Tín hiệu là gì? Các công bố khoa học về Tín hiệu

Tín hiệu là một dạng thông tin được truyền đi qua một kênh hoặc môi trường nào đó để giao tiếp, truyền tải dữ liệu hay biểu thị một sự kiện nào đó. Tín hiệu có ...

Tín hiệu là một dạng thông tin được truyền đi qua một kênh hoặc môi trường nào đó để giao tiếp, truyền tải dữ liệu hay biểu thị một sự kiện nào đó. Tín hiệu có thể có nhiều dạng và đặc tính khác nhau, như tín hiệu âm thanh, tín hiệu hình ảnh, tín hiệu điện, tín hiệu số, tín hiệu analog, tín hiệu kỹ thuật số, v.v. Tín hiệu có thể được biểu diễn bằng sóng hình sin hoặc sóng hình vuông, tùy thuộc vào loại tín hiệu và ứng dụng cụ thể. Một tín hiệu cần có người gửi và người nhận để truyền và nhận thông tin, sử dụng các phương pháp và giao thức liên lạc tương ứng.
Tín hiệu là một biểu đạt công cụ để truyền tải thông tin qua không gian hoặc môi trường từ nguồn tạo ra đến nguồn tiếp nhận. Nó có thể là một dạng điện, ánh sáng, âm thanh hoặc một tương tác của chúng. Tuy nhiên, trong ngữ cảnh của khoa học và kỹ thuật, chúng ta thường liên quan tới tín hiệu điện tử, tín hiệu sóng, hoặc tín hiệu số.

Tín hiệu có thể được biểu diễn bằng các dạng sóng, nơi thông tin được mã hóa thông qua các thay đổi trong biên độ, tần số hoặc pha. Ví dụ, trong truyền thông điện tử, tín hiệu âm thanh được biểu diễn bằng tín hiệu sóng điện, trong đó biên độ của sóng thay đổi theo nhiệt độ và áp suất âm. Tương tự, trong truyền tải dữ liệu, tín hiệu số được biểu diễn bằng dãy các trạng thái logic, thường là 0 và 1, trong các thiết bị điện.

Tín hiệu cũng được phân loại theo loại thông tin mà chúng chứa, như tín hiệu giọng nói, tín hiệu hình ảnh, tín hiệu video, tín hiệu radar, v.v. Mỗi loại tín hiệu có các đặc điểm riêng và được xử lý, truyền tải và nhận diện bằng các phương pháp và thuật toán riêng.

Công nghệ tín hiệu là một lĩnh vực quan trọng trong ngành kỹ thuật và truyền thông, bao gồm các mô hình, thuật toán và kỹ thuật để xử lý và truyền tải tín hiệu một cách hiệu quả và tin cậy. Một số ứng dụng của công nghệ tín hiệu bao gồm truyền thông điện thoại, truyền hình, mạng di động, xử lý ảnh, hiểu ngôn ngữ tự nhiên, điều khiển tự động và nhiều lĩnh vực khác.
Trong lĩnh vực kỹ thuật và truyền thông, tín hiệu được mô tả bằng các thông số như biên độ, tần số, pha, thời gian và mức độ nhiễu. Dựa trên các thông số này, tín hiệu có thể được phân loại và hiểu được cách nó được tạo ra, truyền tải và xử lý.

Các thông số tín hiệu quan trọng bao gồm:

1. Biên độ (Amplitude): Là độ lớn của tín hiệu, đo bằng đơn vị như volt (V) trong tín hiệu điện hoặc dBm trong tín hiệu quang học.

2. Tần số (Frequency): Là số lần dao động hoặc chu kỳ của tín hiệu trong một đơn vị thời gian. Đơn vị của tần số là hertz (Hz), và tín hiệu có thể là tín hiệu tương đối thấp như tín hiệu âm thanh (từ một vài Hz đến hàng nghìn Hz) hoặc cao như tín hiệu sóng vô tuyến (với tần số từ kết hợp của MHz, GHz, hoặc thậm chí là THz).

3. Pha (Phase): Là một độ trễ tương đối được đo quanh một khoảng thời gian hoặc chu kỳ. Pha được đo bằng độ và thường được diễn giải theo góc độ (radian hoặc độ).

