
Analiza sygnałów - ćwiczenia: Różnice pomiędzy wersjami
Z Brain-wiki
SuperAdmin (dyskusja | edycje)   | 
				|||
| (Nie pokazano 80 wersji utworzonych przez 6 użytkowników) | |||
| Linia 1: | Linia 1: | ||
[[Category:Przedmioty specjalizacyjne]]  | [[Category:Przedmioty specjalizacyjne]]  | ||
| + | |||
| + | |||
| + | |||
| + | [[ZasadyZaliczenia|Zasady zaliczenia ćwiczeń]]  | ||
| + | |||
| + | |||
| + | |||
| + | Dla grupy o 10:15 link do podłączania się: Analiza Sygnałów   | ||
| + | https://meet.google.com/inx-rxqe-fku  | ||
| + | |||
| + | # [https://drive.google.com/file/d/1Cr8CCPoh_G-iAq8x2Bm0YxwAcsrNwqir/view?usp=sharing Sygnały AS_1.ipynb]    | ||
<!--  | <!--  | ||
| − | #[[  | + | [https://drive.google.com/file/d/1J_7pyTO00r-OyhyrMd1v_dAoiIU0C-3k/view?usp=sharing notebook wypełniony]  | 
| − | [[  | + | -->  | 
| − | [  | + | #  [https://colab.research.google.com/drive/1y81wGZHwpUf4J6IIApPdqahgUN9Bad0p?usp=sharing Transformata Fouriera 1 (FFT) AS2_Transformata_fouriera.ipynb]  | 
| − | [  | + | #[https://colab.research.google.com/drive/18nU5rWKinO697M3Pgnp6luiC-NcBYD-9?usp=sharing Transformata Fouriera 2 AS3_Transformata_fouriera_2.ipynb]  | 
| − | [  | + | #[https://colab.research.google.com/drive/1b6djG2_uE_yc0-QEyD1Yl-dd8Ezelf2m?usp=sharing Okienkowanie AS4_okienkowanie.ipynb]  | 
| + | #[https://colab.research.google.com/drive/1Lr-fkC4oFl2Tf4Y2w2w27bARpvwWRSmG?usp=sharing Estymacja widma mocy AS5_Widmo_mocy.ipynb ]   | ||
| + | # kontynuacja notebook AS5  | ||
| + | #[https://colab.research.google.com/drive/1mKjXYKICL1vp5z0MpWrfM8JuXCDlc_HK?usp=sharing Model AR AS6_1_ProcesyAR.ipynb]  | ||
| + | #[https://colab.research.google.com/drive/1NRzWBr5j5YzwfaZDwJC5yaPEVgi6rc6U?usp=sharing Estymacja parametryczna widma procesu AS6_2_Widmo_Procesu_AR.ipynb]  | ||
| + | #[https://colab.research.google.com/drive/1e8_SIPFqAJA7WGsPiWudplubHtrgkSq0?usp=sharing Filtry notebook7]   | ||
| + | # kontynuacja notebook7  -> notebook z grupy porannej: https://colab.research.google.com/drive/1bBzlxf7krP7KI_SYIgZLMPfD0bnleXVo?usp=sharing  | ||
| + | #[https://drive.google.com/file/d/1Ey1yYgVMbu3n9djb2LzPZ4dT03gYFcAw/view?usp=sharing Metody czas-częstość STFT i falki: notebook8]      <br>[https://drive.google.com/open?id=0BzwQ_Lscn8yDdUlLVXp1XzF0elE notebook 10] <br>lektura uzupełniająca: [https://www.math.ucdavis.edu/~saito/data/sonar/boashash1.pdf  Estimating and Interpreting The Instantaneous Frequency of a Signal-Part 1: Fundamentals ]  | ||
| + | # [https://drive.google.com/file/d/13Jvt1po_Brk49fRe-dOxOvVfRz1VVieW/view?usp=sharing Notebook o metodzie MP]  | ||
| + | |||
| + | == Materiały pomocnicze do samokształcenia: ==  | ||
| + | |||
