi (max) Effektiv værdi (RMS) Mere om effektiv værdi!
AC VEKSELSPÆNDINGENS VÆRDIER Frekvens Middelværdi & peak værdi (max) Effektiv værdi (RMS) Mere om effektiv værdi! Frekvens: Frekvensen (f) af et system er antallet af svingninger eller rotationer pr. sekund:
Læs mereLandmålingens fejlteori - Lektion 2 - Transformation af stokastiske variable
Landmålingens fejlteori Lektion 2 Transformation af stokastiske variable - kkb@math.aau.dk http://people.math.aau.dk/ kkb/undervisning/lf12 Institut for Matematiske Fag Aalborg Universitet 1/31 Repetition:
Læs mereAnvendelse 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 mereElementær Matematik. Trigonometriske Funktioner
Elementær Matematik Trigonometriske Funktioner Ole Witt-Hansen Indhold. Gradtal og radiantal.... sin x, cos x og tan x... 3. Trigonometriske ligninger...3 4. Trigonometriske uligheder...5 5. Harmoniske
Læs mereDen ideelle operationsforstærker.
ELA Den ideelle operationsforstærker. Symbol e - e + v o Differensforstærker v o A OL (e + - e - ) - A OL e ε e ε e - - e + (se nedenstående figur) e - e ε e + v o AOL e - Z in (i in 0) e + i in i in v
Læs mereLandmålingens fejlteori Lektion 1 Det matematiske fundament Kontinuerte stokastiske variable
Landmålingens fejlteori Lektion 1 Det matematiske fundament Kontinuerte stokastiske variable - rw@math.aau.dk Institut for Matematiske Fag Aalborg Universitet 1/41 Landmålingens fejlteori - lidt om kurset
Læs mereDen homogene ligning. Vi betragter den n te ordens, homogene, lineære differentialligning. d n y dt n. an 1 + any = 0 (1.2) dt. + a1 d n 1 y dt n 1
1/7 Den homogene ligning Vi betragter den n te ordens, homogene, lineære differentialligning a 0 d n y dt n + a1 d n 1 y dt n 1 hvor a 0,..., a n R og a 0 0. Vi skriver ligningen på kort form som + + dy
Læs mereLandmålingens fejlteori - Repetition - Kontinuerte stokastiske variable - Lektion 3
Landmålingens fejlteori Repetition - Kontinuerte stokastiske variable Lektion 4 - kkb@math.aau.dk http://people.math.aau.dk/ kkb/undervisning/lf10 Institut for Matematiske Fag Aalborg Universitet 29. april
Læs mereDefinition. Definitioner
Definition Landmålingens fejlteori Lektion Diskrete stokastiske variable En reel funktion defineret på et udfaldsrum (med sandsynlighedsfordeling) kaldes en stokastisk variabel. - kkb@math.aau.dk http://people.math.aau.dk/
Læs mereTids-frekvensanalyse af musik
Tids-frekvensanalyse af musik Signaler og systemer Projektrapport, MATTEK4 G3-115 Matematik-Teknologi Aalborg Universitet Copyright c Aalborg University 2016 Foto på forside: Lavet i Python 2.7 Institut
Læs mereBernoulli og binomial fordelingerne Kontinuerte stokastiske variable Normalfordelingen
Bernoulli og binomial fordelingerne Kontinuerte stokastiske variable Normalfordelingen Repetition Lov om total sandsynlighed Bayes sætning P( B A) = P(A) = P(AI B) + P(AI P( A B) P( B) P( A B) P( B) +
Læs mereStatistik Lektion 2. Betinget sandsynlighed Bayes regel Diskrete stokastiske variable Middelværdi og varians for diskret SV Binomialfordelingen
Statistik Lektion etinget sandsynlighed ayes regel Diskrete stokastiske variable Middelværdi og varians for diskret SV inomialfordelingen Repetition Udfaldsrum S Hændelse S Simpel hændelse O i 1, 3 4,
Læs mereMiddelværdi og varians. Kovarians. korrelation = 0.02 korrelation = 0.7 korrelation = 1.0
Middelværdi og varians Middelværdien af en diskret skalarfunktion f(x), for x = 0, N er: µ = N f(x) N x=0 For vektorfuktioner er middelværdivektoren tilsvarende: µ = N f(x) N x=0 Middelværdien er en af
Læs mereFordybelsesprojekt Matematik 2, forår 2005 Potensrækker
Fordybelsesprojekt Matematik 2, forår 2005 Potensrækker Arne Jensen 7. 11. marts 2005 1 Indledning I forbindelse med kurset i Reelle og Komplekse Funktioner afholdes et fordybelsesprojekt med et omfang
Læs mereLineære systemer med hukommelse.