4. Thời gian (Time): Là quá trình thực hiện tín hiệu theo thời gian. Tín hiệu có thể là liên tục, trong đó giá trị tại mọi thời điểm đều được đo, hoặc có thể là rời rạc, mà chỉ có các giá trị được đo tại các điểm thời gian nhất định.

5. Nhiễu (Noise): Là tạp âm hoặc biến động không mong muốn trong tín hiệu, làm giảm độ chính xác của thông tin truyền tải. Nhiễu có thể gây ra méo dạng hoặc làm mất mát thông tin quan trọng trong quá trình truyền tải tín hiệu.

Công nghệ tín hiệu bao gồm các phương pháp và thuật toán để xử lý, nén, truyền tải, lọc và phân tích tín hiệu. Các kỹ thuật xử lý tín hiệu như biến đổi Fourier, lọc thông qua công cụ như bộ lọc Kalman, các thuật toán nén dữ liệu như MPEG và các phương pháp truyền tải tín hiệu như kỹ thuật điều chế và nhận diện tín hiệu sử dụng mạng nơ-ron nhân tạo.

Tín hiệu là một khái niệm quan trọng trong nhiều ngành khác nhau như truyền thông, điện tử, viễn thông và nhiều ứng dụng khác. Hiểu về tín hiệu là quan trọng để phát triển và áp dụng các công nghệ và giải pháp hiệu quả cho việc truyền tải thông tin và xử lý trong thế giới ngày nay.

Danh sách công bố khoa học về chủ đề "tín hiệu":

Phân Tích Chính Xác Năng Lượng Tương Quan Điện Tử Phụ Thuộc Spin cho Các Tính Toán Mật Độ Spin Địa Phương: Phân Tích Phê Phán Dịch bởi AI
Canadian Journal of Physics - Tập 58 Số 8 - Trang 1200-1211 - 1980

Chúng tôi đánh giá các hình thức gần đúng khác nhau cho năng lượng tương quan trên mỗi phần tử của khí điện tử đồng nhất có phân cực spin, những hình thức này đã được sử dụng thường xuyên trong các ứng dụng của xấp xỉ mật độ spin địa phương vào chức năng năng lượng trao đổi-tương quan. Bằng cách tính toán lại chính xác năng lượng tương quan RPA như là một hàm của mật độ điện tử và phân cực spin, chúng tôi chứng minh sự không đầy đủ của các xấp xỉ thông thường trong việc nội suy giữa các trạng thái para-magnet và ferro-magnet, đồng thời giới thiệu một công thức nội suy mới chính xác. Một kỹ thuật xấp xỉ Padé được sử dụng để nội suy chính xác các kết quả Monte Carlo gần đây (para và ferro) của Ceperley và Alder vào phạm vi mật độ quan trọng cho các nguyên tử, phân tử và kim loại. Các kết quả này có thể được kết hợp với sự phụ thuộc vào spin của RPA để tạo ra một năng lượng tương quan cho một khí điện tử đồng nhất có phân cực spin với sai số tối đa được ước tính là 1 mRy và do đó có thể xác định đáng tin cậy mức độ của các hiệu chỉnh không địa phương đối với xấp xỉ mật độ spin địa phương trong các hệ thống thực.

#khí điện tử đồng nhất #phân cực spin #xấp xỉ mật độ spin địa phương #năng lượng tương quan #nội suy Padé #Ceperley và Alder #tương quan RPA #từ tính #hiệu chỉnh không địa phương
Về tính bền vững trong hiệu suất quỹ tương hỗ Dịch bởi AI
Journal of Finance - Tập 52 Số 1 - Trang 57-82 - 1997
TÓM TẮT

Sử dụng một mẫu không có thiên kiến sinh tồn, tôi chứng minh rằng các yếu tố chung trong lợi tức cổ phiếu và chi phí đầu tư gần như hoàn toàn giải thích tính bền vững trong lợi tức trung bình và lợi tức điều chỉnh theo rủi ro của các quỹ tương hỗ cổ phiếu. Kết quả “bàn tay nóng” của Hendricks, Patel và Zeckhauser (1993) chủ yếu được thúc đẩy bởi hiệu ứng động lực một năm của Jegadeesh và Titman (1993), nhưng các quỹ cá nhân không kiếm được lợi tức cao hơn khi theo chiến lược động lực trong cổ phiếu. Sự bền vững đáng kể duy nhất không được giải thích tập trung vào tình trạng hoạt động kém của các quỹ tương hỗ có lợi suất thấp nhất. Các kết quả không hỗ trợ cho sự tồn tại của các quản lý danh mục đầu tư quỹ tương hỗ có kỹ năng hoặc thông tin.

