PS Moduł 2: Różnice pomiędzy wersjami

← poprzednia edycja następna edycja →

WizualnieWikikod

Wersja z 09:31, 5 wrz 2023

Ujęcie sygnałów w kategoriach przestrzeni funkcyjnych ma wiele zalet, m.in. umożliwia:
- przeniesienie na grunt teorii sygnałów dobrze rozwiniętych metod analizy matematycznej,
- formalne określenie miary odległości sygnałów w danej przestrzeni (analogicznej do odległości euklidesowskiej w zwykłej Parser nie mógł rozpoznać (błąd składni): {\displaystyle n\} , -wymiarowej przestrzeni wektorowej Parser nie mógł rozpoznać (błąd składni): {\displaystyle \Box^n\} , ),
- wyodrębnienie w danej przestrzeni zbioru pewnych standardowych sygnałów spełniających funkcję sygnałów bazowych (analogiczną do tej jaką pełnią wersory osi w przestrzeni Parser nie mógł rozpoznać (błąd składni): {\displaystyle \Box^n\} , ),
- reprezentację sygnału w danej przestrzeni zbiorem współczynników (nieskończonym w przypadku przestrzeni nieskończenie wymiarowych i skończonym w przypadku przestrzeni skończenie wymiarowych) rozkładu tego sygnału na sygnały bazowe (analogiczną do reprezentacji każdego wektora w przestrzeni Parser nie mógł rozpoznać (błąd składni): {\displaystyle \Box^n\} , jako kombinacji liniowej wersorów),
- określenie kąta między sygnałami, w szczególności rozstrzyganie ich ortogonalności (analogicznie jak na podstawie iloczynu skalarnego można wnioskować o prostopadłości wektorów w przestrzeni Parser nie mógł rozpoznać (błąd składni): {\displaystyle \Box^n\} , ).
Korzystanie z analogii między dobrze znaną zwykłą przestrzenią wektorową Parser nie mógł rozpoznać (błąd składni): {\displaystyle \Box^n\} , (aczkolwiek jest to skończenie wymiarowa przestrzeń Hilberta) a przestrzeniami sygnałowymi Hilberta (które najczęściej, choć nie zawsze, są przestrzeniami nieskończenie wymiarowymi) znakomicie ułatwia zrozumienie pojęć tej części wykładu. Z uwagi na tę analogię metody analizy i syntezy sygnałów oparte na ich reprezentacjach w przestrzeniach Hilberta noszą nazwę metod geometrycznych.

Ponieważ baza przestrzeni (2.1) zawiera tylko dwa elementy, zatem przestrzeń ta jest dwuwymiarowa.
W przypadku przestrzeni Parser nie mógł rozpoznać (błąd składni): {\displaystyle {L^2}_{T_0}\} , baza składa się z nieskończonej (przeliczalnej) liczby elementów. Jest to zatem przestrzeń nieskończenie wymiarowa.

W systemie czterowartościowej modulacji cyfrowej QPSK informacja jest transmitowana w postaci ciągu prostokątnych impulsów radiowych o jednakowym czasie trwania Parser nie mógł rozpoznać (błąd składni): {\displaystyle T\} , , jednakowej częstotliwości Parser nie mógł rozpoznać (błąd składni): {\displaystyle f_0=1/T\} , i amplitudzie Parser nie mógł rozpoznać (błąd składni): {\displaystyle A\} , oraz różnych losowych fazach. W każdym przedziale czasu o długości Parser nie mógł rozpoznać (błąd składni): {\displaystyle T\} , transmitowany jest jeden z impulsów Parser nie mógł rozpoznać (błąd składni): {\displaystyle s_1(t),\, s_2(t),\, s_3(t),\} , lub Parser nie mógł rozpoznać (błąd składni): {\displaystyle s_4(t)\} , .
Informacja jest zakodowana w fazie, przy czym cztery możliwe wartości fazy odpowiadają transmitowanym dwubitom: „10”, „00”, „01” oraz „11”. Z reguły Parser nie mógł rozpoznać (błąd składni): {\displaystyle T_0\, \Box\, T\} , , a ponadto Parser nie mógł rozpoznać (błąd składni): {\displaystyle T/T_0\} , jest liczbą całkowitą, tzn. na przedział Parser nie mógł rozpoznać (błąd składni): {\displaystyle T\} , przypada całkowita liczba okresów fali harmonicznej.

Korzystając z elementarnych tożsamości trygonometrycznych sygnały QPSK można doprowadzić do postaci (2.1). Otrzymane współczynniki Parser nie mógł rozpoznać (błąd składni): {\displaystyle a\} , i Parser nie mógł rozpoznać (błąd składni): {\displaystyle b\} , przy składowych bazowych Parser nie mógł rozpoznać (błąd składni): {\displaystyle cos\, 2\pi f_0 t\} , i Parser nie mógł rozpoznać (błąd składni): {\displaystyle sin\, 2\pi f_0 t\} , są zarazem współrzędnymi wektorów reprezentujących sygnały QPSK.

Pojęcie przestrzeni metrycznej jest podstawowym pojęciem analizy funkcjonalnej.
W danym zbiorze można określić więcej niż jedną metrykę. Ten sam zbiór z dwiema różnymi metrykami stanowi dwie różne przestrzenie metryczne.
Dla prostoty zapisu w definicjach metryk przestrzeni Parser nie mógł rozpoznać (błąd składni): {\displaystyle L^2(0,\, T)\} , i Parser nie mógł rozpoznać (błąd składni): {\displaystyle {L^2}_{T_0}\} , opuszczony został argument Parser nie mógł rozpoznać (błąd składni): {\displaystyle t\} , w zapisach sygnałów.
Analogicznie można zdefiniować przestrzenie metryczne Parser nie mógł rozpoznać (błąd składni): {\displaystyle L^2(0,\, \infty)\} , oraz Parser nie mógł rozpoznać (błąd składni): {\displaystyle L^2(-\infty,\, \infty)\} , sygnałów o ograniczonej energii określonych w przedziale Parser nie mógł rozpoznać (błąd składni): {\displaystyle [0,\, \infty)\} , i odpowiednio Parser nie mógł rozpoznać (błąd składni): {\displaystyle (-\infty,\, \infty)\} , , zmieniając w definicji metryki granice całkowania.