Lineær Response Teori. I responseteorien interesserer man sig for, hvad der kan siges generelt om sammenhængen mellem input φ(t) og output γ(t) for et system. Valg af variable. Det betragtede systems forskellige
Læs mereFourier transformationen
MODUL 6 Fourier transformationen Forfattere: Øistein WIND-WILLASSEN & Michael ELMEGÅRD 4. juni 4 Indhold Fourier transformationen 5. Definition og oprindelse.............................. 5.. Funktioner
Læs mereKøbenhavns Universitet, Det naturvidenskabelige Fakultet. Afleveringsopgave 1
Københavns Universitet, Det naturvidenskabelige Fakultet 1 Lineær Algebra (LinAlg) Afleveringsopgave 1 Eventuelle besvarelser laves i grupper af - 3 personer og afleveres i to eksemplarer med 3 udfyldte
Læs mereSpektrumrepræsentation
Spektrumrepræsentation (Kapitel 3) Jens D. Andersen Datalogisk Institut Københavns Universitet p.1/35 $ $ $ Spektrumrepræsentation Matematisk repræsentation af en sinusoide: hvor "! er en fasor. Mere komplicerede
Læs mereSandsynlighedsregning 7. forelæsning Bo Friis Nielsen
Sandsynlighedsregning 7. forelæsning Bo Friis Nielsen Matematik og Computer Science Danmarks Tekniske Universitet 28 Kgs. Lyngby Danmark Email: bfn@dtu.dk Dagens emner afsnit 4.5 og 4.6 (Kumulerede) fordelingsfunktion
Læs mereNanostatistik: Stokastisk variabel
Nanostatistik: Stokastisk variabel JLJ Nanostatistik: Stokastisk variabel p. 1/29 Repetition Ω: udfaldsrummet: alle de mulige udfald af et experiment P(A): ss for hændelsen A = frekvens i uafhængige gentagelser
Læs mereSandsynlighedsregning 7. forelæsning Bo Friis Nielsen
Sandsynlighedsregning 7. forelæsning Bo Friis Nielsen Matematik og Computer Science Danmarks Tekniske Universitet 2800 Kgs. Lyngby Danmark Email: bfni@dtu.dk Dagens emner afsnit 4.5 og 4.6 (Kumulerede)
Læs mereFigur 0.1: To kredsløb hvor en operationsforstærker bliver brugt som komparator. [1]
A/D Konvertering Den virkelige verden, består af kontinuerlige analoge signaler. Computere derimod kan kun håndtere diskrete digitale signaler. Et forsøg på at repræsentere og bearbejde virkeligheden på
Læs mereStatistik Lektion 3. Simultan fordelte stokastiske variable Kontinuerte stokastiske variable Normalfordelingen
Statistik Lektion 3 Simultan fordelte stokastiske variable Kontinuerte stokastiske variable Normalfordelingen Repetition En stokastisk variabel er en funktion defineret på S (udfaldsrummet, der antager
Læs mereInstitut for Matematiske Fag Aalborg Universitet Specielt: Var(aX) = a 2 VarX 1/40. Lad X α, X β og X γ være stokastiske variable (vinkelmålinger) med
Repetition: Varians af linear kombination Landmålingens fejlteori Lektion 5 Fejlforplantning - rw@math.aau.dk Antag X 1, X,..., X n er uafhængige stokastiske variable, og Y er en linearkombination af X
Læs mereSandsynlighedsregning 7. forelæsning Bo Friis Nielsen
Sandsynlighedsregning 7. forelæsning Bo Friis Nielsen Matematik og Computer Science Danmarks Tekniske Universitet 2800 Kgs. Lyngby Danmark Email: bfni@dtu.dk Dagens emner afsnit 4.5 og 4.6 (Kumulerede)
Læs mereSandsynlighedsregning: endeligt udfaldsrum (repetition)
Program: 1. Repetition: sandsynlighedsregning 2. Sandsynlighedsregning fortsat: stokastisk variabel, sandsynlighedsfunktion/tæthed, fordelingsfunktion. 1/16 Sandsynlighedsregning: endeligt udfaldsrum (repetition)