Một số mô hình ước tính sự không hiệu quả về kỹ thuật và quy mô trong phân tích bao hàm dữ liệu Dịch bởi AI
Management Science - Tập 30 Số 9 - Trang 1078-1092 - 1984

Trong bối cảnh quản lý, lập trình toán học thường được sử dụng để đánh giá một tập hợp các phương án hành động thay thế có thể, nhằm lựa chọn một phương án tốt nhất. Trong khả năng này, lập trình toán học phục vụ như một công cụ hỗ trợ lập kế hoạch quản lý. Phân tích Bao hàm Dữ liệu (DEA) đảo ngược vai trò này và sử dụng lập trình toán học để đánh giá ex post facto hiệu quả tương đối của các thành tựu quản lý, dù chúng được lập kế hoạch hoặc thực hiện như thế nào. Lập trình toán học do đó được mở rộng để sử dụng như một công cụ kiểm soát và đánh giá các thành tựu quá khứ cũng như công cụ hỗ trợ lập kế hoạch cho hoạt động tương lai. Hình thức tỷ lệ CCR được giới thiệu bởi Charnes, Cooper và Rhodes, như một phần của cách tiếp cận Phân tích Bao hàm Dữ liệu, bao hàm cả sự không hiệu quả về kỹ thuật và quy mô thông qua giá trị tối ưu của hình thức tỷ lệ, được thu được trực tiếp từ dữ liệu mà không cần yêu cầu định trước các trọng số và/hoặc phân định rõ ràng các dạng chức năng giả định của mối quan hệ giữa đầu vào và đầu ra. Một sự tách biệt giữa hiệu quả kỹ thuật và hiệu quả quy mô được thực hiện bởi các phương pháp phát triển trong bài báo này mà không làm thay đổi các điều kiện sử dụng DEA trực tiếp trên dữ liệu quan sát. Sự không hiệu quả về kỹ thuật được xác định bởi sự thất bại trong việc đạt được các mức đầu ra tốt nhất có thể và/hoặc việc sử dụng quá nhiều lượng đầu vào. Các phương pháp để xác định và điều chỉnh phạm vi của những sự không hiệu quả này, được cung cấp trong các công trình trước, được minh họa. Trong bài báo hiện tại, một biến mới được giới thiệu, cho phép xác định liệu các hoạt động được thực hiện trong các vùng có lợi suất tăng, không đổi hay giảm (trong các tình huống đa đầu vào và đa đầu ra). Các kết quả được thảo luận và liên hệ không chỉ với kinh tế học cổ điển (đầu ra đơn) mà còn với các phiên bản kinh tế học hiện đại hơn được xác định với “lý thuyết thị trường có thể tranh đấu.”

#Phân tích bao hàm dữ liệu #không hiệu quả kỹ thuật #không hiệu quả quy mô #lập trình toán học #lý thuyết thị trường có thể tranh đấu
Cổng thông tin cBio Genomics về ung thư: Nền tảng mở cho khám phá dữ liệu genomics ung thư đa chiều Dịch bởi AI
Cancer Discovery - Tập 2 Số 5 - Trang 401-404 - 2012
Tóm tắt

Cổng thông tin cBio Genomics về ung thư (http://cbioportal.org) là một nguồn tài nguyên truy cập mở để khám phá tương tác các bộ dữ liệu genomics ung thư đa chiều, hiện đang cung cấp truy cập tới dữ liệu từ hơn 5.000 mẫu khối u thuộc 20 nghiên cứu về ung thư. Cổng thông tin cBio Genomics về ung thư giảm đáng kể rào cản giữa dữ liệu genomics phức tạp và các nhà nghiên cứu ung thư, những người muốn tiếp cận nhanh chóng, trực quan và chất lượng cao với các hồ sơ phân tử và thuộc tính lâm sàng từ các dự án genomics ung thư quy mô lớn và giúp các nhà nghiên cứu chuyển đổi các bộ dữ liệu phong phú này thành các hiểu biết sinh học và ứng dụng lâm sàng. Cancer Discov; 2(5); 401–4. ©2012 AACR.