Metryka opisuje właściwości geometryczne zbioru Parser nie mógł rozpoznać (błąd składni): {\displaystyle X\} , . W przestrzeni liniowej są natomiast określone dodatkowo operacje na jej elementach, a przez to konkretna struktura algebraiczna.
W zastosowaniach teorii sygnałów ciałem Parser nie mógł rozpoznać (błąd składni): {\displaystyle F\} , jest zwykle albo zbiór liczb rzeczywistych Parser nie mógł rozpoznać (błąd składni): {\displaystyle \Box\} , albo zespolonych Parser nie mógł rozpoznać (błąd składni): {\displaystyle \Box\} , (zakładamy tu, że pojęcie ciała jest znane).
W zapisie aksjomatów 1-6 pomijany jest dla prostoty znak operacji mnożenia Parser nie mógł rozpoznać (błąd składni): {\displaystyle "\cdot"\} ,.
Z aksjomatów przestrzeni liniowej wynikają następujące oczywiste właściwości:
- $x + \emptyset = x$ ,
- istnieje jedyny element $- x ϵ X$ , taki że $x + (- x) = \emptyset$ ,
- jeśli $α x = \emptyset$ i $x \neq \emptyset$ , to $α = 0$ .

W przestrzeni Parser nie mógł rozpoznać (błąd składni): {\displaystyle \Box^n\} , norma Parser nie mógł rozpoznać (błąd składni): {\displaystyle ||x||\} , wektora Parser nie mógł rozpoznać (błąd składni): {\displaystyle x\} , jest zarazem jego długością. Z tego względu w odniesieniu do przestrzeni sygnałowych norma sygnału jest nazywana niekiedy jego „długością”.
Dwa elementy Parser nie mógł rozpoznać (błąd składni): {\displaystyle x,\, y\} , przestrzeni liniowej unormowanej są równe wtedy i tylko wtedy, kiedy $| | x - y) | | = 0$ , tj. kiedy element różnicowy jest elementem zerowym. Mówimy wówczas o równości elementów sensie normy.
Przestrzeń metryczną Parser nie mógł rozpoznać (błąd składni): {\displaystyle (X,\, \rho)\} , nazywamy przestrzenią zupełną, jeśli każdy ciąg Cauchy’ego (por. [1], def. 2.12) jej elementów jest zbieżny w sensie metryki do pewnej granicy i granica ta jest elementem przestrzeni.

Definiując iloczyn skalarny przyjęliśmy od razu, że przestrzeń liniowa może być zespolona. Dlatego w aksjomacie 1 występuje symbol sprzężenia Parser nie mógł rozpoznać (błąd składni): {\displaystyle "\, *\,"\} ,.
W przestrzeni Banacha określona jest odległość między jej elementami. W przestrzeni Hilberta jest natomiast określony dodatkowo „kąt” między nimi.
Określenie iloczynu skalarnego w danej przestrzeni umożliwia wprowadzenie bardzo ważnego pojęcia ortogonalności sygnałów (odpowiednika prostopadłości wektorów w przestrzeni ). Dla ortogonalnych sygnałów spełniona jest (uogólniona) równość Pitagorasa: $| | x + y) | |^{2} = | | x | |^{2} + | | y | |^{2}$

Przestrzeniami Hilberta są także przestrzenie Parser nie mógł rozpoznać (błąd składni): {\displaystyle L^2(0,\, \infty)\} , oraz Parser nie mógł rozpoznać (błąd składni): {\displaystyle L^2(-\infty,\, \infty)\} , .
W przestrzeni sygnałów nieokresowych o ograniczonej mocy nie można w ogólnym przypadku wprowadzić iloczynu skalarnego. Dla przestrzeni tej można natomiast zdefiniować pseudoiloczyn skalarny o zbliżonych właściwościach formalnych.
Przestrzeniami Hilberta są oczywiście również zbiory wszystkich sygnałów dyskretnych o ograniczonej energii określonych dla Parser nie mógł rozpoznać (błąd składni): {\displaystyle n\epsilon\Box\} , oraz dla Parser nie mógł rozpoznać (błąd składni): {\displaystyle n\epsilon [n_1,\, n_2]\} , . W tym ostatnim przypadku przestrzeń jest tożsama ze zwykłą przestrzenią wektorową o wymiarze Parser nie mógł rozpoznać (błąd składni): {\displaystyle n_2-n_1+1\} , .

Baza ${x_{k} : k ϵ K}$ danej przestrzeni może być skończona, gdy zbiór indeksów Parser nie mógł rozpoznać (błąd składni): {\displaystyle K\} , jest skończony, lub nieskończona, gdy zbiór Parser nie mógł rozpoznać (błąd składni): {\displaystyle K\} , jest przeliczalny (z reguły równy $◻ \cup {0}$ lub Parser nie mógł rozpoznać (błąd składni): {\displaystyle \Box\} , )
Przestrzeń rozpięta na bazie danej przestrzeni może być identyczna z tą przestrzenią lub być jej podprzestrzenią.
Nie w każdej przestrzeni Hilberta istnieje baza ortogonalna. Przestrzeń Hilberta, w której można wyróżnić taką bazę nosi nazwę ośrodkowej przestrzeni Hilberta. W ogólnym przypadku w danej przestrzeni Hilberta może istnieć więcej niż jedna baza ortogonalna.
Sygnały ortonormalne są wiernym odpowiednikiem wersorów w zwykłej przestrzeni wektorowej.
Każdą bazę przestrzeni Hilberta (a więc zbiór elementów liniowo niezależnych) można zortogonalizować i unormować stosując znaną w literaturze procedurę ortonormalizacji Grama-Schmidta.

Wzór (2.9) opisuje rozwinięcie sygnału Parser nie mógł rozpoznać (błąd składni): {\displaystyle x\} , w uogólniony szereg Fouriera określony w danej ośrodkowej przestrzeni Hilberta względem bazy ortonormalnej ${x_{k} : k ϵ K}$ , zaś zbiór ${a_{k} : k ϵ K}$ współczynników tego rozwinięcia stanowi jednoznaczną reprezentację tego sygnału określoną względem tej bazy.
Wzór (2.10) na współczynniki szeregu (2.9) można otrzymać obliczając iloczyny skalarne tego szeregu z sygnałami bazowymi Parser nie mógł rozpoznać (błąd składni): {\displaystyle x_k\} , i uwzględniając przy tym ich ortogonalność:

$(x, x_{k}) = (\sum_{l ϵ K} α_{l} x_{l}, x_{k}) = \sum_{l ϵ K} α_{l} (x_{l}, x_{k}) = {\begin{cases} 0 & d l a l \neq k \\ α_{k} & d l a l = k \end{cases}$

Podkreślmy, że dobrze znane trygonometryczne szeregi Fouriera: rzeczywisty i zespolony są przypadkami szczególnymi szeregu uogólnionego (2.9). Na zakończenie tego wykładu zostaną podane przykłady innych uogólnionych szeregów Fouriera.

