SGN-11000 Signaalinkäsittelyn perusteet - 03.05.2016 (Välikoe ja tentti)
The text is generated with Optical Image Recognition from the original exam file and it can therefore contain erroneus or incomplete information. For example, mathematical symbols cannot be rendered correctly. The text is mainly used for generating search results.
Original examVÄLIKOE VÄLIKOE SGN-11000 Signaalinkäsittelyn perusteet Välikoe 3.5.2016 Heikki Huttunen > Laskimen käyttö sallittu. » Muiden materiaalien käyttö ei sallittu. > Tenttikysymyksiä ei tarvitse palauttaa. Sivuilla 1-3 on VÄLIKOE. Sivuilla 4-5 on TENTTI. Sivulla 6 on kaavakokoelma. Vastaa vain jompaan kumpaan kokeeseen, ei molempiin eikä sekaisin. Vastaa konseptille, ja kirjoita ensimmäiselle sivulle ylös isolla sana VÄLIKOE tai TENTTI. Jos olet suorittanut pakolliset harjoitukset aikaisemmin kuin tänä vuonna, merkitse paperin alkuun milloin (kevät/kesä/syksy / vuosi) 1. Ovatko seuraavat väitteet tosia vai epätosia? Fi perusteluja, pelkkä tosi / epätosi. Oikea vastaus 1p, väärä vastaus -1p, ei vastausta Op. (a) Takaisinlevitysmenetelmä (engl. backpropagation) on hermoverkkojen ope- tuksessa käytetty algoritmi. (b) Bilineaarimuunnosta käytetään IIR-suodinten suunnittelussa. (c) Näytteenottotaajuus muunnetaan 1,5-kertaiseksi desimoimalla se ensin puo- leen ja interpoloimalla sen jälkeen kolminkertaiseksi. (d) Logistinen regressio on kohinanmuokkauksen suunnittelussa käytetty algo- ritmi. (e) Desimoinnin yhteydessä tavattu || N operaatio jättää signaalista joka N:nen näytteen jäljelle. (f) Kohinanmuokkaus siirtää kohinaa matalille taajuuksille. 2. (a) Eräs lääketieteen sovellus mittaa potilaan aivosähkökäyrää, johon on sekoit- tunut sähköverkosta tulevaa häiriötä 50 Hertzin taajuudella. Sovellutuksen kannalta olennainen informaatio sijaitsee taajuusalueella 0-34 Hz. Järjestel- män näytteenottotaajuus on 150 Hz. Millaiset päästö- ja estokaistat tarvi- taan, jotta verkkohurina poistuu ja varsinainen signaali säilyy? Mikä on pie- nin mahdollinen kertoimien määrä, kun suodinsuunnittelu tapahtuu ikkuna- menetelmällä Hamming-ikkunaa käyttäen. (3p) (b) Täydennä oheisen lohkokaavio niin, että se esittää ensimmäisen asteen kohi- nanmuokkainta. (3p) van y > sointi. DA [125 | 1Z aah Kar J. | = Interpolointi VÄLIKOE VÄLIKOE VÄLIKOE VÄLIKOE 3: 5 Suunnittele ikkunamenetelmällä alipäästösuodin (selvitä käsin impulssivasteen lauseke), jonka vaatimukset ovat seuraavat: Estokaista [13.5 kHz, 16 kHz] Päästökaista [0 kHz, 11 kHz] Päästökaistan maksimivärähtely 0.06 dB Estokaistan minimivaimennus 43 dB Näytteenottotaajuus 32 kHz Käytä viimeisen sivun taulukoita hyväksesi. . Signaalin näytteenottotaajuus on 32000 Hz ja se halutaan tallentaa laitteelle, jonka näytteenottotaajuus on 4000 Hz. Signaalin olennaisin informaatio on taajuuskais- talla 0—1500 Hz, joka tulee säilyttää sellaisenaan ilman vaimennusta. Desimointi halutaan toteuttaa mahdollisimman tehokkaasti, joten kaikki usean vaiheen toteu- tukset on tutkittava. (a) Piirrä mahdollisten toteutusten lohkokaaviot. (2p) (b) Suotimet suunnitellaan Hamming-ikkunalla, jolloin N = 3.3/Af. Laske ker- rointen yhteismäärät eri toteutuksissa. (2p) (c) Laske montako kertolaskua sekunnissa eri toteutukset tarvitsevat. Mikä on tehokkain toteutus? (2p) (a) Alla oleva kuva esittää opetusdataa, jossa on kaksi luokkaa: "punaiset neliöt" (D) ja "siniset ruksit" (+). Kumpaan luokkaan 1-NN-luokittelija sijoittaa ku- vaan merkityn mustan pisteen (4.6, 3.7)? Perustele. (b) Entä 3-NN-luokittelija? Perustele. 