MÜZĐK VE KONUŞMA ĐŞARETLERĐNĐN DALGACIK ÖZNĐTELĐKLERĐ ĐLE SINIFLANDIRILMASI
|
|
- Nuray Tekin
- 6 yıl önce
- İzleme sayısı:
Transkript
1 MÜZĐK VE KOUŞMA ĐŞARETLERĐĐ DALGACIK ÖZĐTELĐKLERĐ ĐLE SIIFLADIRILMASI Timur Düzenli alan Özkur 2.2 Elekrik-Elekronik Mühendisliği Bölümü, Dokuz Eylül Üniversiesi, Đzmir e-posa: 2 e-posa: Özeçe Bu çalışmada müzik ve konuşma seslerinin, farklı öznielikler kullanılarak yapay sinir ağları ile sınıflandırılması gerçekleşirilmişir. öznieliklerinden elde edilen başarımın karşılaşırılması için dör öznielik grubuyla sınıflandırma yapılmışır. Đlk yönemde zaman ve frekans oramına ai öznielikler ile beraber melkepsrum kasayıları kullanılmışır. Đkinci yönemde, amamı ayrık dalgacık dönüşümü (Discree Wavele Transform-DWT) abanlı paramerelerden yararlanılmışır. Üçüncü grupaki öznielikler, yine dalgacık dönüşümü sonucu elde edilen anlık ve eager eneri bileşenlerini içermekedir. Son yönemde ise daha önceki çalışmalardan farklı olarak, karmaşık dalgacık dönüşümü (Complex Wavele Transform- CWT) kullanılmışır. Yapılan sınıflandırmalar sonucunda 3. ve 4. yönemlerin diğer yönemlere göre daha başarılı oldukları gözlemlenmişir. Anahar Kelimeler: Müzik, Konuşma,Sınıflandırma, Ayrık ve Karmaşık, Eneri. Giriş Günümüzde konuşma ve müzik seslerinin ayrışırılması büyük önem aşır hale gelmişir. Örnek olarak, ses sıkışırma ekniklerinin bazıları konuşma, bazıları ise müzik sesi için daha verimlidir. Gelen bir veriden konuşma ve müzik kısımları doğru şekilde belirlenebildiği akdirde buna uygun olan sıkışırma ekniği uygulanabilmeke ve daha ekin sıkışırma oranları elde edilebilmekedir. Aynı zamanda, radyo isasyonlarında da gönderilecek olan verinin konuşma veya müzik olarak belirlenmesi durumunda band genişliği daha ekin olarak kullanılabilecekir. Konuşma ve müzik sesinin sınıflandırılması üzerine birçok çalışma yapılmışır. Önceki çalışmalarda genel olarak zaman ve frekans oramındaki emel özellikleri kullanan öznieliklerden yararlanılmışır [] [2]. Başka bir çalışmada da Saunders [3] sıfır-geçişlerine dayanan bir konuşmamüzik ayrışırıcısı önermişir. Bu çalışma radyo yayınlarında, reklamlar ve programların ayrışırılması için gereken bir uygulama için önerilmişir. En güncel çalışmalardan birinde [4] ise, öznielikler dalgacık dönüşümü kullanılarak elde edilmişir. Burada, durağan olmayan sinyaller için zaman ve frekans özelliklerinin birleşiminden yararlanılmışır. Daha önceki çalışmalardan farklı olarak, yapığımız çalışmada karmaşık dalgacık dönüşümü (CWT) kullanılmışır. Bu dönüşümde, ayrık dalgacık dönüşümündeki (DWT) kaydırma ekisi ve yön bilgisinin azlığı gibi problemlerle karşılaşılmamakadır [5]. Bildirinin bundan sonraki bölümlerinde öznielik çıkarımlarının anlaılmasının ardından, yapay sinir ağları anıılacak ve deneysel çalışmalar anlaılıp sonuçlar akarılacakır. Tarışma bölümünde ise başarım değerlendirilecekir. 2. Öznieliklerin çıkarılması 2.. Zaman-frekans emelli paramereler ve melkepsrum kasayıları Đlk kullanılan yönemde kullanılan öznielik vekörü, sıfır geçişlerinin sayısı gibi zaman oramından ve izgesel akış gibi frekans oramından alınan bilgilerle oluşurulmuşur. Bunlara ek olarak, Mel frekansı kepsrum kasayılarından (MFCC-Mel Frequency Cepsrum Coefficiens) yararlanılmışır. Kullanılan öznielik vekörünü oluşuran paramereler şu şekilde sıralanabilir [2]: 2.. Đzgesel merkez ( Specral Cenroid ) Đzgesel merkez adından da anlaşılacağı üzere sayısal işare işlemede izgenin küle merkezi ni bulmak için kullanılır ve
2 0 f ( n) x( n) 0 x( n) () olarak verilir. Bu şekilde, genliğiyle ağırlıklandırılan işarein oralaması bize izgesel merkezi vermekedir. Denklemde, f(n), izgesel dağılımdaki n. frekans değeri ve x(n) ise, bu frekansa karşılık gelen izgesel genlik değeridir Đzgesel düşüş ( Specral roll-off ) Đzgesel şekli ifade eden önemli paramerelerden bir diğeri de izgesel düşüş nokasıdır. Đzgesel düşüş nokası, izgenin genlik dağılımının %85 e ulaşığı frekans değeri (R ) olarak kabul edilir: R M [ n] 0.85* M [ n] n (2) Denklemde, M izgesel genlik dağılımını ifade eder ve R. nokasındaki frekans değeri f(r ), izgesel düşüş nokası olarak kabul edilir Đzgesel akı ( Specral flux ) Đzgesel akı, izgenin şeklindeki değişimleri ifade eder. Đşarein her bölüü arasındaki izgesel fark, izgesel akı yardımıyla bulunur ve 2 ( ( ) ( )) (3) F n n şeklinde verilir. Burada, ve -, sırasıyla, o an üzerinde çalışılan bölüün izgesel dağılımı ile bir önceki bölüün izgesel dağılımını ifade eder. Đzgesel akı bulunurken iki bölüeki büün nokalar arasındaki fark hesaplanır ve bu farkların kareleri oplanır Sıfır geçişlerinin sayısı(zero Crossings) Zaman emelli bir öznielikir. Bir bölü içerisinde gerçekleşen sıfır geçişlerinin sayısını ifade eder. Bu öznielik, işareeki gürülü oranını ifade eden bir ölçü olarak kullanılabilir. Sıfır geçişleri örnekler arasında işare farkı olduğu zaman meydana gelir. Z 0.5* sgn( x( n)) sgn( x( n )) (4) 2..5 Düşük ekin(rms) eneri oranı(low RMS Energy Raio ) Düşük ekin eneri oranı, RMS enerisi genel oralamanın alında olan bölülerin sayısını verir. Her bölüün enerisi RMS değeri bulunarak hesap edilebilir. x RMS x + x x n 2 2 n xi n i n (5) Denklemde x i, her bir frekans değeri için o bölüün izgesel dağılımındaki genliğe karşılık gelmekedir Mel frekansı kepsrum kasayıları (Mel frequency cepsrum coefficiens-mfcc) Mel frekansı kepsrum kasayıları, ses işareinin; mel-frekansı ölçeğinde ifade edilen kısazaman eneri izgesinin logariması alındıkan sonra, ayrık kosinüs dönüşümü yapılması ile elde edilir[6]. Mel ölçeklendirme, insan kulağının işisel özellikleri göz önüne alınarak oluşurulmuş bir ölçeklendirme şeklidir. Mel frekansı kepsrum kasayıları hesaplanırken aşağıdaki şekilde bir yol izlenmekedir: () Pencerelenmiş işare, ayrık Fourier dönüşümü (DFT) ile frekans oramına akarılır ve her bölü için anlık eneri P( f ) elde edilir. (2) Elde edilen güç izgesi P(f), frekans ekseninden alınarak 6. denklem yardımıyla mel-frekans ölçeğine akarılır[6]. Burada, M(f) her bir frekans değerine karşılık gelen mel-frekans değeridir. f M ( f ) 2595* log( + ) (6) 700 (3) P(f), üçgen band-geçiren filreler(ψ(m)) ile evrilerek, θ(m) kasayıları elde edilir. Denklemde M, mel frekans değerlerini ifade emekedir. k, k K (7) M θ ( M ) P( M M ) ψ ( M ) Bu işlemler sonucunda K ade çıkış θ, k K şeklinde elde edilir. X ( k) ln( ( M k )) (4) Mel Frekans kepsrum kasayıları ise K d( k 0.5) π MFCC( d) X k cos k k d D (8) denklemiyle elde edilir., 2. 2 Ayrık (Discree Wavele Transform-DWT)
