Difference between revisions of "Scilab/C4/Digital-Signal-Processing/Oriya"

From Script | Spoken-Tutorial
Jump to: navigation, search
(Created page with "{| Border = 1 | '''Time''' |'''Narration''' |- |00:01 | ବନ୍ଧୁଗଣ, Signal Processing using Scilab ଉପରେ ସ୍ପୋକନ୍ ଟ୍ୟୁଟୋରିଆ...")
 
Line 134: Line 134:
 
| 04:31
 
| 04:31
 
| ଏହାର ଆଉଟପୁଟ୍ ହେବ,
 
| ଏହାର ଆଉଟପୁଟ୍ ହେବ,
+ 5.551D-17i
+
+ 5.551D-17i
 
- 1.225D-16i  
 
- 1.225D-16i  
 
- 5.551D-16i
 
- 5.551D-16i

Revision as of 12:16, 1 August 2017

Time Narration
00:01 ବନ୍ଧୁଗଣ, Signal Processing using Scilab ଉପରେ ସ୍ପୋକନ୍ ଟ୍ୟୁଟୋରିଆଲ୍ କୁ ସ୍ୱାଗତ
00:07 ଏହି ଟ୍ୟୁଟୋରିଆଲରେ, ମୁଁ ଆପଣଙ୍କୁ, କିପରି ବିଭିନ୍ନ ପ୍ରକାରର ସଂକେତ ସୃଷ୍ଟି କରିବା ଏବଂ ସଂକେତଗୁଡିକୁ ତର୍ଜମା କରିବା ପାଇଁ ହେଉଥିବା ବିଭିନ୍ନ କାର୍ଯ୍ୟ କୁ ପ୍ରଦର୍ଶନ କରିବି
00:19 ଏହି ଟ୍ୟୁଟୋରିଆଲ୍ ରେକର୍ଡ କରିବାକୁ ମୁଁ ବ୍ୟବହାର କରୁଛି, ଉବୁଣ୍ଟୁ 11.04 OS ସହିତ Scilab ଭର୍ସନ୍ 5.3.3
00:30 ଏହି ଟ୍ୟୁଟୋରିଆଲ୍ ଅଭ୍ୟାସ କରିବା ପାଇଁ, ଶିକ୍ଷାର୍ଥୀଙ୍କର Scilab ଉପରେ ମୌଳିକ ଜ୍ଞାନ ଥିବା ଆବଶ୍ୟକ
00:35 Scilab ଉପରେ ମୌଳିକ ଜ୍ଞାନ ପାଇଁ, ଦୟାକରି, ମୌଳିକ ସ୍ତରର Scilab ସ୍ପୋକନ୍ ଟ୍ୟୁଟୋରିଆଲଗୁଡିକର ସାହାଯ୍ୟ ନିଅନ୍ତୁ
00:42 ଯାହା ଆମ, www.spoken-tutorial.org ୱେବସାଇଟରେ ଉପଲବ୍ଧ ଅଛି
