Signalverarbeitung

Modulverantwortlicher

Prof. Dr. Leonhard Reindl

Lehrveranstaltungstyp

Blended learning inkl. tutorieller Betreuung (Vorlesung mit Übung)

Turnus

Unregelmäßig

Sprache

Deutsch

Bedeutung innerhalb des Curriculums

Eines von 10 angebotenen Vertiefungsmodulen, eingeordnet in die Richtung „Algorithmik“. Diese Module können von den Studierenden – da unabhängig voneinander – in der laut Studienplan benötigten Anzahl belegt werden.

Voraussetzungen

Mathematik für Ingenieure (Komplexe Zahlen, Funktionentheorie, Integrieren, Differenzieren)

Im Rahmen des Studiengangs IEMS:

  • Basismodul Methoden des maschinellen Lernens
  • Basismodul Technik Eingebetteter Systeme

Lernziele

Die Studierenden besitzen das Wissen um analoge Signale mit speziellen Wandlern in digitale umzuwandeln. Sie sind in der Lage, die hierfür notwendigen AD- und DA-Wandler auszuwählen und die Signalverarbeitungskette zu berechnen. Sie können Signale glätten, sowie numerisch differenzieren und integrieren.

Sie sind in der Lage, analoge und digitale Signale im Zeit- und Frequenz-Bereich, sowie digitale Signale im z-Bereich zu analysieren. Sie können zur spektralen Filterung „Finite“ und „Infinite Impuls Response“- Filter entwerfen.

Sie können mit MATLAB / Scilab Signale im Zeit-, Frequenz- und z-Bereich erzeugen, darstellen und analysieren, sowie digitale Filter entwerfen, simulieren und zur Signalanalyse gemäß Aufgabenstellung anwenden.

Die Eigenschaften von stochastischen/nichtstationären Signalen können Sie mit Methoden der Korrelation, der Kurzzeitfouriertransformation, der Wignerverteilung und der Wavelettransformation analysieren.

Lehrinhalt

Die Signalverarbeitung hat die digitale Verarbeitung analoger und digitaler Signale zum Ziel.

Zunächst werden Signale und Systeme definiert. Ausführlich wird auf zeitdiskrete Systeme eingegangen. Ideale und nichtideale Abtastung werden definiert. Numerisches Glätten, Integrieren und Differenzieren werden erläutert.

Danach werden die Integraltransformationen „Fourier-“, „Inverse Fourier-“, „Diskrete Fourier-“, „Fast Fourier-“ und z-Transformation behandelt und beispielhaft angewandt. Eigenschaften und Entwurf digitaler FIR- und IIR-Filter werden ausführlich behandelt. Sie können Filter mittels DSP und FPGA realisieren.

Zur Analyse stochastischer/nichtstationärer Signale werden Korrelation, Kurzzeitfouriertransformation, Wignerverteilung und Wavelettransformation eingeführt.

Die Vorlesung wird durch Systemüberlegungen zu nichtidealen Effekten von FIR- und IIR-Filtern, sowie Anwendungen von FIR- und IIR-Filtern zur Abtastratenumsetzung und zum Aufbau von digitalen Signalgeneratoren abgeschlossen.

Studien- und Prüfungsleistungen

mündlich oder schriftlich

Literatur

  1. Daniel Ch. von Grüningen, Digitale Signalverarbeitung, Fachbuchverlag Leipzig
  2. E. Schrüfer, Signalverarbeitung, Hanser Verlag
  3. R. Scheithauer, Signale und Systeme, Teubner Stuttgart
  4. Kammeyer, Kroschel, Digitale Signalverarbeitung
  5. Mertins, Signal Analysis
  6. Mitra, Digital Signal Processing
  7. Kay, Fundamentals of statistical signal processing & Modern spectral estimation
  8. Einführung in MATLAB / Scilab, Skript zu den Übungen Signalverarbeitung SS2005
  9. Vorlesungsskript Signalverarbeitung SS2005
  10. Oppenheim, Schafer: Zeitdiskrete Signalverarbeitung
  11. Ingle, Proakis: Digital Signal Processing using MATLAB
 
Impressum© 2007-2011    iems – intelligente eingebettete mikrosysteme