MATLAB blog

  Dnes si ukážeme výpočet a vizualizáciu detekčnej charakteristiky ultrazvukových senzorov v prostredí MATLAB. Vizualizácie boli využité v projekte Hladinomer pre lepšiu reprezentáciu detekčnej charakteristiky používateľovi webaplikácie pri výbere ultrazvukového senzora, ktorého charakteristika vyhovuje priemeru studne pre meranie bez odrazov. Detekčná charakteristika vyjadruje schopnosť detekcie plochy na určitú vzdialenosť so známou šírkou lúča. Ultrazvukové senzory vzdialenosti fungujú na princípe vysielanie signálu Trigger s dĺžkou 10 mikrosekúnd, ktorý sa od detekovanej plochy odrazí a vráti sa do prijímača - Echo. Na základe času príchodu signálu vieme určiť vzdialenosť v metroch, resp. centimetroch.  V prípade použitia senzora s nevhodnou detekčnou charakteristikou sa zvyšuje čas príchodu signálu, prípadne sa signál nevráti vôbec z dôvodu príliš veľkého počtu odrazov od stien studne. V projekte Hladinomer boli využité dva druhy ultrazvukových senzorov vzdialenosti. Ako ...

Šum je negatívny jav, ktorý vplýva na digitálne multimédiá, teda obrázky, zvukové, či obrazové záznamy. Cieľom tohto článku je poukázať na vplyv šumu, ktorý dokáže pozmeniť hodnoty jednotlivých bitov pixelov, čím sa výrazne zhorší jeho kvalita. Pixel v prípade 8-bitovej reprezentácii odtieňov sivej nadobúda hodnotu 0 až 255. Šum budeme vkladať do existujúcich obrázkov odtieňov sivej. Táto reprezentácia obrázkov aj práca s nimi je jednoduchšia ako s RGB obrázkami, nakoľko tie sú reprezentované v 3D matici s každou zložkou farby (celkovo 24 bitov, s 8 bitmi na farbu). Vo výsledku to znamená, že úpravou najvýznamnejšieho bitu - tzv. MSB (Most Significant Bit) prídeme až 50% hodnoty svetlosti bitu, nakoľko nadobúda hodnotu 0, alebo 128. Šum sa prejavuje ako zložka, ktorá daný pixel stmaví. Každý pixel je tvorenými ôsmymi bitmi v prípade obrázku odtieňov sivej. Čím vyššia je hodnota bitu, tým svetlejší je bit. Osem bitov dokáže vo výsledku nadobudnúť hodnotu 0 - 255. Pre zrozumiteľnejšiu re...

V dnešnom článku si ukážeme základné operácie s obrázkami v prostredí MATLAB. Zameriame sa na načítanie obrázku, prevzatie jeho zložiek, pochopenie jeho reprezentácii maticou. V prvom rade musíme rozlišovať obrázky s ktorými pracujeme t.j. čiernobiele / farebné, nakoľko je na tom závislá aj reprezentácia v prostredí MATLAB. Uvažujme v tomto prípade o obrázku s rozmerom 512x512px. Čiernobiele obrázky sú po načítaní reprezentované počtom pixelov v matici, pričom každý pixel nadobúda hodnotu 0 až 255. Hovoríme teda o 8-bitovom obrázku, pričom hodnota 0 reprezentuje čiernu farbu a 255 bielu, ostatné hodnoty šedé spektrum medzi nimi. Celková matica čiernobielého obrázku má tak rozmer 512x512. V prípade farebných obrázkov rozlišujeme tri farby (RGB model), teda červenú, zelenú a modrú zložku. Farebný obrázok je tak v prostredí MATLAB načítaný do 3D matice, kedy každá z matíc reprezentuje pixel v danej farbe. Celková matica farebného obrázku má tak rozmer 512x512x3. Každý pixel obrázku je tak...