W niektórych przypadkach rozwinięcie (2.11) w uogólniony szereg Fouriera względem bazy ortogonalnej ma prostszą postać niż rozwinięcie (2.9) względem odpowiadającej jej bazy ortonormalnej.
Odwzorowanie Parser nie mógł rozpoznać (błąd składni): {\displaystyle \chi :\, X\to l^2\} , jest liniowe, a ponadto zachowuje normę, tzn. odpowiednie normy w przestrzeniach Parser nie mógł rozpoznać (błąd składni): {\displaystyle X\} , i Parser nie mógł rozpoznać (błąd składni): {\displaystyle l^2\} , są sobie równe. O odwzorowaniu takim mówimy , że jest izometryczne. Odwzorowanie to zachowuje także iloczyn skalarny.

W praktyce zachodzi konieczność ograniczenia reprezentacji danego sygnału do skończonej sumy Parser nie mógł rozpoznać (błąd składni): {\displaystyle N\} , początkowych wyrazów uogólnionego szeregu Fouriera. Suma (2.12) przybliża wówczas sygnał jedynie z pewną dokładnością.
Błąd przybliżenia jest różnicą sygnału Parser nie mógł rozpoznać (błąd składni): {\displaystyle x\} , i szeregu aproksy¬mującego (2.12), zaś za miarę tego błędu przyjmujemy normę sygnału błędu w danej przestrzeni. Miara ta jest najmniejsza ze względu na dobór współczynników sumy (2.12). Oznacza to, że wybór jakichkolwiek innych współczynników Parser nie mógł rozpoznać (błąd składni): {\displaystyle \beta_k\} , różnych od współczynników Fouriera Parser nie mógł rozpoznać (błąd składni): {\displaystyle \alpha_k\} , określonych wzorem (2.10) prowadzi do zwiększenia miary błędu. Można pokazać, że miarę tę da się wyrazić przez normę sygnału i pierwsze Parser nie mógł rozpoznać (błąd składni): {\displaystyle N\} , współczynniki Fouriera.
Twierdzenie Parsevala (2.14) orzeka, że normę sygnału można wyrazić przez współczynniki jego rozwinięcia w uogólniony szereg Fouriera. Z połączenia wzorów (2.13) i (2.14) wynika, że miara błędu aproksymacji jest określona przez współczynniki Fouriera nie uwzględnione w szeregu aproksymującym.

Na wyjściach integratorów układu z rys. 2.1 otrzymujemy w chwili Parser nie mógł rozpoznać (błąd składni): {\displaystyle T\} , sygnały o wartościach równych współczynnikom Fouriera Parser nie mógł rozpoznać (błąd składni): {\displaystyle \alpha_k\} , . W praktyce możemy oczywiście zastosować skończoną liczbę generatorów sygnałów bazowych, zatem układ realizuje w istocie rzeczy optymalną aproksymację sygnału Parser nie mógł rozpoznać (błąd składni): {\displaystyle x(t)\} , skończonym ortonormalnym szeregiem Fouriera.

Układowe wyznaczanie iloczynów skalarnych sygnału Parser nie mógł rozpoznać (błąd składni): {\displaystyle x(t)\} , z funkcjami Haara jest szczególnie proste. Mnożenie można zrealizować za pomocą układów kluczujących, zmieniając polaryzację sygnałów w odpowiednich chwilach.

Zwróćmy uwagę, że poszczególne funkcje Haara są wykreślone w tej samej skali czasu, ale w różnych skalach amplitudy.
Dokonując odpowiedniej transformacji skali czasu i skali amplitud, możemy określić bazę ortonormalną funkcji Haara w dowolnym skończonym przedziale czasu.

Funkcje Walsha są funkcjami binarnymi przybierającymi dwie wartości Parser nie mógł rozpoznać (błąd składni): {\displaystyle +1\} , lub Parser nie mógł rozpoznać (błąd składni): {\displaystyle -1\} , .

Definicja funkcji Walsha jest dość skomplikowana. Jednak sposób ich tworzenia będzie dobrze widoczny na wykresach tych funkcji.

Podobnie jak funkcje Haara funkcje Walsha można uporządkować według jednego wskaźnika Parser nie mógł rozpoznać (błąd składni): {\displaystyle k\} , , definiując: $W_{0} (t) = x_{0} (t)$ , $W_{1} (t) = x_{1} (t)$ , $W_{k} (t) = {x^{i}}_{m} (t)$ dla Parser nie mógł rozpoznać (błąd składni): {\displaystyle k=2,3,...\} , , gdzie Parser nie mógł rozpoznać (błąd składni): {\displaystyle k=2^{m-1}+i-1\} , oraz Parser nie mógł rozpoznać (błąd składni): {\displaystyle i=1,...,2^{m-1}\} , .
Przy takiej numeracji numer Parser nie mógł rozpoznać (błąd składni): {\displaystyle k\} , funkcji Walsha Parser nie mógł rozpoznać (błąd składni): {\displaystyle W_k(t)\} , jest równy liczbie jej przejść przez zero.
Funkcje o numerach Parser nie mógł rozpoznać (błąd składni): {\displaystyle 2^k-1\} , , Parser nie mógł rozpoznać (błąd składni): {\displaystyle k=1,2,...\} , są odcinkami zwykłych okresowych bipolarnych fal prostokątnych.

Widzimy, że w miarę zwiększania liczby znaczących wyrazów szeregu Walsha sygnał aproksymujący coraz bardziej zbliża się kształtem do impulsu trójkątnego. Dodanie następnych wyrazów niezerowych jeszcze bardziej zwiększy dokładność aproksymacji.
Gdyby jako miarę błędu przyjąć nie normę sygnału błędu, lecz jego energię (kwadrat normy), błąd względny aproksymacji dla Parser nie mógł rozpoznać (błąd składni): {\displaystyle k=6\} , wyniósłby Parser nie mógł rozpoznać (błąd składni): {\displaystyle 1,56\%\} ,.

