[Ψηφιακά Φίλτρα] Παλιά Θέματα

[Thmmy.gr portal]

  Thmmy.gr portal
   Forum
   Downloads
   Ενεργ. Λογαριασμού
   Επικοινωνία
  
  Χρήσιμα links
   Σελίδα τμήματος
   Βιβλιοθήκη Τμήματος
   Elearning
   Φοιτητικά fora
   Πρόγραμμα Λέσχης
   Πρακτική Άσκηση
   Ηλεκτρονική Εξυπηρέτηση Φοιτητών
   Διανομή Συγγραμμάτων
   Ψηφιακό Καταθετήριο Διπλωματικών
   Πληροφορίες Καθηγητών
   Instagram @thmmy.gr
   mTHMMY
  
  Φοιτητικές Ομάδες
   ACM
   Aristurtle
   ART
   ASAT
   BEAM
   BEST Thessaloniki
   EESTEC LC Thessaloniki
   EΜΒ Auth
   IAESTE Thessaloniki
   IEEE φοιτητικό παράρτημα ΑΠΘ
   SpaceDot
   VROOM
   Panther
  

THMMY.gr Web

Helios_MultiScribbles2SMF Default ThemeSMFone_Blue

[Ανεβάζετε τα θέματα των εξετάσεων στον τομέα Downloads]

Είσαι πρωτοετής;... Καλώς ήρθες! Μπορείς να βρεις πληροφορίες εδώ. Βοήθεια για τους καινούργιους μέσω χάρτη.

Κατεβάστε εδώ το Android Application για εύκολη πρόσβαση στο forum.

Ανεβάζετε τα θέματα των εξετάσεων στον τομέα Downloads με προσοχή στα ονόματα των αρχείων!

[Αποτελέσματα Εξεταστικής Ιουνίου 2026]

Αποτελέσματα Εξεταστικής Ιουνίου 2026

[mpletsos]

Παιδιά καμιά ιδέα για τον υπολογισμό του πίνακα αυτοσυσχέτισης 100χ100 στο πρότυπο εξετάσεων; Πως αξιοποιώ τις διακυμάνσεις του θορύβου; Αφού η διαδικασία υπολογισμού του R είναι αυτή που είχαμε στο δοκιμαστικό...

function [R] = solve( a, b, c, sigma_v1_sq, sigma_v2_sq )
  R = zeros(100,100);
  A = [1 a(1) a(2) a(3); a(1) 1+a(2) a(3) 0; a(2) a(1)+a(3) 1 0; a(3) a(2) a(1) 1;];
   
  B = [sigma_v1_sq; 0; 0; 0];
   
  r = A \ B;
  r = [r; zeros(96,1)];
  R = toeplitz(r);
end

[mixalismilo]

Μπορει καποιος να με βοηθησει με την υλοποιηση του block lms με fft. Ποιο διανυσμα u μετασχηματιζω και στο w προσθετω μηδενικα για να βγουν οι διαστασεις?

[athanasmp]

Καλησπερα συναδελφοι

εχει καποιος τις λύσεις των 2 τελευταιων quiz  ΄?

ευχαριστωω

[mano_lee]

Καλησπερα συναδελφοι

εχει καποιος τις λύσεις των 2 τελευταιων quiz  ΄?

ευχαριστωω

Η λύση αυτή για το 4ο quiz ενώ τα παιδιά έλεγαν οτι έδινε 0.63/1, πλέον δίνει 1/1  

Εδώ είναι η λύση που έβαλα τελικά εγω.

Code:

function [R,p,w_o] = wiener( a, b, c, sigma_v1, sigma_v2 )
 
    a = [1; a(:)];

    A = [a(1) a(2) a(3) a(4); a(2) a(1)+a(3) a(4) 0; a(3) a(2)+a(4) a(1) 0; a(4) a(3) a(2) a(1)];
    
    B = [sigma_v1; 0; 0; 0];
    
    r = A \ B;
    R = toeplitz(r);
    
    p = R * (-b');
    
    w_o = R \ p;
  
end


function [y,w_out] = lms(u, d, m, mu)
% LMS - Least Mean Square adaptation
%   
 
  persistent w
  persistent u_stream
  
  
  % initialize 
  if isempty(w)
    w = zeros( m, 1 );
    u_stream = zeros(m,1);
  end
  
  u_stream(end+1, 1) = u;
                           
