% LABORATIONSUPPGIFTER I TSDT18/84 SIGNALER & SYSTEM
% --------------------------------------------------

% LÄS NEDANSTÅENDE TEXT INNAN DU BÖRJAR JOBBA MED DATORUPPGIFTERNA!!!!

% I detta skript skriver du ned alla funktionsanrop och övrigt som behövs
% för att lösa varje uppgift.  Skriptet är indelat i separata celler/sektioner
% med dubbla procenttecken, dvs. %%, där du för varje deluppgift skriver
% in alla relevanta Matlab-anrop i motsvarande cell.
% Vid redovisningen kan du då i editorn enkelt och snabbt exekvera och
% redovisa din matlabkod och relaterade grafer för en deluppgift/cell i taget.

% I de fall en graf ska redovisas, t.ex. en signal eller något frekvensspektrum,
% så ska ditt skript generera grafen på det sätt du gjorde när du löste uppgiften.
% Du ska alltså inte redovisa några grafer/figurer i form av fig-filer eller
% utskriva i pappersform. Anledningen till detta är att det ska vara möjligt
% att i efterhand, vid redovisningen, undersöka vad som händer med grafen
% om du justerar någon parameter hos uppgiftens signal eller system - vilket
% assistenten ibland kan be dig att göra.

% Tips: Använd gärna funktionen ohfig för att förtydliga en redan ritad graf.
% Funktionen ökar fontstorleken på text och linjetjockleken i graferna i figurfönstret.
%
% Vid behov kan du behöva spara matlab-variabler under labben med save
% (som t.ex. save filnamn.mat A H1 D för att spara variablerna A, H1 och D
% i datafilen filnamn.mat). I ditt skript laddar du sedan in de sparade
% variablerna med load filnamn.mat.

% OBS: Senare i labserien, i samband med filterdesign, kommer du att konstruera
% laplacetransformer och z-transformer m.h.a. funktionen pzchange.
% När du redovisar utskrifter av pzchange-grafer, så behöver du i respektive
% cell spara den matlabkod som behövs för att återgenerera pzchange-grafen.
% Då kan du t.ex. även behöva ladda in en transform som du tidigare har
% erhållit och sparat i en mat-fil.
% Då kan du eller assistenten manipulera transformen m.h.a. pzchange vid redovisningen.

% Tips: Du kommer ofta att kopiera Matlabkod från kommandofönstret eller
% ?Command History?-fönstret till redovisningsskriptet i editorn.
% Det gör du enklast genom att markera funktionsanropen och sedan dra och
% släppa den markerade texten i editorn.
% I en Linuxmiljö kan du även ändra kortkommandon av typen Ctrl+C och CTRL+V
% för att kopiera respektive klistra in.
% Det gör du under System/Preferences/Keyboard/Shortcuts  (tror jag...  ;)



%% EXEMPEL PÅ HUR MATALANROP EXEKVERAS I EN CELL/SEKTION

% Se även https://se.mathworks.com/help/matlab/matlab_prog/run-sections-of-programs.html

% 1) Ställ markören var som helst i den här raden eller raderna strax nedan,
%    så att denna cell och alla dess rader gulmarkeras.
%    Cellen markeras när du ställer markören på valfri rad i cellen.
%
% 2) I "Editor"-fliken finns avdelningen "RUN". Klicka på knappen
%    "Run Section" för att exekvera all Matlabkod i denna cell/sektion.
%    Du kan även exekvera cellens Matlabkod genom att trycka Ctrl + Enter
%    (CMD + Enter på Mac).

% Exempel på matlabkod som exekveras i denna cell/sektion (rita en sinus):

t=0:0.1:10;
figure(4)
plot(t,sin(t),'r'),
shg



%% 1. INLEDNING

% Ingen uppgift att lösa här. Vi behov behöver du kanske i stället fräscha upp
% dina matlabkunskaper - se i så fall sidan "matlabresurser" på kurswebbsidan!



%% 2. FALTNING

% Kopiera dina funktionsanrop hit.
% Dela på lämpligt sätt in dina funktionsanrop i fler delceller, för enklare redovisning!

%% 2.1. Studera faltning

MS2P4

%% 2.2. Jämför Ex1 & Ex2
%% EX 1
MS2P4_mod('1.5*sin(pi*t).*(t>=0&t<1)','1.5*(t>=0&t<1.5)-(t>=2&t<2.5)')

%% EX 2
MS2P4_mod('1.5*(t>=0&t<1.5)-(t>=2&t<2.5)','1.5*sin(pi*t).*(t>=0&t<1)')

% Ser på bilderna att de är samma tack vare faltningsegenskap

%% 2.3. Förskjutet impulssvar

% Ex 3
MS2P4_mod('1.5*sin(pi*t).*(t>=0&t<1)','1.5*(t+0.2>=0&t+0.2<1.5)-(t+0.2>=2&t+0.2<2.5)')

