[Ψηφιακά Φίλτρα] 1η Εργασία 2015

[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!

[ονόματα των αρχείων]

Ανεβάζετε τα θέματα των εξετάσεων στον τομέα Downloads

με προσοχή στα ονόματα των αρχείων!

[dinos]

Για να ακούσουμε το κομμάτι απλά αφαιρούμε το y(n) που βρίσκουμε από το d(n) και μετά το βάζουμε στο script που δίνει για τη μουσική;

[Exomag]

Για να ακούσουμε το κομμάτι απλά αφαιρούμε το y(n) που βρίσκουμε από το d(n) και μετά το βάζουμε στο script που δίνει για τη μουσική;

Αν έχεις κάνει τα πάντα σωστά το κομμάτι μουσικής καθαρό από θόρυβο θα ισούται με το d(n) - y(n), ναι.

[dinos]

Για να ακούσουμε το κομμάτι απλά αφαιρούμε το y(n) που βρίσκουμε από το d(n) και μετά το βάζουμε στο script που δίνει για τη μουσική;

Αν έχεις κάνει τα πάντα σωστά το κομμάτι μουσικής καθαρό από θόρυβο θα ισούται με το d(n) - y(n), ναι.

Οπότε υπάρχει λάθος στους πίνακες αυτοσυσχέτισης-ετεροσυσχέτισης, αφού ακούω θόρυβο...

[jimPster]

Υπολογίστε το ελάχιστο μέσο τετραγωνικό σφάλμα, για το φίλτρο Wiener του προηγούμενου
υποερωτήματος.
To βρηκατε περιπου 1? οπου 1 ειναι ουσιαστικα η διακύμανση του χ(n)

[Exomag]

Υπολογίστε το ελάχιστο μέσο τετραγωνικό σφάλμα, για το φίλτρο Wiener του προηγούμενου
υποερωτήματος.
To βρηκατε περιπου 1? οπου 1 ειναι ουσιαστικα η διακύμανση του χ(n)

Το MSE βγαίνει όντως ίσο με 1.

[απλυτος]

πιο συγκεκριμένα, αν για την εύρεση του Ru χρησιμοποιήσω την autocorrelation στον vector u και αντιστοιχα για την εύρεση του P την crosscorrelation στους πινακες  d και u, έλειξε το θέμα ή θέλει και χειροκίνητα;

[jimPster]

E ναι σιγα , απλα να ξερεις οτι καθε φορα θα σου βγαζει διαφορετικο απ'το ιδανικο
αλλα κοντα στο ιδανικο(στο χερι) για την xcorr να βαλεις στο τελος 'unbiased' για να σου
βγει σωστα

[απλυτος]

E ναι σιγα , απλα να ξερεις οτι καθε φορα θα σου βγαζει διαφορετικο απ'το ιδανικο
αλλα κοντα στο ιδανικο(στο χερι) για την xcorr να βαλεις στο τελος 'unbiased' για να σου
βγει σωστα

το unbiased στο autocorr πως συντάσσεται; το xcorr απ όσο είδα κάνει το crosscorr

[jimPster]

E ναι σιγα , απλα να ξερεις οτι καθε φορα θα σου βγαζει διαφορετικο απ'το ιδανικο
αλλα κοντα στο ιδανικο(στο χερι) για την xcorr να βαλεις στο τελος 'unbiased' για να σου
βγει σωστα

το unbiased στο autocorr πως συντάσσεται; το xcorr απ όσο είδα κάνει το crosscorr

r = xcorr(d,u,1,'unbiased');
P = [r(2);r(3)];

εναλλακτικα για να ξερεις τι σου γινεται
uDelayed = [0;u(1:n-1)];
r1=mean(d.*u);
r2=mean(d.*uDelayed);
P=[r1;r2];
δεν το χω τεσταρει

[απλυτος]

E ναι σιγα , απλα να ξερεις οτι καθε φορα θα σου βγαζει διαφορετικο απ'το ιδανικο
αλλα κοντα στο ιδανικο(στο χερι) για την xcorr να βαλεις στο τελος 'unbiased' για να σου
βγει σωστα

το unbiased στο autocorr πως συντάσσεται; το xcorr απ όσο είδα κάνει το crosscorr

r = xcorr(d,u,1,'unbiased');
P = [r(2);r(3)];

εναλλακτικα για να ξερεις τι σου γινεται
uDelayed = [0;u(1:n-1)];
r1=mean(d.*u);
r2=mean(d.*uDelayed);
P=[r1;r2];
δεν το χω τεσταρει

τον δεύτερο τρόπο θα τον τσεκάρω τώρα.

για τον πρώτο, για να βρω το vector αυτοσυσχέτισης του u πατάω xcorr(u,u,1,'unbiased');

[jimPster]

z=var(u)*autocorr(u,1);
R=toeplitz(z);

αλλα και αυτο που ειπες σωστο φαινεται

[απλυτος]

z=var(u)*autocorr(u,1);
R=toeplitz(z);

αλλα και αυτο που ειπες σωστο φαινεται

μάλλον όχι, μου βγάζει διαφορετικά αποτελέσματα. Γενικά ενώ το πράγμα φαίνεται πολύ απλό, τα δύο παραπάνω βγάζουν διαφορετικά αποτελέσματα και μεταξύ τους και σε σχέση μ' ένα παράδειγμα που έλυσα στο χέρι. Τσάμπα μπέρδεμα.

εδιτ: δικό μου λάθος. τα ίδια βγάζουν. απ το πάνω σχόλιο ισχύει μόνο το τσάμπα μπέρδεμα.

[jimPster]

αυτα που σου γραψα με xcorr kai autocorr ειναι σωστα απλα  θα σου βγαζουν παρομοια
με το ιδανικο οχι ιδια γιατι τα σηματα ειναι πεπερασμενα

[απλυτος]

η εργασία είναι όλη στο ματλαμπ ή μονο το τελευταιο ερώτημα; γενικά τα 4 πρώτα ερωτήματα θεωρούμε οτι γνωρίζουμε τους πίνακες v και d μέσω των πινάκων noise και sound ή οχι;

[Επικο Burger]

Tα πρωτα ερωτηματα μεχρι την περιοχη συγκλισης ειναι στο χερι ουσιαστικα. Αυτα που κανεις στην ματλαμπ ειναι να εφαρμοσεις τον SD για τα διαφορα μ, και να γραψεις το scriptaki για να βρεις το κομματι.

Το noise και sound εχει να κανει μονο με το τελευταιο ερωτημα. Για τα πρωτα χρησιμοποιεις τις εξισωσεις που δινει στην αρχη, κατω απο το block διαγραμμα.

EDIT: Επισης, οσον αφορα τον κωδικα που γραφουμε, αυτος ειναι ουσιαστικα συμπληρωμα πανω σ'αυτα που εχει ηδη στο υλικο μαθηματος στο ετημμυ. Το λεω γιατι δεν ξερω αν ολοι το εχουν δει