[Ψηφιακά Φίλτρα] 1η Εργασία 2017

[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!

[Πληροφορίες Καθηγητών]

Πληροφορίες Καθηγητών

[Kthulu]

Έχει καταφέρει κανείς σε matlab να κάνει διάγραμμα για το error surface and adaptation process για w=[w0 w1 w2], όπως κάνει ο Σισμάνης στο script του (gradWienerFilt.m) ?

Νομίζω είναι αδύνατον

[kaspas]

Στο quiz σας βγάζει αν είναι σωστές οι απαντήσεις σας;

[blablabla]

Στο quiz σας βγάζει αν είναι σωστές οι απαντήσεις σας;

όχι!

[raptalex]

Αν ξεκινήσω αύριο έχω ελπίδες να παραδώσω έστω και κάτι αξιόλογο;;( Δεδομένου πάντα ότι δεν έχω πάει σε μάθημα )

[Ροζ συννεφάκι]

Αν ξεκινήσω αύριο έχω ελπίδες να παραδώσω έστω και κάτι αξιόλογο;;( Δεδομένου πάντα ότι δεν έχω πάει σε μάθημα )

Έχεις ελπίδες να παραδώσεις κάτι που θα πάρει 10/10 (αναλόγως πόσο θες να ασχοληθείς πάντα). Αύριο βγάζεις θεωρία-ασκήσεις και έχεις δυο μέρες να δουλέψεις εργασία και quiz (βγαίνουν άνετα σε τόσο).
Good luck!

[gdims]

Νομίζω είναι αδύνατον

Έχουμε ρωτήσει τον Σισμάνη, δεν θα παραδώσουμε τέτοιο διάγραμμα.
Είναι πολύ δυσκολότερο (αν όχι αδύνατον) να απεικονίσεις αυτή τη πληροφορία με παραπάνω από δύο συντελεστές Wiener.

[TheoProt]

0.3417, 0.0763, -0.0219

Αυτές είναι οι τιμές για την ruu ή την ruv;

[Aristos]

Αυτές είναι οι τιμές για την ruu ή την ruv;

r_uu

[smegalou]

w=[-1;-1;-1];
mu=0.1;

wt=zeros([3,n]);
wt(:,1)=w;
y=zeros(n,1);

s=[0;0;u];
for i=2:n
  w=w+mu*(p-R*w);
  wt(:,i)=w;
  y(i)=s(i:-1:i-1)' * w;
end

παιδια τι κανω λαθος και δεν τρεχει??

Επειδή έχεις πλέον τρείς συντελεστές θα πρέπει η for σου να έχει αυτή τη μορφή:

for i=3:n
  w = w + mu*(p-R*w); % Adaptation steps
  wt(:,i) = w;
  y(i) = s(i:-1:i-2)' * w; % filter
end

[konsntev]

Επειδή έχεις πλέον τρείς συντελεστές θα πρέπει η for σου να έχει αυτή τη μορφή:

for i=3:n
  w = w + mu*(p-R*w); % Adaptation steps
  wt(:,i) = w;
  y(i) = s(i:-1:i-2)' * w; % filter
end

ουπς σωστα ! ευχαριστω πολυυ   

[abadasa13]

Μπορεί κάποιος να με βοηθήσει με τον πίνακα αυτοσυσχέτισης του noise.mat; Οποιοσδήποτε συνδυασμός εντολών που περιλαμβάνει αυτοσυσχέτιση για τον τρέχοντα μεγάλο όγκο δεδομένων καταλήγει σε crash σε ένα pc που το restart είναι μια όμορφη περιπέτεια!
Για να τεστάρω τα xcross κλπ τα εκτέλεσα σε 200 steps σε white noise που δημιούργησα μόνος μου, αλλά κάθε φορά βγάζει διαφορετικά αποτελέσματα και καμία σχέση με τα θεωρητικά που -σωστά- έχω βγάλει.

Οποιαδήποτε ιδέα, παρατήρηση, σκέψη είναι ευπρόσδεκτη. Επί ΚΥΡΙΟΛΕΚΤΙΚΑ 5.5 ώρες ασχολούμαι με αυτό.

EDIT: Βρήκα σε παλαιότερο ποστ (2015) για την εργασία έναν αλγόριθμο να υπολογίζεις "χειροκίνητα" autocorrelation. Εφόσον δε λειτουργούσε καμία συνάρτηση κατέφυγα σε αυτό.

