Analiza sygnałów - ćwiczenia: Różnice pomiędzy wersjami

Z Brain-wiki
m
 
(Nie pokazano 63 wersji utworzonych przez 6 użytkowników)
Linia 1: Linia 1:
 
[[Category:Przedmioty specjalizacyjne]]
 
[[Category:Przedmioty specjalizacyjne]]
 +
 +
<!--
 +
UWAGA: materiały dostępne też na serwerze https://kampus-student2.ckc.uw.edu.pl/course/view.php?id=14298
 +
-->
 +
 
<!--
 
<!--
 
#[[Systemy liniowe niezmiennicze w czasie | Systemy liniowe niezmiennicze w czasie]]
 
#[[Systemy liniowe niezmiennicze w czasie | Systemy liniowe niezmiennicze w czasie]]
Linia 8: Linia 13:
 
-->
 
-->
  
#[[Ćwiczenia 1|Sygnały]] -- wstęp, generacja sygnaów testowych, aliasing
+
[[ZasadyZaliczenia|Zasady zaliczenia ćwiczeń]]
#[[AS cwiczeniaSYGNALY2]] --  jak wczytać do Svaroga z Pythona i w drugą stronę, uśrednianie
+
 
#[[Ćwiczenia 2|Transformata Fouriera]] i [[Ćwiczenia 2_2|Transformata Fouriera cd]] -- piszemy w Pythonie, porównujemy ze Svarogiem
+
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
#[[Ćwiczenia 3|Okienkowanie sygnału i transformata Fouriera]], [[Nieparametryczne widmo mocy |Estymacja widma mocy w oparciu o transformatę Fouriera]] -- widmo średniej vs. średnie widmo
+
 
#[[Ćwiczenia 6|Filtry I]]
+
 
#[[Ćwiczenia 7|Filtry II]] + porównanie z modułem tworzenia filtrów w Svarogu
+
[[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)
#[[Ćwiczenia 4|Funkcja autokorelacji i procesy AR]]
+
 
#[[Ćwiczenia 5|Procesy AR]] -- AR w Pyhonie + DTF w Svarogu (MK)
+
Dla grupy o 10:15 link do podłączania się: Analiza Sygnałów
#[[AS cwiczenia ICA| ICA]] -- montaże, ICA
+
https://meet.google.com/inx-rxqe-fku
#[[AS cwiczeniaTF|Czas-częstość]] STFT i falki
+
 
#[[AS cwiczeniaMP|Matching pursuit]] MP w Svarogu, zabawa parametrami dekompozycji, zabawa filtrowaniem map w Svarogu, postprocessing w Pythonie
+
# [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]
# uśrednianie gęstości energii vs gęstość energii uśrednionego sygnału: symulacje, ERD/S
+
# [https://colab.research.google.com/drive/1y81wGZHwpUf4J6IIApPdqahgUN9Bad0p?usp=sharing Transformata Fouriera 1 (FFT) AS2_Transformata_fouriera.ipynb]
#[[AS cwiczeniaUNIFIKACJA]] -- 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
+
#[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
 +
#[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 ]
 +
 
 +
== Materiały dodatkowe: ==
 +
 
 +
[https://www.youtube.com/playlist?list=PLXJDR4jmaWX795PLOwLt5pR59H2BrZAsK playlista na YouTube z filmami nagranymi w czasie zdalnych ćwiczeń w roku 2020/21]
  
autor dr Jarosław Żygierewicz
+
<!-- #[[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 -->
  
do uzupełnienia:
+
Przed kolokwium 1
 +
# [[kolokwia2014_2015_kol1|Zagadnienia przygotowawcze do 1 kolokwium]]
 +
# [https://drive.google.com/open?id=1RKIHgfuqtBvg65PUpIuQI3rYeyvdIXMi zadania powtórzeniowe do kolokwium  1]
  
# jakiś eksport wyników prcessingu ze Svaroga do plików czytanych w Pythonie (poza MP)?
+
autorzy: Jarosław Żygierewicz, Maciej Kamiński, Magdalena Zieleniewska, wersja z notebookami Jan Mąka i Piotr Biegański
# funkcjonalności pluginów - coś jeszcze potrzebne?
 
  
 
<!--
 
<!--

Aktualna wersja na dzień 13:58, 28 paź 2024



Zasady zaliczenia ćwiczeń

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


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)

Dla grupy o 10:15 link do podłączania się: Analiza Sygnałów https://meet.google.com/inx-rxqe-fku

  1. Sygnały AS_1.ipynb notebook wypełniony
  2. Transformata Fouriera 1 (FFT) AS2_Transformata_fouriera.ipynb
  3. Transformata Fouriera 2 AS3_Transformata_fouriera_2.ipynb
  4. Okienkowanie AS4_okienkowanie.ipynb
  5. Estymacja widma mocy AS5_Widmo_mocy.ipynb
  6. kontynuacja notebook AS5
  7. Model AR AS6_1_ProcesyAR.ipynb
  8. Estymacja parametryczna widma procesu AS6_2_Widmo_Procesu_AR.ipynb
  9. Filtry notebook7
  10. kontynuacja notebook7
  11. Metody czas-częstość STFT i falki: notebook8
    notebook 10
    lektura uzupełniająca: Estimating and Interpreting The Instantaneous Frequency of a Signal-Part 1: Fundamentals

Materiały dodatkowe:

playlista na YouTube z filmami nagranymi w czasie zdalnych ćwiczeń w roku 2020/21


Przed kolokwium 1

  1. Zagadnienia przygotowawcze do 1 kolokwium
  2. zadania powtórzeniowe do kolokwium 1

autorzy: Jarosław Żygierewicz, Maciej Kamiński, Magdalena Zieleniewska, wersja z notebookami Jan Mąka i Piotr Biegański