% Nya utsignalen är förskjuten 0,2 s till vänster

% Ex 1 är kausal ty y(t) = 0 då x(t) = 0 för t < 0
% Ex 3 är även den kausal ty y(t0) = 0 då x(t) = 0 för t < t0

%% 2.4. Förskjutet impulssvar och förskjuten insignal

% Ex 4
MS2P4_mod('1.5*sin(pi*(t-0.5)).*(t-0.5>=0&t-0.5<1)','1.5*(t+0.2>=0&t+0.2<1.5)-(t+0.2>=2&t+0.2<2.5)')

% Ser att utsignal är förskjuten 0,3 s åt höger
% Icke-kausal ty utsignal ändras innan insignal,
% uppfyller ej alltså att y(t0) = 0 då x(t) = 0 för t < t0
%% 3. FOURIERSERIEANALYS

% Uppgift 3a ? beräkning

%% Uppgift 3a ? rita signal & spektrum

%% Skapar x(t)

% Lägger ihop två signaler ty t >= 0
D = fouser('pulse(t, 0, 1) + pulse((t-7), 0, 1)', 8);
signal(D)
ohfig
%% 3A Räknar ut deltoner

pwr(D) % = 0.25, 94% av 0.25 är 0,235
D2 = remtone(D,'lp', 6);
pwr(D2) % = 0.2354
% Detta ger minst 6 deltoner
spect(D2)
ohfig

% Första frekvensen f0 = 1/T0 = 1/8 = 0.125
% Alltså måste intervallet för gränsfrekvensen vara [1/8 * 6, 1/8 * 7[

%% Släpp igenom så få deltoner som möjligt
D3 = remtone(D,'lp', 1);
signal(D3)
ohfig

%% Rita upp båda amplitudsspektrumen
spect(D, D2)
ohfig

%% Uppgift 3b

for i = 1:30
   DB = remtone(D,'lp', i);
   signal(DB)
   pause(0.2);
end

% Ser att högfrekventa signaler har mycket lägre påverkan än vad
% lågfrekventa signaler har. Behöver väldigt många signaler för att
% signalen ska visas som den ska. Ser att signalen hoppar mycket även med
% många frekvenser tillagda och detta beskrivs enligt Gibbs fenomen.

%% 4. FOURIERTRANSFORMANALYS

% Dela på lämpligt sätt in dina funktionsanrop i fler delceller, för enklare redovisning!

% Uppgift 4a

%% Rita upp pulsen p(t)=u(t)-u(t-5)

p = in('us(t)-us(t-5)','t'); % Skapar pulsen
signal(p);
ohfig();

%% Fouriertransormera pulsen och rita upp amplitud- och fasspektrum
P = foutr(p); % Fouriertransformerar pulsen
spect(P); % Ritar upp amplitud- och fasspektrum
ohfig();

arg = value(P, 2); % arg(P) från 0 - 2 Hz

%% Jämför Sinc:ens toppvärde med fyrkantpulsen
%signal(p);
spectmod(P,'A',5);
ohfig();
%% Uppgift 4b

s1 = in('sin(2*pi*200*t)*pulse(t,0,1/5)', 't');
signal(s1)
s2 = in('sin(2*pi*200*t)*pulse(t,0,1/40)', 't');

%% Amplitudspektrum S1
S1 = foutr(s1); % Fouriertransformerar pulsen
spectmod(S1,'A',400);

%% Amplitudspektrum S2
S2 = foutr(s2); % Fouriertransformerar pulsen
spectmod(S2,'A',400);

%% En figur med båda amplitudspektrumen
spect(S1, S2, 400);
subplot(2,1,1), set(gca, 'xlim', [175, 225]);
ohfig

%% Uppgift 4c

%%soundsc(toner(32768:65536),6400);

T1 = foutr(toner); % Fouriertransformerar pulsen
%signal(toner)
spectmod(T1,'A');
ohfig;

%% Uppgift 4d

%% Bestäm sifferknapp
T2 = foutr(ton);
spectmod(T2, 'A');
%signalmod(ton);

%% 5. TIDSKONTINUERLIGA FREKVENSSELEKTIVA FILTER

% Dela på lämpligt sätt in dina funktionsanrop i fler delceller, för enklare redovisning!

% Uppgift 5a.

MS4

%% Uppgift 5b
load lab3;
%% Uppgift 5c
load uppgift5c;
pzchange(H3)
%% Uppgift 5d

pzchange('s')

%% Uppgift 5e

%% Butterworth
[B,A] = butter(10, 2*pi*100, 'low', 's');
pzchange(in(B,A,'s'))

%% Chebyshev
[B,A] = cheby1(4, 3, 2*pi*100 ,'low', 's');
pzchange(in(B,A,'s'))

%% Uppgift 5f
%pzchange('s');
%load(uppgift5f)
%pzchange(uppgift5f)
%pzchange(uppgift5f_better)
X = foutr(toner);
%x = ifoutr(toner);
%signal(toner)

Y = output(X, better_filter);
%Y = output(X, Own_filter);
y = ifoutr(Y);

signal(y)
%ohfig

%spectmod(Y,'A');
%spect(Y)






%% 6. TIDSDOMÄNANALYS AV TIDSDISKRETA SIGNALER & SYSTEM

% Dela på lämpligt sätt in dina funktionsanrop i fler delceller, för enklare redovisning!