#Genomics ung thư #cổng thông tin cBio #dữ liệu đa chiều #nghiên cứu ung thư #bộ dữ liệu genomics #phân tử và thuộc tính lâm sàng
Hướng dẫn MIQE: Thông tin Tối thiểu cho Công bố các Thí nghiệm PCR Thời gian thực Định lượng Dịch bởi AI
Clinical Chemistry - Tập 55 Số 4 - Trang 611-622 - 2009
Tóm tắt

Bối cảnh: Hiện nay, vẫn chưa có sự thống nhất về cách thực hiện và diễn giải các thí nghiệm PCR định lượng thời gian thực (qPCR) tốt nhất. Vấn đề càng trở nên trầm trọng hơn do thiếu chi tiết thí nghiệm đầy đủ trong nhiều ấn phẩm, gây cản trở khả năng đánh giá phê bình chất lượng của các kết quả được trình bày hoặc thực hiện lại các thí nghiệm.

Nội dung: Hướng dẫn về Thông tin Tối thiểu cho Công bố Các Thí nghiệm PCR Thời gian thực Định lượng (MIQE) nhằm vào độ tin cậy của kết quả để giúp đảm bảo tính toàn vẹn của tài liệu khoa học, thúc đẩy sự nhất quán giữa các phòng thí nghiệm, và tăng cường tính minh bạch của thí nghiệm. MIQE là một tập hợp các hướng dẫn mô tả thông tin tối thiểu cần thiết cho việc đánh giá các thí nghiệm qPCR. Bao gồm là một danh sách kiểm tra đi kèm với sự gửi ban đầu của một bản thảo đến nhà xuất bản. Bằng cách cung cấp tất cả các điều kiện thí nghiệm và đặc điểm thử nghiệm liên quan, những người đánh giá có thể đánh giá tính hợp lệ của các giao thức đã sử dụng. Cần phải tiết lộ đầy đủ tất cả các thuốc thử, trình tự, và phương pháp phân tích để các nhà nghiên cứu khác có thể tái tạo kết quả. Chi tiết MIQE nên được công bố dưới dạng rút gọn hoặc như một phụ lục trực tuyến.

Tóm tắt: Việc tuân theo các hướng dẫn này sẽ khuyến khích thực hành thí nghiệm tốt hơn, cho phép diễn giải kết quả qPCR đáng tin cậy và rõ ràng hơn.

#MIQE #qPCR #tính toàn vẹn khoa học #hướng dẫn #thống nhất thí nghiệm #minh bạch #tính hợp lệ #chi tiết thí nghiệm
Nhận thức Đặt tình huống và Văn hoá Học tập Dịch bởi AI
Educational Researcher - Tập 18 Số 1 - Trang 32-42 - 1989

Nhiều phương pháp giảng dạy mặc nhiên cho rằng kiến thức khái niệm có thể được trừu xuất từ các tình huống mà nó được học và sử dụng. Bài viết này lập luận rằng giả định này không thể tránh khỏi việc hạn chế hiệu quả của các phương pháp như vậy. Dựa trên nghiên cứu mới nhất về nhận thức trong hoạt động hàng ngày, các tác giả lập luận rằng kiến thức là định vị, là một phần sản phẩm của hoạt động, bối cảnh và văn hóa nơi nó được phát triển và sử dụng. Họ thảo luận về việc quan điểm này ảnh hưởng đến sự hiểu biết của chúng ta về học tập như thế nào, và họ nhận thấy rằng trường học truyền thống quá thường xuyên bỏ qua tầm ảnh hưởng của văn hóa trường học lên những gì được học ở trường. Như một giải pháp thay thế cho các thực tiễn truyền thống, họ đề xuất học nghề nhận thức (Collins, Brown, & Newman, đang chuẩn bị xuất bản), mở rộng đặc trưng bản chất định vị của kiến thức. Họ xem xét hai ví dụ về giảng dạy toán học thể hiện những đặc điểm chính của cách tiếp cận này đối với giảng dạy.