Rozwinięcie sygnału $x (t) ϵ {L^{2}}_{T_{0}}$ w trygonometryczny rzeczywisty lub zespolony szereg Fouriera względem baz ortogonalnych prowadzi do nieco prostszych zapisów tych szeregów, niż w przypadku ich rozwijania względem baz ortonormalnych. Dlatego z reguły korzysta się z tych drugich postaci szeregów Fouriera. Podkreślmy, że postacie te (przy oznaczeniu $ω_{0} = 2 π / T_{0}$ ) były już cytowane na wykładzie 1 przy okazji omawiania przykładów różnych rodzajów reprezentacji sygnałów.
Miedzy współczynnikami rzeczywistego i zespolonego szeregu Fouriera zachodzą związki:

X_{0} = a_{0}

,

X_{k} = \frac{a_{k} + j b_{k}}{2}

oraz związki odwrotne:

$a_{0} = X_{0}, a_{k} = X_{k} + X_{- k}, b_{k} = j (X_{k} - X_{- k})$

Umożliwiają one przejście z jednej postaci szeregu na drugą.

Podprzestrzeń ${x (t) ϵ L^{2} (- \infty, \infty) : X (ω) \equiv 0 d l a | ω | \leq ω_{m}}$ , gdzie Parser nie mógł rozpoznać (błąd składni): {\displaystyle X(\omega)\} , oznacza widmo sygnału, nosi nazwę przestrzeni sygnałów o ograniczonym paśmie.
Ortonormalną bazę w tej przestrzeni tworzy ciąg kopii sygnału Parser nie mógł rozpoznać (błąd składni): {\displaystyle Sa\} , o jednostkowej energii, poprzesuwanych w czasie o odcinek Parser nie mógł rozpoznać (błąd składni): {\displaystyle T_s=\pi/{\omega_m}\} , .
Z szeregu Kotielnikowa-Shannona wynika, że reprezentację sygnału analogowego Parser nie mógł rozpoznać (błąd składni): {\displaystyle x(t)\} , o ograniczonym paśmie stanowi zbiór jego próbek pobieranych z okresem $T_{s} = π / ω_{m}$ . Szereg ten odgrywa zasadniczą rolę w zagadnieniu próbkowania sygnałów.

