THMMY.gr

Πρώτη διάλεξη

4 Μαρ 2012 4:33 μμ
Πιτσιάνης

Η  πρώτη  συνάντηση  των  ΨΦ  θα  γίνει  την  Δευτέρα  5  Μαρτίου,  5-6μμ,  Α7.

Αναβολή του σημερινού μαθήματος λόγω γρίπης
7 Μαρ 2012 10:43 πμ
Πιτσιάνης

Ημερομηνία αναπλήρωσης θα ανακοινωθεί σύντομα.

από την αρχική σελίδα του μαθήματος στο ethmmy

Εργασίες: Κατά τη διάρκεια του εξαμήνου δίνονται 3-5 προαιρετικές εργασίες που καλύπτουν την ύλη του μαθήματος. Ο βαθμός των εργασιών προστίθεται στο βαθμό των γραπτών εξετάσεων (έως 2-2.5 μονάδες) για να προκύψει ο τελικός βαθμός. Προσοχή! Οι φοιτητές θα πρέπει να γράψουν τουλάχιστον 5 στις εξετάσεις.

Τελικα τι εγινε με την μετατοπιση του μαθηματος; Θα παει την Τεταρτη 15:00 το μαθημα, και αν ναι απο αυριο (13/3);

Ναι εγινε αμοιβαια αλλαγη των ωρων μεταξυ ενσωματωμενων και ψηφιακων φιλτρων. Δηλαδη καθε τεταρτη (ξεκινωντας απο αυριο) τα ψηφιακα φιλτρα θα γινονται 3-5.

Mπραβο δασκαλε!

Ανέβηκε η πρώτη εργασία στο ετημμυ και έχει ημερομηνία παράδοσης στις 29/3.

Έγιναν κάτι προσθήκες στην εργασία σχετικά με την βιβλιογραφία.

Οι εργασίες είναι ατομικές???

Ναι ατομικές είναι, δεν ειπώθηκε κάτι διαφορετικό στην τάξη.

Στελ

ρε παιδιά, στην εκφώνηση της εργασίας ποια συγγράμματα είναι  τα Σ1 και Σ2;

Για απορίες πάνω στην εργασία στέλνουμε στον μεταπτυχιακό έτσι?

Γνωρίζει κανείς ποιος από τους 2 που έχει στο ethmmy είναι το παιδί που μας κάνει μάθημα??


Είναι συγγράμματα που δεν δίνονται από τον εύδοξο.

O Nυφαντης

Το βιβλίο του Μουστακίδη υπάρχει εδώ

http://www.ssp.ece.upatras.gr/courses/dsp/downloads/dsp_2e.pdf

:-* :-* :-* :-* :-* :-* :-*

τα συγγραματα Σ1 και Σ2 τα βρηκε κάποιος? τα ψαχνω γενικα ως τιτλους ελληνικους μπας και με παραπεμψουν στο αντιστοιχο ξενογλωσσο αλλα δεν....

είναι οι σημειώσεις που έδινε παλιά ο Στρίντζης.

αυτό με την κωδικοποίηση το βρήκα. το άλλο όμως όχι  :-\

μήπως θα μπορούσε να ανεβάσει κάποιος τις σημείωσεις του στριντζη εδω? πλιζ...  :)

Αχ ναι ρε παιδιά, ας το ανεβάσει κάποιος μεγαλύτερος !!! Καλά και αυτοί μας λένε να διαβάσουμε σημειώσεις που δεν δίνουνε ???
Είναι σοβαροί ??? :???:

Μήπως είναι σε καμιά γραμματεία και πρέπει να τις πάρουμε από κει ???

Κατάλαβε κανείς πως γίνεται το δεύτερο ερώτημα?

δεν κυκλοφορούσαν σε pdf μόνο τυπωμένα απ τον τομέα γυρώ στις 80 σελίδες το καθένα αν θυμάμαι καλά.
τα έψαξα αλλά δεν τα βρήκα. μάλλον κάπου τα δωσα και δεν μου τα επέστρεψαν.
κάντε καμιά βόλτα από την γραμματεία μπας και έχει stock

Για όσους ψάχνουν ακόμη τα βιβλία το Κωδικοποίηση-Συμπίεση είναι στα downloads εξαπανέκαθεν. Τώρα για το Σ1, γενικά η τύχη του αγνοείται  8)) 8))

Έστειλα από προχτές μειλ στον Πιτσιανη και μου απάντησε χτες πως για τα δυο αυτά συγγράμματα ψάχνουν να βρουν λύση το γρηγορότερο!

nice... ας ελπίσουμε η λύση να μη βρεθεί την τετάρτη το βράδυ.

Ψιλό εώς χοντροάθλια είναι και τα δύο. Δε νομίζω να σας βοηθήσουν πολύ στις εργασίες.  :P

το θέμα είναι ότι στην εργασία μας βάλανε fir που δεν τα κάναμε στην ψεσ αλλά ούτε και στα φίλτρα μέχρις στιγμής οπότε κάθε βοήθεια (ακόμη και οι άθλιες σημειώσεις) είναι κάτι για ξεκίνημα.

πιστεψέ με και μεις από το νετ ψάχναμε παρά από κει μέσα...
για μπούσουλα και άμα τα χαμε...

Εγω παντως τα fir τα καταλαβα απο τον ιδιον τον Στριντζη που τα ειχε κανει στα αρχικα μαθηματα. Τι λεει το ερωτημα μπας και μπορω να βοηθησω?

επισυναπτω την εκφωνηση.

εκει που κολλαω εγω στο β ερωτημα ειναι οτι απο τη δοσμένη συναρτηση μεταφορας δεν μπορεις την υλοποιήσεις με ενα FIR μόνο γιατί η συναρτηση εχει πολους και απο τον ορισμο των fir η συναρτηση μεταφορας τους πρεπει να εχει μονο μηδενικα (για να μην γινεται αναδρομη της εξοδου).

αν ελεγε να την υλοποιησουμε με ενα fir και ενα iir ναι θα ηταν κατι που μπορει να γινει. αλλα μονο με fir ???

mind blowing..  ^fouska^

Παρόμοιο έιχαν βάλει και σε μας. Εμείς το χαμε κάνει κάπως έτσι:
Μπορείς να τα σπάσεις σε γινόμενο συναρτήσεων και να βρεις τις κρουστικές αποκρίσεις τους σε μορφή h[n]=sum(aⁿu[n]).Μετά παίρνεις ν=[0,7]
Θέλει όμως κάποιο τρικ να βρεις τους αντίστροφους z. Λίγο που το είδα δεν είναι και τόσο άμεσο.
Δες σε κανένα Ηayes του Schaum ή στα ψες του Πανά. Μathematica ίσως.
Παίζει βέβαια να βγαίνει και πολύ πιο εύκολα ο z και να μη το ξέρω εγώ.  :P
Δυστυχώς έχει περάσει καιρός και δεν μπορώ να βοηθήσω παραπάνω.