Læs mereNormale tal. Outline. Hvad er tilfældighed? Uafhængighed. Matematiklærerdag Simon Kristensen. Aarhus Universitet, 24/03/2017
Matematiklærerdag 2017 Institut for Matematik Aarhus Universitet Aarhus Universitet, 24/03/2017 Outline 1 2 3 Hvad er tilfældighed? I statistik, sandsynlighedsteori og ikke mindst i programmering er det
Læs mereTotal 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 mereBILAG. til. Kommissionens delegerede forordning
EUROPA- KOMMISSIONEN Bruxelles, den 12.10.2015 C(2015) 6823 final ANNEX 1 PART 6/11 BILAG til Kommissionens delegerede forordning om ændring af Rådets forordning (EF) nr. 428/2009 om en fællesskabsordning
Læs mereIndhold. Figur 1: Blokdiagram over regulatorprincip
Indhold.1 Beskrivelse af regulatorer............................. 2.2 Krav til regulator................................. 2.2.1 Integrator anti-windup.......................... 4.3 Overføringsfunktion
Læs mereMatematisk modellering og numeriske metoder. Lektion 8
Matematisk modellering og numeriske metoder Lektion 8 Morten Grud Rasmussen 18. oktober 216 1 Fourierrækker 1.1 Periodiske funktioner Definition 1.1 (Periodiske funktioner). En periodisk funktion f er
Læs mereMatematisk 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 mereTeoretisk Statistik, 9 marts nb. Det forventes ikke, at alt materialet dækkes d. 9. marts.
Teoretisk Statistik, 9 marts 2005 Empiriske analoger (Kap. 3.7) Normalfordelingen (Kap. 3.12) Opsamling på Kap. 3 nb. Det forventes ikke, at alt materialet dækkes d. 9. marts. 1 Empiriske analoger Betragt
Læs mereEn martingalversion af CLT
Kapitel 9 En martingalversion af CLT Når man har vænnet sig til den centrale grænseværdisætning for uafhængige, identisk fordelte summander, plejer næste skridt at være at se på summer af stokastiske variable,
Læs mereHvad skal vi lave i dag?
p. 1/2 Hvad skal vi lave i dag? Eksempler på stokastiske variable. Ventetid på krone ved møntkast. Antal plat ved n kast. Antal radioaktive henfald. Ventetiden på en flyulykke. Udtrækning af tal i et interval.
Læs mereStatistik og Sandsynlighedsregning 2
Statistik og Sandsynlighedsregning 2 Normalfordelingen og transformation af kontinuerte fordelinger Helle Sørensen Uge 7, mandag SaSt2 (Uge 7, mandag) Normalford. og transformation 1 / 16 Program Paretofordelingen,
Læs mereMM501 forelæsningsslides
MM501 forelæsningsslides uge 40, 2010 Produceret af Hans J. Munkholm bearbejdet af JC 1 Separabel 1. ordens differentialligning En generel 1. ordens differentialligning har formen s.445-8 dx Eksempler
Læs mereKursusgang 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 mereNanostatistik: Stokastisk variabel
Nanostatistik: Stokastisk variabel JLJ Nanostatistik: Stokastisk variabel p. 1/34 Repetition Ω: udfaldsrummet: alle de mulige udfald af et experiment P(A): ss for hændelsen A = frekvens i uafhængige gentagelser
Læs mereLogistisk Regression. Repetition Fortolkning af odds Test i logistisk regression
Logistisk Regression Repetition Fortolkning af odds Test i logistisk regression Logisitks Regression: Repetition Y {0,} binær afhængig variabel X skala forklarende variabel π P( Y X x) Odds(Y X x) π /(-π
Læs mereAnaloge 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 mere2. De 7 signaler skal kodes til en 3-bit kode. Enkodningen skal prioriteres som beskrevet i afsnit?? på side??.