6 1 T Lä459 T T T i i 0 sdsäsa: ; : : : (645. i (4.4,5.0) E 5 saaja) (6.0.69) 14.54.37 143) = 5.6,4.0) : = maa 4.6,3.7. (6.5,3.7) (653) ean. 166.625) (7.7 5): (5.8.21) : ) 17.5.20) : 2240000 i STNsajo i 14.8.14) kasaa tmm S VÄLIKOE VÄLIKOE VÄLIKOE VÄLIKOE (c) Matlabin funktiolla suunnitellaan IIR-suodin, ja saadaan vektorit a = [0.49, 0.98, 0.49] ja b = [1.00, 0.69, 0.29]. Nythän a kuvaa siirtofunktion osoit- tajan kertoimia ja b nimittäjän. Kirjoita (konseptille) puuttuva C-kielinen rivi, joka toteuttaa suotimen alla olevassa yksinkertaistetussa koodirungossa: while (!finished) i X [D]; ReadInput (); YI WriteOutput (y[n]); n:= "n si VÄLIKOE VÄLIKOE TENTTI TENTTI SGN-11000 Signaalinkäsittelyn perusteet Tentti 3.5.2016 Heikki Huttunen 1. Ovatko seuraavat väittämät tosia vai epätosia? (Perusteluja ei tarvita. Oikea vas- taus: 1 p, väärä: —j p, ei vastausta 0 p.) Pistemäärä pyöristetään ylöspäin lähim- pään kokonaislukuun. (a) Suotimen stabiilius tarkistetaan selvittämällä ovatko sen siirtofunktion nol- lien itseisarvot pienempiä kuin yksi. (b) IIR-suotimet ovat aina stabiileja. (c) Laskostuminen estetään A/D-muunnoksessa asettamalla näytteenottotaa- juus vähintään samaksi kuin analogisen signaalin suurin taajuus. (d) Signaalin x(n)y(n) DFT on X(n)Y (n). (e) Vaihevasteen lineaarisuus takaa, että signaalin kaikki taajuudet viivästyvät yhtä monta sekuntia. (£) Sinisignaalin värähtelytaajuus on 8500 Hz, ja siitä otetaan näytteitä T = 715 sekunnin välein. Tälloin tulossignaali näyttää värähtelevän 5000 Hertsin taa- juudella. (g) Kaksi peräkkäistä LTI-järjestelmää voidaan aina toteuttaa yhtenä järjestelmä- nä. 2. (a) Laske vektorinx = [2,—1,—3,0]" diskreetti Fourier-muunnos. (2p) (b) Erään suotimen napanollakuvio on kuvassa 1, ja sen amplitudivaste IH(e'*)| € [0,1]. Piirrä suotimen amplitudivasteen kuvaaja niin tarkasti kuin se näillä tiedoilla onnistuu. (2p) (c) Onko kuvan 1 suodin stabiili? Millä perusteella? (1p) Entä onko kuvan 1 suo- din FIR vai IIR? Millä perusteella? (1p) i maginaarosa Kuva 1: Vasen: Tehtävän 2b suotimen napa-nollakuvio. Oikea: Tehtävän 5 data. TENTTI TENTTI TENTTI TENTTI 3. Oletetaan, että kausaalisen LTI-järjestelmän heräte x(n) ja vaste y(n) toteuttavat seuraavan differenssiyhtälön: yln) =-yln—1) Jyln 2) + x(n) —2x(n — 1) + x(n — 2). (a) Määritä järjestelmän siirtofunktio H(z). (b) Piirrä napa-nollakuvio. (c) Onko järjestelmä stabiili? Miksi / miksi ei? 4. Signaalin näytteenottotaajuus on 32000 Hz ja se on suodatettu siten, että taajuus- kaista 13000 Hz — 16000 Hz on poistunut. Signaali halutaan tallentaa laitteelle, joka käyttää 40000 Hz:n näytteenottotaajuutta. (a) Piirrä lohkokaavio järjestelmästä, joka suorittaa muunnoksen. (2p) (b) Piirrä a-kohdassa tarvittavien suodinten amplitudivasteet riittävällä tarkkuu- della, että rajataajuudet tulevat ilmi. Laita myös Nyguistin rajataajuus (tai puolikas, jos käytät normalisoituja taajuuksia) näkyviin. (2p) (c) Piirrä esimerkkikuvat käsiteltävästä signaalista a-kohdan muunnoksen eri vaiheissa aika- ja taajuustasossa, kun järjestelmän heräte on kuvan 2 mukai- nen. Kiinnitä huomiota piirrostesi selkeyteen. Merkitse piirtämiisi taajuusta- son kuvaajiin Hertsiasteikko näkyviin (myös Nyguistin rajataajuus). (2p) : 1 il E 1 5 Es: 1 ma SE SIA [10 SNT TKIOTISAN = 0000 —— 0000. 10000 AIKOA 514000710 100 Kuva 2: Tehtävän 4 signaalin aikatason (vas.) ja taajuustason (oik.) kuvaajat. 