ο αντιστροφος Ζ βγαινει αν σπασεις την αρχικη συναρτηση μεταφορας και κανεις απλα κλασματα αν αυτό εννοεις. τεσπα... θενκς! θα το ψαξω...

ναι αυτό εννοώ απλά έχεις κάτι τετράγωνα σε ενα και πρεπει τα κλάσματα σου να καταλήξουν σε μορφές 1/(1+αz^-1) για να βγάλεις τις u[n]
για περισσότερα στους παλιούς ηλεκτρονικάριους
για τηλεπ και πολλά θυμάμαι νομίζω  :D

το πρόβλημα με τη FIR υλοποίηση είναι ότι θέλει 2 φίλτρα σε σειρά, όχι ένα

πρέπει να γίνει παραγοντοποίηση στο τρελό μακρυνάρι με παραμέτρους που βγαίνει μετά τον ΙΖΤ και μετά ΖΤ

υπάρχει πρόγραμμα που να παραγοντοποιεί πολυώνυμο 7ου βαθμού; :o

εκτός αν γίνεται πιο απλά

Μπορεί να ποστάρει κάποιος ενδεικτικά τι γραφική παράσταση παίρνει απο το αποτέλεσμα του φιλτραρίσματος με Matlab? Πχ για x[n]=cos(n)

Thnx

το πρωτο λινκ [που ειναι πεσμενο] του eTHMMY , χρησιμευει σε τιποτα στην ασκηση που εχει βγει; :P
μονο καποιος παλιος μπορει να μου απαντησει φανταζομαι...

Ανεβαζω το βιβλιο
Two-Dimensional Digital Filters 1992, Marcel Dekker W. S. Lu and A. Antoniou
στην Αλεξανδρεια. :)

ΥΓ: Αν δεν εχει εγκριθει τοτε
:-X

ΥΓ2: Εχω και 2-3 pdf για σχεδιαση φιλτρων με matlab. Αν τα θελει κανεις ας πει.

Αυτό βγάζω εγώ στο τρίτο ερώτημα. Καλό είναι?

καλό φαίνεται αλλά γενικά αυτό που περιμένουμε από το φίλτρο φαντάζομαι είναι μια απόσβεση.

Δηλαδή πιστεύω θα έπρεπε να σου πέφτει (με την καλή έννοια  ::) )

Τουλάχιστον έτσι μου είπε ο Νυφαντής σήμερα που τον ρώτησα...  :-\

Μου πέφτει αλλά μόνο στα 3 (n = 3  ;))

Αυτή που σχεδίασες τι απόκριση είναι? Δηλαδή με τι είσοδο?

δοκιμάσατε να κάνετε ομάδα στο eTHMMY?
δεν κάνει καινούρια.

Έκανα ένα λάθος πριν.
Δεν ισχύει το n = 3.
Είναι για α = 1.
To ίδιο βγαίνει και για α = 5 αλλά για α = 3 αντιστρέφεται.

χωρις να ειμαι σιγουρος αλλα το να εχεις ενισχυση 180 φορες στο ημιτονο δεν μ καθεται καλα..  :-\

leo_paranoid αυτό που σχεδίασες μήπως είναι βηματική απόκριση? εγώ πάντως για είσοδο x=cosn βγάζω αυτό.(έχω n=1:200)

κατι παρόμοιο εβγαλα και εγω! γέι!

αλλά και πάλι δεν μπορώ να καταλάβω τι σημαίνει αυτό που βλέπω για να πω ότι ναι είναι σωστό!

+1

@christinette

κοίτα τα fir.. πάντα σου δίνουν προσεγγίσεις της συνάρτησης μεταφοράς..

θα χωρίζεις την συνάρτηση μεταφοράς σε δύο όρους (γινόμενο) - το γινόμενο δύο παραστάσεων μπορεί να θεωρηθεί δύο φίλτρα σε σειρά

έπειτα θα πάρεις τον κάθε όρο του γινομένου και θα τον προσεγγίσεις με ένα fir φίλτρο, πώς?

1. θεωρείς σε κάθε επιμέρους φίλτρο είσοδο την δ(n) και παίρνεις ως έξοδο την κρουστική απόκριση

2. δίνεις τιμές στο n της κρουστικής μέχρι κάποιον όρο Ν που απαιτείται

3. παίρνεις το άθροισμα της συνέλιξης και βρίσκεις την έξοδο του κάθε φίλτρου

4. η έξοδος του πρώτου φίλτρου είναι η είσοδος του δεύτερου - το ποιο είναι πρώτο και ποιο δεύτερο δεν έχει σημασία

5. η έξοδος του συνολικού φίλτρου είναι η έξοδος του δεύτερου

και τέλος! :)

υ.γ. : μπορεί να είμαι και out of date :P

βασικά υλοποίηση από fir εξηγεί ο πανάς στην ψηφιακή επεξεργασία σήματός του

σελιδα 111 λες;
και το μακρυναρι που ελεγες πριν ειναι το
piecewise([k <> 0 and l <> 0, (k^3*(kroneckerDelta(n, 0)/k - k^n/k))/((k - l)*(n - k^2)) - (((-n^(1/2))^(n - 1)*(k*n^2 + l*n^2 - n^(5/2) - k*l*n^(3/2)))/(2*n^(1/2)) - ((n^(1/2))^(n - 1)*(k*n^2 + l*n^2 + n^(5/2) + k*l*n^(3/2)))/(2*n^(1/2)) + ((k*n^2 + l*n^2)*kroneckerDelta(n, 0))/n)/((n - k^2)*(n - l^2)) - (l^3*(kroneckerDelta(n, 0)/l - l^n/l))/((k - l)*(n - l^2))])
 :o :???: ?????
γενικα με εχει χαωσει το 2ο ερωτημα :P

εκεί λίγο σε έχασα...  :-\ :-\ :-\

η έξοδος του κάθε φίλτρου είναι η συνέλιξη της εισόδου με την κρουστική απόκριση..

Στην πράξη , αφού βρεις τους συντελεστές μέσω της κρουστικής απόκρισης, μπορείς να χρησιμοποιήσεις τη συνάρτηση του matlab filter για να βρεις την έξοδο. Το πρόβλημα εδώ είναι ότι έχει μέσα παραμέτρους κ,λ,ν και προκύπτουν κάτι μακρυνάρια με αγνώστους. Άρα και μόνο τους συντελεστές των FIR να του δώσεις , δε νομίζω να το πάρει λάθος γιατί ουσιαστικά έχεις βρει το φίλτρο.