@@ Linia 4: / Linia 4: @@
 *Ujęcie sygnałów w kategoriach przestrzeni funkcyjnych ma wiele zalet, m.in. umożliwia:
 **przeniesienie na grunt teorii sygnałów dobrze rozwiniętych metod analizy matematycznej,
-**formalne określenie miary odległości sygnałów w danej przestrzeni (analogicznej do odległości euklidesowskiej w zwykłej <math>n\,</math> -wymiarowej przestrzeni wektorowej <math>\Box^n\,</math> ),
+**formalne określenie miary odległości sygnałów w danej przestrzeni (analogicznej do odległości euklidesowskiej w zwykłej <math>n\</math>, -wymiarowej przestrzeni wektorowej <math>\Box^n\</math>, ),
-**wyodrębnienie w danej przestrzeni zbioru pewnych standardowych sygnałów spełniających funkcję ''sygnałów bazowych'' (analogiczną do tej jaką pełnią wersory osi w przestrzeni <math>\Box^n\,</math> ),
+**wyodrębnienie w danej przestrzeni zbioru pewnych standardowych sygnałów spełniających funkcję ''sygnałów bazowych'' (analogiczną do tej jaką pełnią wersory osi w przestrzeni <math>\Box^n\</math>, ),
-**reprezentację sygnału w danej przestrzeni zbiorem współczynników (nieskończonym w przypadku przestrzeni ''nieskończenie wymiarowych'' i skończonym w przypadku ''przestrzeni skończenie wymiarowych'') rozkładu tego sygnału na sygnały bazowe (analogiczną do reprezentacji każdego wektora w przestrzeni <math>\Box^n\,</math> jako kombinacji liniowej wersorów),
+**reprezentację sygnału w danej przestrzeni zbiorem współczynników (nieskończonym w przypadku przestrzeni ''nieskończenie wymiarowych'' i skończonym w przypadku ''przestrzeni skończenie wymiarowych'') rozkładu tego sygnału na sygnały bazowe (analogiczną do reprezentacji każdego wektora w przestrzeni <math>\Box^n\</math>, jako kombinacji liniowej wersorów),
-**określenie kąta między sygnałami, w szczególności rozstrzyganie ich ortogonalności (analogicznie jak na podstawie iloczynu skalarnego można wnioskować o prostopadłości wektorów w przestrzeni <math>\Box^n\,</math> ).
+**określenie kąta między sygnałami, w szczególności rozstrzyganie ich ortogonalności (analogicznie jak na podstawie iloczynu skalarnego można wnioskować o prostopadłości wektorów w przestrzeni <math>\Box^n\</math>, ).
-*Korzystanie z analogii między dobrze znaną zwykłą przestrzenią wektorową  <math>\Box^n\,</math> (aczkolwiek jest to skończenie wymiarowa przestrzeń Hilberta) a przestrzeniami sygnałowymi Hilberta (które najczęściej, choć nie zawsze, są przestrzeniami nieskończenie wymiarowymi) znakomicie ułatwia zrozumienie pojęć tej części wykładu. Z uwagi na tę analogię metody analizy i syntezy sygnałów oparte na ich reprezentacjach w przestrzeniach Hilberta noszą nazwę ''metod geometrycznych''.
+*Korzystanie z analogii między dobrze znaną zwykłą przestrzenią wektorową  <math>\Box^n\</math>, (aczkolwiek jest to skończenie wymiarowa przestrzeń Hilberta) a przestrzeniami sygnałowymi Hilberta (które najczęściej, choć nie zawsze, są przestrzeniami nieskończenie wymiarowymi) znakomicie ułatwia zrozumienie pojęć tej części wykładu. Z uwagi na tę analogię metody analizy i syntezy sygnałów oparte na ich reprezentacjach w przestrzeniach Hilberta noszą nazwę ''metod geometrycznych''.
@@ Linia 20: / Linia 20: @@
 |valign="top"|
 *Ponieważ baza przestrzeni (2.1) zawiera tylko dwa elementy, zatem przestrzeń ta jest dwuwymiarowa.
-*W przypadku przestrzeni <math>{L^2}_{T_0}\,</math>  baza składa się z nieskończonej (przeliczalnej) liczby elementów. Jest to zatem przestrzeń nieskończenie wymiarowa.
+*W przypadku przestrzeni <math>{L^2}_{T_0}\</math>,  baza składa się z nieskończonej (przeliczalnej) liczby elementów. Jest to zatem przestrzeń nieskończenie wymiarowa.
 |}
@@ Linia 29: / Linia 29: @@
 |width="500px" valign="top"|[[Grafika:PS_M2_Slajd3.png|thumb|500px]]
 |valign="top"|
-*W systemie czterowartościowej modulacji cyfrowej QPSK informacja jest transmitowana w postaci ciągu prostokątnych impulsów radiowych o jednakowym czasie trwania <math>T\,</math>  , jednakowej częstotliwości <math>f_0=1/T\,</math>  i amplitudzie <math>A\,</math>  oraz różnych losowych fazach. W każdym przedziale czasu o długości <math>T\,</math>  transmitowany jest jeden z impulsów <math>s_1(t),\, s_2(t),\, s_3(t),\,</math>  lub <math>s_4(t)\,</math> .
+*W systemie czterowartościowej modulacji cyfrowej QPSK informacja jest transmitowana w postaci ciągu prostokątnych impulsów radiowych o jednakowym czasie trwania <math>T\</math>,  , jednakowej częstotliwości <math>f_0=1/T\</math>,  i amplitudzie <math>A\</math>,  oraz różnych losowych fazach. W każdym przedziale czasu o długości <math>T\</math>,  transmitowany jest jeden z impulsów <math>s_1(t),\, s_2(t),\, s_3(t),\</math>,  lub <math>s_4(t)\</math>, .
-*Informacja jest zakodowana w fazie, przy czym cztery możliwe wartości fazy odpowiadają transmitowanym dwubitom: „10”, „00”, „01” oraz „11”. Z reguły <math>T_0\, \Box\, T\,</math> , a ponadto <math>T/T_0\,</math>  jest liczbą całkowitą, tzn. na przedział  <math>T\,</math>  przypada całkowita liczba okresów fali harmonicznej.
+*Informacja jest zakodowana w fazie, przy czym cztery możliwe wartości fazy odpowiadają transmitowanym dwubitom: „10”, „00”, „01” oraz „11”. Z reguły <math>T_0\, \Box\, T\</math>, , a ponadto <math>T/T_0\</math>,  jest liczbą całkowitą, tzn. na przedział  <math>T\</math>,  przypada całkowita liczba okresów fali harmonicznej.
 |}
@@ Linia 39: / Linia 39: @@
 |width="500px" valign="top"|[[Grafika:PS_M2_Slajd4.png|thumb|500px]]
 |valign="top"|
-*Korzystając z elementarnych tożsamości trygonometrycznych sygnały QPSK można doprowadzić do postaci (2.1). Otrzymane współczynniki <math>a\,</math>  i <math>b\,</math>  przy składowych bazowych  <math>cos\, 2\pi f_0 t\,</math>  i <math>sin\, 2\pi f_0 t\,</math>   są zarazem współrzędnymi wektorów reprezentujących sygnały QPSK.
