استفاده از دستور freqz برای نمایش پاسخ فرکانسی فیلترهای fir و iir👆👆👆👆

طراحی فیلترهای fir در متلب با دستور firgr👇👇👇

همیشه پس از طراحی فیلتر از دستور freqz برای دیدن نتیجه طراحی استفاده کنید تا مطمئن شوید درجه فیلتر مناسب باشد

در اولین سطر با با درجه ۱۰ فیلتر ساخته شده است

شباهتی با فیلتر مطلوب ما ندارد

محور افقی فرکانس نسبی بین صفر تا یک(نصف فرکانس نمونه برداری) است

سه سطر بعدی برای همان فیلتر که با درجه ۱۰۰۰ طراحی شده است

به خواسته ما نزدیک است

برای محور افقی اگر بخواهیم فرکانس هرتز باشد سطر اخر را باید اجرا کنیم

۱۰۰ همان fs/2 است

لبه اول فیلتر که روی ده هرتز است در حالت نرمالیزه شده 0.1 میشود که باید به دستور طراحی فیلتر پرش را نشان داد در اینجا به 0.1 صفر و به 0.11 یک نسبت داده شده است که معنی ان این است ۱۰ هرتز صفر و یازده هرتز یک باشد. میشد بجای 0.11 از 0.101 استفاده کرد که معنی ان این است در فرکانس ده و یک دهم هرتز دامنه فیلتر یک شود که فیلتر خیلی تیز میشود

مطالب filtfilt نگاه شود

🔵 آگهی جذب هیات علمی

گروه فیزیک پزشکی و مهندسی پزشکی دانشگاه علوم پزشکی تهران جهت تکمیل کادر هیات علمی، در قالب طرح تعهد خدمت با شرایط زیر دعوت به همکاری می‌نماید.

✅ دانش آموخته‌ی مقطع دکترای فیزیک پزشکی از یکی دانشگاههای برتر کشور.
✅ دارای مقالات معتبر در زمینه‌ی تصویربرداری پزشکی با محوریت ام‌آر‌آی
✅ گذراندن پایان‌نامه با نمرات عالی در هر دو مقطع کارشناسی ارشد و دکترا با موضوع تصویربرداری ام‌آر‌آی

واجدین شرایط نسبت به ارسال رزومه‌ی خود حداکثر تا تاریخ ۱۴۰۰/۰۷/۱۵ به آدرس ایمیل زیر می‌توانند اقدام نمایند.
تلفن تماس : ۶۶۴۸۲۶۵۴


TUMS.MedicalPhysics@gmail.com

یکی از روشهای کاهش بعد ماتریس ویژگی و پیدا کردن راستاهایی که بیشترین پراکندگی درانها هست روش تحلیل مولفه های اساسی PCA است
این روش در matlab با دستور pcacov هم می تواند انجام شود.

داده ingredients چهار بعدی است که هر مشاهده در یک سطر است و متغیرها ستون هستند. با زدن PCA متوجه میشویم قدرت پراکندگی یا واریانس در بعد چهارم مولفه پی سی ای خیلی کم است(0.2) پس این راستا اطلاعاتی ندارد و قابل حذف است
برای حذف مولفه چهارم ماتریس pc را سه ستون اول را که متناظر با سه واریانس بیشتر است میگیریم و سپس در ماتریس ingredients ضرب میکنیم حالا چهاربعد به سه بعد کاهش میابد که بیشترین پراکندگی را دارند براساس واریانسها 99.96% انرژی در این سه بعد حفظ شده است. اگر راستای اول و دوم را بگیریم 97.88% انرژی اطلاعات را حفظ کرده ایم(یعنی ستونهای اول و دوم ماتریس pc)