• Refine Query
  • Source
  • Publication year
  • to
  • Language
  • 7
  • 1
  • 1
  • 1
  • 1
  • Tagged with
  • 14
  • 14
  • 9
  • 8
  • 8
  • 5
  • 5
  • 3
  • 2
  • 2
  • 2
  • 2
  • 2
  • 2
  • 2
  • About
  • The Global ETD Search service is a free service for researchers to find electronic theses and dissertations. This service is provided by the Networked Digital Library of Theses and Dissertations.
    Our metadata is collected from universities around the world. If you manage a university/consortium/country archive and want to be added, details can be found on the NDLTD website.
11

Development of an undergraduate laboratory course in control systems

Abiakel, Elio January 2003 (has links)
No description available.
12

Estimación óptima de secuencias caóticas con aplicación en comunicaciones

Luengo García, David 23 November 2006 (has links)
En esta Tesis se aborda la estimación óptima de señales caóticas generadas por mapas unidimensionales y contaminadas por ruido aditivo blanco Gaussiano, desde el punto de vista de los dos marcos de inferencia estadística más extendidos: máxima verosimilitud (ML) y Bayesiano. Debido al elevado coste computacional de estos estimadores, se proponen asimismo diversos estimadores subóptimos, aunque computacionalmente eficientes, con un rendimiento similar al de los óptimos. Adicionalmente se analiza el problema de la estimación de los parámetros de un mapa caótico explotando la relación conocida entre muestras consecutivas de la secuencia caótica. Por último, se considera la aplicación de los estimadores anteriores al diseño de receptores para dos esquemas de comunicaciones caóticas diferentes: conmutación caótica y codificación simbólica o caótica. / This Thesis studies the optimal estimation of chaoticsignals generated iterating unidimensional maps and contaminated by additive white Gaussian noise, from the point of view of the two most common frameworks in statistical inference: maximum likelihood (ML) and Bayesian. Due to the high computational cost of optimum estimators, several suboptimal but computationally efficient estimators are proposed, which attain a similar performance as the optimum ones. Additionally, the estimation of the parameters of a chaotic map is analyzed, exploiting the known relation between consecutive samples of the chaotic sequence. Finally, we consider the application of the estimators developed in the design of receivers for two different schemes of chaotic communications: chaotic switching and symbolic or chaotic coding.
13