καντο με το χέρι αν βαριέσαι σαν εμένα να βρεις τι σημαίνουν οι συμβολισμοί του ματλαβ :P

ethmmy calling


1η εργασία (Hμ/νία λήξης δηλώσεων: 30/03/2012) 

 Η εργασία μπορεί να παραδοθεί από ομάδες 2 ή 3 ατόμων.

Η εργασία πήρε και αλλη παράταση; Γιατί τώρα στο ethmmy λεει λήξη δηλώσεων 2/4/12. Eίπε τπτ στο μάθημα γι'αυτό σήμερα;

ναι ειπε ο μεταπτυχιακος οτι πηγε μεχρι τη Δευτερα

Re paidia na rotiso kati gti psilolagara, to v mporei na einai kai migadikos? i mono pragmatikos? giati den leei tpt i ekfonisi.

οχι δε μπορει να ειναι μιγαδικος

Afto aplopoiei ta pragmata, kai
kati akoma sto b erotima:
aftos sto mathima xorise to H(z) se 2 meri kai ekane to proto FIR apto proto meros, emeis kanoume to 2o FIR apo to deftero meros ksexorista kai meta ta kolame me prosthesi i pollaplasiasmo?
To deftero mou kolaei kalitera :/

στο z με πολλαπλασιασμο, στο n με συνελιξη

εγω βγαζω αυτο στο 3ο :???:
καλο ειναι; :D

τα παραπανω με stem.
με plot βγαινουν αυτα που επισυναπτω εδω.
ποια απ'τις δυο εντολες θελει; :P

κοίταξε.. τα σήματά σου είναι ακολουθίες - μαθηματικά δεν ορίζονται σε μη ακέραιες τιμές

άρα η σωστή εντολή είναι η stem

μαλιστα. 8))
στα ερωτηματα 1 και 2 ο μεταπτυχιακος ειπε οτι δε θελει matlab ε?
ή παρακουσα?

ναι κατι τετοιο ειπε.. επισης ειπε για το 3ο να μην χρησιμοποιησουμε την filter του matlab αλλα την εξισωση διαφορων. Δεν καταλαβαίνω γιατι δεν βγαινει το ιδιο..  :???:

Το ίδιο πρέπει να βγαίνει κανονικά.

κανονικα ναι! αλλα....
με την filter βγαζω αυτο που βρισκει ο ***
https://www.thmmy.gr/smf/index.php?topic=50413.msg865428#msg865428 (https://www.thmmy.gr/smf/index.php?topic=50413.msg865428#msg865428)

ενω με την εξισωση διαφορων περιπου αυτο που βρισκει η αιμιλια πιο πανω

ποιο ειναι το σωστο τελικα??  :-\
δηλαδη κοντα στο n=20 περιμενουμε ανυψωση ή πτωση??

sorry που ισως σας στη σπασω αλλα και με τους δυο τροπους το ιδιο βγαινει...

 8))

έτσι σε θέλω - σκληρή!

Τεχνολογία εσύ! ;D

ρε γιατί κοροϊδεύετε? :P

εγώ το λέω στα παιδιά για να τα βοηθήσω.

Άλλωστε το ανέφερε και ο διδακτορικός στο μάθημα ότι μπορούμε να κάνουμε την filter για να επαληθεύσουμε τα αποτελέσματα του αναδρομικού τύπου.

χεσε την επαληθευση και πες :P
τα δικα μου σωστα ειναι να τα αφησω ετσι; :D

εγώ δεν κοροϊδεύω

απλά μου άρεσε η έκφραση - ένα κομπλιμέντο σου κάναμε μαντάμ! :P


και φυσικά το ίδιο πρέπει να βγαίνει.. και καλό είναι πάντα να γίνεται η επαλήθευση με τις εντολές του ματλάμπ :)

εμείς τα βρήκαμε όπως ο *** που έχει ένα printscreen στη σελίδα 3 του τόπικ αν δεν απατώμαι.

απλά το τρέξαμε για 100 και όχι 200.

με την αναδρομικη σχεση βγαζω οτι και η filter αλλα ανεστραμμενα! η εξισωση διαφορων αυτη δε βγαινει? βγαζω αναποδα τα προσημα??? :o
  y(n)=x(n-1) + (k+l)*y(n-1) + (v-k*l)*y(n-2) - v*(k+l)*y(n-3) + k*l*v*y(n-4)

για να κάνεις την filter όμως βάζεις στο ένα μέλος της εξισωσης ότι έχει σχέση με y και στο αλλο τα χ.

και οι όροι των διανυσμάτων α, β της filter θα πάρουν αυτά τα πρόσημα (από τη διαχωρισμένη εξίσωση).

η αναδρομικη σχεση που εγραψα πιο πανω μου δινει αυτο.

λογικα θα πρεπει να βγαινει αναποδα?

Matlab eipame thelei mono gia to 3o erotima? sto 2o erotima diladi pou bgazoume mia seira apo 0 eos 8 to afinoume etsi? i prepei na kanoume tis prakseis kai na kratisoume san agnostous tous v,λ,κ ?

tomshare3 τώρα βαριέμαι να το ψάξω αλλά αν θυμάμαι καλά πρέπει να προσέξεις ποιους πίνακες βάζεις στη filter σαν numerator και denominator. αν θυμάμαι σωστά στη filter θεωρείς την εξίσωση διαφορών λυμένη ως προς y και από εκεί βγάζεις τους πίνακες συντελεστών. λογικά το σφάλμα είναι ότι εσύ περνάς σαν den τον πίνακα με αντίθετα στοιχεία, γι' αυτό η filter σου βγάζει συμμετρική έξοδο  ως προς τον άξονα n

Παιδιά και εγώ όπως ο *** τα βγάζω οπότε κατοχυρώθηκε !!!

Αααααα, και αν χρησιμοποιήσω την filter() για την αρχική συνάρτηση μεταφοράς και την κασκοδική πραγματοποίηση του ερωτήματος ένα, το ίδιο μου βγαίνει !!!  :)

Οπότε και αυτό κατοχυρώθηκε !!!  :)

Ερώτηση Στο ετημμυ λέει να ανεβάσουμε τον πηγαίο κώδικα σε ξεχωριστό αρχείο. Σε ποιό πρόγραμμα το θέλει ???

cntrl+N στο matlab και γράψε
και σώσε το, το σώζει ως αρχείο .m
μπορείς να το τρέξεις πατώντας το εικονίδιο που μοιάζει με το play ή με το F5
ή μπορείς, αν το έχεις στον φάκελο bin ή το έχεις προσθέσει στο path,(το οποίο γίνεται - σε ρωτάει - αν το τρέξεις μια φορά) να γράψεις στο command:
ergasia
και στο τρέχει



τώρα που το σκέφτομαι, μπορείς και χύμα να πετάξεις τις εντολές κόπι πέιστ σε αρχείο κειμένου, κλάιν

Βασικά όταν πατάω ctl+N στο matlab δεν κάνει τίποτα. Από ότι καταλαβαίνω όμως προτείνεις να δημιουργήσω μια συνάρτηση που να υλοποιεί το ζητούμενο χωρις ορίσματα???