01 FORUDSÆTNINGER 01 Forudsætninger Dette kapitel tager udgangspunkt i processerne beskrevet i afsnit?? på side?? Hver enkelt proces tildeles et afsnit, hvorunder det beskrives hvilke hardware moduler,
Læs mereBesvarelses forslag til Tag-hjemeksamen Vinteren 02 03
IMFUFA Carsten Lunde Petersen Besvarelses forslag til Tag-hjemeksamen Vinteren 02 0 Hvor ikke andet er angivet er henvisninger til W.R.Wade An Introduction to analysis. Opgave a) Idet udtrykket e x2 cos
Læs mereFejlforplantning. Landmålingens fejlteori - Lektion 5 - Fejlforplantning. Repetition: Varians af linear kombination. Eksempel: Vinkelberegning
Fejlforplantning Landmålingens fejlteori Lektion 5 Fejlforplantning - kkb@math.aau.dk http://people.math.aau.dk/ kkb/undervisning/lf13 Landmåling involverer ofte bestemmelse af størrelser som ikke kan
Læs mereKvantitative Metoder 1 - Forår Dagens program
Dagens program Kontinuerte fordelinger Ventetider i en Poissonproces Beskrivelse af kontinuerte fordelinger: - Median og kvartiler - Middelværdi - Varians Simultane fordelinger 1 Ventetider i en Poissonproces
Læs mereVelkommen til. EDR Frederikssund Afdelings Almen elektronik kursus. Steen Gruby OZ9ZI
Emne 19 & 20: Sender & Modtagerteknik Velkommen til EDR Frederikssund Afdelings Steen Gruby 1 I øvrigt Emne 19 & 20: Sender & Modtagerteknik Tidsrum :1900 2200 I pause ca. i midten Toilettet er i gangen
Læs mere4 Oversigt over kapitel 4
IMM, 2002-09-14 Poul Thyregod 4 Oversigt over kapitel 4 Introduktion Hidtil har vi beskæftiget os med data. Når data repræsenterer gentagne observationer (i bred forstand) af et fænomen, kan det være bekvemt
Læs mereLidt alment om vektorrum et papir som grundlag for diskussion
Definition : vektorrum, vektorer Et vektorrum er en mængde af elementer med operationerne sum (+) og numerisk multiplikation (), så følgende regler gælder for alle a, b, c og for alle reelle tal s, t R.
Læs mereMM502+4 forelæsningsslides
MM502+4 forelæsningsslides uge 11+12 1, 2009 Produceret af Hans J. Munkholm, delvis på baggrund af lignende materiale udarbejdet af Mikael Rørdam 1 I nærværende forbindelse er 11 + 12 23 1 Egenskaber for
Læs mereStatistik og Sandsynlighedsregning 2
Statistik og Sandsynlighedsregning 2 Lineære transformationer, middelværdi og varians Helle Sørensen Uge 8, onsdag SaSt2 (Uge 8, onsdag) Lineære transf. og middelværdi 1 / 15 Program I formiddag: Fordeling
Læs mereFordybelsesprojekt Analyse 2, forår 2012 Potensrækker
Fordybelsesprojekt Analyse 2, forår 2012 Potensrækker Udarbejdet af Arne Jensen 1 Indledning I forbindelse med kurset Matematisk Analyse 2 på Mat 2 afholdes et fordybelsesprojekt med et omfang af 3 ECTS.
Læs mereFysik 2 - Den Harmoniske Oscillator
Fysik 2 - Den Harmoniske Oscillator Esben Bork Hansen, Amanda Larssen, Martin Qvistgaard Christensen, Maria Cavallius 5. januar 2009 Indhold 1 Formål 1 2 Forsøget 2 3 Resultater 3 4 Teori 4 4.1 simpel
Læs mereSkriftlig Eksamen Algoritmer og Datastrukturer (dads)
Skriftlig Eksamen Algoritmer og Datastrukturer (dads) Datalogisk Institut Aarhus Universitet Tirsdag den 27. maj 2003, kl. 9.00 3.00 Opgave (25%) For konstanten π = 3.4592... gælder identiteten π 2 6 =
Læs mereSelvstudium 1, Diskret matematik
Selvstudium 1, Diskret matematik Matematik på første studieår for de tekniske og naturvidenskabelige uddannelser Aalborg Universitet I dette selfstudium interesserer vi os alene for tidskompleksitet. Kompleksitet
Læs mereWigner s semi-cirkel lov
Wigner s semi-cirkel lov 12. december 2009 Eulers Venner Steen Thorbjørnsen Institut for Matematiske Fag Århus Universitet Diagonalisering af selvadjungeret matrix Lad H være en n n matrix med komplekse