+*Korzystając z elementarnych tożsamości trygonometrycznych sygnały QPSK można doprowadzić do postaci (2.1). Otrzymane współczynniki <math>a\</math>,  i <math>b\</math>,  przy składowych bazowych  <math>cos\, 2\pi f_0 t\</math>,  i <math>sin\, 2\pi f_0 t\</math>,   są zarazem współrzędnymi wektorów reprezentujących sygnały QPSK.
 |}
@@ Linia 50: / Linia 50: @@
 *Pojęcie przestrzeni metrycznej jest podstawowym pojęciem analizy funkcjonalnej.
 *W danym zbiorze można określić więcej niż jedną metrykę. Ten sam zbiór z dwiema różnymi metrykami stanowi dwie różne przestrzenie metryczne.
-*Dla prostoty zapisu w definicjach metryk przestrzeni <math>L^2(0,\, T)\,</math> i <math>{L^2}_{T_0}\,</math>  opuszczony został argument  <math>t\,</math>   w zapisach sygnałów.
+*Dla prostoty zapisu w definicjach metryk przestrzeni <math>L^2(0,\, T)\</math>, i <math>{L^2}_{T_0}\</math>,  opuszczony został argument  <math>t\</math>,   w zapisach sygnałów.
-*Analogicznie można zdefiniować przestrzenie metryczne <math>L^2(0,\, \infty)\,</math>  oraz  <math>L^2(-\infty,\, \infty)\,</math> sygnałów o ograniczonej energii określonych w przedziale  <math>[0,\, \infty)\,</math>  i odpowiednio  <math>(-\infty,\, \infty)\,</math> , zmieniając w definicji metryki granice całkowania.
+*Analogicznie można zdefiniować przestrzenie metryczne <math>L^2(0,\, \infty)\</math>,  oraz  <math>L^2(-\infty,\, \infty)\</math>, sygnałów o ograniczonej energii określonych w przedziale  <math>[0,\, \infty)\</math>,  i odpowiednio  <math>(-\infty,\, \infty)\</math>, , zmieniając w definicji metryki granice całkowania.
 |}
@@ Linia 60: / Linia 60: @@
 |width="500px" valign="top"|[[Grafika:PS_M2_Slajd6.png|thumb|500px]]
 |valign="top"|
-*Metryka opisuje właściwości geometryczne zbioru <math>X\,</math>  . W przestrzeni liniowej są natomiast określone dodatkowo operacje na jej elementach, a przez to konkretna struktura algebraiczna.
+*Metryka opisuje właściwości geometryczne zbioru <math>X\</math>,  . W przestrzeni liniowej są natomiast określone dodatkowo operacje na jej elementach, a przez to konkretna struktura algebraiczna.
-*W zastosowaniach teorii sygnałów ciałem <math>F\,</math>   jest zwykle albo zbiór liczb rzeczywistych <math>\Box\,</math>   albo zespolonych  <math>\Box\,</math>  (zakładamy tu, że pojęcie ciała jest znane).
+*W zastosowaniach teorii sygnałów ciałem <math>F\</math>,   jest zwykle albo zbiór liczb rzeczywistych <math>\Box\</math>,   albo zespolonych  <math>\Box\</math>,  (zakładamy tu, że pojęcie ciała jest znane).
-*W zapisie aksjomatów 1-6 pomijany jest dla prostoty znak operacji mnożenia <math>"\cdot"\,</math>.
+*W zapisie aksjomatów 1-6 pomijany jest dla prostoty znak operacji mnożenia <math>"\cdot"\</math>,.
 *Z aksjomatów przestrzeni liniowej wynikają następujące oczywiste właściwości:
 **<math>x+\varnothing=x</math> ,
@@ Linia 75: / Linia 75: @@
 |width="500px" valign="top"|[[Grafika:PS_M2_Slajd7.png|thumb|500px]]
 |valign="top"|
-*W przestrzeni <math>\Box^n\,</math>  norma <math>||x||\,</math>  wektora  <math>x\,</math>  jest zarazem jego długością. Z tego względu w odniesieniu do przestrzeni sygnałowych norma sygnału jest nazywana niekiedy jego „długością”.
+*W przestrzeni <math>\Box^n\</math>,  norma <math>||x||\</math>,  wektora  <math>x\</math>,  jest zarazem jego długością. Z tego względu w odniesieniu do przestrzeni sygnałowych norma sygnału jest nazywana niekiedy jego „długością”.
-*Dwa elementy <math>x,\, y\,</math>  przestrzeni liniowej unormowanej są równe wtedy i tylko wtedy, kiedy  <math>||x-y)||=0</math> , tj. kiedy element różnicowy jest elementem zerowym. Mówimy wówczas o równości elementów sensie normy.
+*Dwa elementy <math>x,\, y\</math>,  przestrzeni liniowej unormowanej są równe wtedy i tylko wtedy, kiedy  <math>||x-y)||=0</math> , tj. kiedy element różnicowy jest elementem zerowym. Mówimy wówczas o równości elementów sensie normy.
-*Przestrzeń metryczną <math>(X,\, \rho)\,</math>   nazywamy przestrzenią zupełną, jeśli każdy ciąg Cauchy’ego (por. [1], def. 2.12) jej elementów jest zbieżny w sensie metryki do pewnej granicy i granica ta jest elementem przestrzeni.
+*Przestrzeń metryczną <math>(X,\, \rho)\</math>,   nazywamy przestrzenią zupełną, jeśli każdy ciąg Cauchy’ego (por. [1], def. 2.12) jej elementów jest zbieżny w sensie metryki do pewnej granicy i granica ta jest elementem przestrzeni.
 |}
@@ Linia 86: / Linia 86: @@
 |width="500px" valign="top"|[[Grafika:PS_M2_Slajd8.png|thumb|500px]]
 |valign="top"|
-*Definiując iloczyn skalarny przyjęliśmy od razu, że przestrzeń liniowa może być zespolona. Dlatego w aksjomacie 1 występuje symbol sprzężenia  <math>"\, *\,"\,</math>.
+*Definiując iloczyn skalarny przyjęliśmy od razu, że przestrzeń liniowa może być zespolona. Dlatego w aksjomacie 1 występuje symbol sprzężenia  <math>"\, *\,"\</math>,.
 *W przestrzeni Banacha określona jest odległość między jej elementami. W przestrzeni Hilberta jest natomiast określony dodatkowo „kąt” między nimi.
 *Określenie iloczynu skalarnego w danej przestrzeni umożliwia wprowadzenie bardzo ważnego pojęcia ortogonalności sygnałów (odpowiednika prostopadłości wektorów w przestrzeni  ). Dla ortogonalnych sygnałów   spełniona jest (uogólniona) równość Pitagorasa:  <math>||x+y)||^2=||x||^2+||y||^2</math>
@@ Linia 97: / Linia 97: @@
 |width="500px" valign="top"|[[Grafika:PS_M2_Slajd9.png|thumb|500px]]
 |valign="top"|
-*Przestrzeniami Hilberta są także przestrzenie <math>L^2(0,\, \infty)\,</math>  oraz <math>L^2(-\infty,\, \infty)\,</math>  .
+*Przestrzeniami Hilberta są także przestrzenie <math>L^2(0,\, \infty)\</math>,  oraz <math>L^2(-\infty,\, \infty)\</math>,  .
 *W przestrzeni sygnałów nieokresowych o ograniczonej mocy nie można w ogólnym przypadku wprowadzić iloczynu skalarnego. Dla przestrzeni tej można natomiast zdefiniować pseudoiloczyn skalarny o zbliżonych właściwościach formalnych.