#Nhận thức đặt tình huống #học nghề nhận thức #văn hóa trường học #giảng dạy toán học #hiệu quả học tập #hoạt động nhận thức
Ngân hàng Sinh lý, Bộ công cụ Sinh lý, và Mạng Sinh lý Dịch bởi AI
Ovid Technologies (Wolters Kluwer Health) - Tập 101 Số 23 - 2000

Tóm tắt —Nguồn lực Nghiên cứu Đối với Tín hiệu Sinh lý Phức tạp mới ra mắt, được tạo ra dưới sự bảo trợ của Trung tâm Nguồn lực Nghiên cứu Quốc gia của Viện Y tế Quốc gia, nhằm kích thích các nghiên cứu hiện tại và khám phá mới trong nghiên cứu các tín hiệu tim mạch và các tín hiệu sinh y học phức tạp khác. Nguồn lực này có 3 thành phần phụ thuộc lẫn nhau. Ngân hàng Sinh lý (PhysioBank) là một kho lưu trữ lớn và đang phát triển nhanh các bản ghi kỹ thuật số được xác định rõ về tín hiệu sinh lý và dữ liệu liên quan để sử dụng bởi cộng đồng nghiên cứu sinh y học. Hiện tại, nó bao gồm các cơ sở dữ liệu về tín hiệu sinh y học đa thông số từ hệ tim-phổi, thần kinh và các cơ sở dữ liệu khác từ những người khỏe mạnh cũng như từ các bệnh nhân mắc nhiều tình trạng khác nhau có ý nghĩa lớn đối với sức khỏe cộng đồng, bao gồm loạn nhịp nguy hiểm đến tính mạng, suy tim sung huyết, ngưng thở khi ngủ, rối loạn thần kinh và lão hóa. Bộ công cụ Sinh lý (PhysioToolkit) là một thư viện phần mềm nguồn mở cho xử lý và phân tích tín hiệu sinh lý, phát hiện các sự kiện có ý nghĩa sinh lý sử dụng cả kỹ thuật cổ điển và phương pháp mới dựa trên vật lý thống kê và động lực phi tuyến, hiển thị và mô tả tín hiệu tương tác, tạo cơ sở dữ liệu mới, mô phỏng các tín hiệu sinh lý và tín hiệu khác, đánh giá định lượng và so sánh các phương pháp phân tích, và phân tích các quá trình không ổn định. Mạng Sinh lý (PhysioNet) là diễn đàn trực tuyến để phổ biến và trao đổi các tín hiệu sinh y học đã ghi và phần mềm nguồn mở để phân tích chúng. Nó cung cấp các cơ sở cho việc phân tích hợp tác dữ liệu và đánh giá các thuật toán mới được đề xuất. Ngoài việc cung cấp quyền truy cập điện tử miễn phí vào dữ liệu của PhysioBank và phần mềm của PhysioToolkit thông qua Mạng Lưới Toàn Cầu (http://www.physionet.org), PhysioNet cung cấp các dịch vụ và đào tạo thông qua các hướng dẫn trực tuyến để hỗ trợ người dùng với các mức độ chuyên môn khác nhau.

#Tín hiệu sinh lý phức tạp #Ngân hàng Sinh lý #bộ công cụ nguồn mở #diễn đàn trực tuyến #hợp tác nghiên cứu #dữ liệu sinh học #phân tích tín hiệu #sinh lý học thần kinh #sức khỏe cộng đồng
Các Biện Pháp Bayesian Cho Độ Phức Tạp và Độ Khớp Của Mô Hình Dịch bởi AI
Journal of the Royal Statistical Society. Series B: Statistical Methodology - Tập 64 Số 4 - Trang 583-639 - 2002
Tóm tắt

