Les 6.

Slides:



Advertisements
Verwante presentaties
Trillingen en golven Sessie 4.
Advertisements

Deeltjesmodel oplossingen.
Gecijferdheid Negatieve getallen.
- Hoe noem je uitkomsten?
De HF Spectrumanalyzer
Digitale filters voor traders
Natuurlijke Werkloosheid en de Phillipscurve
Excel, zin in een potje Zeeslag?
havo/vwo D Samenvatting Hoofdstuk 8
Hogere Wiskunde Complexe getallen college week 6
Elektriciteit 1 Les 12 Capaciteit.
6 VWO B2 deel 2 A1.1 vraag 3 Karl Friedrich Gauss.
Waar is dit goed voor? doel: conceptuele grondslag voor moleculaire binding, moleculaire structuren. benadering: fundamentele, fysische wetmatigheden,
Motivatie informatie = verandering in tijd netwerken: met R, L, en C
Motivatie lineaire systemen komt zeer veel voor: speciale technieken
Meet- en Regeltechniek Les 4: De klassieke regelaars
Spraaksynthese.
Programmerend denken Algoritmen.
Musicale Acustica en Sonologie Prof. Dr. Marc Leman
Oefeningen Akoestische grondslagen en Sonologische analyse Dr
Oefeningen Akoestische grondslagen en Sonologische analyse Dr
4K130 Signaalanalyse (vdMolengraft/Kok)
8C120 Inleiding Meten en Modelleren 8C120 Prof.dr.ir. Bart ter Haar Romeny Faculteit Biomedische Technologie Biomedische Beeld Analyse
Prof.dr.ir. Bart ter Haar Romeny
Laplace Transformatie, Polen/Nulpuntenanalyse:
Hoofdstuk 7 Superpositie van Golven
Toets 1. Opgave 1 a) Periodiek signaal: x=[ ] xp=[ ] % FFT periodic signal: y1=abs(fft(xp)) figure(1) stem(y1) % % define window
Trillingen en golven Sessie 8.
Samenstellen van trillingen
Toonhoogte en frequentie
Overzicht tweede college “ruis”
Overzicht derde college “ruis”
Overzicht eerste college “ruis”
De FFT spectrumanalyzer
HAVO 4: Jong & Oud Hoofdstuk 2: De jeugd
Verbazend symmetrisch
ribwis1 Toegepaste wiskunde – Exponentiele functies Lesweek 5
Herman Gorter arbeidshygiënist/ veiligheidskundige
Inhoud (2) Netwerkanalyse Signalen als dragers van informatie
Oefeningen Akoestische grondslagen en Sonologische analyse Dr
Blok 7: netwerken Les 1 Christian Bokhove
Inleiding telecommunicatie = info overbrengen transmissiemedium
Vermogen en arbeidsfactor van een sinusoïdale wisselstroom
17/08/2014 | pag. 1 Fractale en Wavelet Beeldcompressie Les 5.
Natuurkunde VWO Trillingen en golven.
B vwo vwo B - 11e editie tweede fase Jan Dijkhuis, Roeland Hiele
Basiskennis vectoren voor:
havo en vwo wiskunde B Wim Doekes
Digitale signaalverwerking II Active noise control (actieve ruiscontrole) Auditorium B 16/12/ u25 – 15u45 Supervisor: Romain Serizel Jeffrey Vanspauwen.
Paragraaf Modulatie.
DMT Echo cancellatie Jan-Pieter Jacobs Devy Widjaja Assistent: Jan Vangorp.
Samenvatting.
Rekenen met negatieve en positieve getallen
Samenvatting.
Wim Doekes - hoofdauteur
Encoder + Decoder Filterbank 512-FFT + Treshold Bit allocatie Inverse Filterbank.
Hoofdstuk 4: Een 2e orde systeem
De discrete fouriertransformatie en Fast Fourier Transform
Systeemanalyse in 8 domeinen Dr. ir. Mark Van Paemel.
Het discrete frequentiedomein
De Frequentieresponsie
Bemonstering en reconstructie
Transformaties van grafieken
Het complexe frequentiedomein
Berekenen van de responsie
De complexe Fourierreeks
01 Elektriciteitsleer, elektromagnetisme en radio theorie
Info 2 Rationale getallen tot een positieve macht verheffen M A R T X
Voorkennis Wiskunde Les 11 Hoofdstuk 5: §5.3 en §5.4.
Gehele getallen vermenigvuldigen en delen
Transcript van de presentatie:

