- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
- 37
- 38
- 39
- 40
- 41
- 42
- 43
- 44
- 45
- 46
- 47
- 48
- 49
- 50
- 51
- 52
- 53
- 54
- 55
- 56
- 57
- 58
- 59
- 60
- 61
- 62
- 63
- 64
- 65
- 66
- 67
- 68
- 69
- 70
- 71
- 72
- 73
- 74
- 75
- 76
- 77
- 78
- 79
- 80
- 81
- 82
- 83
- 84
- 85
- 86
- 87
- 88
- 89
- 90
- 91
- 92
- 93
- 94
- 95
- 96
- 97
- 98
- 99
- 100
- 101
- 102
- 103
- 104
- 105
- 106
- 107
- 108
- 109
- 110
- 111
- 112
- 113
- 114
- 115
- 116
- 117
- 118
- 119
- 120
- 121
- 122
- 123
- 124
- 125
- 126
- 127
- 128
- 129
- 130
- 131
- 132
- 133
- 134
- 135
- 136
- 137
- 138
- 139
- 140
- 141
- 142
- 143
본 자료는 미리보기를 지원하지 않습니다.
-
1
-
2
-
3
-
4
-
5
-
6
-
7
-
8
-
9
-
10
-
11
-
12
-
13
-
14
-
15
-
16
-
17
-
18
-
19
-
20
-
21
-
22
-
23
-
24
-
25
-
26
-
27
-
28
-
29
-
30
-
31
-
32
-
33
-
34
-
35
-
36
-
37
-
38
-
39
-
40
-
41
-
42
-
43
-
44
-
45
-
46
-
47
-
48
-
49
-
50
-
51
-
52
-
53
-
54
-
55
-
56
-
57
-
58
-
59
-
60
-
61
-
62
-
63
-
64
-
65
-
66
-
67
-
68
-
69
-
70
-
71
-
72
-
73
-
74
-
75
-
76
-
77
-
78
-
79
-
80
-
81
-
82
-
83
-
84
-
85
-
86
-
87
-
88
-
89
-
90
-
91
-
92
-
93
-
94
-
95
-
96
-
97
-
98
-
99
-
100
-
101
-
102
-
103
-
104
-
105
-
106
-
107
-
108
-
109
-
110
-
111
-
112
-
113
-
114
-
115
-
116
-
117
-
118
-
119
-
120
-
121
-
122
-
123
-
124
-
125
-
126
-
127
-
128
-
129
-
130
-
131
-
132
-
133
-
134
-
135
-
136
-
137
-
138
-
139
-
140
-
141
-
142
-
143
목차
[제3장_프로그램]
[제4장_프로그램]
[제5장프로그램]
[제6장프로그램(추가)]
[제7장프로그램(추가)]
[제8장프로그램]
[제9장프로그램]
[제10장프로그램]
[제11장프로그램]
파일 105, 폴더 9
406KB
data_acquisition.pdf………………………………………………………3p
제6장_실습.pdf………………………………………………………………19p
제7장_실습.pdf………………………………………………………………16p
[제4장_프로그램]
[제5장프로그램]
[제6장프로그램(추가)]
[제7장프로그램(추가)]
[제8장프로그램]
[제9장프로그램]
[제10장프로그램]
[제11장프로그램]
파일 105, 폴더 9
406KB
data_acquisition.pdf………………………………………………………3p
제6장_실습.pdf………………………………………………………………19p
제7장_실습.pdf………………………………………………………………16p
본문내용
제6장_실습.pdf
제6장 확률변수와 랜덤 프로세스
6.1 확률변수 실습
여러 가지 확률분포 특성을 가진 난수(random number)를 발생시킨다. 이 실습에서는 다음과 같은 Matlab 내장 함수를 사용한다. 각 함수에 대한 상세한 사용법을 help를 통하여 익히도록 한다.
i) rand
균일 분포의 난수를 발생시킨다. RAND(N)은 N ´N 행렬의 난수를 발생시키는데 행렬의 각 원소는 0과 1 사이에서 균일 분포된 난수이다. RAND(M, N)은 크기 M ´N 행렬의 난수를 발생시킨다.
ii) randn
평균이 0이고 분산이 1인 가우시안 분포의 난수를 발생시킨다. 이 함수의 사용법은 rand와 같다.
iii) hist
Histogram을 계산하는 함수이다. HIST(Y, M)은 벡터 Y의 원소들을 M 등분하여 각 구간에
몇 개의 원소가 있는지 계산한다. 따라서 Y의 분포특성을 살펴 보는데 이용된다. 만일 M이 주어지지 않으면 10등분하여 histogram을 구한다.