3 Ayrık dalgacık dönüşümü; işare işlemede, bilginin zaman-frekans oramında am olarak ifade edilebilmesi açısından sıklıkla ercih edilen bir yönemdir[9]. Sürekli dalgacık dönüşümünden kolaylıkla üreilebilir. Verilen herhangi bir x() işarei için sürekli dalgacık dönüşümü aşağıdaki gibi anımlanır: r CWT ( r, s) x( ) * ψ d s s (9) Burada, Ψ() ana dalgacık olarak isimlendirilen zaman fonksiyonunu, r üzerinde işlem yapılan pencerenin zamansal olarak konumunu ve s ise ölçeği ifade eder. r ve s değerleri değişirilerek ana dalgacık fonksiyonu kaydırılabilir ve ölçeklendirilebilir. Hesaplama yükünü azalmak için ölçek ve kaydırma aralıkları amsayıların kaları olarak seçildiğinde, ayrık dalgacık dönüşümü; x[m], m0 - olmak üzere,, 2 * [ ] ψ [ 2 ] (0) m 0 DWT n x m m n şeklinde yapılır. Burada, ψ * 2 [ n] n ψ 2 2 * ψ 2 J () olarak anımlanır. Ayrık dalgacık dönüşümünün önemli bir geirisi de farklı frekanslarda durağan olmayan güç bileşenleri içeren zaman serilerinde de ekili olmasıdır. Bu yönemde; ilk adım, ana dalgacığın doğru bir şekilde seçilmesidir. Herhangi bir fonksiyonunun ana dalgacık kabul edilebilmesi için oralamasının sıfır olması ve zaman-frekans oramlarında sonlu eneriye sahip olması gerekir. Sonraki adımda ise, bu ana dalgacık kullanılarak; işare, alçak ve yüksek fekans bandlarına (yaklaşım-ayrını) ayrışırılır. Bu işlem, ana dalgacığın kaydırılmış ve ölçeklendirilmiş versiyonlarıyla gerçekleşirilir. Birçok ana dalgacık ürü olmakla beraber söz konusu çalışmamızda en başarılılardan biri olarak göserilen[9] Daubechies dalgacık fonksiyonlarından faydalanılmışır. Ayrık dalgacık dönüşümünün kullanıldığı diğer bir yönem ise eneri emelli paramereleri içerir[4]. Bu yöneme göre, dalgacık dönüşümünün sadece ayrını kasayılarından yararlanılır ve her band için anlık ve eager enerileri şekildeki gibi hesaplanır: f E log ( ) 2 0 w ( r) r (2) - T E 2 f log 0 ( w ( r )) ( w ( r- )* w ( r+ ) ) r (3) Burada w (r), r zamanı ve frekans bandı için dalgacık kasayısını ifade emekedir. ise penecere uzunluğunu ifade emekedir. Gerçekleşirilen çalışmada 5 band için ayrını kasayıları bulunmuş ve her band için anlık ve eager enerileri hesaplanmışır Karmaşık dalgacık dönüşümü (Complex wavele ransform-cwt) dönüşümünün, sinyallerin zamanfrekans oramındaki ifadesinde önemli rolü olmakla beraber, kaydırmadan ekilenme, örüşüm ve yön bilgisinin azlığı gibi yeersiz kaldığı nokalar da mevcuur[5]. Karmaşık dalgacık dönüşümü(cwt), bu ür durumlara çözüm sunmakadır. Bu dönüşümde, normal dalgacık dönüşümündekinden farklı olarak gerçel değerli ana dalgacık fonksiyonları yerine karmaşık fonksiyonlar kullanılır. Bu şekilde genlik ve faz bilgileri ayrı ayrı incelenebilir. Karmaşık dalgacık fonksiyonu, gerçel ve sanal bileşenlerle beraber aşağıdaki şekilde ifade edilebilir: Ψ ( ) Ψ ( ) + Ψ ( ) (4) c r i Đşarein üzerine iz düşümü gerçekleşirilerek, karmaşık dalgacık kasayısı d (, n) d (, n) + d (, n) (5) c r i şeklinde ifade edilir. Buradan genlik, [ ] [ ] 2 2 d (, n) d (, n) + d (, n) (6) c r i ve faz bilgisi, ϕ dc (, n) (, n) (, n) d i arcan d r (7) olarak hesaplanır [5]. Ayrık karmaşık dalgacık dönüşümü, emel olarak iki yönemde incelenir. Đlk yönemde, işare için birimdik emel oluşuran Ψ c () dalgacığı aranır. Bu yönemde, fonksiyonun geneli dikkae alınmakla beraber, diğer yönemde ise bu işlem; ana dalgacığı oluşuran Ψ r () ve Ψ i () bileşenleri kullanarak gerçekleşirilir. Bu yönem çif ağaçlı dalgacık ayrışırması (Dual-ree wavele decomposiion) olarak
4 isimlendirilir [5]. Yapılan çalışmada da bu yönem ercih edilmişir. 3. Yapay sinir ağları Yapay sinir ağları, beyinsel hesaplamaları akli ederek problemlere çözüm sunmayı amaçlayan araçlardan birisidir. Beyin, çok basi hesaplamalar gerçekleşiren küçük hesaplama birimlerinden (nöron) oluşur. öronlar, daha ağır problemler için, veriyi paralel olarak işleyebilen ağlar oluşurabilirler. Bir nöronun gerçekleşirdiği en basi işlem, genel olarak y i f(z i )şeklinde ifade edilebilir. Burada, z i girişi, y i i. nöronun çıkışını ve f ise doğrusal olmayan bir fonksiyonu ifade eder [0]. ağının asarımında; kullanılacak kamanların sayısı, bu kamanlarda yer alacak nöron sayıları, her nöronda kullanılacak fonksiyonların ipi ve ağın çalışma şeklinin anımlanması (ileri besleme-geri besleme) önemli rol oynar[0]. Tasarlanan ağın eğiimi, nöronlar arasındaki bağlanıları ifade eden ağırlıkların (w i ) ve her nöron için eşik değerinin (θ i ) anımlanması ile sağlanır. Bunun için, eğiim amacıyla hazırlanan örneklerden oluşan bir se girişe uygulanır. öronlar arasındaki ağırlıkların anımlanması (w i ()), uygulanan her eğiim girdisinden sonra, ağırlıkların w i kadar değişirilmesiyle elde edilir: ( ) ( ) ( ) w w + w (8) i i i Denklemde w i (), ağın başarımındaki haa oranını en aza indirecek ağırlık değerlerini veren değişim mikarıdır. Bu değişim mikarını bulmak için birçok yönem mevcuur, bunlardan en çok bilinenlerinden bir anesi ise geri yayılım algorimasıdır. Geri yayılım algoriması; Şekil. Basi bir nöronun modellenmesi Bir yapay sinir ağı; birinin çıkışı, diğerinin girişi olan birçok kaman içerebilir. Yapay sinir ağları emel olarak; giriş, çıkış ve gizli kaman şeklinde 3 ana bileşen içerir. Karşılaşılan problemlere göre bu kamanların ve bu kamanlardaki nöronların sayıları farklılık göserebilir. E wi ( ) η + α wi ( ) wi ( ) (9) şeklinde verilir. Denklemde, öğrenme hızı; α kazanç erimi, E ise isenen çıkışlar ile elde edilen çıkışlar arasındaki haa oranını ifade eder. Yapılan deneysel çalışmalar sonucunda, asarlanan ağda gizli kaman için 40 nöron seçilmiş ve hedeflenen haa oranı 0.00 olarak belirlenmişir. Öğrenme algoriması olarak, geri yayılım kullanan eşlenik gradien algoriması ercih edilmişir. 