00:45 ଏହି ଟ୍ୟୁଟୋରିଆଲରେ, ମୁଁ ତିନୋଟି ମୌଳିକ ସିଗନାଲ୍ ସମ୍ବନ୍ଧରେ ବର୍ଣ୍ଣନା କରିବି. କଣ୍ଟିନ୍ୟୁଅସ୍ ଓ ଡିସ୍କ୍ରିଟ୍ sine ତରଙ୍ଗକୁ ପ୍ଲଟ୍ କରିବା. Step ଫଙ୍କଶନ୍ ପ୍ଲଟ୍ କରିବା. ramp ଫଙ୍କଶନ୍ ପ୍ଲଟ୍ କରିବା.
00:58 ଚାଲନ୍ତୁ, Plotting କଣ୍ଟିନ୍ୟୁଅସ୍ ଓ ଡିସ୍କ୍ରିଟ୍ sine ୱେଭ୍ ରୁ ଆରମ୍ଭ କରିବା
01:02 Scilab କନସୋଲ୍ ୱିଣ୍ଡୋକୁ ଫେରି ଆସନ୍ତୁ
01:06 ଏଠାରେ ଟାଇପ୍ କରନ୍ତୁ: t ଇକ୍ୱାଲ୍ ଟୁ zero, କୋଲନ୍, zero point one କୋଲନ୍, two ଗୁଣନ, precentage pi ସେମିକୋଲନ୍
01:17 ତ’ପରେ, x ଇକ୍ୱାଲ୍ ଟୁ sin of t ସେମିକୋଲନ୍, ଏହାପରେ, 2D ବ୍ରାକେଟ୍ ମଧ୍ୟରେ, t କମା x କୁ ପ୍ଲଟ୍ କରନ୍ତୁ ଏବଂ ଆପଣଙ୍କ କୀ ବୋର୍ଡରେ, Enter କୀ ଦାବନ୍ତୁ
01:33 ଏହା ଗୋଟିଏ, continous sine ୱେଭ୍ ଅଟେ
01:36 ଚାଲନ୍ତୁ, discrete sine ୱେଭ୍ ବିଷୟରେ ଆଲୋଚନା କରିବା
01:39 କନସୋଲ୍ ୱିଣ୍ଡୋ ଉପରେ ଟାଇପ୍ କରନ୍ତୁ: two d3 ବ୍ରାକେଟ୍ ମଧ୍ୟରେ, invertes କମା ମଧ୍ୟରେ gnn କମା t କମା x ଏବଂ Enter ଦାବନ୍ତୁ
01:54 ଏହା, discrete sine ୱେଭ୍ ଅଟେ
01:57 ଚାଲନ୍ତୁ, step ଫଙ୍କଶନ୍ ଓ ramp ଫଙ୍କଶନ୍ କୁ ପ୍ଲଟିଙ୍ଗ କରିବା ବିଷୟରେ ଆଲୋଚନା କରିବା
02:04 ମୁଁ, signals.sce ନାମକ ଫାଇଲରେ, step ଓ ramp ସିଗନାଲର ସୃଷ୍ଟି ପାଇଁ କୋଡ୍ ଲେଖିସାରିଛି
02:14 ଚାଲନ୍ତୁ, scilab ଏଡିଟର୍ ବ୍ୟବହାର କରି signal.sce ଫାଇଲକୁ ଖୋଲିବା. ଏହି କୋଡକୁ ନିଷ୍ପାଦନ କରନ୍ତୁ. ମେନୁ ବାରରେ ଥିବା Execute ବଟନ୍ ଉପରେ କ୍ଲିକ୍ କରନ୍ତୁ