5. (a) Suunniteltaessa lineaarista luokittelijaa kaksiulotteiselle datalle (ks. kuva 1) saadaan opetusdatasta kahden luokan kovarianssimattiiseiksi ja keskiarvoik- si seuraavat: = 2.01 = 3 2 SI 101 0960-07 == (1 4 = 1 a Laske projektiosuoran määräävä vektori w. (3p) (b) Suodin yln) = 1xlm) + jxin —1) + jxin =) toteutetaan laitteistossa, jonka näytteenottotaajuus on 32000 Hz. Mikä on suo- timen amplitudivaste (eli vahvistus / vaimennus) 8000 Hertsin taajuudella? TENTTI TENTTI Joitakin aiheeseen liittyviä Wikipedia-sivuja TENTTI A more condensed form of the difference eguation is: Suppose two classes of observations have means [1y=0, /ly=1 and covariances Zy = 0,25 = 1. Then the linear combination of features 473 . 3 will have means 17 « [Zy ; and variances 37, ;B f0r1=01 Fisher defined the separation between these two distributions to be the ratio of the variance between the classes to the variance within the classes: 2 Tt - 17 m - 71. 2 9 = Pbetueen — (B"Byni — E" Pyao) 2 s. J Odinin Dy + 0 Yoo (B+ (Pyzi — Py=0))? TI (2yso + ysi) This measure is, in some sense, a measure of the signakto-noise ratio for the class labelling. It can be shown that the maximum separation occurs when 2 ivS = 2 = (Ey=0 + Ey=1) "(Pym1 — Hy=0) When the assumptions of LDA are satisied, the above eguation is eguivalent to LDA. Be sure to note that the vector 477 is the normal to the discriminant hyperplane. As an example, in a two dimensional problem, the line that best divides the two groups is perpendicular to 177. Generally, the data points to be discriminated are projected onto 277; then the threshold that best separates the data is chosen from analysis of the one-dimensional distribution. There is no general rule for the threshold. However, if projections of points from both classes exhibit approximately the same distributions, the good choice would be hyperplane in the middle between projections of the two means, 1 + jX,=o and W « [yo In this case the parameter c in threshold condition 277 . 3? < c can be found explicitly: c= (Po + yn1)/2 1 Pe = yi] = — [3 även i] Yajyln— 5] % (i JA which, when rearranged, becomes: o P X ayln —j] = Ydirfn 1] ja ia To find the transfer function of the filter, we first take the Z-transtorm of each side of the above eguation, where we use the time-shift property to obtain: r Paja Yle) =Yhe*X(z) ja 3 We define the transfer function to be: Yle) X) = Yiobt = Yan Considering that in most IIR filter designs coefficient (g is 1, the IIR filter transfer function takes the more traditional form: H(2) = Inversion of 2x2 matrices easily as follows:[2! a b 1 ca = = a + 1 = — det(A) |-c a A! [edit] The cofactor eguation listed above yields the following result for 2x2 matrices. Inversion of these matrices can be done d —+b F ad=be|-e al i 5 Impulssivaste kun Suodintyyppi 10 = =0 Alipäästö 2fcsinc(n -2nf,) 2 Ylipäästö —2fcsinc(n -2nife) 1—2fc Kaistanpäästö | 2fsinc(n - 27f,) — 2fisinc(n -2nf;) 2(10— 11) Kaistanesto 2fisinc(n - 27f1) — 2fzsinc(n - 27tf2) | 1—2(12 — f1) Tkkuna- Siirtymäkaistan | Päästökaistan | Estokaistan Ikkunan lauseke funktion leveys värähtely minimi- w(n), kun nimi (normalisoitu) | (dB) vaimennus (dB) | In] < (N—1)/2 Suorakulmainen | 09/N 07416 n T Bartlett 3.05/N 0.4752 25 = Hanning 3.1/N 0.0546 M 0.5+0.5cos (20) Hamming 3.3/N 0.0194 53 0.54+0.46cos (23 Blackman 5.5/N 0.0017 74 0.42 +0.5cos (271) +0.08cos (47) TENTTI
This website uses cookies, including third-party cookies, only for necessary purposes such as saving settings on the user's device, keeping track of user sessions and for providing the services included on the website. This website also collects other data, such as the IP address of the user and the type of web browser used. This information is collected to ensure the operation and security of the website. The collected information can also be used by third parties to enable the ordinary operation of the website.