4. Deneysel Çalışmalar ve Sonuçlar Şekil.2 Yapay sinir ağlarına genel bir bakış Sınıflandırma yapılacak uygulamalarda genel olarak ileri beslemeli yapay sinir ağları ercih edilmekedir. Đleri beslemeli ağlarda, veri akışı girişen çıkışa doğru ek yönde gerçekleşir. Bir yapay sinir Yapılan çalışmada, müzik sesleri için Iowa Üniversiesi veriabanından ve konuşma sesleri için TIMIT veriabanından faydalanılmışır. Kullanılan her yönemde, yapay sinir ağlarının eğiimi için 78 ade müzik ve konuşma sesi kullanılmışır. Tes aşamasında ise, eğiimden seinden farklı olarak yine 78 ade müzik sesi ve 00 ade konuşma sesi kullanılmışır. Büün daalar 496 uzunluka, 52 örnek örüşümlü olarak bölülere ayrılmışır. Đlk yönemde, her bölü için çıkarılan zaman-frekans abanlı paramerelerin oralama ve varyans değerleri ile Mel frekansı kepsrum kasayıları kullanılarak 2 paramere içeren öznielik vekörü oluşurulmuşur. 2. ve 3. yönemlerde ise ayrık dalgacık dönüşümü kullanılmışır. Ayrık dalgacık dönüşümü kullanan bu
5 iki yönemden ilkinde ana dalgacık olarak daubechies8 fonksiyonu kullanılmış, dalgacık dönüşümü ise 2 bana gerçekleşirilmişir. Dolayısıyla her bölü için 2 ayrını ve yaklaşım kasayısı elde edilmişir. Öznielik vekörü oluşurulurken, bölülerin ayrını ve yaklaşım kasayıları arasındaki oralama, varyans ve sandar sapma gibi değerler kullanılmışır. Bu kısımda, her bir veri için elde edilen öznielik vekörünün uzunluğu 38 dir. Ayrık dalgacık dönüşümünün kullanıldığı diğer yönemde, sadece anlık ve eager enerisinden yararlanılmışır. Bu yöneme göre, her bölü için dalgacık dönüşümü gerçekleşirildiken sonra her band için ayrını kasayıları üzerinden anlık ve eager eneriler hesaplanmakadır. Bu yönem için de dalgacık fonksiyonu olarak yine daubechies8 kullanılmışır. Yapılan çalışmada, bu yönem için ayrışırma 5 band olarak gerçekleşirilmişir ve elde edilen öznielik vekörünün uzunluğu her veri için 0 dur. Son yönem olarak ise karmaşık dalgacık dönüşümü kullanılmışır. Bu yöneme göre; 5 band olarak ayrışırma gerçekleşirilmiş ve daha yüksek bandlarda başarımın çok ekilenmediği görülmüşür. Bulunan gerçel ve karmaşık kasayılar için ayrı ayrı oralama, medyan, sandar sapma ve eneri değerleri hesaplanmışır. Oluşurulan öznielik vekörünün uzunluğu 5 band için 40 ır. Elde edilen başarılar; Tablo., Tablo.2 ve Tablo.3 de verilmekedir. Tek bir işare üzerinden öznielik çıkarımı ve sınıflandırma için geçen süre Tablo.3 de genel başarı ile beraber verilmişir. Tablolarda; DP(Doğru Poziif), Konuşma olarak sınıflandırılan konuşma seslerini; D(Doğru egaif ), Müzik olarak sınıflandırılan müzik seslerini; YP(Yanlış Poziif), Konuşma olarak sınıflandırılan müzik seslerini; Y(Yanlış egaif), Müzik olarak sınıflandırılan konuşma seslerini ifade emekedir. Başarılar; konuşma sesleri için, DP Başarı DP + Y müzik sesleri için, D Başarı2 D + YP genel başarı için ise D + DP GenelBaşarı DP + D + YP + Y (20) (2) (22) olarak verilmekedir. Zaman-Frekans +MFCC Anlık ve Teager Eneri Karmaşık D YP BAŞARI (%) Tablo.: Müzik sesleri için başarı oranları Zaman-Frekans +MFCC Anlık ve Teager Eneri Karmaşık DP Y BAŞARI (%) Tablo.2: Konuşma sesleri için başarı oranları Hesaplama Süresi (sn) Genel Başarı (%) Zaman-Frekans + MFCC Anlık ve Teager Eneri Karmaşık Tablo.3: Genel başarı ve ek bir işare için hesaplama süresi 5. Tarışma Gerçekleşirilen çalışmada, müzik ve konuşma seslerinin sınıflandırılması birçok yönden ele alınmışır. abanlı anlık ve eager eneri öznielikleri ile karmaşık dalgacık dönüşümünden elde edilen öznieliklerin sınıflandırmayı daha iyi sonuçlandırdığı görülmüşür. Tablo.3 de görüldüğü gibi, karmaşık dalgacık dönüşümü anlık ve eager eneri öznieliklerine göre, hesaplama açısından daha hızlı sonuç vermeke; aynı zamanda yakın bir başarı oranı gösermekedir. Bu yüzden de gerçek zamanlı uygulamalarda kullanımı uygundur. Ayrıca, dalgacık dönüşümünden elde edilen öznielikler, verinin özelliklerine bağımlı olduğu için farklı veri selerinde
6 sonuçlar değişebilmekedir. Gelecek çalışmalarda, gözlenen başarıların kararlılığı açısından, yapılan çalışma, daha geniş ve farklı bir veriabanı ile gerçekleşirilecekir. 6. Kaynakça [] E.Scheier and M. Slaney, Consrucion and Evaluaion of a Robus Mulifeaure Speech/Music Discriminaor,Proc.ICASSP 997, say [2] E.M.Saad, M.I. El-Adawy, M.E.Abu-El-Wafa and A.A.Wahba, A Mulifeaure Speech/Music Discriminaion Sysem, 9. aioanal Radio Science Conference, Alexendria, 2002 [3] John Saunders. Real Time Discriminaion of Broadcas Speech/Music,Proc. ICASSP 996, say [4]Didio,E.e al., A Wavele-Based Parameerizaion for Speech /Music Discriminaion, Compuer Speech and Language(2009), doi:0.06/.csl [5] Ivan W. Selesnick, Richard G. Baraniuk, and ick G. Kingsbury, The Dual-Tree Complex Wavele Transform, IEEE Signal Processing Magazine, Kasım 2005, say [6] Fand Zheng, Guoliang Zhang, Zhaniang Song, Comparison of Differen Implemanaions of MFCC, J. Compuer Science & Technology, 6(6): , Eylül 200 [9] Savros alampiras, ikos Fakoakis, Speech /Music Discriminaion Based on Discree Wavele Transform,SET 2008, LAI 538, say , 2008 [0] Asim Roy, Arificial eural eworks- A Science in Trouble, SIGKDD Exploraions,.Sayı, Ocak 2000, say
C L A S S N O T E S SİNYALLER. Sinyaller & Sistemler Sinyaller Dr.Aşkın Demirkol
Sinyaller & Sisemler Sinyaller Dr.Aşkın Demirkol SİNYALLER Elekriki açıdan enerjisi ve frekansı olan dalga işare olarak anımlanır. Alernaif olarak kodlanmış sinyal/işare de uygun bir anım olabilir. s (
DetaylıZAMAN SERİLERİ TAHMİNİNDE ARIMA-MLP MELEZ MODELİ
Aaürk Üniversiesi İkisadi ve İdari Bilimler Dergisi, Cil: 23, Sayı: 3, 2009 4 ZAMAN SERİLERİ TAHMİNİNDE ARIMA-MLP MELEZ MODELİ Oğuz KAYNAR (*) Serkan TAŞTAN (**) Öze: Bu çalışmada zaman serilerinin ahmini