Uma fundamenta??o para sinais e sistemas intervalares

Santana, Fabiana Trist?o de 02 December 2011 (has links)
Made available in DSpace on 2014-12-17T14:54:59Z (GMT). No. of bitstreams: 1 FabianaTS_TESE.pdf: 1364206 bytes, checksum: 5e147adc9ca5829c7a40ed214ab434d2 (MD5) Previous issue date: 2011-12-02 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior / In this work we use Interval Mathematics to establish interval counterparts for the main tools used in digital signal processing. More specifically, the approach developed here is oriented to signals, systems, sampling, quantization, coding and Fourier transforms. A detailed study for some interval arithmetics which handle with complex numbers is provided; they are: complex interval arithmetic (or rectangular), circular complex arithmetic, and interval arithmetic for polar sectors. This lead us to investigate some properties that are relevant for the development of a theory of interval digital signal processing. It is shown that the sets IR and R(C) endowed with any correct arithmetic is not an algebraic field, meaning that those sets do not behave like real and complex numbers. An alternative to the notion of interval complex width is also provided and the Kulisch- Miranker order is used in order to write complex numbers in the interval form enabling operations on endpoints. The use of interval signals and systems is possible thanks to the representation of complex values into floating point systems. That is, if a number x 2 R is not representable in a floating point system F then it is mapped to an interval [x;x], such that x is the largest number in F which is smaller than x and x is the smallest one in F which is greater than x. This interval representation is the starting point for definitions like interval signals and systems which take real or complex values. It provides the extension for notions like: causality, stability, time invariance, homogeneity, additivity and linearity to interval systems. The process of quantization is extended to its interval counterpart. Thereafter the interval versions for: quantization levels, quantization error and encoded signal are provided. It is shown that the interval levels of quantization represent complex quantization levels and the classical quantization error ranges over the interval quantization error. An estimation for the interval quantization error and an interval version for Z-transform (and hence Fourier transform) is provided. Finally, the results of an Matlab implementation is given / Neste trabalho utiliza-se a matem?tica intervalar para estabelecer os conceitos intervalares das principais ferramentas utilizadas em processamento digital de sinais. Mais especificamente, foram desenvolvidos aqui as abordagens intervalares para sinais, sistemas, amostragem, quantiza??o, codifica??o, transformada Z e transformada de Fourier. ? feito um estudo de algumas aritm?ticas que lidam com n?meros complexos sujeitos ? imprecis?es, tais como: aritm?tica complexa intervalar (ou retangular), aritm?tica complexa circular, aritm?tica setorial e aritm?tica intervalar polar. A partir da?, investiga-se algumas propriedades que ser?o relevantes para o desenvolvimento e aplica??o no processamento de sinais discretos intervalares. Mostra-se que nos conjuntos IR e R(C), seja qual for a aritm?tica correta adotada, n?o se tem um corpo, isto ?, os elementos desses conjuntos n?o se comportam como os n?meros reais ou complexos com suas aritm?ticas cl?ssicas e que isso ir? requerer uma avalia??o matem?tica dos conceitos necess?rios ? teoria de sinais e a rela??o desses com as aritm?ticas intervalares. Tamb?m tanto ? introduzido o conceito de amplitude intervalar complexa, como alternativa ? defini??o cl?ssica quanto utiliza-se a ordem de Kulisch-Miranker para n?meros complexos afim de que se escreva n?meros complexos intervalares na forma de intervalos, o que torna poss?vel as opera??es atrav?s dos extremos. Essa rela??o ? utilizada em propriedades de somas de intervalos de n?meros complexos. O uso de sinais e sistemas intervalares foi motivado pela representa??o intervalar num sistema de ponto flutuante abstrato. Isto ?, se um n?mero x 2 R n?o ? represent?vel em um sistema de ponto flutuante F, ele ? mapeado para um intervalo [x;x], tal que x ? o maior dos n?meros menores que x represent?vel em F e x ? o menor dos n?meros maiores que x represent?vel em F. A representa??o intervalar ? importante em processamento digital de sinais, pois a imprecis?o em dados ocorre tanto no momento da medi??o de determinado sinal, quanto no momento de process?-los computacionalmente. A partir da?, define-se sinais e sistemas intervalares que assumem tanto valores reais quanto complexos. Para isso, utiliza-se o estudo feito a respeito das aritm?ticas complexas intervalares e mostram-se algumas propriedades dos sistemas intervalares, tais como: causalidade, estabilidade, invari?ncia no tempo, homogeneidade, aditividade e linearidade. Al?m disso, foi definida a representa??o intervalar de fun??es complexas. Tal fun??o estende sistemas cl?ssicos a sistemas intervalares preservando as principais propriedades. Um conceito muito importante no processamento digital de sinais ? a quantiza??o, uma vez que a maioria dos sinais ? de natureza cont?nua e para process?-los ? necess?rio convert?-los em sinais discretos. Aqui, este processo ? descrito detalhadamente com o uso da matem?tica intervalar, onde se prop?em, inicialmente, uma amostragem intervalar utilizando as id?ias de representa??o no sistema de ponto flutuante. Posteriormente, s?o definidos n?veis de quantiza??o intervalares e, a partir da?, ? descrito o processo para se obter o sinal quantizado intervalar e s?o definidos o erro de quantiza??o intervalar e o sinal codificado intervalar. ? mostrado que os n?veis de quantiza??o intervalares representam os n?veis de quantiza??o cl?ssicos e o erro de quantiza??o intervalar representa o e erro de quantiza??o cl?ssico. Uma estimativa para o erro de quantiza??o intervalar ? apresentada. Utilizando a aritm?tica retangular e as defini??es e propriedades de sinais e sistemas intervalares, ? introduzida a transformada Z intervalar e s?o analisadas as condi??es de converg?ncia e as principais propriedades. Em particular, quando a vari?vel complexa z ? unit?ria, define-se a transformada de Fourier intervalar para sinais discretos no tempo, al?m de suas propriedades. Por fim, foram apresentadas as implementa??es dos resultados que foram feitas no software Matlab
14

Railway curve squeal: Statistical analysis of train speed impact on squeal noise

Asplund, Ruben January 2024 (has links)
No description available.

Page generated in 0.0917 seconds