Læs mereEn martingalversion af CLT
Kapitel 11 En martingalversion af CLT Når man har vænnet sig til den centrale grænseværdisætning for uafhængige, identisk fordelte summander, plejer næste skridt at være at se på summer af stokastiske
Læs mereElektromagnetisme 14 Side 1 af 10 Elektromagnetiske bølger. Bølgeligningen
Elektromagnetisme 14 Side 1 af 1 Bølgeligningen Maxwells ligninger udtrykker den indbyrdes sammenhæng mellem de elektromagnetiske felter samt sammenhængen mellem disse felter og de feltskabende ladninger
Læs mereElementær 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 mereSandsynlighedsregning Stokastisk variabel
Sandsynlighedsregning Stokastisk variabel I eksperimenter knyttes ofte en talværdi til hvert udfald. S s X(s) R Definition: En stokastisk variabel X er en funktion defineret på S, der antager værdier på
Læs mereKvantitative Metoder 1 - Forår Dagens program
Dagens program Kontinuerte fordelinger Simultane fordelinger Kovarians og korrelation Uafhængighed Betingede fordelinger - Middelværdi og varians - Sammenhæng med uafhængighed 1 Figur 1: En tæthedsfunktion
Læs mereDesign og udvikling af et blodtryks ma lesystem
Design og udvikling af et blodtryks ma lesystem 3. semesterprojekt side 1 af 5 Design og udvikling af et blodtryks målesystem Problemformulering I daglig klinisk praksis er der ofte behov for kontinuert
Læs mereOm hypoteseprøvning (1)
E6 efterår 1999 Notat 16 Jørgen Larsen 11. november 1999 Om hypoteseprøvning 1) Det grundlæggende problem kan generelt formuleres sådan: Man har en statistisk model parametriseret med en parameter θ Ω;
Læs mereOversigt. Introduktion til Statistik. Forelæsning 2: Stokastisk variabel og diskrete fordelinger
Introduktion til Statistik Forelæsning 2: og diskrete fordelinger Oversigt 1 2 3 Fordelingsfunktion 4 Peder Bacher DTU Compute, Dynamiske Systemer Bygning 303B, Rum 017 Danmarks Tekniske Universitet 2800
Læs mereLandmålingens fejlteori - Lektion 5 - Fejlforplantning
Landmålingens fejlteori Lektion 5 Fejlforplantning - kkb@math.aau.dk Institut for Matematiske Fag Aalborg Universitet 1/30 Fejlforplantning Landmåling involverer ofte bestemmelse af størrelser som ikke
Læs mereTeoretisk Statistik, 16. februar Generel teori,repetition
1 Uge 8 Teoretisk Statistik, 16. februar 2004 1. Generel teori, repetition 2. Diskret udfaldsrum punktssh. 3. Fordelingsfunktionen 4. Tæthed 5. Transformationer 6. Diskrete vs. Kontinuerte stokastiske
Læs mereRepræsentation 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 mereLøsninger til øvelser i kapitel 1
Øvelse 1.1 Øvelse 1. Øvelse 1.3 Afspil animationerne og forklar med dine egne ord, hvad du ser. a) Afspil lydfilerne og forklar med dine egne ord, hvad du hører. Frekvenserne fordobles for hver oktav.
Læs mereDesignMat Uge 4 Systemer af lineære differentialligninger I
DesignMat Uge Systemer af lineære differentialligninger I Preben Alsholm Efterår 008 1 Lineære differentialligningssystemer 11 Lineært differentialligningssystem af første orden I Lineært differentialligningssystem
Læs mereMM501/MM503 forelæsningsslides
MM501/MM503 forelæsningsslides uge 50, 2009 Produceret af Hans J. Munkholm 1 Separabel 1. ordens differentialligning En generel 1. ordens differentialligning har formen dx Eksempler = et udtryk, der indeholder
Læs mereIndhold. Figur 1: Blokdiagram over regulatorprincip
m M Indhold.1 Beskrivelse af regulatorer............................. 2.2 Krav til regulator................................. 2.3 Overføringsfunktion for det samlede system................... 4.3.1 Rodkurveundersøgelse..........................