02:27 ଏହି ପ୍ଲଟ୍ ଉପରେ Step ଓ Ramp ସିଗନାଲ୍ ପ୍ରଦର୍ଶିତ ହେବ
02:32 ବିଭିନ୍ନ କାର୍ଯ୍ୟ ସମ୍ପାଦନ ଦ୍ୱାରା କିପରି ସିଗନାଲଗୁଡିକର ତର୍ଜମା କରିହେବ ଶିଖିବା. ଦୁଇଟି ସିଗନାଲ୍ ମଧ୍ୟରେ, କିପରି Convolution କାର୍ଯ୍ୟ କରାଯାଏ ଦେଖିବା
02:43 Scilab କନସୋଲ୍ ୱିଣ୍ଡୋକୁ ଫେରି ଆସନ୍ତୁ ଏବଂ ଟାଇପ୍ କରନ୍ତୁ, x ଇକ୍ୱାଲ୍ ଟୁ ସ୍କୋୟାର୍ ବ୍ରାକେଟ୍ ମଧ୍ୟରେ, one କମା two କମା three କମା four
02:55 ତା’ପରେ ଟାଇପ୍ କରନ୍ତୁ, h ଇକ୍ୱାଲ୍ ଟୁ, ସ୍କୋୟାର୍ ବ୍ରାକେଟ୍ ମଧ୍ୟରେ, one କମା one କମା one
03:04 ଚାଲନ୍ତୁ, convolutionର ପ୍ରୟୋଗ ପାଇଁ, ଟାଇପ୍ କରନ୍ତୁ, convol ବ୍ରାକେଟ୍ ଆରମ୍ଭ, x କମା h ବ୍ରାକେଟ୍ ଶେଷ ଏବଂ ଏବଂ ଆପଣଙ୍କ କୀ ବୋର୍ଡରେ, Enter କୀ ଦାବନ୍ତୁ
03:17 ଏଠାରେ, ଗୋଟିଏ ଆଉଟପୁଟ୍ ପ୍ରଦର୍ଶିତ ହେବ
03:20 ବର୍ତ୍ତମାନ୍ ଚାଲନ୍ତୁ, ଗୋଟିଏ ପୂର୍ବନିର୍ମିତ କମାଣ୍ଡ୍ dft() ବ୍ୟବହାର କରି, ଗୋଟିଏ ଡିସ୍କ୍ରିଟ୍ କ୍ରମ ପାଇଁ Discrete fourier transform ଶିଖିବା
03:30 ଏଠାରେ କନସୋଲ୍ ୱିଣ୍ଡୋ ଉପରେ ଟାଇପ୍ କରନ୍ତୁ, x ଇକ୍ୱାଲ୍ ଟୁ, ସ୍କୋୟାର୍ ବ୍ରାକେଟ୍ ମଧ୍ୟରେ one କମା two କମା three କମା four
03:41 ତା’ପରେ ଟାଇପ୍ କରନ୍ତୁ, ସ୍କୋୟାର୍ ବ୍ରାକେଟ୍ ମଧ୍ୟରେ xf, ଇକ୍ୱାଲ୍ ଟୁ dft ବ୍ରାକେଟ୍ ମଧ୍ୟରେ x କମା ମାଇନସ୍ 1, ଯେଉଁଠି, x ହେଉଛି ଇନପୁଟ୍ ଭେକ୍ଟର୍ ଏବଂ DFT ପାଇଁ, flag ଭାଲ୍ୟୁ, -1 ଅଟେ
03:59 Enter ଦାବନ୍ତୁ
04:01 ଆଉଟପୁଟ୍ ଏହିଭଳି ପ୍ରଦର୍ଶିତ ହେବ,