DetaylıKONYA İLİ SICAKLIK VERİLERİNİN ÇİFTDOĞRUSAL ZAMAN SERİSİ MODELİ İLE MODELLENMESİ
KONYA İLİ SICAKLIK VERİLERİNİN ÇİFTDOĞRUSAL ZAMAN SERİSİ MODELİ İLE MODELLENMESİ İsmail KINACI 1, Aşır GENÇ 1, Galip OTURANÇ, Aydın KURNAZ, Şefik BİLİR 3 1 Selçuk Üniversiesi, Fen-Edebiya Fakülesi İsaisik
DetaylıÇift Üstel Düzeltme (Holt Metodu ile)
Tahmin Yönemleri Çif Üsel Düzelme (Hol Meodu ile) Hol meodu, zaman serilerinin, doğrusal rend ile izlenmesi için asarlanmış bir yönemdir. Yönem (seri için) ve (rend için) olmak üzere iki düzelme kasayısının
DetaylıNİĞDE ÜNİVERSİTESİ MÜHENDİSLİK-MİMARLIK FAKÜLTESİ ELEKTRİK-ELEKTRONİK MÜH. BÖLÜMÜ HABERLEŞME TEORİSİ FİNAL SINAVI SORU-CEVAPLARI
NİĞDE ÜNİVERSİTESİ MÜHENDİSLİK-MİMARLIK FAKÜLTESİ ELEKTRİK-ELEKTRONİK MÜH. BÖLÜMÜ HABERLEŞME TEORİSİ FİNAL SINAVI SORU-CEVAPLARI Tarih: 4-0-008 Adı Soyadı : No : Soru 3 4 TOPLAM Puan 38 30 30 30 8 Soru
DetaylıBÖLÜM 7 2.1 YARIM DALGA DOĞRULTMAÇ TEMEL ELEKTRONİK
BÖLÜM 7 2.1 YARIM DALGA DOĞRULTMAÇ Tüm elekronik cihazlar çalışmak için bir DC güç kaynağına (DC power supply) gereksinim duyarlar. Bu gerilimi elde emenin en praik ve ekonomik yolu şehir şebekesinde bulunan
DetaylıYAPAY SİNİR AĞLARI İLE DOĞALGAZ TÜKETİM TAHMİNİ
Aaürk Ü. İİBF Dergisi, 0. Ekonomeri ve İsaisik Sempozyumu Özel Sayısı, 20 463 YAPAY SİNİR AĞLARI İLE DOĞALGAZ TÜKETİM TAHMİNİ Oğuz KAYNAR Serkan TAŞTAN 2 Ferhan DEMİRKOPARAN 3 Öze: Doğalgaz emini nokasında
DetaylıMakine Öğrenmesi 8. hafta
Makine Öğrenmesi 8. hafa Takviyeli Öğrenme (Reinforcemen Learning) Q Öğrenme (Q Learning) TD Öğrenme (TD Learning) Öğrenen Vekör Parçalama (LVQ) LVQ2 LVQ-X 1 Takviyeli Öğrenme Takviyeli öğrenme (Reinforcemen
DetaylıDolar Kurundaki Günlük Hareketler Üzerine Bazı Gözlemler
Dolar Kurundaki Günlük Harekeler Üzerine Bazı Gözlemler Türkiye Bankalar Birliği Ekonomi Çalışma Grubu Toplanısı 28 Nisan 2008, İsanbul Doç. Dr. Cevde Akçay Koç Finansal Hizmeler Baş ekonomis cevde.akcay@yapikredi.com.r
DetaylıBölüm 3 HAREKETLİ ORTALAMALAR VE DÜZLEŞTİRME YÖNTEMLERİ
Bölüm HAREKETLİ ORTALAMALAR VE DÜZLEŞTİRME ÖNTEMLERİ Bu bölümde üç basi öngörü yönemi incelenecekir. 1) Naive, 2)Oralama )Düzleşirme Geçmiş Dönemler Şu An Gelecek Dönemler * - -2-1 +1 +2 + Öngörü yönemi
DetaylıTRANSİSTÖRLÜ YÜKSELTEÇLER
Karadeniz Teknik Üniversiesi Mühendislik Fakülesi * Elekrik-Elekronik Mühendisliği Bölümü Elekronik Anabilim Dalı * Elekronik Laborauarı I 1. Deneyin Amacı TRANSİSTÖRLÜ YÜKSELTEÇLER Transisörlerin yükseleç
DetaylıFORECASTING TOURISM DEMAND BY ARTIFICIAL NEURAL NETWORKS AND TIME SERIES METHODS: A COMPARATIVE ANALYSIS IN INBOUND TOURISM DEMAND TO ANTALYA
Süleyman Demirel Üniversiesi İkisadi ve İdari Bilimler Fakülesi Dergisi Y.2009, C.14, S.1 s.99-114. Suleyman Demirel Universiy The Journal of Faculy of Economics and Adminisraive Sciences Y.2009, Vol.14,
DetaylıYAPAY SİNİR AĞLARI İLE NİĞDE BÖLGESİNİN ELEKTRİK YÜK TAHMİNİ
YAPAY SİNİR AĞLARI İLE NİĞDE BÖLGESİNİN ELEKRİK YÜK AHMİNİ anku YALÇINÖZ Saadedin HERDEM Ulaş EMİNOĞLU Niğde Üniversiesi, Mühendislik-Mimarlık Fakülesi Elekrik-Elekronik Mühendisliği Bölümü, Niğde 5 /
DetaylıSayısal Filtre Tasarımı
Sayısal Filtre Tasarımı Sayısal Filtreler Filtreler ayrık zamanlı sistemlerdir. Filtreler işaretin belirli frekanslarını güçlendirmek veya zayıflatmak, belirli frekanslarını tamamen bastırmak veya belirli
DetaylıHafta 3: SİNYALLER için uygulamalar
Hafa 3: SİNYALLER için uygulamalar Sorular ve Cevapları... 2 Sayfa Bölüm Sonu Soruları ve Cevapları Alışırma : x() = Ae β ; A = A e jα ve β = γ + jω sürekli zaman genel kompleks eksponansiyel sinyalinin
DetaylıİŞARET ve SİSTEMLER (SIGNALS and SYSTEMS) Dr. Akif AKGÜL oda no: 303 (T4 / EEM)
İşaret ve Sistemler İŞARET ve SİSTEMLER (SIGNALS and SYSTEMS) Dr. Akif AKGÜL aakgul@sakarya.edu.tr oda no: 303 (T4 / EEM) Kaynaklar: 1. Signals and Systems, Oppenheim. (Türkçe versiyonu: Akademi Yayıncılık)
DetaylıBölüm V Darbe Kod Modülasyonu
- Güz Bölüm V Dare Kod Modülasyonu emel Bilgiler Bi nerjisi Gürülü Gücü İlinisel lıcı Uygun Süzgeçli lıcı Bi Haa Olasılığı Semoller rası Girişim DKM ve Ha Kodlama DC veya Bilgisayardan sayısal daa k Semol
DetaylıGELİŞTİRİLMİŞ DGA İŞARETLERİNİN PIC MİKRODENETLEYİCİLERLE ÜRETİLMESİ
GELİŞTİRİLMİŞ DGA İŞARETLERİNİN PIC MİKRODENETLEYİCİLERLE ÜRETİLMESİ Tarık ERFİDAN Saılmış ÜRGÜN Bekir ÇAKIR Yakup KARABAG Kocaeli Üniversiesi Müh.Fak. Elekrik Mühendisliği Bölümü, 41100, İzmi/Kocaeli
DetaylıGEFRAN PID KONTROL CİHAZLARI
GEFRAN PID KONTROL CİHAZLARI GENEL KONTROL YÖNTEMLERİ: ON - OFF (AÇIK-KAPALI) KONTROL SİSTEMLERİ: Bu eknik en basi konrol ekniğidir. Ölçülen değer (), se değerinin () üzerinde olduğunda çıkış sinyali açılır,
DetaylıELN3304 ELEKTRONİK DEVRELER LABORATUVARI II DENEY 3 TEK BESLEMELİ İŞLEMSEL KUVVETLENDİRİCİLER
T.. ULUDAĞ ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ ELEKTRİK ELEKTRONİK MÜHENDİSLİĞİ BÖLÜMÜ ELN ELEKTRONİK DEVRELER LABORATUVARI II DENEY TEK BESLEMELİ İŞLEMSEL KUVVETLENDİRİİLER Deneyi Yapanlar Grubu Numara
DetaylıSİNYALLER VE SİSTEMLERİN MATLAB YARDIMIYLA BENZETİMİ
SİNYALLER VE SİSTEMLERİN MATLAB YARDIMIYLA BENZETİMİ 2.1. Sinyal Üretimi Bu laboratuarda analog sinyaller ve sistemlerin sayısal bir ortamda benzetimini yapacağımız için örneklenmiş sinyaller üzerinde
DetaylıSÜREKLİ PARAMETRELİ GENETİK ALGORİTMA İLE UYDU LİNK TASARIMI
HAVACILIK VE UZAY EKOLOJİLERİ DERGİSİ EMMUZ CİL 5 SAYI (43-58) SÜREKLİ PARAMERELİ GEEİK ALGORİMA İLE UYDU LİK ASARIMI Hv.Mu.Üğm. Mura BAĞCI* Hava Harp Okulu Havacılık ve Uzay eknolojileri Ensiüsü Uzay
DetaylıT.C. ULUDAĞ ÜNİVERSİTESİ MÜHENDİSLİK MİMARLIK FAKÜLTESİ ELEKTRONİK MÜHENDİSLİĞİ BÖLÜMÜ ELN3304 ELEKTRONİK DEVRELER LABORATUVARI II
T.. ULUDAĞ ÜNİVERSİTESİ MÜHENDİSLİK MİMARLIK FAKÜLTESİ ELEKTRONİK MÜHENDİSLİĞİ BÖLÜMÜ ELN ELEKTRONİK DEVRELER LABORATUVARI II DENEY : TEK BESLEMELİ İŞLEMSEL KUVVETLENDİRİİLER DENEY GRUBU :... DENEYİ YAPANLAR
DetaylıAyrık zamanlı sinyaller için de ayrık zamanlı Fourier dönüşümleri kullanılmatadır.