Το κομμάτι ακούγεται τέλεια. Ο κώδικας είναι ο εξής

Code:

usize = size(u,1);
uDelayed1 = [0;u(1:usize-1)];
uDelayed2 = [0;0;u(1:usize-2)];
r1 = mean(u.*u);
r2 = mean(u.*uDelayed1);
r3 = mean(u.*uDelayed2);
R = [r1 r2 r3;r2 r1 r2;r3 r2 r1];

[Terzos]

Υλοποιήστε τη διάταξη του σχήματος σε MATLAB. Για την προσαρμογή των συντελεστών του
φίλτρου χρησιμοποιήστε τον αλγόριθμο steepest descent. Δοκιμάστε διαφορετικές τιμές της
παραμέτρου µ που να βρίσκονται εντός και εκτός του διαστήματος σύγκλισης.

Για το v(n) που είναι λευκός θόρυβος χρησιμοποιούμε την rand και όχι την randn ;
Και με πόσο πρέπει να την πολλαπλασιάσουμε για να έχει διακύμανση 0.32;

edit: Το βρήκα: v=sqrt(0.32)*2*sqrt(3)*rand(N, 1);

[Aristos]

όταν λέμε λευκός θόρυβος, εννοούμε συνήθως πως δεν υπάρχει καμία συσχέτιση (γραμμική ή μή γραμμική) μεταξύ των τιμών που παίρνουμε. ο ορισμός αυτός είναι ανεξάρτητος της κατανομής που ακολουθεί η κάθε μεμονομένη τιμή του θορύβου. υπάρχει λοιπόν και λευκός γκαουσιανός θόρυβος και είναι αυτός που χρησιμοποιείται συνήθως σε θεωρητικές μελέτες γιατί βολεύει αλλά και γιατί είναι μια καλλή προσέγγιση της πραγματικότητας. η αλήθεια είναι πως δεν διευκρινίζεται αυτό στην εκφώνηση αλλά δε νομίζω να υπάρχει θέμα με το να χρησιμοποιήσεις γκαουσιανό μιας που κάνει τη ζωή σου πιο εύκολη (απλά πολλαπλασιάζεις με την διακύμανση).

[konsntev]

Μπορεί κάποιος να με βοηθήσει με τον πίνακα αυτοσυσχέτισης του noise.mat; Οποιοσδήποτε συνδυασμός εντολών που περιλαμβάνει αυτοσυσχέτιση για τον τρέχοντα μεγάλο όγκο δεδομένων καταλήγει σε crash σε ένα pc που το restart είναι μια όμορφη περιπέτεια!
Για να τεστάρω τα xcross κλπ τα εκτέλεσα σε 200 steps σε white noise που δημιούργησα μόνος μου, αλλά κάθε φορά βγάζει διαφορετικά αποτελέσματα και καμία σχέση με τα θεωρητικά που -σωστά- έχω βγάλει.

Οποιαδήποτε ιδέα, παρατήρηση, σκέψη είναι ευπρόσδεκτη. Επί ΚΥΡΙΟΛΕΚΤΙΚΑ 5.5 ώρες ασχολούμαι με αυτό.

EDIT: Βρήκα σε παλαιότερο ποστ (2015) για την εργασία έναν αλγόριθμο να υπολογίζεις "χειροκίνητα" autocorrelation. Εφόσον δε λειτουργούσε καμία συνάρτηση κατέφυγα σε αυτό.

Το κομμάτι ακούγεται τέλεια. Ο κώδικας είναι ο εξής

Code:

usize = size(u,1);
uDelayed1 = [0;u(1:usize-1)];
uDelayed2 = [0;0;u(1:usize-2)];
r1 = mean(u.*u);
r2 = mean(u.*uDelayed1);
r3 = mean(u.*uDelayed2);
R = [r1 r2 r3;r2 r1 r2;r3 r2 r1];

και γω αυτο εκανα..αλλα μετα sto e=d-y δεν εχουν ιδιες διαστασεις τα d και y...που το χανω?

[abadasa13]

και γω αυτο εκανα..αλλα μετα sto e=d-y δεν εχουν ιδιες διαστασεις τα d και y...που το χανω?

Αν δεν έχουν ίδιες διαστάσεις απλά κάνε ένα transpose τον y (και σε μένα έτσι βγαίνει). Αν δεν έχουν και το ίδιο μέγεθος δεν ξέρω τι να σου πω, πρέπει να γράψεις κάτι παραπάνω για να βοηθήσουμε.

Παρεπιπτόντως πήρε παράταση η εργασία σύμφωνα με το σύστημα!