다양한 기록

Cross-Correlation어떤 두 시퀀스의 유사성을 판단하고 싶을 때 사용용도1. 긴 파일이 있을 때 특정한 패턴의 프레임을 찾으려는 경우2. 타임 딜레이를 구해야 하는 경우 r =/= 0 -> 연관이 있음r == 0 -> 연관이 없음 수식을 보면 h[-n]에다 컨볼루션한 것과 같은 걸 알 수 있음 Autocorrelationx[n]**x[n] = x[n]*x[-n]n이 0일 때 값이 맥시멈인 특징 Radar target rangingD는 RTT, 펄스가 되돌아오는 시간c는 광속, fs는 샘플링 레이트 s[n]은 반사된 시그널p[n]은 잡음 s[n]**x[n] = s[n]*x[-n]여기서 잡음 p[n]**x[n]은 0이 된다고 생각 (관련 없음) s[n]**x[n] = ax[n-D]*x[-n]오토 ..

컨볼루션 속성- Commutative .. x[n]*h[n] = h[n]*x[n]- Distributive .. x[n] * {h1[n] + h2[n]} = x[n]*h1[n] + x[n]*h2[n]- Associative .. {x[n]*h1[n]}*h2[n] = x[n]*{h1[n]*h2[n]} 컨볼루션 계산- Direct evaluation- Graphical apprach Direct Evaluationx[n] = {3, 4, 5}, h[n] = {2, 1}시작 포인트: 0 + 0끝 포인트: 2 + 1 = 3 y[0] = x[0]h[0] = 6y[1] = x[0]h[1] + x[1]h[0] = 3 + 8 = 11y[2] = x[0]h[2] + x[1]h[1] + x[2]h[0] = 0 + 4 + ..

노이즈 리덕션과 장기적인 추세 예측에 사용 L만큼의 범위만큼 과거를 참조해서 평균냄노이즈의 랜덤성은 과거와 평균내면 랜덤성이 줄어들어 노이즈 리덕션 가능완벽하게 원래 시그널을 만들지는 못함 주기 함수에 MA 필터 사용 시너무 L-point를 크게 하면 갑자기 아웃풋이 0에 가깝게 나오는 경우가 나옴사인이나 코사인 같은 건 다 더하면 0이 되어버림 Long-term prediction주식같은 거 할 때 어떻게 되는지 예측단기 추세랑(L-point를 비교적 작게) 장기 추세 두 가지를 사용 단기 추세가 장기 추세를 넘는 시점 => 주식이 앞으로 오르겠다고 판단올라가다가 장기 추세선을 하향하지 않고 지지를 받으면 두번째 기회단기추세선이 장시 추세선보다 내려가면 팔 시점* 정확도 55% 정도.. 기술대로만 가지..

Additivity- T[ x1[n] + x2[n] ] = T[x1[n]] + T[x2[n]] Homogenity- T[cx[n]] = cT[x[n]] Linerity- T[ c1x1[n] + c2x2[n] ] = c1T[x1[n]] + c2T[x2[n]] Time-invariancey[n-n0] = T[x[n-n0]] LTI (Linear time-invariant) system- 선형성이랑 시불변성 둘 다 만족하는 시스템- LTI 시스템이면 ..*은 곱하기가 아니라 convulution Cauality- 시스템이 과거의 인풋을 참조하면 만족하지 않음 (ex. y[n] = x[n] + x[n + 1])- LTI 시스템에서 h[n]이 0 미만일 때 0이면 만족 Stability- BIBO (Bounded..

실제 시스템에선 Anti-aliasing filter -> ADC -> DSP -> DAC -> Anti-imaging filter Anti-aliasing filter (LPF)- 나이퀴스트 프리퀀시 위의 주파주슬 전부 제거해서 샘플링 시 앨리어싱 예방Anti-imaging filter (LPF)- 부드러운 아날로그 시그널 구축할 수 있도록 사용 ADC- Holding : 양자화기의 적절한 연산을 위해 시간이 필요 Sampling Theory원래의 아날로그 신호로 복구하기 위해서 얼마나 빠르게 샘플링해야 하는가.. Nyquist-Shannon sampling theoryfs >= 2*fmax = 2 * B이러면 y(t) = x(t) 가능 (* 양자화 과정을 안거쳐야 손실없이 복구 가능) Nyquist ..

Impluse Functionδ[n] = 1 (n = 0), 0 (n =/= 0)ex. δ[n-2]는 2만큼 n이 2일 때 값이 1 Unit step Functionu[n] = 1 (n >= 0), 0 (n causal 시그널은 n이 0 이상일 때만 존재해야 하는데, u[n] 곱해주면 됨 Making rectangle pulse Complex expoential functionx[n] = e^±jβn = cos(βn)±jsin(βn)- DTFT에서 사용됨

a) Continuous time - Continuous amplititude : Analog Signalb) Continuous time - Descrete amplitudec) Discrete time - Continuous amplitude : Discrete Signald) Discrete time - DIscrete amplitude : Digital Signal (a) -> (b) -> (c) 순서로 변환됨 Discrete Signal 예시x[n] = {1, 2, 4, 8}Bold 처리된 게 0번째 값시그널의 에너지 계산은 위 공식대로 시그널은 두가지 타입으로 나뉨- Energy Signal - Has finite energy .. ex) non-periodic signal- Power Sig..

기존의 데이터베이스로는 수집, 저장, 분석 따위를 수행하기가 어려울만큼 방대한 양의 데이터대량의 정형 및 비정형의 데이터를 분석해 가치를 창출하고 결과를 분석하는 기술 "데이터는 미래 경쟁력을 좌우하는 21세기 원유"21세기 기업에서 가장 중요한 자산은 데이터이며, 이를 관리하고 여기서 가치를 이글어내지 못하면 경쟁에서 살아남을 수 없음  과거현재데이터 형태특정 양식에 맞춰 분류형식이 없고 다양데이터 속도BatchNear Real time데이터 처리 목적과거 분석최적화 혹은 예측데이터 처리 비용국가 정부 수준개별 기업 수준 빅데이터 특징: 3V + 2V + 1V1. Volume (크기, 데이터 양)2. Variety (다양한 종류의 데이터, 정형/비정형)3. Velocity (속도, 빠르게 처리하고 분석..