Αυτό μπορώ να το κάνω πηγαίνοντας File -> New -> Function M-file και να την φτιάξω, αλλά δεν νομίζω να ζητάει κάτι τέτοιο. Δεν θα έπρεπε να είναι πιό ξεκάθαρη εκφώνηση αν το ζητούσε ? Εκτός αν το είπε ο Πιτσιάνης ή ο μεταπτυχιακός σε κάποιον και το μεταφέρεις. Πιό πιθανό μου φαίνεται και εμένα να θέλει τις εντολές σε ένα σημειωματάριο, αλλά έτσι δεν θα μπορέσει αυτός που θα διορθώσει την εργασία να διαπιστώσει γρήγορα αν οι εντολές είναι σωστές...

Οοουυυυυφφφφφφφφφ  :-\
Θα τα στείλω μάλλον και τα δύο για σίγουρα...

δεν έχεις ξανακάνει εργασία σε ματλαμπ ε? :)
βασικά τον κώδικα θέλει ο καθηγητής
θα του κάνεις τη ζωή πιο εύκολη αν φτιάξεις συνάρτηση χωρίς ορίσματα (σαν demo) και θα είναι πιο κομψό
αν του δώσεις τον κώδικα σε κείμενο είναι το ίδιο υποθέτω

αυτό επειδή είναι απλή η εργασία,
όμως αν αργότερα χρειαστεί η αντικειμενοστρέφεια του μάτλαμπ, θα χρειαστεί να δημιουργήσεις και .m αρχεία

Ego bgazo afto me tin kanoniki sinartisi, oxi me to filter.
Tha eprepe na bgainei antistrofa? Exo diplocheckarei ta prosima kai einai mia xara.

και εγω ειχα κολλήσει πολυ σε αυτο. Νομιζω πως πρεπει να θεωρήσεις y(n<=0) = x(n<=0) = 0

To y to bazo 0 gia n<1 alla to x giati? cost(an) einai, den tha eprepe na exei times gia arnitiko orisma?

αποτι μου ειπε ο Νυφαντης το x για αρνητικα n ειναι 0 γιατι εχουμε αιτιατο σημα. Για x(n<=0)=0 μου βγαζει ακριβως οτι και η φιλτερ

Thanks man, me esoses... i basika esoses ton toixo pou ktipousa tosi ora to kefali mou..... :)

Βαθμοί πρώτης εργασίας στο εΤΗΜΜΥ

ανέβηκε η 2η εργασία στο ethmmy

Παίδες έχει καταλάβει κανείς ακριβώς πώς κάνουμε την επαλήθευση της σχέσης πειραματικά; Η επαλήθευση πρέπει να γίνει μόνο για τον αλγόριθμο με μέγεθος block 1?

Χωρίς να θέλω να σε πάρω στο λαιμό μου... νομίζω ότι εννοεί ότι το χ (τα τέσσερα ημίτονα) μαζί με το θόρυβο είναι η είσοδος. Ας το πούμε a.  Εσύ θέλεις με το blocked LMS (γιατί δεν πρόκειται για το κλασικό LMS που είχε στην εργασία των ΨΕΣ) να αφαιρέσεις τον θόρυβο οποτε το y είναι αύτο που προκύπτει αν εφαρμόσεις τους συντελεστές w στο a. Το επιθυμητό σήμα που θέλεις να πάρεις είναι το a καθαρό, άρα το χ ! Έτσι βάζεις όπου x[n] -> a, y[n] ->a*w (έτσι οπως ορίζεται στην εκφώνηση, μπορεί να μην το συμβολίζω καλά) και d[n] -> x.
Δεν θέλω να σε πάρω στο λαιμό μου όμως γιατί και εγώ ακόμα ψάχνομαι και ακόμα το λmax ψάχνω...

Ααααα το λmax μου βγήκε 2 και κάτι. Σωστό είναι ???

νομίζω το παιδί ρώτησε πως στο πρώτο ερώτημα επαληθεύουμε τον αλγόριθμο...

προφανώς για το δεύτερο ερώτημα βάζεις τις εισόδους που σου λέει αλλά στο πρώτο σου ζητά υλοποίηση χωρίς συγκεκριμένα δεδομένα.

αρκετά μυρισοδαχτυλική εργασία

1) ο αλγόριθμος δεν εξηγείται καλά και

2)
το σήμα με awgn προκύπτει
f+N1*f+N2*f
?

όπου f η συνάρτηση με τα ημίτονα, Ν1 η κανονική κατανομή τυχαίων με μέσο 0 και διακύμανση 0.1 και Ν2 με μέσο 0 και διακύμανση 0.3
?
αυτά από ψάξιμο στο νετ

άλλη μια ερώτηση, (έχει γίνει και σχετική άσκηση αλλά δεν την έχω)
ποιο είναι το x(n) του πίνακα αυτοσυσχέτισης Ε(x xT)? το x είναι όλο το σήμα εισόδου ή μόνο αυτό που επιλέγει ή θα επιλέξει (σύνολο) ο αλγόριθμος?

To x(n) είναι όλο το σήμα (ημίτονα  μαζί με το θόρυβο).
Χρειάζονται δύο περιπτώσεις για το θόρυβο:
μία με τυπική απόκλιση 0.1 και μια με 0.3.
Νομίζω οτι οι εξισώσεις είναι επαρκείς για την
υλοποίηση.
Τελικά αυτό που πρέπει να γίνει είναι:
να υλοποιηθούν οι εξισώσεις
και να δημιουργηθεί ένα σημα αθροίζοντας τα τέσσερα ημίτονα.
Μετά για τις δύο περιπτώσεις θορύβου,
να ελέγξετε τη συνθήκη ευστάθειας.
Να πάρετε τρείς τιμές: Μια κοντά στη μέγιστη ιδιοτιμή,
μια αρκετά μικρότερη και μια μεγαλύτερη και για τις
δυο περιπτώσεις και να σχολιάσετε το αποτέλεσμα.

Η επαλήθευση του αλγορίθμου θα είναι η ελαχιστοποίηση
του τετραγωνικού σφάλματος καθώς ο χρόνος προχωρά.

έχω τα εξής ερωτήματα:

1. το 1/λmax είναι ένα αρκετά ελαστικό φράγμα. αυτό σημαίνει ότι για αρκετά μικρότερες τιμές του μ o αλγόριθμος θα συγκλίνει. μπορεί όμως να μη συγκλίνει για τιμή του μ μικρότερη από το λmax ή να συγκλίνει για τιμές λίγο μεγαλύτερες(αν δεν κάνω λάθος). άρα μου φαίνεται και αρκετά ελαστική η επαλήθευση της συνθήκης.