| + | * Zbiór zadań z Analizy sygnałów wraz z rozwiązaniami przygotowany w ramach Projektu zespołowego przez Monikę Tutaj i Marcina Syca pod kierunkiem mgr. Piotra Biegańskiego https://www.fuw.edu.pl/~jarekz/ZadaniaAS/Zadania_Analiza_Sygnałów.zip  | ||
| + | * Zbiór zadań z pythona, które mają na celu pomoc w opanowaniu podstaw Pythona, ze szczególnym naciskiem na rozwinięcie kompetencji potrzebnych w analizie sygnałów, takich jak: pogłębiona znajomość biblioteki numpy, praca z plikami multipleksowanymi, wykorzystanie Pythona jako narzędzia do analizy danych. https://gitlab.com/pbieganski/podstawy-pythona  | ||
| + | * Notatnik z kolokwium poprawkowym 2025: https://colab.research.google.com/drive/1_DQ7rG7aIMq_XgkPZIM4bGAAf8VlFVGc?usp=sharing  | ||
| + | <!--  | ||
| + | https://colab.research.google.com/drive/1WZwnu_YgmsRfBdC6Oy5AHULT6b4RInn5?usp=sharing  | ||
| + | |||
| + | https://drive.google.com/file/d/1IlY0KsqxMuW7s-Aic_hnChc5sN7QCIgL/view?usp=sharing   | ||
-->  | -->  | ||
| − | + | [[File:Okladka.jpeg|thumb|upright=0.25| Dostępna w bibliotece]] W bibliotece Wydziału Fizyki dostępne są książki: Practical biomedical signal analysis using Matlab / K. J. Blinowska J. Żygierewicz. (katalog: https://chamo.buw.uw.edu.pl:8443/lib/item?id=chamo:895791&fromLocationLink=false&theme=system)  | |
| − | + | ||
| − | + | ||
| − | + | == Materiały dodatkowe: ==  | |
| − | + | ||
| − | + | [https://www.youtube.com/playlist?list=PLXJDR4jmaWX795PLOwLt5pR59H2BrZAsK playlista na YouTube z filmami nagranymi w czasie zdalnych ćwiczeń w roku 2020/21]  | |
| − | + | ||
| − | + | [https://tftb.nongnu.org/tutorial.pdf Tutorial o technikach analizy czas-częstość]  | |
| − | + | ||
| − | + | ||
| − | #[[  | + | Przed kolokwium 1  | 
| − | #   | + | # [[kolokwia2014_2015_kol1|Zagadnienia przygotowawcze do 1 kolokwium]]    | 
| − | + | # [https://drive.google.com/open?id=1RKIHgfuqtBvg65PUpIuQI3rYeyvdIXMi zadania powtórzeniowe do kolokwium  1]  | |
| + | |||
| + | autorzy: Jarosław Żygierewicz, Maciej Kamiński, Magdalena Zieleniewska, wersja z notebookami Jan Mąka i Piotr Biegański  | ||
| − | |||
<!--  | <!--  | ||
| Linia 33: | Linia 63: | ||
Materiały 2013/2014  | Materiały 2013/2014  | ||
# [[Plik:Zadania_powtorzeniowe.pdf|Zadania powtorzeniowe do 2 kolokwium]]  | # [[Plik:Zadania_powtorzeniowe.pdf|Zadania powtorzeniowe do 2 kolokwium]]  | ||
| + | |||
| + | #[[Systemy liniowe niezmiennicze w czasie | Systemy liniowe niezmiennicze w czasie]]  | ||
| + | [[Ćwiczenia 8|Filtrowanie obrazów]]  | ||
| + | [[Ćwiczenia 9|Analiza czas-częstość]]  | ||
| + | [[Ćwiczenia 10|Analiza czas-częstość — STFT i transformata falkowa]]  | ||
| + | [[Ćwiczenia 11|Analiza czas-częstość — reprezentacje energetyczne]]  | ||
| + | #[[AS cwiczenia ICA| ICA]] montaże, ICA   | ||