Bölüm 6 Z-DÖNÜŞÜM Sürekli zamanlı sinyallerin zaman alanından frekans alanına geçişi Fourier ve Laplace dönüşümleri ile mümkün olmaktadır. Laplace, Fourier dönüşümünün daha genel bir şeklidir. Ayrık zamanlı
DetaylıDENEY 3: DTMF İŞARETLERİN ÜRETİLMESİ VE ALGILANMASI
DENEY 3: DTMF İŞARETLERİN ÜRETİLMESİ VE ALGILANMASI AMAÇ: DTMF işaretlerin yapısının, üretim ve algılanmasının incelenmesi. MALZEMELER TP5088 ya da KS58015 M8870-01 ya da M8870-02 (diğer eşdeğer entegreler
DetaylıBÖLÜM 7 GÜÇ (POWER) YÜKSELTECİ KONU: GEREKLİ DONANIM: ÖN BİLGİ: DENEYİN YAPILIŞI:
BÖLÜM 7 GÜÇ (POWER) YÜKSELTECİ KONU: 1. Transisörlü güç yükselecinin analizi ve çalışma karakerisiklerinin incelenmesi. GEREKLİ DONANIM: Osilaskop (Çif Kanallı) İşare Üreeci (Signal Generaor) DC Güç Kaynağı
DetaylıT.C. ULUDAĞ ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ ELEKTRİK - ELEKTRONİK MÜHENDİSLİĞİ BÖLÜMÜ ELN3304 ELEKTRONİK DEVRELER LABORATUVARI II
T.C. ULUDAĞ ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ ELEKTRİK - ELEKTRONİK MÜHENDİSLİĞİ BÖLÜMÜ ELN334 ELEKTRONİK DEVRELER LABORATUVARI II DENEY 1: TRANZİSTÖRLÜ KUVVETLENDİRİCİLERDE GERİBESLEME I. EĞİTİM II.
DetaylıAnkara Üniversitesi Mühendislik Fakültesi Fizik Mühendisliği Bölümü FZM450. Elektro-Optik. Doç. Dr. Hüseyin Sarı
Ankara Üniversiesi Mühendislik Fakülesi Fizik Mühendisliği Bölümü FZM450 Elekro-Opik Doç. Dr. Hüseyin Sarı İçerik Opoelekronik Teknolojisi-Moivasyon Tanımlar Elekro-Opik Opoelekronik Foonik Elekromanyeik
DetaylıDENEY 5: FREKANS MODÜLASYONU
DENEY 5: FREKANS MODÜLASYONU AMAÇ: Malab da rekans modülasyonunun uygulanması ve inelenmesi. ÖN HAZIRLIK 1. TEMEL TANIMLAR Frekans Modülasyonu: Taşıyıı genliğinin sabi uulduğu ve aşıyıı rekansının bildiri
DetaylıTeknolojik bir değişiklik veya üretim arttırıcı bir yatırımın sonucunda ihracatta, üretim miktarında vs. önemli artışlar olabilir.
YAPISAL DEĞİŞİKLİK Zaman serileri bazı nedenler veya bazı fakörler arafından ekilenerek zaman içinde değişikliklere uğrayabilirler. Bu değişim ikisadi kriz, ikisa poliikalarında yapılan değişiklik, eknolojik
DetaylıYAPAY SİNİR AĞLARI İLE TÜRKİYE ELEKTRİK ENERJİSİ TÜKETİMİNİN 2010 YILINA KADAR TAHMİNİ
Gazi Üniv. Müh. Mim. Fak. Der. J. Fac. Eng. Arch. Gazi Univ. Cil 19, No 3, 7-33, 004 Vol 19, No 3, 7-33, 004 YAPAY SİNİR AĞLARI İLE TÜRKİYE ELEKTRİK ENERJİSİ TÜKETİMİNİN 010 INA KADAR TAHMİNİ Coşkun HAMZAÇEBİ
DetaylıBEŞİNCİ HAFTA UYGULAMA YAZILIMLARI VE ÖRNEKLER
BEŞİNCİ HAFTA UYGULAMA YAZILIMLARI VE ÖRNEKLER Görünüm büyüklüğünü %75 veya %50 yaparak iki sayfayı birlikte görüntüleyiniz. Frekans bölgesinde sürekli verinin Fourier dönüşümü sıfır olarak çizilir ise
DetaylıBAŞKENT ÜNİVERSİTESİ BİYOMEDİKAL MÜHENDİSLİĞİ BÖLÜMÜ
BAŞKENT ÜNİVERSİTESİ BİYOMEDİKAL MÜHENDİSLİĞİ BÖLÜMÜ BME43 BİYOMEDİKAL İŞARET İŞLEME I LABORATUVAR DERSİ Deneyin Adı: Güç Sektral Yoğunluğu DENEY 7 Deneyin Amacı: Güç Sektral Yoğunluğu Tesiti ve MATLAB
DetaylıBANKA KREDİ PORTFÖYLERİNİN YÖNETİMİNDE ÖDEMEME RİSKİ ANALİZİ: KALMAN FİLTRESİNE DAYANAN ALTERNATİF BİR YÖNTEM ÖNERİSİ
BANKA KREDİ PORTFÖLERİNİN ÖNETİMİNDE ÖDEMEME RİSKİ ANALİZİ: KALMAN FİLTRESİNE DAANAN ALTERNATİF BİR ÖNTEM ÖNERİSİ K. Bau TUNA * ÖZ Ödememe riski banka kredilerini ve bankaların kredi porföylerini ekiler.
DetaylıBOBĐNLER. Bobinler. Sayfa 1 / 18 MANYETĐK ALANIN TEMEL POSTULATLARI. Birim yüke elektrik alan içerisinde uygulanan kuvveti daha önce;
BOBĐER MAYETĐK AAI TEME POSTUATARI Birim yüke elekrik alan içerisinde uygulanan kuvvei daha önce; F e = qe formülüyle vermişik. Manyeik alan içerisinde ise bununla bağlanılı olarak hareke halindeki bir
DetaylıÇOKLU DOĞRUSAL BAĞLANTI
ÇOKLU DOĞRUSAL BAĞLANTI ÇOKLU DOĞRUSALLIĞIN ANLAMI Çoklu doğrusal bağlanı; Bağımsız değişkenler arasında doğrusal (yada doğrusala yakın) ilişki olmasıdır... r xx i j paramereler belirlenemez hale gelir.
DetaylıHafta 7: FrekaNS BÖLGESİNE DOĞRU: FOURIER SERİLERİ. İçindekiler
Hafa 7: FrekaNS BÖLGESİNE DOĞRU: FOURIER SERİLERİ İçindekiler 4. ek ve çif sinyaller (Odd & Even signals)... 2 4.2 Konjüge simeri ve konjüge ani-simeri özelliği... 4 4.3 Sürekli zaman periyodik sinyallerin
DetaylıEMAT ÇALIŞMA SORULARI
EMAT ÇALIŞMA SORULARI 1) A = 4. ı x 2. ı y ı z ve B = ı x + 4. ı y 4. ı z vektörlerinin dik olduğunu gösteriniz. İki vektörün skaler çarpımlarının sıfır olması gerekir. A. B = 4.1 + ( 2). 4 + ( 1). ( 4)
DetaylıANALOG ELEKTRONİK - II
ANALOG ELEKTONİK - II BÖLÜM Temel Opamp Devreleri Konular:. Eviren ve Evirmeyen Yükseleç. Temel ark Alıcı.3 Gerilim İzleyici.4 Türev ve Enegral Alıcı Amaçlar: Bu bölümü biirdiğinizde aşağıda belirilen
DetaylıDAİRESEL HAREKET Katı Cisimlerin Dairesel Hareketi
BÖLÜM 1 DAİRESEL HAREKET 1. DAİRESEL HAREKET 1.1. Kaı Cisimlerin Dairesel Harekei Açısal Yer Değişim: Bir eksen erafında dönmeke olan bir cismin (eker ezgah mili, volan vb.) dönme ekisi ile bir iş yapılır.
