Ćwiczenia 1.1: Różnice pomiędzy wersjami
Z Brain-wiki
Linia 31: | Linia 31: | ||
</source> | </source> | ||
− | Widać, że taka reprezentacja świetnie nadaje się do przedstawiania sygnałów dyskretnych (Sygnały ciągłe można rozumieć jako wektory w nieskończenie wymiarowej przestrzeni). | + | Widać, że taka reprezentacja świetnie nadaje się do przedstawiania sygnałów dyskretnych (Sygnały ciągłe można rozumieć jako wektory w nieskończenie wymiarowej przestrzeni). |
+ | |||
+ | ===Polecenie=== | ||
+ | Przedstaw wektor <tt>[0,0,1,1,1,0,0,0,1,1,1,0,0)</tt> | ||
==Dodawanie sygnałów== | ==Dodawanie sygnałów== |
Wersja z 17:43, 9 paź 2016
Spis treści
Sygnał jako wekotr
Jak to rozumieć?
W najprostszej wersji znanej ze szkoły wektory rozumiane są tak jak na tym rysunku:
Koncepcje wektora można uogólnić i rozumieć go jako uporządkowany ciąg liczb, czyli współrzędnych wektora:
Łatwo sobie wyobrazić, że tą koncepcję można uogólnić na dowolną liczbę współrzędnych (wymiarów). Wtedy trudniej jest przedstawić go w postaci strzałki, ale możemy przedstawić go np. tak, że kolejne współrzędne rysyjemy jako punkty na dwuwymiarowej płaszczyźnie (nr współrzędnej, wartość współrzędnej):
import pylab as py
import numpy as np
A = np.array([2,3])
py.subplot(2,1,1)
py.plot(A,'o')
py.xlim([-0.1, 1.1])
py.ylim([0,3.1])
py.ylabel('Wartość')
py.subplot(2,1,2)
py.stem(A)
py.xlim([-0.1, 1.1])
py.ylim([0,3.1])
py.ylabel('Wartość')
py.xlabel('Nr. próbki')
py.show()
Widać, że taka reprezentacja świetnie nadaje się do przedstawiania sygnałów dyskretnych (Sygnały ciągłe można rozumieć jako wektory w nieskończenie wymiarowej przestrzeni).
Polecenie
Przedstaw wektor [0,0,1,1,1,0,0,0,1,1,1,0,0)