또한 내장 함수와 별도로 교재에서 제공하는 다음 함수를 실습에 이용한다.
i) UNIFORM_NOISE.m
Uniform noise를 발생시키는데 사용하는데, 사용 방법은 다음과 같다.
uniform_noise (a, b, N)
이 함수는 (a, b) 사이에서 균일한 분포를 갖는 난수 N 개를 발생시킨다.
ii) GAUSSIAN_NOISE.m
Gaussian noise를 발생시키는데 사용하는데, 사용 방법은 다음과 같다.
gaussian_noise (mean,variance,N,seed)
여기서 mean은 평균이고, variance는 분산이며, N은 발생시킬 샘플의 수이다. Seed은 넣지 않아도 되는데, seed를 넘겨 주면 randn 함수에서 사용하며 새로운 seed 값이 return된다.
▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒
제7장_실습.pdf
제7장 펄스 변조와 펄스부호 변조
이 실습에서는 다음에 주어진 QUANTIZATION.m 함수를 이용한다.
양자화 실습에서 사용할 Matlab 응용함수(quantization.m)
function [x_q] = quantization(x,n,scaling)
% QUANTIZATION(x, n) quantizes the analog input sequence x using an
% n bit uniform quantizer.
% Quantization points are set to the centroids.
% Number of quantization levels is M = 2^n.
% Dynamic range of the quantizer is restricted to the interval [-1, 1].
% Scaling 파라미터를 생략하거나 \'yes\'로 하면 입력을 normalize한 후에 양자화한다.
% Scaling 파라미터를 \'no\'로 하면 입력을 normalize하지 않는다.
%
% Non-uniform quantization을 원하는 경우
% Input sequence를 MU_LAW m-function을 사용하여 먼저 compress한다.
% Example
% [x_comp, K] = MU_LAW(x,255); % K is Max value
% x_q = QUANTIZATION(x_comp,8, \'no\'); % already normalized in MU_LAW
%
if (nargin == 2)
normalization = \'yes\';
elseif (nargin == 3)
normalization = scaling;
end
M = 2^n; % Number of quantization levels
%---------------------------------------------------------------------------
% Normalization
% Overload distortion을 방지하기 위하여 신호의 크기가 1 이하가 되도록
정규화한다.
%---------------------------------------------------------------------------
if strcmp(normalization, \'yes\')
K = max( abs(max(x)), abs(min(x)) );
x_norm = x/K;
elseif strcmp(normalization, \'no\')
K = 1;
x_norm = x;
else
error(\'Incorrect scaling parameter!!\');
end
%---------------------------------------------------------------------------
% Uniform quantizer
%---------------------------------------------------------------------------
제6장 확률변수와 랜덤 프로세스
6.1 확률변수 실습
여러 가지 확률분포 특성을 가진 난수(random number)를 발생시킨다. 이 실습에서는 다음과 같은 Matlab 내장 함수를 사용한다. 각 함수에 대한 상세한 사용법을 help를 통하여 익히도록 한다.
i) rand
균일 분포의 난수를 발생시킨다. RAND(N)은 N ´N 행렬의 난수를 발생시키는데 행렬의 각 원소는 0과 1 사이에서 균일 분포된 난수이다. RAND(M, N)은 크기 M ´N 행렬의 난수를 발생시킨다.
ii) randn
평균이 0이고 분산이 1인 가우시안 분포의 난수를 발생시킨다. 이 함수의 사용법은 rand와 같다.
iii) hist
Histogram을 계산하는 함수이다. HIST(Y, M)은 벡터 Y의 원소들을 M 등분하여 각 구간에
몇 개의 원소가 있는지 계산한다. 따라서 Y의 분포특성을 살펴 보는데 이용된다. 만일 M이 주어지지 않으면 10등분하여 histogram을 구한다.