DetaylıELASTİK DALGA YAYINIMI
ELASTİK DALGA YAYINIMI 8. ders - 016 Prof.Dr. Eşref YALÇINKAYA Geçiğimiz ders; Elasisie eorisi Gerilme ve bileşenleri Deformasyon ve bileşenleri Bu derse; Gerilme-deformasyon bağınıları Elasik sabiler
DetaylıMEH535 Örüntü Tanıma. Örneklerden Sınıf Öğrenme
MEH535 Örünü Tanıma 3. Deneimli Öğrenme Doç.Dr. M. Kemal GÜLLÜ Elekronik ve Haberleşme Mühendisliği Bölümü web: hp://akademikpersonel.kocaeli.edu.r/kemalg/ E-posa: kemalg@kocaeli.edu.r Örneklerden Sınıf
DetaylıRASGELE SÜREÇLER İ.Ü. ELEKTRİK ELEKTRONİK MÜHENDİSLİĞİ İLETİŞİM LABORATUVARI ARALIK, 2007
RASGELE SÜREÇLER İ.Ü. ELEKTRİK ELEKTRONİK MÜHENDİSLİĞİ İLETİŞİM LABORATUVARI ARALIK, 007 1 Tekdüze Dağılım Bir X rasgele değişkenin, a ve b arasında tekdüze dağılımlı olabilmesi için olasılık yoğunluk
DetaylıAnkara Üniversitesi Mühendislik Fakültesi Fizik Mühendisliği Bölümü. 2008-09 Bahar Dönemi. Optoelektronik. Doç. Dr. Hüseyin Sarı
Ankara Üniversiesi Mühendislik Fakülesi Fizik Mühendisliği Bölümü 2008-09 Bahar Dönemi Opoelekronik Doç. Dr. Hüseyin Sarı 2009 Tandoğan, Ankara 2009 HSarı 1 561 Opoelekronik 1. Hafa Sunuş 2009 HSarı 2
DetaylıBİRİM KÖK TESTLERİNDE YAPISAL KIRILMA ZAMANININ İÇSEL OLARAK BELİRLENMESİ PROBLEMİ: ALTERNATİF YAKLAŞIMLARIN PERFORMANSLARI
BİRİM KÖK TESTLERİNDE YAPISAL KIRILMA ZAMANININ İÇSEL OLARAK BELİRLENMESİ PROBLEMİ: ALTERNATİF YAKLAŞIMLARIN PERFORMANSLARI Arş. Gör. Furkan EMİRMAHMUTOĞLU Yrd. Doç. Dr. Nezir KÖSE Arş. Gör. Yeliz YALÇIN
DetaylıYAPAY SİNİR AĞLARI VE ARIMA MODELLERİNİN MELEZ YAKLAŞIMI İLE ZAMAN SERİLERİNDE ÖNGÖRÜ
YAPAY SİNİR AĞLARI VE ARIMA MODELLERİNİN MELEZ YAKLAŞIMI İLE ZAMAN SERİLERİNDE ÖNGÖRÜ Erol EĞRİOĞLU Haceepe Üniversiesi, Fen Fakülesi, İsaisik Bölümü, 06532, Beyepe, Ankara, TÜRKİYE, erole@haceepe.edu.r
DetaylıKonut Primi ve Kira Getiri Büyümesinin Varyans Ayrıştırması. Celil Zurnacı 1, Eray Akgün, Murat Karaöz Akdeniz Üniversitesi
Social Sciences Research Journal, Volume, Issue, 5-66 (June 15), ISSN: 17-537 5 Konu Primi ve Kira Geiri Büyümesinin Varyans Ayrışırması Celil Zurnacı 1, Eray Akgün, Mura Karaöz Akdeniz Üniversiesi Türkiye
DetaylıKABLOSUZ İLETİŞİM
KABLOSUZ İLETİŞİM 805540 MODÜLASYON TEKNİKLERİ FREKANS MODÜLASYONU İçerik 3 Açı modülasyonu Frekans Modülasyonu Faz Modülasyonu Frekans Modülasyonu Açı Modülasyonu 4 Açı modülasyonu Frekans Modülasyonu
DetaylıŞeklinde ifade edilir. Çift yan bant modülasyonlu işaret ise aşağıdaki biçimdedir. ile çarpılırsa frekans alanında bu sinyal w o kadar kayar.
GENLİK MODÜLASYONU Mesaj sinyali m(t) nin taşıyıcı sinyal olan c(t) nin genliğini modüle etmesine genlik modülasyonu (GM) denir. Çeşitli genlik modülasyonu türleri vardır, bunlar: Çift yan bant modülasyonu,
DetaylıYABANCI ZİYARETÇİ SAYISININ TAHMİNİNDE BOX- JENKINS MODELİ, WINTERS YÖNTEMİ VE YAPAY SİNİR AĞLARIYLA ZAMAN SERİSİ ANALİZİ
YABANCI ZİYARETÇİ SAYISININ TAHMİNİNDE BOX- JENKINS MODELİ, WINTERS YÖNTEMİ VE YAPAY SİNİR AĞLARIYLA ZAMAN SERİSİ ANALİZİ 62 Arş. Grv. Emrah ÖNDER İsanbul Üniversiesi İşleme Fakülesi Arş. Grv. Özlem HASGÜL
Detaylı1) Çelik Çatı Taşıyıcı Sisteminin Geometrik Özelliklerinin Belirlenmesi
1) Çelik Çaı Taşıyıcı Siseminin Geomerik Özelliklerinin Belirlenmesi 1.1) Aralıklarının Çaı Örüsüne Bağlı Olarak Belirlenmesi Çaı örüsünü aşıyan aşıyıcı eleman aşık olarak isimlendirilir. Çaı sisemi oplam
DetaylıPRATİK TASARIM METODLARIYLA DÜŞÜRÜCÜ TİP DA-DA DÖNÜŞTÜRÜCÜNÜN GELİŞTİRİLMESİ The Development of DC-DC Buck Converter with Practical Design Methods
PRAİK ASARIM MEODLARIYLA DÜŞÜRÜCÜ İP DÖNÜŞÜRÜCÜNÜN GELİŞİRİLMESİ he Developmen of DC-DC Buck Converer wih Pracical Design Mehods Emre CEBECİ, Yusuf YAŞA Yıldız eknik Üniversiesi Elekrik Mühendisliği Bölümü
DetaylıHAFTA 11: ÖRNEKLEME TEOREMİ SAMPLING THEOREM. İçindekiler
HAFA 11: ÖRNEKLEME EOREMİ SAMPLING HEOREM İçindekiler 6.1 Bant sınırlı sürekli zaman sinyallerinin örneklenmesi... 2 6.2 Düzgün (uniform), periyodik örnekleme... 3 6.3 Bant sınırlı sürekli bir zaman sinyaline
DetaylıMIT Açık Ders Malzemesi İstatistiksel Mekanik II: Alanların İstatistiksel Fiziği 2008 Bahar
MIT Açık Ders Malzemesi hp://ocw.mi.edu 8.334 İsaisiksel Mekanik II: Alanların İsaisiksel Fiziği 8 Bahar Bu malzemeye aıfa bulunmak ve Kullanım Şarlarımızla ilgili bilgi almak için hp://ocw.mi.edu/erms
DetaylıDiabetik Retinopatinin Otomatik Algılanması Amacıyla. Göz Görüntüsünden Kan Damarlarının Eşiklenmesi
Diabeik Reinopainin Oomaik Algılanması Amacıyla Göz Görünüsünden Kan Damarlarının Eşiklenmesi Vasif NABİYEV, Salih BAHÇEKAPILI Karadeniz Teknik Üniversiesi, Mühendislik Fakülesi, Bilgisayar Mühendisliği
DetaylıDA-DA DÖNÜŞTÜRÜCÜLER (DA Kıyıcı, DA Gerilim Ayarlayıcı) DA gerilimi bir başka DA gerilim seviyesine dönüştüren devrelerdir.
DADA DÖNÜŞÜRÜCÜLER (DA Kıyıcı, DA Gerilim Ayarlayıcı) DA gerilimi bir başka DA gerilim seviyesine dönüşüren devrelerdir. Uygulama Alanları 1. DA moor konrolü 2. UPS 3. Akü şarjı 4. DA gerilim kaynakları
DetaylıTürkiye de Kırmızı Et Üretiminin Box-Jenkins Yöntemiyle Modellenmesi ve Üretim Projeksiyonu
Hayvansal Üreim 53(): 3-39, 01 Araşırma Türkiye de Kırmızı E Üreiminin Box-Jenkins Yönemiyle Modellenmesi ve Üreim Projeksiyonu Şenol Çelik Ankara Üniversiesi Fen Bilimleri Ensiüsü Zooekni Anabilim Dalı
Detaylıİşaret ve Sistemler. Ders 1: Giriş
İşaret ve Sistemler Ders 1: Giriş Ders 1 Genel Bakış Haberleşme sistemlerinde temel kavramlar İşaretin tanımı ve çeşitleri Spektral Analiz Fazörlerin frekans düzleminde gösterilmesi. Periyodik işaretlerin
DetaylıEEM HABERLEŞME TEORİSİ NİĞDE ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ ELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ BÖLÜMÜ
EEM3006 - HABERLEŞME TEORİSİ NİĞDE ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ ELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ BÖLÜMÜ EEM3006 - HABERLEŞME TEORİSİ Dersin Öğretim Elemanı: Yrd. Doç. Dr. Yasin KABALCI Ders Görüşme
DetaylıT.C. ULUDAĞ ÜNİVERSİTESİ MÜHENDİSLİK MİMARLIK FAKÜLTESİ ELEKTRONİK MÜHENDİSLİĞİ BÖLÜMÜ ELN3304 ELEKTRONİK DEVRELER LABORATUVARI II
T.C. ULUDĞ ÜNİVERSİTESİ MÜHENDİSLİK MİMRLIK FKÜLTESİ ELEKTRONİK MÜHENDİSLİĞİ BÖLÜMÜ ELN4 ELEKTRONİK DEVRELER LBORTUVRI II DENEY 6: OSİLTÖRLER DENEY GRUBU :... DENEYİ YPNLR :......... RPORU HZIRLYN :...