2. Η συνθήκη αυτή που πρέπει να επαληθεύσουμε(αν δεν κάνω λάθος) ισχύει για τον κλασικό lms δηλαδή με μέγεθος  block ίσο με 1. άρα η επαλήθευση γίνεται για αυτήν την περίπτωση;

3. αν κατάλαβα καλά από το μάθημα, ο πίνακας αυτοσυσχέτισης της εισόδου  x (Νx1) είναι ο toeplitz πίνακας(NxN) που προκύπτει από το διάνυσμα αυτοσυσχέτισης r(lag) {Nx1}, θεωρώντας ότι η είσοδος είναι στάσιμη υπό την ευρεία έννοια στοχαστική διαδικασία. με αυτό το σκεπτικό. είναι σωστό;

4. πώς υπολογίζετε τον πίνακα αυτοσυσχέτισης της εισόδου με συναρτήσεις του matlab? z=autocorr(x,N-1) και toeplitz(z)? πάντως αυτός ο τρόπος βγάζει διαφορετικά αποτελέσματα από αλγόριθμο που υπολογίζει τον πίνακα αυτοσυσχέτισης όπως περιγράφεται στο 3.

Για την αυτοσυσχέτιση πήρα

c = xcorr(x);
cor = toeplitz(c);
lmax = eigs(cor, 1);

και μου βγήκε λmax = 2.7076... Ας μας πει ομως κάποιος για σίγουρα γιατί εγώ δεν έχω διαβάσει την θεωρία για να ξέρω αν έχει νόημα αυτό που έκανα  :-\

Το τελευταίο είναι το σωστό.
Αν θέλετε, επαληθευστε τη συνθήκη για για κάποιες κοντινές
τιμές του στο μ. πχ αν υπολογίσατε 2.5, παρτε
με διάστημα 0.05 τις τιμές 2.3 με 2.7 και σαν έξοδο
το τετραγωνικό σφάλμα μετα απο πχ 250 δείγματα.

πώς γίνεται να βγαίνει τόσο μικρή η μέγιστη ιδιοτιμή; πόσα δείγματα παίρνεις για την είσοδο. με τη μέθοδο σου
η λmax μου βγαίνει 444

Δοκιμάστε
c = xcorr(x(1:tr),'biased');

κανονικά ποια ποια πρέπει να βγαίνει η μέγιστη ιδιοτιμή του πίνακα αυτοσυσχέτισης της εισόδου αν πάρουμε 500 δείγματα?

επίσης παρατηρώ ότι για διαφορετική τάξη του φίλτρου ο αλγόριθμος συγκλίνει για διαφορετικές τιμές του μ (δηλαδή το φράγμα αλλάζει)

Όταν λέει πως η τάξη του φίλτρου είναι 32 υποθέτω πως εννοεί kmax = 32 και ότι αυτό είναι το μέγεθος του διανύσματος στήλης w. Ο αριθμός k όμως είναι ο αριθμός των blocks που χωρίσαμε τον χώρο δειγμάτων μας. Δηλαδή αν χ τα δείγματα k = χ/L. Εάν θέλουμε το k σταθερό και η εκφώνηση θέλει L =1 ή L=32 τότε φαντάζομαι πως τα δείγματά μας θα είναι 32 ή 1024 αντίστοιχα. Το λ=2.7076 το βρήκα για 32 δείγματα. Ελπίζω να είναι έτσι τα πράγματα...
Για όσους έχουν λίγο χρόνο ας ρίξουν μια ματιά σε αυτο το pdf. Νομίζω πως είναι πολύ βοηθητικό :

cwww.ee.nctu.edu.tw/course/asp/ASP06.pdf

το 1/λmax καταρχήν σου βγαίνει 0.37.  ποια είναι η μέγιστη τιμή του μ που έχεις ευστάθεια;

Υποθέτω πως τα όρια ευστάθειας προκύπτουν από την συνθήκη σταθερότητας που λέει η εκφώνηση, δηλαδή το μέγιστο όριο ευστάθειας είναι 1/λmax. Εγώ όμως υλοποίησα μάλλον λάθος τον αλγόριθμο οπότε δεν μπορώ να επαληθεύσω τίποτα πειραματικά ακόμα.

Η κυματομορφή σφάλματος (μη τετραγωνική, για 1024 δείγματα) μου βγαίνει όπως στο jpeg αρχείο που επισήναψα. Είναι λάθος έτσι ? Θα έπρεπε να συγκλίνει, σωστά ?

To όριο είναι 2/λmax. Έχει να κάνει με το αν βάλετε στον αλγόριθμο σας στο
βήμα εκμάθησης 2μ ή μ. Για τις εξισώσεις της εκφώνησης είναι 2/λmax

Η εργασία πήρε παραταση; Γιατι λεει 10/5 στο ethmmy.

Το έλεγε και πριν αυτό ή πριν έλεγε για σήμερα και το άλλαξαν... έχει σημασία !

όχι δόθηκε παράταση σήμερα.

για να βαλουμε θορυβο στο σήμα υπαρχει καποια ετοιμη συναρτηση στο matlab? H awgn χρησιμοποιει το snr και οχι το σ..
 :-\ :-\

η randn(N,M) σου δίνει πίνακα με NxM στοιχεία που έχουν τυπική απόκλιση 1. πολλαπλασίασε με 0,1 και θα πάρεις δείγματα με τυπική απόκλιση 0,1

εγώ το έκανα
d+normrnd(zeros(N,1),0.1).*d
όπου d η συνάρτηση με τα ημίτονα

Και εγώ έτσι το έκανα ... ;)

αυτο τελικα ειναι σωστο?? μου δινει πολυ μεγαλο lmax και αρνητικο.. :-\

edit: τελικα θελει c = xcorr(x,'biased'); και lmax = eigs(cor);  και απο τις 6 ιδιοτιμες που δινει κραταω την μεγιστη θετικη. (με καθε επιφυλαξη αλλα τουλαχιστον δουλεψε)

και το σήμα με τον θόρυβο μαζί πώς το υπολόγισες;

Έστω d το επιθυμητό σήμα εξόδου (καθαρό χωρίς θόρυβο) και x το σήμα είσοδου (μέ θόρυβο, δηλαδή d + noise). Θα πεις πως d είναι το άθροισμα των τεσσάρων ημιτόνων που λέει η εκφώνηση και x = d + 0.1*randn(size(t)), όπου t ξεκινάει από 1 έως των αριθμό των δειγμάτων του σήματος (το επιθυμητό σήμα εξόδου με το σήμα εισόδου έχουν τον ίδιο αριθμό δειγμάτων δηλαδή το ίδιο μέγεθος).