또한 내장 함수와 별도로 교재에서 제공하는 다음 함수를 실습에 이용한다.
i) UNIFORM_NOISE.m
Uniform noise를 발생시키는데 사용하는데, 사용 방법은 다음과 같다.
uniform_noise (a, b, N)
이 함수는 (a, b) 사이에서 균일한 분포를 갖는 난수 N 개를 발생시킨다.
ii) GAUSSIAN_NOISE.m
Gaussian noise를 발생시키는데 사용하는데, 사용 방법은 다음과 같다.
gaussian_noise (mean,variance,N,seed)
여기서 mean은 평균이고, variance는 분산이며, N은 발생시킬 샘플의 수이다. Seed은 넣지 않아도 되는데, seed를 넘겨 주면 randn 함수에서 사용하며 새로운 seed 값이 return된다.
▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒
제7장_실습.pdf
제7장 펄스 변조와 펄스부호 변조
이 실습에서는 다음에 주어진 QUANTIZATION.m 함수를 이용한다.
양자화 실습에서 사용할 Matlab 응용함수(quantization.m)
function [x_q] = quantization(x,n,scaling)
% QUANTIZATION(x, n) quantizes the analog input sequence x using an
% n bit uniform quantizer.
% Quantization points are set to the centroids.
% Number of quantization levels is M = 2^n.
% Dynamic range of the quantizer is restricted to the interval [-1, 1].
% Scaling 파라미터를 생략하거나 \'yes\'로 하면 입력을 normalize한 후에 양자화한다.
% Scaling 파라미터를 \'no\'로 하면 입력을 normalize하지 않는다.
%
% Non-uniform quantization을 원하는 경우
% Input sequence를 MU_LAW m-function을 사용하여 먼저 compress한다.
% Example
% [x_comp, K] = MU_LAW(x,255); % K is Max value
% x_q = QUANTIZATION(x_comp,8, \'no\'); % already normalized in MU_LAW
%
if (nargin == 2)
normalization = \'yes\';
elseif (nargin == 3)
normalization = scaling;
end
M = 2^n; % Number of quantization levels
%---------------------------------------------------------------------------
% Normalization
% Overload distortion을 방지하기 위하여 신호의 크기가 1 이하가 되도록
정규화한다.
%---------------------------------------------------------------------------
if strcmp(normalization, \'yes\')
K = max( abs(max(x)), abs(min(x)) );
x_norm = x/K;
elseif strcmp(normalization, \'no\')
K = 1;
x_norm = x;
else
error(\'Incorrect scaling parameter!!\');
end
%---------------------------------------------------------------------------
% Uniform quantizer
%---------------------------------------------------------------------------
추천자료
- Operating System Concept(공룡책) 운영체제 연습문제 정답 1장 ~ 13장
- 데이터베이스 시스템총론 (3판/이재호 저) 5장 연습문제 풀이
- 데이터베이스 시스템총론(3판/이재호 저) 7장 연습문제 풀이
- 데이터베이스 시스템총론 (3판/이재호 저) 6장 연습문제 풀이
- 데이터베이스 시스템총론(3판/이재호 저) 9장 연습문제 풀이
- 데이터베이스 시스템총론(3판/이재호 저) 10장 연습문제 풀이
- 수문학 구미서관 (이재수 저) 제10장 연습문제풀이(홀수)
- 수문학 구미서관 (이재수 저) 10장 연습문제(홀수) 풀이
- William Stallings - Operating systems - Chapter3 연습문제 풀이
- William Stallings - Operating systems - Charpter2 연습문제 풀이
- 수문학 (저 이재수)구미서관 13장 연습문제 풀이
- 쉽게 정리하는 수동태 (중학교&고등학교 영어문법, 다양한 연습문제)
- HYSYS(하이시스)를 이용한 공정설계 p.121~ 연습문제 {단위조작, 전환 반응기}
소개글