Ещё из «Визуализация математики»
Другие симуляторы в этой категории — или все 61.
Kalman Filter (1-D)
Recursive optimal estimation: noisy measurements, hidden truth, predict + update with Q and R; random-walk or constant-velocity model with ±2σ band and innovations.
Адаптивный LMS / NLMS (подавление шума)
Первичный канал p = s + v, где v — неизвестная ФИЧ-цепь от опорного белого шума x[n]. L-отводный адаптивный FIR по LMS или NLMS: ошибка e = p − wᵀx стремится к полезному сигналу s; график скользящего MSE и ‖w − h‖.
ДКП и JPEG-квантование (миниатюра)
Блоки 8×8: ДКП, сдвиг −128, таблица квантования яркости JPEG или обрезка коэффициентов по зигзагу; сравнение до/после, теплокарты выбранного блока и график порядка зигзага.
ФАПЧ (PLL): ГУН, детектор фазы, петлевой фильтр
Дискретная «аналоговая» модель: детектор **e = K_d sin(φ_оп − φ_ГУН)**, **ПИ**-фильтр петли, **ω_ГУН = ω_хол + K_v u**; скачок **ω_оп** — захват, удержание и остаточная фазовая ошибка.
ΔΣ-модулятор (1 бит)
Дискретная **ΔΣ** 1-го и 2-го порядка с квантованием **±1**: **шейпинг** шума квантования, синус на входе, **скользящее среднее** как учебная **НЧ**-реконструкция и **спектр** ошибки (окно Ханна).
Полифазный ресэмплинг L/M
**L/M**: вставка **L−1** нулей, **КИХ** **НЧ** на высокой частоте с **ω_c ≈ min(π/L, π/M)**, затем прореживание **↓M**; спектры **до/после** и схема **Noble** для **L** полифазных ветвей.