Rabu, 04 November 2009

Chapter 2 of DSP (Statistics, Probability and Noise)




CHAPTER 2

Statistics, Probability and Noise

A.Signal and Graph terminology
Sinyal merupakan besaran fisis yang berubah menurut waktu, ruang, atau variable bebas lainnya. Sinyal dikarakteristikkan oleh suatu variasi atau perubahan amplitude dengan waktu dari beberapa kuantitas fisik yang sebenarnya berupa informasi. Variasi nilai dari suatu sinyal yang berupa fungsi dari variable bebas dinamakan bentuk gelombang.
Contoh sinyal dalam kehidupan sehari hari ketika arus atau tegangan dalam rangkaian elektrik, suara, suhu, tekanan udara, kecepatan, debit air, sinyal biomedis (EEG, ECG), dll.
Sebagian besar teknik DSP didasarkan pada superposisi suatu sinyal. Superposisi adalah sinyal yang diproses dan dipecah menjadi komponen yang sederhana. Setiap komponen diproses sendiri sendiri dan hasilnya bersatu kembali. Superposisi hanya dapat digunakan dengan sistem yang linear. Bagaimana dari sebuah sistem yang akan linier, berbagai cara untuk memecah sinyal menjadi komponen sederhana, dan bagaimana superposisi menyediakan berbagai pemrosesan sinyal teknik.
Sebuah sinyal ini adalah gambaran tentang bagaimana satu parameter yang berkaitan dengan parameter lain. Sebagai contoh, yang paling umum dalam jenis sinyal analog elektronika adalah tegangan yang bervariasi dengan waktu. Karena kedua parameter dapat mengasumsikan rentang kontinu nilai, kita akan menyebut ini sinyal kontinu. Sinyal yang terbentuk dari dari nilai nilai waktu khusus tertentu, yang sinyal sinusoidalnya bersifat diskrit.
Dua parameter yang membentuk suatu sinyal umumnya tidak dapat dipertukarkan, yaitu parameter pada sumbu y (variabel dependen) adalah dikatakan sebagai fungsi dari parameter pada sumbu x (variabel independen). Dengan kata lain, variabel independen menjelaskan bagaimana atau ketika masing-masing sampel diambil, sementara variabel dependen adalah pengukuran yang sebenarnya. Mengingat nilai tertentu pada x-ray, kita selalu dapat menemukan nilai yang sesuai pada sumbu y, tetapi biasanya tidak sebaliknya.



B.Rata rata dan standart Deviasi
Mean, ditandai dengan μ (Yunani kasus yang lebih rendah mu), adalah statistik's jargon untuk nilai rata-rata sinyal. Hal ini ditemukan persis seperti yang Anda harapkan: menambahkan semua sampel bersama-sama, dan dibagi dengan N







C.Signal vs mendasari Proses
Statistik adalah ilmu menafsirkan data numerik, seperti yang diperoleh sinyal. Sebagai perbandingan, probabilitas digunakan dalam DSP untuk memahami proses yang menghasilkan sinyal. Meskipun mereka sangat erat terkait, yang perbedaan antara sinyal yang diperoleh dan proses yang mendasari adalah kunci untuk banyak teknik DSP.



D.The Histogram, pmf dan Pdf
Histogram adalah apa yang dibentuk dari sinyal yang diperoleh. Kurva yang sesuai untuk proses yang mendasari disebut probabilitas fungsi massa (pmf).

Histogram dan pmf hanya dapat digunakan dengan data diskrit, seperti sinyal digital yang berada di sebuah komputer. Konsep serupa berlaku untuk sinyal kontinu, seperti tegangan analog yang muncul dalam elektronik. Itu fungsi kepadatan probabilitas (pdf), juga disebut distribusi probabilitas fungsi, adalah sinyal kontinu apa fungsi massa probabilitas adalah diskrit sinyal.


E.Distribusi Normal
Sinyal terbentuk dari proses acak biasanya memiliki lonceng berbentuk pdf. Ini disebut distribusi normal, sebuah distribusi Gauss, atau Gaussian, setelah besar matematikawan Jerman, Karl Friedrich Gauss (1777-1855). Itu alasan mengapa kurva ini terjadi begitu sering di alam akan dibahas mendalam kaitannya dengan gangguan digital generasi.

F.Digital Noise Generation
Gangguan acak merupakan topik penting dalam kedua elektronik dan DSP. Misalnya batas bagaimana sinyal kecil dari suatu instrumen dapat mengukur, jarak radio sistem dapat berkomunikasi, dan berapa banyak radiasi yang diperlukan untuk menghasilkan sebuah x-ray gambar. Sebuah kebutuhan bersama di DSP adalah untuk menghasilkan sinyal yang menyerupai berbagai jenis gangguan acak. Ini diperlukan untuk menguji performa dari algoritma yang harus bekerja di hadapan kebisingan.
Dasar matematika untuk algoritma ini terkandung di dalam Central Limit Theorm, salah satu konsep yang paling penting dalam probabilitas. Teorema Limit Sentral memberikan alasan mengapa terdistribusi secara normal sinyal melihat begitu luas di alam. Setiap kali berbagai kekuatan acak berinteraksi, yang pdf dihasilkan menjadi Gaussian.
G.Presisi dan Akurasi
Presisi dan akurasi adalah istilah-istilah yang digunakan untuk menggambarkan sistem dan metode yang mengukur, memperkirakan, atau memperkirakan. Dalam semua kasus ini, ada beberapa parameter untuk anda agar ingin mengetahui nilai. Ini disebut nilai sejati, atau sekadar, kebenaran. Metode memberikan nilai yang terukur, bahwa Anda ingin menjadi seperti dekat dengan nilai yang mungkin. Presisi dan akurasi adalah cara menggambarkan kesalahan yang dapat berada di antara dua nilai.


Tidak ada komentar:

Posting Komentar

terima kasi yah
madridista89

Daftar Blog Saya

Entri Populer