-*Przestrzeniami Hilberta są oczywiście również zbiory wszystkich sygnałów dyskretnych o ograniczonej energii określonych dla <math>n\epsilon\Box\,</math>  oraz dla <math>n\epsilon [n_1,\, n_2]\,</math> . W tym ostatnim przypadku przestrzeń jest tożsama ze zwykłą przestrzenią wektorową o wymiarze <math>n_2-n_1+1\,</math> .
+*Przestrzeniami Hilberta są oczywiście również zbiory wszystkich sygnałów dyskretnych o ograniczonej energii określonych dla <math>n\epsilon\Box\</math>,  oraz dla <math>n\epsilon [n_1,\, n_2]\</math>, . W tym ostatnim przypadku przestrzeń jest tożsama ze zwykłą przestrzenią wektorową o wymiarze <math>n_2-n_1+1\</math>, .
 |}
@@ Linia 108: / Linia 108: @@
 |width="500px" valign="top"|[[Grafika:PS_M2_Slajd10.png|thumb|500px]]
 |valign="top"|
-*Baza <math>\left \{x_k :\, k\epsilon K\right \}</math>  danej przestrzeni może być skończona, gdy zbiór  indeksów <math>K\,</math>  jest skończony, lub nieskończona, gdy zbiór <math>K\,</math>  jest przeliczalny (z reguły równy  <math>\Box\cup\left \{0\right \}</math> lub <math>\Box\,</math> )
+*Baza <math>\left \{x_k :\, k\epsilon K\right \}</math>  danej przestrzeni może być skończona, gdy zbiór  indeksów <math>K\</math>,  jest skończony, lub nieskończona, gdy zbiór <math>K\</math>,  jest przeliczalny (z reguły równy  <math>\Box\cup\left \{0\right \}</math> lub <math>\Box\</math>, )
 *Przestrzeń rozpięta na bazie danej przestrzeni może być identyczna z tą przestrzenią lub być jej podprzestrzenią.
 *Nie w każdej przestrzeni Hilberta istnieje baza ortogonalna. Przestrzeń Hilberta, w której można wyróżnić taką bazę nosi nazwę ''ośrodkowej przestrzeni'' Hilberta.  W ogólnym przypadku w danej przestrzeni Hilberta może istnieć więcej niż jedna baza ortogonalna.
@@ Linia 121: / Linia 121: @@
 |width="500px" valign="top"|[[Grafika:PS_M2_Slajd11.png|thumb|500px]]
 |valign="top"|
-*Wzór (2.9) opisuje rozwinięcie sygnału <math>x\,</math>  w uogólniony szereg Fouriera określony w danej ośrodkowej przestrzeni Hilberta względem bazy ortonormalnej <math>\left \{x_k :\, k\epsilon K\right \}</math> , zaś zbiór <math>\left \{a_k :\, k\epsilon K\right \}</math>  współczynników tego rozwinięcia stanowi jednoznaczną reprezentację tego sygnału określoną względem tej bazy.
+*Wzór (2.9) opisuje rozwinięcie sygnału <math>x\</math>,  w uogólniony szereg Fouriera określony w danej ośrodkowej przestrzeni Hilberta względem bazy ortonormalnej <math>\left \{x_k :\, k\epsilon K\right \}</math> , zaś zbiór <math>\left \{a_k :\, k\epsilon K\right \}</math>  współczynników tego rozwinięcia stanowi jednoznaczną reprezentację tego sygnału określoną względem tej bazy.
-*Wzór (2.10) na współczynniki szeregu (2.9) można otrzymać obliczając iloczyny skalarne tego szeregu z sygnałami bazowymi <math>x_k\,</math>  i uwzględniając przy tym ich ortogonalność:
+*Wzór (2.10) na współczynniki szeregu (2.9) można otrzymać obliczając iloczyny skalarne tego szeregu z sygnałami bazowymi <math>x_k\</math>,  i uwzględniając przy tym ich ortogonalność:
 <math>(x, x_k)=\left(\sum_{l\epsilon K} \alpha_l x_l, x_k \right)=\sum_{l\epsilon K} \alpha_l( x_l, x_k)= \begin{cases}0 & dla\, l\neq k \\ \alpha_k & dla\, l=k \end{cases}</math>
@@ Linia 136: / Linia 136: @@
 |valign="top"|
 *W niektórych przypadkach rozwinięcie (2.11) w uogólniony szereg Fouriera względem bazy ortogonalnej ma prostszą postać niż rozwinięcie (2.9) względem odpowiadającej jej bazy ortonormalnej.
-*Odwzorowanie  <math>\chi :\, X\to l^2\,</math> jest liniowe, a ponadto zachowuje normę, tzn. odpowiednie normy w przestrzeniach <math>X\,</math>  i <math>l^2\,</math>  są sobie równe. O odwzorowaniu takim mówimy , że jest izometryczne. Odwzorowanie to zachowuje  także iloczyn skalarny.
+*Odwzorowanie  <math>\chi :\, X\to l^2\</math>, jest liniowe, a ponadto zachowuje normę, tzn. odpowiednie normy w przestrzeniach <math>X\</math>,  i <math>l^2\</math>,  są sobie równe. O odwzorowaniu takim mówimy , że jest izometryczne. Odwzorowanie to zachowuje  także iloczyn skalarny.
 |}
@@ Linia 145: / Linia 145: @@
 |width="500px" valign="top"|[[Grafika:PS_M2_Slajd13.png|thumb|500px]]
 |valign="top"|
-*W praktyce zachodzi konieczność ograniczenia reprezentacji danego sygnału do skończonej sumy <math>N\,</math> początkowych wyrazów uogólnionego szeregu Fouriera. Suma (2.12) przybliża wówczas sygnał jedynie z pewną dokładnością.
+*W praktyce zachodzi konieczność ograniczenia reprezentacji danego sygnału do skończonej sumy <math>N\</math>, początkowych wyrazów uogólnionego szeregu Fouriera. Suma (2.12) przybliża wówczas sygnał jedynie z pewną dokładnością.
-*Błąd przybliżenia jest różnicą sygnału <math>x\,</math> i szeregu aproksy¬mującego (2.12), zaś za miarę tego błędu przyjmujemy normę sygnału błędu w danej przestrzeni. Miara ta jest najmniejsza ze względu na dobór współczynników sumy (2.12). Oznacza to, że wybór jakichkolwiek innych współczynników <math>\beta_k\,</math> różnych od współczynników Fouriera <math>\alpha_k\,</math> określonych wzorem (2.10) prowadzi do zwiększenia miary błędu. Można pokazać, że miarę tę da się wyrazić przez normę sygnału i pierwsze <math>N\,</math>  współczynniki Fouriera.
+*Błąd przybliżenia jest różnicą sygnału <math>x\</math>, i szeregu aproksy¬mującego (2.12), zaś za miarę tego błędu przyjmujemy normę sygnału błędu w danej przestrzeni. Miara ta jest najmniejsza ze względu na dobór współczynników sumy (2.12). Oznacza to, że wybór jakichkolwiek innych współczynników <math>\beta_k\</math>, różnych od współczynników Fouriera <math>\alpha_k\</math>, określonych wzorem (2.10) prowadzi do zwiększenia miary błędu. Można pokazać, że miarę tę da się wyrazić przez normę sygnału i pierwsze <math>N\</math>,  współczynniki Fouriera.