Časť textu použitá z môjho VŠ zadania a referátu na tému mmWaves z predmetu Mobilné komunikácie- TUKE... Celý referát dostupný na:  https://martinius96.github.io/martinius96/pdf/mmWaves%2C%20typy%20ant%C3%A9n%2C%20typy%20komunik%C3%A1cie.pdf Beamforming je technológia využívaná v 5G sieťach a v jednoduchšej variante aj v LTE (4G) sieťach. Cieľom technológie je potlačiť šum a okolitú interferenciu spôsobenú inými signálmi a prostredím, ktorým sa signál šíri. Beamforming využíva metódu meraní času príchodu signálu - ToA - (Time of Arrival) a uhla prijímaného signálu - AoA - (Angle of Arrival) od mobilného terminálu. Meranie sa realizuje sieťou - vysielacou stanicou, čo šetrí výpočtový výkon a batériu mobilného terminálu. Táto metóda je tak efektívna aj v prípade 5G IoT zariadení, ktoré sú spravidla prevádzkované na 2x AA batériu niekoľko rokov. Výsledkom meraní dokáže vysielacia stanica určiť približnú vzdialenosť a smer, v ktorom sa mobilný terminál nachádza. Na zákla...

Určenie polohy bodu (mobilného terminálu) v priestore je dôležité najmä v aplikáciách mobilných sietí. Nájde však využitie aj v navigačných systémoch, alebo aj polohy vo vnútri budov a miestností (tzv. indoor navigation). Samotný odhad polohy môže realizovať mobilný terminál, alebo môže byť odhad polohy mobilného terminálu realizovaný sieťou, čo šetrí batériu mobilného terminálu a určenie polohy je presnejšie, nakoľko sa využíva určitý druh laterácie. Dnes si ukážeme jednoduchú implementáciu v prostredí MATLAB, ktorá poukazuje na odhad polohy mobilného terminálu v priestore s meraním na strane siete (viacerými BTS stanicami) s rôznou chybovosťou spôsobenou prechodom signálu cez prekážky, či inou interferenciou bez Line of Sight (priamej viditeľnosti). Požiadavky na implementáciu: 3x BTS stanice, ktoré tvoria ľubovoľný trojholník (vzájomná vzdialenosť medzi BTS minimálne 400 metrov a zároveň menej ako 800 metrov) 1x bod (mobilný terminál) určený ťažnicami trojuholníka v jeho ťažisku...

Hash, alebo hashovacia funkcia je jednocestná funkcia, ktorá vstupnému reťazcu vytvorí výstup s pevnou dĺžkou. Totožné vstupné reťazce majú rovnaký hash. Hash môže slúži ako kontrólna hodnota pri súbore, integrite dát (hashom vieme overiť, že reťazec nebol pozmenený). Pri dátovo objemných reťazcoch môžeme mať daný reťazec uložený iba v podobe hashu.  Dnes budeme riešiť problém týkajúci sa hashovania a percentuálnej zhody hashov. Vytvoríme si tabuľku s vlastným profilom, ktorá bude reprezentovať údaje: Meno - N0 Práca - N1 Adresa DOMA - N2 Adresa PRÁCA - N3 Obchod 1 - N7 Obchod 2 - N5 Číslo autobusovej linky - N6 ID zariadenia - N7 Vyplnený reťazec môže vyzerať v prostredí MATLAB napríklad takto ['DEADAWP','Programátor','SNP','Gorkeho','Obchodný dom Fórum','Obchodné centrum Rača','108','123 456 789'] Obdobne vytvoríme 5 tabuliek pre rovnaké entity pre ďalšie osoby. V každej tabuľke z príslušného stĺpca (reprezentovaná v pol...

Proces vzorkovania signálu má využitie v procese digitalizácie signálu a jeho archivácie. Vzorkovanie je najdôležitejšou časťou digitalizačného procesu, nakoľko od vzorkovania závisí kvalita analógového signálu (audio nahrávky, a pod...). Analógový signál je vzorkovaný vzorkovacou frekvenciou (fvz), ktorá je minimálne 2* vyššia ako maximálna frekvencia signálu (fmax). To zaručuje lepšiu a vernejšiu reprezentáciu signálu v procese kvantovania, kódovania. Obecne platí, čím vyššia je vzorkovacia frekvencia, tým kvalitnejší signál získame. Vyššou vzorkovacou frekvenciou získavame kratšiu periódu vzorkovania (T). Implementáciu vzorkovania signálu som vyhotovil v prostredí MATLAB ako semestrálne zadanie. Opis návrhu a samotné riešenie môže poslúžiť ako odrazový bod pri realizácii podobnej úlohy, zadania. V mojej implementácii som využil následovné vzorkovacie frekvencie pôvodného signálu: fvz = 2*fmax fvz = 3*fmax fvz = 10*fmax MATLAB script obsahuje niekoľko premenných, ktoré ...