%  Uppgift 6a
MS3


%% Uppgift 6b
CE3_5


%% Uppgift 6c

%edit CE3_5

n = -5:19;   % Anm: I boken står det (0:19), men från -5 är lämpligare
x = inline('n==0');     % = enhetsimpulsen
a = [1 -0.6 -0.16]; b = [5 0 0];
h = filter(b,a,x(n));
clf; stem(n,h,'k'); xlabel('n'); ylabel('h[n]');

%% 6c a)

n = -5:19;   % Anm: I boken står det (0:19), men från -5 är lämpligare
x = inline('n==0');     % = enhetsimpulsen
a = [1 -1]; b = [0 1];
h = filter(b,a,x(n));
clf; stem(n,h,'k'); xlabel('n'); ylabel('h[n]');


%% 6c b)

n = -5:19;   % Anm: I boken står det (0:19), men från -5 är lämpligare
x = inline('n==0');     % = enhetsimpulsen
a = [1 -5 6]; b = [0 8 -19];
h = filter(b,a,x(n));
clf; stem(n,h,'k'); xlabel('n'); ylabel('h[n]');

%% 6c d)

n = -5:19;   % Anm: I boken står det (0:19), men från -5 är lämpligare
x = inline('n==0');     % = enhetsimpulsen
a = 1; b = [2 -2];
h = filter(b,a,x(n));
clf; stem(n,h,'k'); xlabel('n'); ylabel('h[n]');

%% Uppgift 6d

falta

%edit falta

% Faltning mellan x[n] och h[n]
% Lasse Alfredsson 2012
n=0:50;
x=inline('2*(n>=5 & n<20)','n');    % x[n]=2(u[n-5]-u[n-20])
h=inline('1*(n>=2 & n<10)','n');    % h[n]=u[n-2]-u[n-10]

subplot(2,1,1)
stem(n,x(n),'b');hold on,
stem(n,h(n),'r');hold off
xlabel('n')
title('x[n]  (blå)  & h[n]  (röd)')

y=conv(x(n),h(n));       % y[n]=x[n]*h[n]  (faltning)
subplot(2,1,2)
stem(n,y(1:length(n)));  % Ty length(y) = length(x)+length(h)-1
xlabel('n')
title('y[n]')

%% Uppgift 6e 1


%edit falta

% Faltning mellan x[n] och h[n]
% Lasse Alfredsson 2012
n=0:50;
x=inline('2*(n>=5 & n<20)','n');    % x[n]=2(u[n-5]-u[n-20])
h=inline('1*(n>=2 & n<10)','n');    % h[n]=u[n-2]-u[n-10]

subplot(2,1,1)
stem(n,x(n - 10),'b');hold on,
stem(n,h(n),'r');hold off
xlabel('n')
title('x[n]  (blå)  & h[n]  (röd)')

y=conv(x(n - 10),h(n));       % y[n]=x[n]*h[n]  (faltning)
subplot(2,1,2)
stem(n,y(1:length(n)));  % Ty length(y) = length(x)+length(h)-1
xlabel('n')
title('y[n]')

%% Uppgift 6e 2


%edit falta

% Faltning mellan x[n] och h[n]
% Lasse Alfredsson 2012
n=0:50;
x=inline('cos((pi/6).*n).*(n>=0)','n');    % x[n]=2(u[n-5]-u[n-20])
h=inline('1.5.*((0.95).^n).*(n>=0 & n<11)','n');    % h[n]=u[n-2]-u[n-10]

subplot(2,1,1)
stem(n,x(n),'b');hold on,
stem(n,h(n),'r');hold off
xlabel('n')
title('x[n]  (blå)  & h[n]  (röd)')

y=conv(x(n),h(n));       % y[n]=x[n]*h[n]  (faltning)
subplot(2,1,2)
stem(n,y(1:length(n)));  % Ty length(y) = length(x)+length(h)-1
xlabel('n')
title('y[n]')


%% TIDSDISKRETA FREKVENSSELEKTIVA FILTER

% Dela på lämpligt sätt in dina funktionsanrop i fler delceller, för enklare redovisning!

% Uppgift 7a

%pzchange('z')
load uppgift7a;
pzchange(H1z)


%% Uppgift 7b

load uppgift7b;
pzchange(HA)
%pzchange(HB)

%% Uppgift 7c



%% Uppgift 7d