10 - 2. + 2.i - 2. - 9.797D-16i - 2. - 2.i

04:05 ବର୍ତ୍ତମାନ, ମୁଁ, fourier transformର ଇନଭର୍ସ ଡିସ୍କ୍ରିଟ୍, କିପରି ଗଣନା କରାଯାଏ, ବର୍ଣ୍ଣନା କରିବି. ଏହା, ସମାନ ପୂର୍ବନିର୍ମିତ କମାଣ୍ଡ୍ dft() ବ୍ୟବହାର କରି କରାଯାଇପାରିବ
04:15 Scilab କନସୋଲ୍ ୱିଣ୍ଡୋ ଉପରେ ଟାଇପ୍ କରନ୍ତୁ: ସ୍କୋୟାର୍ ବ୍ରାକେଟ୍ ମଧ୍ୟରେ x ଇକ୍ୱାଲ୍ ଟୁ dft, ବ୍ରାକେଟ୍ ମଧ୍ୟରେ xf କମା 1, ଏଠାରେ idft ପାଇଁ, flag ଭାଲ୍ୟୁ, 1 ଅଟେ
04:31 ଏହାର ଆଉଟପୁଟ୍ ହେବ,

+ 5.551D-17i - 1.225D-16i - 5.551D-16i

04:34 ଚାଲନ୍ତୁ, fft() ବ୍ୟବହାର କରି, ଡିସ୍କ୍ରିଟ୍ ଫୋରିଅର୍ ଟ୍ରାନ୍ସଫର୍ମ ଗଣନା କରିବା
04:39 କନସୋଲ୍ ୱିଣ୍ଡୋ ଉପରେ ଟାଇପ୍ କରନ୍ତୁ, x= square [1,2,3,4]x ଇକ୍ୱାଲ୍ ଟୁ, ସ୍କୋୟାର୍ ବ୍ରାକେଟ୍ ମଧ୍ୟରେ one କମା two କମା three କମା four
04:49 Enter ଦାବନ୍ତୁ ଏବଂ ଟାଇପ୍ କରନ୍ତୁ, y = fft(x,-1) y ଇକ୍ୱାଲ୍ ଟୁ, fft ବ୍ରାକେଟ୍ ମଧ୍ୟରେ x, କମା ମାଇନସ୍ one
04:59 Enter ଦାବନ୍ତୁ ଏବଂ ଏଗୁଡିକରୁ ଆଉଟପୁଟ୍ ପାଇବେ:-10. - 2. + 2.i - 2. - 2. - 2.i
05:05 ଚାଲନ୍ତୁ ବର୍ତ୍ତମାନ, କିପରି ଇନଭର୍ସ ଡିସ୍କ୍ରିଟ୍ ଫୋରିଅର୍ ଟ୍ରାନ୍ସଫର୍ମ ଗଣନା କରାଯାଏ, ଦେଖିବା
05:12 Scilab କନସୋଲ୍ ୱିଣ୍ଡୋ ଉପରେ ଟାଇପ୍ କରନ୍ତୁ: y ଇକ୍ୱାଲ୍ ଟୁ, ସ୍କୋୟାର୍ ବ୍ରାକେଟ୍ ମଧ୍ୟରେ ten କମା ମାଇନସ୍ two ପ୍ଲସ୍ two ଇଣ୍ଟୁ percentage i କମା ମାଇନସ୍ two କମା ମାଇନସ୍ two ମାଇନସ୍ two ଇଣ୍ଟୁ percentage i
05:33 ଏବଂ Enter ଦାବନ୍ତୁ, ଟାଇପ୍ କରନ୍ତୁ, x fft(y,1), x ଇକ୍ୱାଲ୍ ଟୁ fft ବ୍ରାକେଟ୍ ମଧ୍ୟରେ y କମା 1 ଏବଂ Enter ଦାବନ୍ତୁ
05:45 ଆଉଟପୁଟ୍, x =1. 2. 3. 4 ପାଇବେ
05:49 ଦୁଇଟି ଭେକ୍ଟର୍ ମଧ୍ୟରେ ଥିବା ସମ୍ବନ୍ଧକୁ ଖୋଜି ବାହାର କରନ୍ତୁ
05:53 ଏହା କରିବା ପାଇଁ, Scilab କନସୋଲ୍ ୱିଣ୍ଡୋ ଉପରେ,
05:56 ଟାଇପ୍ କରନ୍ତୁ: x one ଇକ୍ୱାଲ୍ ଟୁ ସ୍କୋୟାର୍ ବ୍ରାକେଟ୍ ମଧ୍ୟରେ one କମା two କମା three କମା four ଏବଂ Enter ଦାବନ୍ତୁ