Το δοκίμασα αλλά εμένα μου βγάζει lmax μικρότερο της μονάδας. Αν το αντιστρέψω δηλαδή θα έχω ένα άνω όριο για το βήμα μεγαλύτερο της μονάδας και νομίζω πως δεν πρέπει. Για μένα δούλεψε η xcorr χωρίς την παράμετρο 'biased'... :-\

3η εργασία στο ετημμυ στο υλικό μαθήματος.

Ημερομηνία παράδοσης στις 3/6.

 ^callmerip^

οι ασκήσεις που ανεβάζουν στο ethmmy ειναι οι ίδιες που κάνει στο μάθημα?

mrc

στην εργασία 3, στην πρόβλεψη του σήματος, για τι error μιλάμε? Υποτίθεται πως πρέπει να βγει ακριβώς το ίδιο..?

Εμείς έχουμε φτιάξει το φίλτρο και δουλεύει ακριβώς όπως το levinson της matlab αλλά δε ξέρουμε τι πρέπει να δώσουμε σαν είσοδο!

Έχουμε το σήμα d και την τάξη Μ του φίλτρου.

Κάνουμε τα εξής:
c = xcorr(d,'biased');
c1=c(1001:1033);
[ap, e] = LevDur(c1,32); %To filtro mas
o=zeros(1,33);
o(1)=1; % Dimiourgoume pinaka o me ola midenika ektos apo to o(1) pou to kanoume 1 gia na to dwsoume san arithmiti sti filter parakatw
y=filter(o,-ap,d)

Το αρχικό σήμα και η έξοδος y δίνουν αυτά που ανέβασα σαν attachment.

To ίδιο δίνει η έξοδος και αν χρησιμοποιήσουμε την έτοιμη levinson αντί για τη δικιά μας! Έχει κανείς ιδέα τι κάνουμε λάθος; Πραγματικά έχω φάει το ίντερνετ να βρω ένα demo για την ορθή χρήση της levinson και το μόνο που ανακάλυψα είναι ότι πρέπει να δώσεις τις τιμές του πίνακα αυτοσυσχέτισης από Ν έως Ν+Μ και όντως, αν πάρεις τον πίνακα από οποιοδήποτε σημείο πριν το Ν βγάζει ότι να ναι. Αλλά ότι και να κάναμε δε καταφέραμε να κάνουμε την έξοδο y ίδια με την είσοδό d!

Δοκίμασα και ημίτονο αντί για αυτό το mix αλλά και πάλι παίρνω ένα ημίτονο με γραμμικά αυξανόμενο πλάτος.

Καμιά ιδέα;

λοιπόν Babylonx....
πρώτον το ο που χρησιμοποιείτε δεν χρειάζεται γιατί στην filter μπορείς να δώσεις στον παρονομαστή απλά 1.
για την έτοιμη levinson όταν θέλεις να σου βγάλει M συντελεστές για γραμμική πρόβλεψη χρησιμοποιείς την εντολή levinson(r, M) όπου r το διάνυσμα αυτοσυσχέτισης. Πρόσεξε όμως. θα σου επιστρέψει διάνυσμα με Μ+1 στοιχεία αντί για Μ και αυτό γιατί σαν πρώτο στοιχείο βάζει 1. εσύ πρέπει να πάρεις τα υπόλοιπα Μ στοιχεία και αυτό είναι το διάνυσμα των συντελεστών σου (δηλαδή αυτό που θα βάλεις σαν αριθμητή στη filter). όταν έχεις έτοιμους τους συντελεστές αυτό που πρέπει να κάνεις είναι y=filter([0 -a],1, x) όπου α η γραμμή με τους συντελεστές και χ η είσοδος.

Προσοχή στον αλγόριθμο που φτιάχνεις. αν τον υλοποιείς όπως περιγράφεται από τον αλγόριθμο της εργασίας παίζει να υπολογίζεις λάθος το α σε κάθε βήμα, επειδή όταν κάνεις α(κ)=α(κ)+ga(m+1-k) το α(m+1-k) έχει αλλάξει στο ίδιο βήμα του αλγορίθμου.
Πρόταση μου είναι σε κάθε βήμα να δημιουργείς το backward prediction vector ξεχωριστά και να μη χρησιμοποιήσεις βρόχο για το κ.
Ελπίζω να σε βοήθησα.

παιδιά ασχολήθηκε κανείς με την 4η εργασία; πώς υλοποιούμε την αναδρομή στο αντίστροφο φίλτρο. ξέρουμε τους συντελεστές και το fm αλλά τι ξέρουμε για τα bm, bm-1?

3η εργασία (Hμ/νία λήξης δηλώσεων: 05/06/2012) 

πιφ.

αν βγάζεις κάτω από μονάδα είναι οκ, γιατί στο τετράγωνο γίνεται μικρότερο (κανονικοποιημένα)
εγώ (τετραγωνικό) βγάζω τάξης e-4

α ναι, και βρήκα έναν πιο κατανοητό αλγόριθμο στο νετ γιατί έτσι όπως δίνεται στην εκφώνηση είναι σκέτο μπέρδεμα

με την 4η ασχολήθηκε κανείς με το αντίστροφο φίλτρο?

Σε ευχαριστώ! Με βοήθησες πολύ!

Στην 4η εργασία τι παίζει? Έχει πετάξει 2 εξισώσεις και τίποτα παραπάνω  :P Και έστω ότι βρήκαμε τα f, b , η έξοδος του φίλτρου πως προκύπτει από αυτά?

http://www.cs.tut.fi/~tabus/course/ASP/LectureNew8.pdf (http://www.cs.tut.fi/~tabus/course/ASP/LectureNew8.pdf)

Αυτο ισως να βοηθαει.. ειναι πανω κατω το μαθημα που ειχε κανει για lattice filters..

Τωρα πως λυνεται το αντιστροφο φιλτρο,,.. αγνωστο!  :o :o

έβγαλε κανείς άκρη για το αντίστροφο φιλτρο???

Στις εξετάσεις δίνουμε με ανοιχτά βιβλία και σημειώσεις?

ναι

H είσοδος είναι το σήμα x που σου λέει να φτιάξεις με τα συνημίτονα, και ουσιαστικά για κάθε δείγμα n αυτό η είσοδος στο
recursion είναι τα και και αφού τρέξεις το διπλό loop από 1 ως N και για κάθε n από 1 ως M
στο τέλος έχεις τα και ξανατρέχεις το διπλό loop με τις εξισώσεις, όπου τώρα
ξεκινάς με λευκός θόρυβος. Και η έξοδος είναι τα .