| + | #[[AS cwiczenia DTF| DTF]]wielokanałowy AR , DTF   | ||
| + | |||
| + | #[[AS cwiczeniaMP|Matching pursuit]] MP w Svarogu, zabawa parametrami dekompozycji, zabawa filtrowaniem map w Svarogu, postprocessing w Pythonie   | ||
| + | |||
| + | # Uśrednianie gęstości energii vs gęstość energii uśrednionego sygnału: symulacje, ERD/S  | ||
| + | #[[Ćwiczenia UNIFIKACJA]] ostatnie ćwiczenia na ktrych porównujemy na tych samych sygnałach rzeczywistych i symulowanych działanie różnych metod -- MMP vs DTF vs ICA, STFT vs WT vs MP itp, potrzebne fajne przykłady  | ||
-->  | -->  | ||
Aktualna wersja na dzień 14:33, 6 paź 2025
Dla grupy o 10:15 link do podłączania się: Analiza Sygnałów https://meet.google.com/inx-rxqe-fku
- Sygnały AS_1.ipynb
 - Transformata Fouriera 1 (FFT) AS2_Transformata_fouriera.ipynb
 - Transformata Fouriera 2 AS3_Transformata_fouriera_2.ipynb
 - Okienkowanie AS4_okienkowanie.ipynb
 - Estymacja widma mocy AS5_Widmo_mocy.ipynb
 - kontynuacja notebook AS5
 - Model AR AS6_1_ProcesyAR.ipynb
 - Estymacja parametryczna widma procesu AS6_2_Widmo_Procesu_AR.ipynb
 - Filtry notebook7
 - kontynuacja notebook7 -> notebook z grupy porannej: https://colab.research.google.com/drive/1bBzlxf7krP7KI_SYIgZLMPfD0bnleXVo?usp=sharing
 - Metody czas-częstość STFT i falki: notebook8      
notebook 10
lektura uzupełniająca: Estimating and Interpreting The Instantaneous Frequency of a Signal-Part 1: Fundamentals - Notebook o metodzie MP
 
Materiały pomocnicze do samokształcenia:
- Zbiór zadań z Analizy sygnałów wraz z rozwiązaniami przygotowany w ramach Projektu zespołowego przez Monikę Tutaj i Marcina Syca pod kierunkiem mgr. Piotra Biegańskiego https://www.fuw.edu.pl/~jarekz/ZadaniaAS/Zadania_Analiza_Sygnałów.zip
 - Zbiór zadań z pythona, które mają na celu pomoc w opanowaniu podstaw Pythona, ze szczególnym naciskiem na rozwinięcie kompetencji potrzebnych w analizie sygnałów, takich jak: pogłębiona znajomość biblioteki numpy, praca z plikami multipleksowanymi, wykorzystanie Pythona jako narzędzia do analizy danych. https://gitlab.com/pbieganski/podstawy-pythona
 - Notatnik z kolokwium poprawkowym 2025: https://colab.research.google.com/drive/1_DQ7rG7aIMq_XgkPZIM4bGAAf8VlFVGc?usp=sharing
 
W bibliotece Wydziału Fizyki dostępne są książki: Practical biomedical signal analysis using Matlab / K. J. Blinowska J. Żygierewicz. (katalog: https://chamo.buw.uw.edu.pl:8443/lib/item?id=chamo:895791&fromLocationLink=false&theme=system)
Materiały dodatkowe:
playlista na YouTube z filmami nagranymi w czasie zdalnych ćwiczeń w roku 2020/21
Tutorial o technikach analizy czas-częstość
Przed kolokwium 1
autorzy: Jarosław Żygierewicz, Maciej Kamiński, Magdalena Zieleniewska, wersja z notebookami Jan Mąka i Piotr Biegański