Chúng tôi xem xét vấn đề so sánh các mô hình phân cấp phức tạp trong đó số lượng tham số không được xác định rõ. Sử dụng lập luận thông tin lý thuyết, chúng tôi đưa ra một thước đo pD cho số lượng tham số hiệu quả trong một mô hình như sự khác biệt giữa trung bình hậu nghiệm của độ lệch và độ lệch tại giá trị trung bình hậu nghiệm của các tham số quan trọng. Nói chung pD tương quan xấp xỉ với vết của tích giữa thông tin Fisher và hiệp phương sai hậu nghiệm, trong các mô hình chuẩn là vết của ma trận ‘hat’ chiếu các quan sát lên giá trị được khớp. Các tính chất của nó trong các họ số mũ được khảo sát. Trung bình hậu nghiệm của độ lệch được đề xuất như một biện pháp đo lường Bayesian về sự phù hợp hoặc đủ, và sự đóng góp của các quan sát riêng lẻ đến sự phù hợp và độ phức tạp có thể dẫn đến một biểu đồ chuẩn đoán của phần dư độ lệch so với đòn bẩy. Việc thêm pD vào trung bình hậu nghiệm độ lệch tạo ra tiêu chuẩn thông tin độ lệch để so sánh các mô hình, liên quan đến các tiêu chuẩn thông tin khác và có một sự biện hộ xấp xỉ quyết định lý thuyết. Quy trình được minh họa trong một số ví dụ, và các so sánh được thực hiện với các đề xuất Bayesian và cổ điển khác. Suốt cả quá trình, nhấn mạnh rằng lượng cần thiết để tính toán trong phân tích Markov chain Monte Carlo là không đáng kể.

#Mô hình phân cấp phức tạp #thông tin lý thuyết #số lượng tham số hiệu quả #độ lệch hậu nghiệm #phương sai hậu nghiệm #ma trận 'hat' #các họ số mũ #biện pháp đo lường Bayesian #biểu đồ chuẩn đoán #Markov chain Monte Carlo #tiêu chuẩn thông tin độ lệch.
Các tinh thể nguyên tử hai chiều Dịch bởi AI
Proceedings of the National Academy of Sciences of the United States of America - Tập 102 Số 30 - Trang 10451-10453 - 2005

Chúng tôi báo cáo về các tinh thể nguyên tử tự do hoàn toàn hai chiều có thể được xem như là các mặt phẳng nguyên tử riêng lẻ được kéo ra từ các tinh thể khối hoặc như những ống nanotube đơn tường được mở ra. Bằng cách sử dụng phương pháp tách micromechanical, chúng tôi đã chuẩn bị và nghiên cứu một loạt các tinh thể hai chiều bao gồm các lớp đơn của nitrua boron, than chì, một số điôxít kim loại và các oxit phức tạp. Các tấm nguyên tử mỏng này (về cơ bản là những phân tử 2D khổng lồ không được bảo vệ khỏi môi trường ngay xung quanh) ổn định dưới điều kiện môi trường, biểu hiện chất lượng tinh thể cao và liên tục trên quy mô vĩ mô.

Xác Định Hàm Lượng Cholesterol Toàn Phần Trong Huyết Thanh Bằng Phương Pháp Enzym Dịch bởi AI
Clinical Chemistry - Tập 20 Số 4 - Trang 470-475 - 1974
Tóm Tắt

Một phương pháp enzym học được mô tả để xác định tổng hàm lượng cholesterol trong huyết thanh bằng việc sử dụng một thuốc thử dung dịch duy nhất. Phương pháp này không yêu cầu xử lý mẫu trước và đường chuẩn hiệu chuẩn tuyến tính đến 600 mg/dl. Este cholesterol được thủy phân thành cholesterol tự do nhờ cholesterol ester hydrolase (EC 3.1.1.13). Cholesterol tự do sinh ra được oxy hóa bởi cholesterol oxidase thành cholest-4-en-3-one đồng thời sản sinh hydrogen peroxide, chất này phối hợp oxy hóa với 4-aminoantipyrine và phenol dưới sự hiện diện của peroxidase tạo thành một chất cromogen có hấp thu tối đa ở bước sóng 500 nm. Phương pháp này có thể tái thực hiện được và các kết quả tương quan tốt với những kết quả thu được bằng các quy trình tự động của Liebermann—Burchard (AA-2 và SMA 12/60) và phương pháp của Abell et al. Phương pháp hiện tại mang lại tính đặc hiệu tốt hơn so với các phương pháp trước đây và có độ chính xác vượt trội.

#tổng cholesterol #phương pháp enzym học #cholesterol tự do #cholesterol ester hydrolase (EC 3.1.1.13) #cholesterol oxidase #hydrogen peroxide #chromogen #tính đặc hiệu #độ chính xác
Tổng số: 3,304   
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 10