 *Twierdzenie Parsevala (2.14) orzeka, że normę sygnału   można wyrazić przez współczynniki jego rozwinięcia w uogólniony szereg Fouriera. Z połączenia wzorów (2.13) i (2.14) wynika, że miara błędu aproksymacji jest określona przez współczynniki Fouriera nie uwzględnione w szeregu aproksymującym.
@@ Linia 156: / Linia 156: @@
 |width="500px" valign="top"|[[Grafika:PS_M2_Slajd14.png|thumb|500px]]
 |valign="top"|
-*Na wyjściach integratorów układu z rys. 2.1 otrzymujemy w chwili <math>T\,</math>  sygnały o wartościach równych współczynnikom Fouriera <math>\alpha_k\,</math> . W praktyce możemy oczywiście zastosować skończoną liczbę generatorów sygnałów bazowych, zatem układ realizuje w istocie rzeczy optymalną aproksymację sygnału <math>x(t)\,</math>  skończonym ortonormalnym szeregiem Fouriera.
+*Na wyjściach integratorów układu z rys. 2.1 otrzymujemy w chwili <math>T\</math>,  sygnały o wartościach równych współczynnikom Fouriera <math>\alpha_k\</math>, . W praktyce możemy oczywiście zastosować skończoną liczbę generatorów sygnałów bazowych, zatem układ realizuje w istocie rzeczy optymalną aproksymację sygnału <math>x(t)\</math>,  skończonym ortonormalnym szeregiem Fouriera.
 |}
@@ Linia 165: / Linia 165: @@
 |width="500px" valign="top"|[[Grafika:PS_M2_Slajd15.png|thumb|500px]]
 |valign="top"|
-*Układowe wyznaczanie iloczynów skalarnych sygnału  <math>x(t)\,</math> z funkcjami Haara jest szczególnie proste. Mnożenie można zrealizować za pomocą układów kluczujących, zmieniając polaryzację sygnałów w odpowiednich chwilach.
+*Układowe wyznaczanie iloczynów skalarnych sygnału  <math>x(t)\</math>, z funkcjami Haara jest szczególnie proste. Mnożenie można zrealizować za pomocą układów kluczujących, zmieniając polaryzację sygnałów w odpowiednich chwilach.
 |}
@@ Linia 184: / Linia 184: @@
 |width="500px" valign="top"|[[Grafika:PS_M2_Slajd17.png|thumb|500px]]
 |valign="top"|
-*Funkcje Walsha są funkcjami binarnymi przybierającymi dwie wartości <math>+1\,</math>  lub <math>-1\,</math>  .
+*Funkcje Walsha są funkcjami binarnymi przybierającymi dwie wartości <math>+1\</math>,  lub <math>-1\</math>,  .
 |}
@@ Linia 202: / Linia 202: @@
 |width="500px" valign="top"|[[Grafika:PS_M2_Slajd19.png|thumb|500px]]
 |valign="top"|
-*Podobnie jak funkcje Haara funkcje Walsha można uporządkować według jednego wskaźnika <math>k\,</math> , definiując: <math>W_0(t)=x_0(t)</math> , <math>W_1(t)=x_1(t)</math> , <math>W_k(t)={x^i}_m(t)</math> dla <math>k=2,3,...\,</math>  , gdzie <math>k=2^{m-1}+i-1\,</math>   oraz <math>i=1,...,2^{m-1}\,</math>  .
+*Podobnie jak funkcje Haara funkcje Walsha można uporządkować według jednego wskaźnika <math>k\</math>, , definiując: <math>W_0(t)=x_0(t)</math> , <math>W_1(t)=x_1(t)</math> , <math>W_k(t)={x^i}_m(t)</math> dla <math>k=2,3,...\</math>,  , gdzie <math>k=2^{m-1}+i-1\</math>,   oraz <math>i=1,...,2^{m-1}\</math>,  .
-*Przy takiej numeracji numer <math>k\,</math> funkcji Walsha <math>W_k(t)\,</math>  jest równy liczbie jej przejść przez zero.
+*Przy takiej numeracji numer <math>k\</math>, funkcji Walsha <math>W_k(t)\</math>,  jest równy liczbie jej przejść przez zero.
-*Funkcje o numerach <math>2^k-1\,</math> , <math>k=1,2,...\,</math>  są odcinkami zwykłych okresowych bipolarnych fal prostokątnych.
+*Funkcje o numerach <math>2^k-1\</math>, , <math>k=1,2,...\</math>,  są odcinkami zwykłych okresowych bipolarnych fal prostokątnych.
 |}
@@ Linia 214: / Linia 214: @@
 |valign="top"|
 *Widzimy, że w miarę zwiększania liczby znaczących wyrazów szeregu Walsha sygnał aproksymujący coraz bardziej zbliża się kształtem do impulsu trójkątnego. Dodanie następnych wyrazów niezerowych jeszcze bardziej zwiększy dokładność aproksymacji.
-*Gdyby jako miarę błędu przyjąć nie normę sygnału błędu, lecz jego energię (kwadrat normy), błąd względny aproksymacji dla <math>k=6\,</math>  wyniósłby <math>1,56\%\,</math>.
+*Gdyby jako miarę błędu przyjąć nie normę sygnału błędu, lecz jego energię (kwadrat normy), błąd względny aproksymacji dla <math>k=6\</math>,  wyniósłby <math>1,56\%\</math>,.
 |}
@@ Linia 241: / Linia 241: @@
 |width="500px" valign="top"|[[Grafika:PS_M2_Slajd22.png|thumb|500px]]
 |valign="top"|
-*Podprzestrzeń <math>\left \{x(t)\epsilon\, L^2(-\infty,\, \infty):\, X(\omega)\equiv 0 \, dla\, |\omega|\le \omega_m\right \}</math>  , gdzie <math>X(\omega)\,</math>  oznacza widmo sygnału, nosi nazwę przestrzeni sygnałów ''o ograniczonym paśmie''.
+*Podprzestrzeń <math>\left \{x(t)\epsilon\, L^2(-\infty,\, \infty):\, X(\omega)\equiv 0 \, dla\, |\omega|\le \omega_m\right \}</math>  , gdzie <math>X(\omega)\</math>,  oznacza widmo sygnału, nosi nazwę przestrzeni sygnałów ''o ograniczonym paśmie''.
-*Ortonormalną bazę w tej przestrzeni tworzy ciąg kopii sygnału <math>Sa\,</math> o jednostkowej energii, poprzesuwanych w czasie o odcinek <math>T_s=\pi/{\omega_m}\,</math> .
+*Ortonormalną bazę w tej przestrzeni tworzy ciąg kopii sygnału <math>Sa\</math>, o jednostkowej energii, poprzesuwanych w czasie o odcinek <math>T_s=\pi/{\omega_m}\</math>, .
-*Z szeregu Kotielnikowa-Shannona wynika, że reprezentację sygnału analogowego <math>x(t)\,</math>  o ograniczonym paśmie stanowi zbiór jego próbek pobieranych z okresem <math>T_s=\pi/{\omega_m}</math> . Szereg ten odgrywa zasadniczą rolę w zagadnieniu próbkowania sygnałów.
+*Z szeregu Kotielnikowa-Shannona wynika, że reprezentację sygnału analogowego <math>x(t)\</math>,  o ograniczonym paśmie stanowi zbiór jego próbek pobieranych z okresem <math>T_s=\pi/{\omega_m}</math> . Szereg ten odgrywa zasadniczą rolę w zagadnieniu próbkowania sygnałów.
 |}
 <hr width="100%">

PS Moduł 2: Różnice pomiędzy wersjami

Wersja z 09:31, 5 wrz 2023

Menu nawigacyjne

Działania na stronie

Opcje strony

Narzędzia osobiste

Nawigacja

Szukaj

Narzędzia