Αυτό κατάλαβα εγώ, φαίνονται τα αντίστοιχα σχήματα στο quoted pdf. Βέβαια δε μου τρέχει.  :P

Δεν έχω καταλάβει αν ο θόρυβος πρέπει να έχει συγκεκριμένες προδιαγραφές ή τον πετάς έτσι.

Δε βλέπω τα LaTeX  :-\

Κανείς που να βρήκε άκρη με το αντίστροφο φίλτρο? Τι βάζουμε ως αρχικές συνθήκες και τι παίρνουμε ως έξοδο?

Ειμαι περιορισμενος και δε μπορω να ανεβασω τα θεματα στα downloads :D
Τα επισυναπτω με λυμμενο το 1ο και το 3ο.
Πειτε μου γνωμες, καλα μπαλωσα το 3ο που ειχε λαθη στο pdf του eTHMMY? ^beg^

Στο αντίστροφο δίνει σαν είσοδο το τελευταίο στοιχείο του f, που ισούται με τον θόρυβο και το πρώτο του b που ισούται με την αρχική σου είσοδο.

fa(M+1,:) = noise;
ba(1,:) = inp;

Μια χαρά τα έχεις. ^super^

ΖΗΤΩ ( Ο ΒΑΣΙΛΙΑΣ ) ^wav^ ^hello^ ^peace^ ^carnaval^ ^beer^

δηλαδη ο θορυβος προστιθεται στην εξοδο του φιλτρου Η και αυτο μας κανει το d ε? ::)

https://www.youtube.com/watch?v=j_RDTCKmOYA

Θα προσπαθήσω να δώσω μία πολύ σύντομη και κατανοητή απάντηση σε αυτό που με ρώτησες, δηλαδή αν ο θορυβος προστιθεται στην εξοδο του φιλτρου Η και αυτο μας κανει το d ε. Η απάντηση μου σε αυτό το ερώτημα είναι πολύ απλή. Αν λάβουμε υπ' όψιν και το γεγονός ότι έτσι θέλησε να το περάσει και ο διδάσκον στις σημειώσεις του τότε φτάνουμε σε ένα συμπέρασμα που συμφωνεί απόλυτα με την άποψη μου.


ΝΑΙ!!!

μου βγάζω το καπέλο ^hat^

στο αντίστροφο φίλτρο βάζεις ένα λευκό θόρυβο ως είσοδο και παίρνεις ένα στιγμιότυπο της στοχαστικής διαδικασίας που παραμετροποίησες με το κανονικό Lattice Predictor. (Αν θέλεις να επαληθεύσεις τη σωστή λειτουργία του αντίστροφου φίλτρου, τότε μπορείς να κρατήσεις το διάνυσμα του σφάλματος στη Μ οστή βαθμίδα του κανονικού φίλτρου όταν υπολογίζεις του συντελεστές και να το εισάγεις στο αντίστροφο φίλτρο ως θόρυβο. Τότε θα πάρεις ακριβώς την είσοδο σου(αν δουλεύει σωστά το αντίστροφο)).

Μπορείτε να εξηγήσετε λίγο τη θεωρία πίσω από αύτο; Όντως βγάζει αποτέλεσμα όταν δωθεί σαν είσοδος των b0(n) το σήμα εισόδου, αλλά γιατί; Υποτίθεται ότι περιγράφεις το σήμα σου μέσω των συντελεστών Γm, αν είναι να έχεις γνωστό ήδη το σήμα αυτούσιο στο αντίστροφο φίλτρο, τότε πιο το νόημα; Απλώς να διαμορφώσεις το θόρυβο; Δεν έχω καταλάβει την πρακτική σημασία δηλαδή.

Νομίζω δε χρειάζεται να βάλεις το b0(n) ίσο με το x . Εγώ αυτό που έκανα και δούλεψε τελικά ήταν να φτιάξω το ευθύ και αντίστροφο φίλτρο στην ίδια συνάρτηση ώστε να κρατούνται τα f και b που βρίσκει το ευθύ. Μετά εκτελείς το αντίστροφο  αλλάζοντας πρώτα το τελευταίο f_m+1 ώστε να ισούται με το θόρυβο. Το b δε το πειράζω.

Μέχρι τώρα τα είχα σε διαφορετικές συναρτήσεις και δε κρατούσα τα παλιά f b, γιαυτό δε μου δούλευε.

 :???:
και παλι,γιατι;

δουλευει και με τους 2 τρόπους (ευχαριστώ πολύ για τις συμβουλές btw)
αλλα δεν μπορω να εξηγησω κανεναν απο τους 2 :Ρ

Να πω την αλήθεια και εγώ δεν έχω καταλάβει καλά τη σημασία του αντίστροφου φίλτρου, με trial and error βγήκε. Τα Γm από το ευθύ φίλτρο αρκούν για να υπολογίσεις τους συντελεστές a_m.

Το f₀ είναι το αρχικό σήμα και το f_m+1 είναι το τελικό σφάλμα forward πρόβλεψης. Αν βάλεις διαφορετικό f_m+1 (το θόρυβο) και κάνεις την αντίστροφη διαδικασία , θα καταλήξεις σε f₀ που μοιάζει με το αρχικό σήμα. Κάτι τέτοιο  :P

Ουσιαστικά το b₀ είναι αυτό που πρέπει να αρχικοποιηθεί μόνο. Αλλά είναι σαν να το αρχικοποιείς με την έξοδο...

Ανέβηκαν oι βαθμοί για τον Ιούνιο 2012 στο eThmmy.

Όπως είπες περιγράφεις το σήμα σου με τους συντελεστές που υπολόγισες στο ευθύ φίλτρο. Δεν περιγράφεις το σήμα σου, αλλά ένα autoregressive μοντέλο το οποίο ακολουθεί η στοχαστική διαδικασία στην οποία ανήκει το σήμα σου. Λέμε ότι μια ακολουθία u[n] ακολουθεί ένα AR μοντέλο αν ισχύει ότι
α0u[n]+a1u[n-1]+a2u[n-2]+......amu[n-m] =v[n] όπου v είναι λευκός θόρυβος. Όταν κάνεις γραμμική πρόβλεψη στην ουσία προσεγγίζεις το u[n] με -Σαi*u[n-i] για i=1....Μ. άρα το σφάλμα σου είναι ίσο με Σαiu[n-i] αλλά για i=0,.....,M θεωρώντας ότι α0=1. Άρα αν θεωρήσουμε ότι όταν κάνουμε γραμμική πρόβλεψη σε ένα σήμα μιας διαδικασίας, το σφάλμα που παίρνουμε είναι κοντά σε μια λευκή διαδικασία, τότε με τους συντελεστές αυτούς έχουμε περιγράψει ένα autoreggresive μοντέλο για τη διαδικασία. (αφού το σφάλμα που είναι γραμμικός συνδυασμός M+1 πιο πρόσφατων  τιμών της διαδικασίας είναι λευκός θόρυβος).  Αυτό είναι πολύ κοντά στην πραγματικότητα γιατί κατά τη γραμμική πρόβλεψη όντως το σφάλμα σου τείνει σε μια λευκή διαδικασία.