DetaylıKaradeniz Teknik Üniversitesi Mühendislik Fakültesi * Elektrik-Elektronik Mühendisliği Bölümü Elektronik Anabilim Dalı * Elektronik Laboratuarı I
Karadeniz Teknik Üniversiesi Mühendislik Fakülesi * Elekrik-Elekronik Mühendisliği Bölümü Elekronik Anabilim alı * Elekronik Laborauarı I FET.Lİ KUETLENİİCİLE 1. eneyin Amacı FET Transisörlerle yapılan
DetaylıSistem Dinamiği. Bölüm 9- Frekans Domeninde Sistem Analizi. Doç.Dr. Erhan AKDOĞAN
Sistem Dinamiği Bölüm 9- Frekans Domeninde Sistem Analizi Sunumlarda kullanılan semboller: El notlarına bkz. Yorum Bolum No.Alt Başlık No.Denklem Sıra No Denklem numarası Şekil No Şekil numarası Dikkat
DetaylıİMGE İŞLEME Ders-9. İmge Sıkıştırma. Dersin web sayfası: (Yrd. Doç. Dr. M.
İMGE İŞLEME Ders-9 İmge Sıkıştırma (Yrd. Doç. Dr. M. Kemal GÜLLÜ) Dersin web sayfası: http://mf.kou.edu.tr/elohab/kemalg/imge_web/odev.htm Hazırlayan: M. Kemal GÜLLÜ İmge Sıkıştırma Veri sıkıştırmanın
DetaylıÇ A L I Ş M A N O T L A R I. Haberleşme Teknolojileri Dr.Aşkın Demirkol İşaret tipleri
İşare ipleri Bu bölümde emel işare ipleri bulundukları kaegori ve sınıflarına göre model ve işlevleriyle ele alınacakır. Analog ve Dijial İşareler Analog işarelerle, sürekli-zaman işareleri daima karışırılır.
Detaylıbilgisi ht () kanalından iletilmek istenmektedir. Aşağıda filtre çıkışlarından hangisi iletilmek istenen işarete (veriye) ait olabilir.
ANALOG VERİ BAND GENİŞLİĞİ Örnek 2 Bir haberleşme siseminde x( ) sinc (5000 ) bilgisi h () kanalından ileilmek isenmekedir. Aşağıda filre çıkışlarından hangisi ileilmek isenen işaree (veriye) ai olabilir.
DetaylıFİZİK-II DERSİ LABORATUVARI ( FL 2 4 )
FİZİK-II DERSİ LABORATUVARI ( FL 2 4 ) KURAM: Kondansaörün Dolma ve Boşalması Klasik olarak bildiğiniz gibi, iki ileken paralel plaka arasına dielekrik (yalıkan) bir madde konulursa kondansaör oluşur.
DetaylıDirenç(330Ω), bobin(1mh), sığa(100nf), fonksiyon generatör, multimetre, breadboard, osiloskop. Teorik Bilgi
DENEY 8: PASİF FİLTRELER Deneyin Amaçları Pasif filtre devrelerinin çalışma mantığını anlamak. Deney Malzemeleri Direnç(330Ω), bobin(1mh), sığa(100nf), fonksiyon generatör, multimetre, breadboard, osiloskop.
DetaylıTürkiye nin Kabuklu Fındık Üretiminde Üretim-Fiyat İlişkisinin Koyck Yaklaşımı İle Analizi
TÜRK TARIM ve DOĞA BİLİMLERİ DERGİSİ TURKISH JOURNAL of AGRICULTURAL and NATURAL SCIENCES www.urkjans.com Türkiye nin Kabuklu Fındık Üreiminde Üreim-Fiya İlişkisinin Koyck Yaklaşımı İle Analizi Şenol ÇELİK*
DetaylıNİĞDE ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ ELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ BÖLÜMÜ
History in Pictures - On January 5th, 1940, Edwin H. Armstrong transmitted thefirstfmradiosignalfromyonkers, NY to Alpine, NJ to Meriden, CT to Paxton, MA to Mount Washington. 5 January is National FM
DetaylıTÜRKİYE'DE ŞEKER FİYATLARINDAKİ DEĞİŞİMİN OLASI ETKİLERİNİN TAHMİNİ: BİR SİMÜLASYON DENEMESİ
TÜRKİYE'DE ŞEKER FİYATLARINDAKİ DEĞİŞİMİN OLASI ETKİLERİNİN TAHMİNİ: BİR SİMÜLASYON DENEMESİ Yrd.DoçDr. Halil FİDAN Doç.Dr. Erdemir GÜNDOĞMUŞ rof.dr. Ahme ÖZÇELİK 1.GİRİŞ Şekerpancarı önemli arım ürünlerimizden
Detaylı5. Elektriksel Büyüklüklerin Ölçülebilen Değerleri
Elektrik devrelerinde ölçülebilen büyüklükler olan; 5. Elektriksel Büyüklüklerin Ölçülebilen Değerleri Akım Gerilim Devrede bulunan kaynakların tiplerine göre değişik şekillerde olabilir. Zamana bağlı
DetaylıMEH535 Örüntü Tanıma
MEH535 Örünü Tanıma 4. Paramerik Sınıflandırma Doç.Dr. M. Kemal GÜLLÜ Elekronik ve Haberleşme Mühendisliği Bölümü web: hp://akademikpersonel.kocaeli.edu.r/kemalg/ E-posa: kemalg@kocaeli.edu.r Paramerik
DetaylıDeney 5 : Ayrık Filtre Tasarımı. Prof. Dr. Aydın Akan Bahattin Karakaya Umut Gündoğdu Yeşim Hekim Tanç
İ. Ü. Elektrik&Elektronik Müh. Böl. İŞARET İŞLEME ve UYGULAMALARI Deney 5 : Ayrık Filtre Tasarımı Prof. Dr. Aydın Akan Bahattin Karakaya Umut Gündoğdu Yeşim Hekim Tanç Deney 5 : Ayrık Filtre Tasarımı 1.
DetaylıELM201 ELEKTRONİK-I DERSİ LABORATUAR FÖYÜ
TC SAKARYA ÜNİVERSİTESİ TEKNOLOJİ FAKÜLTESİ ELEKTRİKELEKTRONİK MÜHENDİSLİĞİ ELM21 ELEKTRONİKI DERSİ LABORATUAR FÖYÜ DENEYİ YAPTIRAN: DENEYİN ADI: DENEY NO: DENEYİ YAPANIN ADI ve SOYADI: SINIFI: OKUL NO:
DetaylıBox-Jenkıns Modelleri ile Aylık Döviz Kuru Tahmini Üzerine Bir Uygulama
Kocaeli Üniversiesi Sosyal Bilimler Ensiüsü Dergisi (6) 2003 / 2 : 49-62 Box-Jenkıns Modelleri ile Aylık Döviz Kuru Tahmini Üzerine Bir Uygulama Hüdaverdi Bircan * Yalçın Karagöz ** Öze: Bu çalışmada geleceği
DetaylıCihazın Bulunduğu Yer: Enerji Sistemleri Mühendisliği Bölümü B-Blok, Enerji Verimliliği Laboratuvarı
Ölçüm Cihazının Adı: Enerji Analizörü Cihazın Bulunduğu Yer: Enerji Sistemleri Mühendisliği Bölümü B-Blok, Enerji Verimliliği Laboratuvarı 1) Ölçümün Amacı Amaç; şebeke ya da cihazların(motor barındıran
DetaylıELK273 Elektrik ve Elektronik Mühendisliğinin Temelleri Ders 8- AC Devreler. Yard.Doç.Dr. Ahmet Özkurt.