    
    % compute output
    y = w' * u_stream(end:-1:end-m+1);
    
    % get error
    e = d - y;
    
                     
    
      % update weights
      w = w + mu * e * u_stream( end:-1:end-m+1 );

  

  if nargout > 1
    w_out = w;
  end
  
  
end


function [y,w_out] = nlms(u, d, m, mu, alpha)
% LMS - Least Mean Square adaptation
%   
  
  persistent w
  persistent u_stream
  
  
  % initialize 
  if isempty(w)
    w = zeros( m, 1 );
    u_stream = zeros(m,1);
  end
  
  u_stream(end+1, 1) = u;

  
                        
    
    % compute output
    y = w' * u_stream(end:-1:end-m+1);
    
    % get error
    e = d - y;

      % update weights
      w = w + mu * e * u_stream( end:-1:end-m+1 )/ (alpha + u_stream( end:-1:end-m+1 )' * u_stream( end:-1:end-m+1 ));
      

    


  if nargout > 1
    w_out = w;
  end
 
  
end



function [y,w_out] = rls(u, d, m, lambda, delta)
% LMS - RLS adaptation
%   
    
  persistent w
  persistent u_stream
  persistent P
  
  
  % initialize 
  if isempty(w)
    w = zeros( m, 1 );
    u_stream = zeros(m,1);
  P = (1 / delta) * eye(m, m);
      
  end
  
  u_stream(end+1, 1) = u;

                         
    
    % compute output
    y = w' * u_stream(end:-1:end-m+1);
    
    % get error
    e = d - y;
    
 
      %compute k
      k = ((lambda^-1) * P * u_stream( end:-1:end-m+1 ) / (1 + (lambda^-1) * u_stream( end:-1:end-m+1 )'* P * u_stream( end:-1:end-m+1 )));

                               
                                 
      % update weights
      w = w + k * e;
      
      %compute P
      P = (lambda^-1) * P - (lambda^-1) * k * u_stream( end:-1:end-m+1 )' * P;
      


  if nargout > 1
    w_out = w;
  end
 
  
end

Όποιος θέλει το παίρνει. Ο βαθμός του είναι 0.63.

[mano_lee]

Καλησπερα συναδελφοι

εχει καποιος τις λύσεις των 2 τελευταιων quiz  ΄?

ευχαριστωω

Επίσης για το 3ο quiz, η λύση ενός φίλου.

Ερώτηση 2

Code:

% Step1: split output to top and bottom
function [yt, yb] = step1( x, w )

    % length of x signal
    n = length(x);

    % Check if n is a power of 2
    if mod(n,2) ~= 0
        disp('The signal x must have a length equal to a power of 2. \n')
        return
    else
        % k ranges from 0 to n - 1  
        k = (0:n-1)';

        % Split output top(yt) and bottom(yb) initiating both parts with 0s
        yb = zeros(n/2,1);
        yt = zeros(n/2,1);

        % Construct the 2-part output
        for j=0:n/2-1
            yt(j+1) = sum(w(n,j*k) .* x(k+1));      
        end 
    
        for j=0:n/2-1
            yb(j+1) = sum(w(n,(j+n/2)*k) .* x(k+1));
        end
        
        y = [yt ; yb];
    end
    
end

function [ybe, ybo, yte, yto] = step2( x, w )
    
    % split each output to even and odd
    n = length(x);

    % k ranges from 0 to n/2 -1  
    k = (0:n/2-1)';

    % Initiation of 4-part output with 0s 
    ybe = zeros(n/2,1);
    ybo = zeros(n/2,1);
    yte = zeros(n/2,1);
    yto = zeros(n/2,1);

    for j=0:n/2-1
        yte(j+1) = sum(w(n/2,j*k) .* x(2*k+1));
        yto(j+1) = w(n,j)*sum(w(n/2,j*k) .* x(2*k+2));
    end
    
    for j=0:n/2-1
        ybe(j+1) = sum(w(n/2,(j+n/2)*k) .* x(2*k+1));
        ybo(j+1) = w(n,j+n/2)*sum(w(n/2,(j+n/2)*k) .* x(2*k+2));
    end

    y = [yte + yto ; ybe + ybo];

end


function [xk1, xk2] = step3( x, w )
    