06:08 ଟାଇପ୍ କରନ୍ତୁ: x2 ଇକ୍ୱାଲ୍ ଟୁ ସ୍କୋୟାର୍ ବ୍ରାକେଟ୍ ମଧ୍ୟରେ one କମା three କମା one କମା five ଏବଂ Enter ଦାବନ୍ତୁ
06:20 ଟାଇପ୍ କରନ୍ତୁ: R x one x two ଇକ୍ୱାଲ୍ ଟୁ, corr ବ୍ରାକେଟ୍ ମଧ୍ୟରେ x one କମା x two କମା four ଏବଂ Enter ଦାବନ୍ତୁ
06:34 ଆଉଟପୁଟ୍, Rx1x2=1.25 0.3125 0.25 - 0.9375, ପ୍ରଦର୍ଶିତ ହେବ
06:38 ପ୍ରଦତ୍ତ ସିଗନାଲକୁ କିପରି ସାମ୍ପଲ୍ କରାଯାଏ, ଶିଖିବା
06:42 sampling.sce କୁ ଖୋଲନ୍ତୁ ଯେଉଁଠି sampling.sceରେ କୋଡ୍ ଲେଖାସରିଛି. ଏଠାରେ, Execute ବଟନ୍ ଉପରେ କ୍ଲିକ୍ କରନ୍ତୁ
06:52 ଗୋଟିଏ ପ୍ଲଟ୍ ପ୍ରଦର୍ଶିତ ହେଲା
06:56 ସଂକ୍ଷିପ୍ତରେ
06:58 ଏହି ଟ୍ୟୁଟୋରିଆଲରେ ଆମେ, କିପରି sine, step ଓ ramp signal ଆଦିକୁ ପ୍ଲଟ୍ କରାଯାଏ ଶିଖିଲେ
07:04 convol() ଦ୍ୱାରା ସରଳ କନଭୋଲ୍ୟୂଶନ୍ କାର୍ଯ୍ୟ କରିବା. dft() ଦ୍ୱାରା DFT ଓ IDFT କାର୍ଯ୍ୟ କରିବା
07:12 fft() ଦ୍ୱାରା FFT କାର୍ଯ୍ୟ କରିବା. corr() ଦ୍ୱାରା, Correlation ପ୍ରାପ୍ତ କରିବା. ସାମ୍ପଲିଙ୍ଗ୍ କରିବା
07:20 ନିମ୍ନ ଲିଙ୍କରେ ଥିବା ଭିଡିଓକୁ ଦେଖନ୍ତୁ, http://spoken-tutorial.org/What_is_a_Spoken_Tutorial
07:23 ଏହା ସ୍ପୋକନ୍ ଟ୍ୟୁଟୋରିଆଲ୍ ପ୍ରୋଜେକ୍ଟକୁ ସାରାଂଶିତ କରେ. ଯଦି ଆପଣଙ୍କର ଭଲ ବ୍ୟାଣ୍ଡୱିଡଥ୍ ନାହିଁ, ଏହାକୁ ଡାଉନଲୋଡ୍ କରିଦେଖିପାରିବେ
07:30 ସ୍ପୋକନ୍ ଟ୍ୟୁଟୋରିଆଲ୍ ପ୍ରୋଜେକ୍ଟ ଟିମ୍: ସ୍ପୋକନ୍ ଟ୍ୟୁଟୋରିଆଲ୍ସ ବ୍ୟବହାର କରି କର୍ମଶାଳାମାନ ଚଲାନ୍ତି, ଅନଲାଇନ୍ ଟେଷ୍ଟ ପାସ୍ କରୁଥିବା ବ୍ୟକ୍ତିମାନଙ୍କୁ ପ୍ରମାଣପତ୍ର ଦିଅନ୍ତି. ଦୟାକରି contact@spoken-tutorial.org ରେ ସମ୍ପର୍କ କରନ୍ତୁ
07:42 ସ୍ପୋକନ୍ ଟ୍ୟୁଟୋରିଆଲ ପ୍ରୋଜେକ୍ଟ, ଟକ୍ ଟୁ ଏ ଟିଚର୍ ପ୍ରୋଜେକ୍ଟର ଏକ ଅଂଶ. ଏହା ଭାରତ ସରକାରଙ୍କ MHRDର ICT ମାଧ୍ୟମରେ ରାଷ୍ଟ୍ରୀୟ ସାକ୍ଷରତା ମିଶନ୍ ଦ୍ୱାରା ସମର୍ଥିତ
07:51 ଆଇଆଇଟି ବମ୍ୱେ ତରଫରୁ, ପ୍ରଦୀପ ମହାପାତ୍ରଙ୍କ ସହ ମୁଁ ପ୍ରଭାସ ତ୍ରିପାଠୀ ଆପଣଙ୍କଠାରୁ ବିଦାୟ ନେଉଛି. ଆମ ସହିତ ଜଡ଼ିତ ହୋଇଥିବାରୁ ଧନ୍ୟବାଦ

Contributors and Content Editors

PoojaMoolya, Pradeep