ELK273 Elektrik ve Elektronik Mühendisliğinin Temelleri Ders 8- AC Devreler Yard.Doç.Dr. Ahmet Özkurt Ahmet.ozkurt@deu.edu.tr http://ahmetozkurt.net İçerik AC ve DC Empedans RMS değeri Bobin ve kondansatörün
DetaylıSayısal Sinyal İşleme (EE 306 ) Ders Detayları
Sayısal Sinyal İşleme (EE 306 ) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Saati Uygulama Saati Laboratuar Saati Kredi AKTS Sayısal Sinyal İşleme EE 306 Bahar 3 0 0 3 8 Ön Koşul Ders(ler)i EE 303 (FD)
DetaylıELM201 ELEKTRONİK-I DERSİ LABORATUAR FÖYÜ
T SAKARYA ÜNİVERSİTESİ TEKNOLOJİ FAKÜLTESİ ELEKTRİKELEKTRONİK MÜHENDİSLİĞİ ELM21 ELEKTRONİKI DERSİ LABORATUAR FÖYÜ DENEYİ YAPTIRAN: DENEYİN ADI: DENEY NO: DENEYİ YAPANIN ADI ve SOYADI: SINIFI: OKUL NO:
DetaylıÖZET. Yüksek Lisans Tezi OTOMATİK KONUŞMA TANIMA ALGORİTMALARININ UYGULAMALARI
ÖZET Yüksek Lisans Tezi OTOMATİK KONUŞMA TANIMA ALGORİTMALARININ UYGULAMALARI Köksal ÖCAL Ankara Üniversiesi Fen Bilimleri Ensiüsü Elekronik Mühendisliği Anabilim Dalı Danışman : Yrd. Doç. Dr. H. Gökhan
DetaylıBÖLÜM-8 HİDROGRAF ANALİZİ 8.1 GİRİŞ 8.2 HİDROGRAFIN ELEMANLARI
BÖLÜM-8 HİDROGRAF ANALİZİ 8.1 GİRİŞ Taşkınların ve kurak devrelerin incelenmesinde akımın zaman içinde değişimini göseren hidrografı bilmek gerekir. Bu bölümde oplam akış hacminin akarsuyun bir kesiinde
DetaylıANALOG FİLTRELEME DENEYİ
ELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ BÖLÜMÜ ANALOG FİLTRELEME DENEYİ Ölçme ve telekomünikasyon tekniğinde sık sık belirli frekans bağımlılıkları olan devreler gereklidir. Genellikle belirli bir frekans bandının
DetaylıSORU SETİ 02 (REVİZE EDİLDİ) FİNAL KONULARI
Ekonomeri 8 Ocak, 0 Gazi Üniversiesi İkisa Bölümü SORU SETİ 0 (REVİZE EDİLDİ) FİNAL KONULARI PROBLEM Aşağıda verilen avuk ei alebi fonksiyonunu düşününüz (960-98): lny = β + β ln X + β ln X + β ln X +
Detaylıbirim daire üzerindeki z = e jω değerlerinde hesaplanması yöntemiyle bulunabiliri. Ancak, sayısal işaret işlemenin pratik uygulaması, sonsuz bir x(n)
Bölüm 7 AYRIK-FOURİER DÖNÜŞÜMÜ 14 Bölüm 7. Ayrık-Fourier Dönüşümü 7.1 GİRİŞ Ayrık x(n) dizisinin Fourier dönüşümü, z-dönüşümü X(z) nin birim daire üzerindeki z = e jω değerlerinde hesaplanması yöntemiyle
DetaylıELEKTRİK ENERJİ SİSTEMLERİNDE OLUŞAN HARMONİKLERİN FİLTRELENMESİNİN BİLGİSAYAR DESTEKLİ MODELLENMESİ VE SİMÜLASYONU
T.C. MARMARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ ELEKTRİK ENERJİ SİSTEMLERİNDE OLUŞAN HARMONİKLERİN FİLTRELENMESİNİN BİLGİSAYAR DESTEKLİ MODELLENMESİ VE SİMÜLASYONU Mehmet SUCU (Teknik Öğretmen, BSc.)
DetaylıSu Yapıları II Aktif Hacim
215-216 Bahar Su Yapıları II Akif Hacim Yrd. Doç. Dr. Burhan ÜNAL Bozok Üniversiesi Mühendislik Mimarlık Fakülesi İnşaa Mühendisliği Bölümü Yozga Yrd. Doç. Dr. Burhan ÜNAL Bozok Üniversiesi n aa Mühendisli
DetaylıMevsimsel Kointegrasyon Analizi: Güney Afrika Örneği. Seasonal Cointegration Analysis: Example of South Africa
Gazi Üniversiesi Sosyal Bilimler Dergisi Vol/Cil 3, No/Sayı 6, 216 Mevsimsel Koinegrasyon Analizi Güney Afrika Örneği Jeanine NDIHOKUBWAYO Yılmaz AKDİ Öze Bu çalışmada 1991-2134 dönemi Güney Afrika ekonomik
DetaylıFrekans domain inde İşlemler. BMÜ-357 Sayısal Görüntü İşleme Yrd. Doç. Dr. İlhan AYDIN
Frekans domain inde İşlemler BMÜ-357 Sayısal Görüntü İşleme Yrd. Doç. Dr. İlhan AYDIN Domain Dönüşümü Dönüşüm, bir sinyalin, başka parametrelerle ifade edilmesi şeklinde düşünülebilir. Ters dönüşüm ise,
DetaylıİŞARETLER ve SİSTEMLER (SIGNALS and SYSTEMS)
İŞARETLER ve SİSTEMLER (SIGNALS and SYSTEMS) Yrd. Doç. Dr. Musafa Zahid YILDIZ musafayildiz@sakarya.edu.r oda no: 469 Kaynaklar: 1. Signals and Sysems, Oppenheim. (Türkçe versiyonu: Akademi Yayıncılık)
DetaylıBÖLÜM-9 TAŞKIN ÖTELENMESİ (FLOOD ROUTING)
BÖLÜM-9 TAŞKIN ÖTELENMEİ (FLD RUTING) 9. GİRİŞ Tarih göseriyor ki pek çok medeniye kurulurken, insanlar için suyun vazgeçilmez öneminden dolayı akarsu kenarları ercih edilmişir. Bunun içme ve sulama suyunu
DetaylıKafes Kiriş yük idealleştirmesinin perspektif üzerinde gösterimi. Aşık. P m
3. KAFES KİRİŞİN TASARIMI 3.1 Kafes Kiriş Yüklerinin İdealleşirilmesi Kafes kirişler (makaslar), aşıkları, çaı örüsünü ve çaı örüsü üzerine ekiyen dış yükleri (rüzgar, kar) aşırlar ve bu yükleri aşıklar
DetaylıDalgalar. Matematiksel olarak bir dalga, hem zamanın hem de konumun bir fonksiyonudur: İlerleyen bir dalganın genel bağıntısı (1- boyut ): y f ( x t)
Dalgalar Tireşimlerin bir uyarının veya bir sarsınının uzay içinde zamanla ilerlemesine dalga denir. Maemaiksel olarak bir dalga, hem zamanın hem de konumun bir fonksiyonudur: İlerleyen bir dalganın genel
Detaylı= t. v ort. x = dx dt
BÖLÜM.4 DOĞRUSAL HAREKET 4. Mekanik Mekanik konusu, kinemaik ve dinamik olarak ikiye ayırmak mümkündür. Kinemaik cisimlerin yalnızca harekei ile ilgilenir. Burada cismin hareke ederken izlediği yol önemlidir.
DetaylıSÜREKLİ SAKLI MARKOV MODELLERİ İLE METİNDEN BAĞIMSIZ KONUŞMACI TANIMA PARAMETRELERİNİN İNCELENMESİ
Uludağ Üniversitesi Mühendislik-Mimarlık Fakültesi Dergisi, Cilt 12, Sayı 1, 2007 SÜREKLİ SAKLI MARKOV MODELLERİ İLE METİNDEN BAĞIMSIZ KONUŞMACI TANIMA PARAMETRELERİNİN İNCELENMESİ Cemal HANİLÇİ Figen
DetaylıROBOT TAKIMI ĐLE EŞ ZAMANLI KONUM BELĐRLEME VE HARĐTALAMA
YILDIZ TEKNĐK ÜNĐVERSĐTESĐ FEN BĐLĐMLERĐ ENSTĐTÜSÜ ROBOT TAKIMI ĐLE EŞ ZAMANLI KONUM BELĐRLEME VE HARĐTALAMA Bilgisayar Mühendisi Ozan ÖZIŞIK FBE Bilgisayar Mühendisliği Anabilim Dalında Hazırlanan YÜKSEK
DetaylıELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ BÖLÜMÜ İLETİŞİM LABORATUARI SAYISAL FİLTRELER
SAYISAL FİLTRELER Deney Amacı Sayısal filtre tasarımının ve kullanılmasının öğrenilmesi. Kapsam Ayrık zamanlı bir sistem transfer fonksiyonunun elde edilmesi. Filtren frekans tepkes elde edilmesi. Direct
DetaylıDENEY 3: DFT-Discrete Fourier Transform. 2 cos Ω d. 2 sin Ω d FOURIER SERİSİ
DENEY 3: DFT-Discrete Fourier Transform FOURIER SERİSİ Herhangi bir periyodik işaret sonsuz sayıda sinüzoidalin ağırlıklı toplamı olarak ifade edilebilir: 2 cosω sinω 1 Burada Ώ 0 birinci (temel) harmonik
DetaylıGüç Spektral Yoğunluk (PSD) Fonksiyonu
1 Güç Spektral Yoğunluk (PSD) Fonksiyonu Otokorelasyon fonksiyonunun Fourier dönüşümü j f ( ) FR ((τ) ) = R ( (τ ) ) e j π f τ S f R R e d dτ S ( f ) = F j ( f )e j π f ( ) ( ) f τ R S f e df R (τ ) =
Detaylı