    % apply w identity and finish the proof with
    % y = [ xk1+xk2; xk1-xk2 ];
    n = length(x);
  
    % Initiation of output
    xk1 = zeros(n/2,1);
    xk2 = zeros(n/2,1);
  
    % k ranges from 0 to n/2 -1  
    k = (0:n/2-1)';

    for j=0:n/2-1
        xk1(j+1) = sum(w(n/2,j*k) .* x(2*k+1));
        xk2(j+1) = w(n,j)*sum(w(n/2,j*k) .* x(2*k+2));
    end

    y = [xk1+xk2; xk1-xk2];

end

Ερώτηση 2

Code:

function [y, flop] = rec_fast_fourier(x)

    % Initiate number of flops
    flop = 0;

    % n = length of signal to be transformed 
    n = length(x);

    % root of unity function handle
    w = @(n,k) exp(-2*k*pi*1i/n);

    % if n = 1 then the fast fourier transform cannot be broken into smaller parts
    % so its output is going to be an element of the original signal x.
    if n==1
        y = x;
    else    
        k = (0:n/2-1)';
        [yt,flopt] = rec_fast_fourier(x(2*k+1));
        [yb,flopb] = rec_fast_fourier(x(2*k+2));
        yb = w(n,k).*yb;
        y = [yt+yb ; yt-yb];
    
        flop = flopt + flopb + 6*n/2 + 2*n ;
    end
    
end

[kanou_tom]

Έχει υλοποιήσει κάποιος τον blockLMS στα θέματα του Ιουνίου 2019;

[neniak]

Έχει υλοποιήσει κάποιος τον blockLMS στα θέματα του Ιουνίου 2019;

Χωρίς να είμαι σίγουρος


function y = myblockLMS (u,d,m,mu)
%n= input signal
%d=desired signal
%m= filter tap size
%mu= step size scalar
persistent w u_prev
l=length(u);
if empty(w)
    w=zeros(m,1);
    u_prev=zeros(l,1);   %need the last l most recent input
end
%compute filter output vector y using vectors w and u
U= toeplitz(u, [u(1), u_prev(1:-1:(l-m+2))]);
y=U*w;
%compute error using vectors d and y
e=d-y;
%update w for next call
w= w + mu*U'*e;
% update u_prev for next call
u_prev=u;
end

[neniak]

έχει μήπως κανείς την υλοποίηση για το 2 quiz των ασκήσεων ?

[Μπουγάτσας]

Χωρίς να είμαι σίγουρος
function y = myblockLMS (u,d,m,mu)

Ξέρεις να απαντήσεις την ερώτηση με τις πολυπλοκότητες που έπεσε στην επανεξέταση του Ιουλίου;

[athanasmp]

Μηπως καποιος συναδελφος εχει στη κατοχη του θεματα φεβρουαριου ή σεπτεμβριου   

[malappapas]

Χωρίς να είμαι σίγουρος


function y = myblockLMS (u,d,m,mu)
%n= input signal
%d=desired signal
%m= filter tap size
%mu= step size scalar
persistent w u_prev
l=length(u);
if empty(w)
    w=zeros(m,1);
    u_prev=zeros(l,1);   %need the last l most recent input
end
%compute filter output vector y using vectors w and u
U= toeplitz(u, [u(1), u_prev(1:-1:(l-m+2))]);
y=U*w;
%compute error using vectors d and y
e=d-y;
%update w for next call
w= w + mu*U'*e;
% update u_prev for next call
u_prev=u;
end

Δεν έπρεπε να υπάρχει και ένα φ κάπου; Γενικά με μπέρδεψε πολύ πως κάνει τον kL+i η BlockLMS στη MatLab

[Mr Xaxas]

Μπορει καποιος να με βοηθησει με την υλοποιηση του block lms με fft. Ποιο διανυσμα u μετασχηματιζω και στο w προσθετω μηδενικα για να βγουν οι διαστασεις?

Δεν νμζω να χρειάζεται να προσθέσεις μηδενικά .Αυτός χρησιμοποιεί μηδενικά στον πίνακα w διότι στην υλοποίηση του παίρνει πίνακα u με 2Μ στοιχεία .

[johnakis_m]

Έχει λύσει κανείς κάτι απο Ιούλιο του 20;

[MeloNYK]

Έχει λύσει κανείς κάτι απο Ιούλιο του 20;

+1