Το lattice predictor υπολογίζει αυτούς τους συντελεστές σε κάθε βαθμίδα αναδρομικά σε κάθε βαθμίδα. Θα μπορούσαμε τις ακολουθίες fm και μη αναδρομικά εφαρμόζοντας γραμμική πρόβλεψη τάξης Μ κάθε φορά για το σήμα που έχουμε, αλλά κάτι τέτοιο δε συμφέρει. Το ευθύ λοιπόν φίλτρο σου δίνει δυο εξισώσεις με τις οποίες μπορεί να προσδιορίσεις το σφάλμα μιας βαθμίδας πρόβλεψης αν ξέρεις το σφάλμα της προηγούμενης βαθμίδας. στη 0 βαθμίδα το σφάλμα σου είναι ίσο με την είσοδο γιατί στην ουσία δεν κάνεις καθόλου γραμμική πρόβλεψη.

Τώρα για το αντίστροφο φίλτρο. Αν έχουμε βρει τους συντελεστές Γm έχουμε προσδιορίσει τη διαδικασία στην οποία ανήκει το σήμα μας με ένα AR μοντέλο αφού Σαiu[n-i]=λευκός θόρυβος (ξαναλέω εμείς θεωρούμε ότι μας δίνει λευκό θόρυβο γιατί είναι κοντά στην πραγματικότητα). Το αντίστροφο φίλτρο λύνει ακριβώς τις ίδιες εξισώσεις με το ευθύ απλά έχει άλλους αγνώστους. Δηλαδή έχεις τα fM(n), που είναι διαδικασία λευκού θορύβου, και τους συντελεστές που προσδιόρισες. Δεν έχεις τίποτα άλλο, ούτε b ούτε τίποτα, και επιλύοντας τις εξισώσεις θα πάρεις στην έξοδο ένα σήμα που θα ακολουθεί το AR μοντέλο το οποίο έχεις ορίσει για τη διαδικασία σου.

Νομίζω ότι το πρόβλημα είναι ότι όλοι περιμέναμε με είσοδο λευκού θορύβου στο αντίστροφο φίλτρο να πάρουμε ακριβώς το σήμα της εισόδου. Πώς είναι δυνατόν να πάρουμε κάτι τέτοιο, αφού ευθύ και αντίστροφο λύνουν ακριβώς τις ίδιες εξισώσεις? Δεν είναι. θα πάρουμε ακριβώς το ίδιο σήμα αν ως είσοδο στο αντίστροφο φίλτρο εισάγουμε το σφάλμα της Μοστής βαθμίδας του lattice predictor. (Ξαναλέω στο αντίστροφο το μόνο που ξέρουμε είναι οι συντελεστές Γm και τίποτα άλλο).
Το αντίστροφο φίλτρο είναι AR proccess generator, όχι signal reconstructor.

Γενικά είχαμε πολύ καλή απόδοση φέτος  :)

Μπράβο στον Πέτρο Νυφαντή που είχε το κουράγιο να μας ανέχεται με τις απορίες και τις εργασίες κτλ.

υγ. στο excel με τις βαθμολογίες υπάρχουν δυο τρία λαθάκια με το άθροισμα του συνολικού βαθμού.

όσοι έχουν πρόβλημα ας στείλουν κάποιο μέιλ γιατί ο άνθρωπος που να τα δει με τέτοια κούραση.

Στο 2ο θέμα τι ήθελε να γράψουμε τελικά?

Ναι, αυτο που είδα και εδώ (http://ptolemy.eecs.berkeley.edu/~eal/audio/lp.html), ψάχνοντας για την πρακτική τους
εφαρμογή είναι ότι ανάλογα με τα χαρακτηριστικά του θορύβου που θα εισάγεις έχεις αντίστοιχη έξοδο. Δεν είναι το σήμα σου
αυτούσιο, αλλά αναπαράγεται το AR μοντέλο που λες, που στην περίπτωση του ήχου είναι τα χαρακτηριστικά που κάνουν το
σήμα κατανοητό.
Αν εισάγεις μη λευκό θόρυβο στο αντίστροφο φίλτρο, τότε έχεις σήμα εξόδου που είναι παραμορφωμένη φωνή.

Τελος πάντων, thanks.

+1

Φήμες λένε ότι τα θέματα που έπεσαν ήταν αρκετά ίδια με κάποιες ασκήσεις του βιβλίου.

Ποιου βιβλίου;;;

Toν Σεπτεμβριο ηταν ενα σαν καποια εργασια (ανεβασμενο στο ετημμυ) απλο  *1η εργασια
και το δευτερο απο ενα βιβλιο οχι αυτο του Αντωνιου, αλλα εχω κολλησει δεν θυμαμαι... πρεπει να ηταν ετημμυ, αλεξανδρεια... γιατι θυμαμαι φωτοτυπημενο το ειχα. Παιζει να εχει σχολιαστει σε καποιο τοπικ
*ισως εχει σημεια απο τη δευτερη εργασια, αλλα αυτο κοιταζοντας μονο την εκφωνηση

είναι καίριας σημασίας να θυμηθείς συμφοιτητή

adaptive filters νομίζω, του haykin.

Αυτο που ειπε η αγαπητη συναδελφος.

Αχα... και μήπως θα μπορούσε κάποιος εξίσου αγαπητός(η) συνάδελφος να μου το δανείσει για λίγες ημέρες;

Νομίζω ότι δν δίνοταν με τον εύδοξο. Το κατεβάζεις απο τα γνωστά μερη.

oh.. thanks
η ύλη του πού είναι;

Όταν εδινα εγώ είχε ποστάρει κάτι ο μεταπτυχιακος στο ethmmy. Τωρα δεν ξερω αν υπάρχει ακόμα.

Κεφ.1

1.1  -  1.5

Κεφ.2

2.1  -2.5

Κεφ.5

5.1  -  5.5  &  5.7

Κεφ.  6

6.1  -  6.4  &  6.7  -  6.9

Κεφ.  9

9.1  -  9.5

Κεφ.  10

10.1  -  10.2

Όλο  τα  κεφάλαια  του  βιβλίου  του  κ  Μουστακίδη,  που  μπορείτε  να  βρείτε
στο  σύνδεσμο  Συνδέσεις.

Aπo  το  βιβλίο  του  Αντωνίου

Κεφ.  1
Κεφ.  2
Κεφ  .3
Κεφ.  6
Κεφ.  10
Κεφ  .13
Παρ.  16.5