Les 6

Fouriertransformatie Joseph Fourier (1768-1830) Fourier analyse, spectrale analyse, spectrale decompositie, Fouriertransformatie Fourier synthese, spectrale synthese, spectrale compositie, inverse Fouriertrasformatie, additieve synthese

Basisidee: Periodieke signalen bestaan uit een superpositie van sinusoïdale signalen Transformatie van tijdsdomein naar frequentiedomein, en omgekeerd (analyse-synthese, decompositie-compositie, transformatie-inverse transformatie) Discrete Fourier Transformatie: DFT (FFT)

Toepassingen: Phase-vocoder  voorbeeld van real-time vocoder

Amplitudespectrum en fasespectrum Geluidsprisma http://www.jhu.edu/~signals/index.html

Voorbeeld additieve synthese Genereer bovenstaande figuren in Matlab w = 2p, t=(0:99)/100

Voorbeeld spectraal analyse Genereer dit in Matlab = 2p, t=0:T, T=99/100, k=-10:10 S(k)

Signalen vermenigvuldigen Als het productsignaal overal positief is, dan zijn de vermenigvuldigde signalen identiek (de som geeft hoge waarde) Gemixt positief en negatief: signalen zijn niet identiek (som geeft lage waarde, of nul)

Matlab voorbeelden Synthese Analyse: Amplitude en fase zijn nodig voor een volledige analyse Negatieve frequenties worden in rekening gebracht

Fouriertransformatie als (de)compositie Voorstelling vanuit vector(de)compositie Werken met fasers

Decompositie als projectie 1 2 3 Decompositie van een vector

Basis is orthogonaal

Fasers als basis Wat we willen is:

Spectraal-analyse

Merk op

Matlab - decompositie Complex signaal a1 = exp(-j*3*2*pi*(0:19)/20) .* exp(-j*1*2*pi*(0:19)/20); sum(a1)  0; a2 = exp(-j*3*2*pi*(0:19)/20) .* exp(-j*2*2*pi*(0:19)/20); sum(a1) 0; a3 = exp(-j*3*2*pi*(0:19)/20) .* exp(-j*3*2*pi*(0:19)/20); sum(a3)  20 a17 = exp(-j*3*2*pi*(0:19)/20) .* exp(-j*17*2*pi*(0:19)/20); sum(a17)  0 Reëel signaal: a3 = cos(3*2*pi*(0:19)/20) .* exp(-j*3*2*pi*(0:19)/20); sum(a3)  10 a17 = cos(3*2*pi*(0:19)/20) .* exp(-j*17*2*pi*(0:19)/20); sum(a)  10

Gebruik van FFT in Matlab

Tijdsdomein - Frequentiedomein Amplitudespectrum en fasespectrum

Voorstelling in TD en FD 1kHz Beats Amplitudemodulatie Frequentiemodulatie Harmonisch tooncomplex

Toepassingen: Muziekanalyse op basis van klanken  voorbeeld: audacity

Toepassing: verandering van toonhoogte fft van reëel signaal Alle frequenties verschuiven Via ifft naar complex tijdsignaal

Toepassing: demodulator Signaal opnemen fft van reëel signaal Analytisch signaal maken helft van fft op nul te zetten Via ifft naar complex tijdsignaal Amplitude van complex tijdsignaal

Fourier Synthese Demo: Fourier Series