Giter Site home page Giter Site logo

ela405's Introduction

Laboration – ELA405 - VT2019

Denna laboration består av 3 delar som görs i ordning. Målet är att 1) spela in och förstå en typ av signal, 2) karakterisera denna signal i tids- och frekvensdomänen och 3) använda LTI- system för att förstärka/extrahera informationsrelaterad karakteristika i signalen.

Del 1

Mätning:

  • Välj signal och experimentell design från listan av möjliga alternativ och hämta ut utrustning av Jonatan Tidare för att påbörja mätning.
  • Mät signalen för varje klass minst 10 gånger/repetitioner och samla in och spara data till Matlab. à

Tänk på att sträva mot att spela in en stationär signal för varje klass!

För ökad kunskap och förståelse: gör bonusuppgift 1

Uppgift:

Beskriv signal och valda klasser:

  1. Vilken typ av signal har ni? (beskriv allmänt signalens karakteristik och relatera till föreläsningar).
  2. Vilka klasser har ni? Fundera på varför det är bra att spela in signalen för olika klasser istället för bara en klass?
  3. Varför är det viktigt att spela in flera repetitioner för varje klass?

Del 2

Uppgift:

  1. Presentera visuellt de tider/instanser som bäst särskiljer signalerna för de två klasserna med hänsyn till medelvärde och standardavvikelse för varje klass.
  2. Presentera visuellt de frekvenser som bäst särskiljer signalerna för de två klasserna med hänsyn till medelvärde och standardavvikelse för varje klass.
  3. Vad kan ni dra för slutsatser från figurerna i uppgift 4 och 5?

Signalerna antas här vara statistiskt signifikant olika (p<0.05) när standardavvikelse för varje klass inte överlappar.

Bra att kunna: Hur påverkar samplingsfrekvens och totala antalet samples per repetition signalen i frekvensdomänen?

För ökad kunskap och förståelse: gör bonusuppgift 2

Del 3

Uppgift:

  1. Baserat på figurerna från del 2, identifiera ett lämpligt LTI-system för att framhäva information i er signal som bäst särskiljer de två klasserna. Motivera ert val.

  2. Karakterisera ert LTI system i tids- och frekvensdomän.

    • Presentera visuellt LTI-systemets impuls- och stegsvar.
    • Presentera visuellt LTI-systemets frekvens och fassvar.
  3. Applicera LTI-systemet på era signaler för de två klasserna.

    • Presentera visuellt de tider/instanser som bäst särskiljer de behandlade signalerna för de två klasserna med hänsyn till medelvärde och standardavvikelse för varje klass.
    • Presentera visuellt de frekvenser som bäst särskiljer de behandlade signalerna för de två klasserna med hänsyn till medelvärde och standardavvikelse för varje klass.
  4. Diskutera kring huruvida LTI-systemet har ökat skillnaderna mellan signalerna för de två klasserna.

För ökad kunskap och förståelse: gör bonusuppgift 3

Examination:

Laborationens uppgifter presenteras muntligt med en power-point presentation (max. 10 minuter följt av 5 min frågor). Alla gruppmedlemmar ska bidra till presentationen. Power- point presentationen laddas upp på Canvas senast den 12/3 och det ska tydligt framgå vilken uppgift varje bild tillhör.

ela405's People

Contributors

byteofsoren avatar kanaljen avatar

Watchers

James Cloos avatar

Recommend Projects

  • React photo React

    A declarative, efficient, and flexible JavaScript library for building user interfaces.

  • Vue.js photo Vue.js

    🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.

  • Typescript photo Typescript

    TypeScript is a superset of JavaScript that compiles to clean JavaScript output.

  • TensorFlow photo TensorFlow

    An Open Source Machine Learning Framework for Everyone

  • Django photo Django

    The Web framework for perfectionists with deadlines.

  • D3 photo D3

    Bring data to life with SVG, Canvas and HTML. 📊📈🎉

Recommend Topics

  • javascript

    JavaScript (JS) is a lightweight interpreted programming language with first-class functions.

  • web

    Some thing interesting about web. New door for the world.

  • server

    A server is a program made to process requests and deliver data to clients.

  • Machine learning

    Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.

  • Game

    Some thing interesting about game, make everyone happy.

Recommend Org

  • Facebook photo Facebook

    We are working to build community through open source technology. NB: members must have two-factor auth.

  • Microsoft photo Microsoft

    Open source projects and samples from Microsoft.

  • Google photo Google

    Google ❤️ Open Source for everyone.

  • D3 photo D3

    Data-Driven Documents codes.