Læs mereDigitale 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 mereOversigt [S] 7.3, 7.4, 7.5, 7.6; [DL] 1, 2
Oversigt [S] 7.3, 7.4, 7.5, 7.6; [DL] 1, 2 Her skal du lære om Separable ligninger Logistisk ligning og eksponentiel vækst 1. ordens lineær ligning August 2002, opgave 7 Rovdyr-Byttedyr system 1. ordens
Læs mereIntroduktion til Statistik. Forelæsning 3: Kontinuerte fordelinger. Peder Bacher
Introduktion til Statistik Forelæsning 3: Kontinuerte fordelinger Peder Bacher DTU Compute, Dynamiske Systemer Bygning 303B, Rum 009 Danmarks Tekniske Universitet 2800 Lyngby Danmark e-mail: pbac@dtu.dk
Læs mereEksamen i Lineær Algebra. Første Studieår ved Det Tekniske Fakultet for IT og Design samt Det Ingeniør- og Naturvidenskabelige Fakultet
Eksamen i Lineær Algebra Første Studieår ved Det Tekniske Fakultet for IT og Design samt Det Ingeniør- og Naturvidenskabelige Fakultet 4. januar 9 kl. 9:-: Dette eksamenssæt består af 8 nummererede sider
Læs mereSvingninger. Erik Vestergaard
Svingninger Erik Vestergaard 2 Erik Vestergaard www.matematikfysik.dk Erik Vestergaard, 2009. Billeder: Forside: Bearbejdet billede af istock.com/-m-i-s-h-a- Desuden egne illustrationer. Erik Vestergaard
Læs mereØvelsesvejledning. 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 mereKursus Introduktion til Statistik. Forelæsning 13: Summary. Per Bruun Brockhoff
Kursus 02402 Introduktion til Statistik Forelæsning 13: Summary Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse Bygning 324, Rum 220 Danmarks Tekniske Universitet 2800 Lyngby Danmark e-mail:
Læs mereElektromagnetisme 14 Side 1 af 9 Elektromagnetiske bølger. Bølgeligningen
Elektromagnetisme 14 Side 1 af 9 Bølgeligningen Maxwells ligninger udtrykker den indbyrdes sammenhæng mellem de elektromagnetiske felter. I det flg. udledes en ligning, der opfyldes af hvert enkelt felt.
Læs mereDesignMat Uge 1 Repetition af forårets stof
DesignMat Uge 1 Repetition af forårets stof Preben Alsholm Efterår 008 01 Lineært ligningssystem Lineært ligningssystem Et lineært ligningssystem: a 11 x 1 + a 1 x + + a 1n x n = b 1 a 1 x 1 + a x + +
Læs mereProgram. Statistik og Sandsynlighedsregning. Eksempler. Sandsynlighedstæthed og sandsynlighedsmål
Program Statistik og Sandsynlighedsregning Sandsynlighedstætheder og kontinuerte fordelinger på R Varians og middelværdi Normalfordelingen Susanne Ditlevsen Uge 48, tirsdag Tætheder og fordelingsfunktioner
Læs mereFluke ScopeMeter 190 serien
Fluke ScopeMeter 190 serien ScopeMeter 190 serien : Al denne kraft lige ved hånden! ScopeMeter 190C og 190B serierne har egenskaber, som man normalt kun finder i de bedste bordoscilloskoper. De byder på
Læs mereI dag. Kodning af lyd. Psykoakustiske modeller G.726. Vocoders. S. Olsen (DIKU) Multimediekompression Forelæsning 10 1 / 38
I dag Kodning af lyd G.726 Vocoders Psykoakustiske modeller S. Olsen (DIKU) Multimediekompression Forelæsning 10 1 / 38 Der eksisterer en lang række af standarder for kodning af lyd. Forskellige anvendelser
Læs mereUge 10 Teoretisk Statistik 1. marts 2004
1 Uge 10 Teoretisk Statistik 1. marts 004 1. u-fordelingen. Normalfordelingen 3. Middelværdi og varians 4. Mere normalfordelingsteori 5. Grafisk kontrol af normalfordelingsantagelse 6. Eksempler 7. Oversigt
Læs mereSemesterbeskrivelser for uddannelser ved Aalborg Universitet
Januar 2016 Semesterbeskrivelser for uddannelser ved Aalborg Universitet Semesterbeskrivelse for 4. semester bachelor Sundhedsteknologi forår 2016 Oplysninger om semesteret School of Medicine and Health
Læs merePC-baseret analyzer og equalizer
PC-baseret analyzer og equalizer Projekteksamen Gruppe 506 Institut for elektroniske systemer Aalborg Universitet PC-baseret analyzer og equalizer p. 1/53 Præsentation Systempræsentation Filterdesign Mikrofonkorrektion
Læs mereLineære 2. ordens differentialligninger med konstante koefficienter
enote 13 1 enote 13 Lineære 2. ordens differentialligninger med konstante koefficienter I forlængelse af enote 11 og enote 12 om differentialligninger, kommer nu denne enote omkring 2. ordens differentialligninger.
Læs mere