Data Acquisition and Signal Processing

Számítógépes mérési adatgyűjtés és jelfeldolgozás
A tantárgyleírás hatályossága
Hatályosság kezdete:
Hatályosság vége:
Subject name (Hungarian, English)
Számítógépes mérési adatgyűjtés és jelfeldolgozás
Data Acquisition and Signal Processing
Subject code BMEGEMINGMJ
Subject type
Course types and hours (weekly/semester)
Course type lecture tutorial laboratory
hours (weekly) 2 0 1
type (linked/independent)
Assessment type félévközi érdemjegy
Credits 4
Subject coordinator
Responsible department
Faculty Default Faculty
Subject website
Teaching language
Primary curriculum type
Direct prerequisites – Strong prerequisite none
Direct prerequisites – Weak prerequisite none
Direct prerequisites – Parallel prerequisite none
Direct prerequisites – Milestone prerequisite none
Direct prerequisites – Exclusion BMEGEMIMG01

Objectives

A gépészmérnöki gyakorlatban előforduló mérésekhez kapcsolódó számítógépes adatgyűjtési és jelfeldolgozási lehetőségek megismertetése. Mérőláncok felépítése és dinamikai átviteli tulajdonságai. Mérőlánc illesztése a mérendő jelekhez. Jelek rendszerezése és analízise idő és frekvencia tartományban. Jelfeldolgozás alapvető áramkörei, zajhatások csökkentése, a szűrés és árnyékolás megoldása. A jelfeldolgozás matematikai módszerei. Időben változó jelek mintavételezése. Digitális méréstechnika a gépészetben. A digitális adatgyűjtés és jelfeldolgozás módszerei és eszközei.

Learning outcomes

Ez a tantárgy a KKK rendeletben meghatározott, következő kompetenciák fejlesztését szolgálja:

Knowledge
Átfogó ismeretekkel rendelkezik a gépészmérnöki gyakorlatban előforduló jellegzetes fizikai folyamatokhoz kapcsolódó mérhető mennyiségekről és jellegzetes mérési módszerekről. Pontos ismeretekkel rendelkezik az alapvető méréstechnikai matematikai modell struktúrákról, a mérőláncok elemeinek dinamikai sajátságairól. Tisztában van a mérőláncok egységeivel, feladataikkal, fizikai megvalósításukkal. Tájékozott a számítógépes mérési adatgyűjtés berendezéseinek lehetőségeivel kapcsolatban. Meghatározza a mérendő rendszer lényeges részegységeit, a megfelelő fizikai összefüggések és a mérési követelmények ismeretében kiválasztva a jelek fizikai megjelenési formáját, értéktartományát, jellemzőit. Alapvető ismeretekkel rendelkezik a folytonos idejű rendszerek számítógépes méréséhez szükséges mintavételezés matematikai és megvalósítási hátteréről. Tisztában van a fizikai jellemzőből előállított villamos jel számítógépbe/elektronikus mérőberendezésbe juttatásához szükséges áramköti kialakításokkal. Ismeri a zajhatás csökkentés, szűrés és árnyékolás módszereit és alkalmazási lehetőségeit. Tájékozott a mintavételezett jelsorozat matematikai feldolgozásával kapcsolatos elméleti háttér és annak szoftveres megvalósításai tekintetében. Ismeri a mért jelek számítógépes feldolgozásánál használatos szűrési, átlagolási, simítási eljárásokat és azok szoftveres, és ahol értelmezhető hardveres implementációit. Ismeri a mért és villamos jellé konvertált mennyiségek számítógépes feldolgozásához alkalmazható algoritmusokról, felhasználói programokról. Fizikai és méréstechnikai alapismeretek, valószínűségszámítás alapjai, komplex függvények, Fourier sor, Laplace transzformáció, elektronikai alapismeretek, szemelvények a nem villamos mennyiségek villamos mérése témakörből. 164 169 173
Skills
Kiválasztja a mérési folyamat villmos vagy villamossá alakított jeleinek feldolgozásához alkalmazandó hardver egysége(ke)t és szoftvert. Meghatározza a mérés és a kapcsolódó jelfeldolgozás során megoldandó feladatokat, részfeladatokat. Azonosítja a méréshez és jelkondicionáláshoz leginkább alkamas mérőlánc részegységeket. Megtervezi a foyamathoz és a mért jellemzőhöz szükséges mintavételezés és diszkretizálás paramétereit. Felismeri a jelek szűrésének igényét, majd kiválasztja a megfelelő hardveres vagy szoftveres szűrőt. Képes felismerni a mérőrendszerbeli zajforrásokat és megoldást keresni a zajcsökkentésre. Képes a jelfeldolgozáshoz szükséges matematikai mószerek számítógépes implementálására. Elemzi a jelfeldolgozó szoftverek lehetőségeit, a feladat megoldásához leginkább alkalmas megoldás kiválasztása céljából. Használja a választott jelfeldolgozó hardver és szoftver által biztosított adattárolási és file-kezelési funkciókat. Alkalmazza a megoldandó feladatra választott jelfeldolgozó program adatábrázolási lehetőségeit. Képes azonosítani a jeleldolgozás alapvető áramköreit és kiválasztani a feladathoz megfelelőt. Méréstechnikai gyakorlati készségek. Táblázatkezelő program használata. Magasszintű programozási nyelv ismerete. 179 181 187
Attitudes
Munkáját, eredményeit és következtetéseit folyamatosan ellenőrzi. Folyamatos ismeretszerzéssel bővíti a mérési adatok számítógépes gyűjtésével és feldolgozásával kapcsolatos tudását. Nyitott az információtechnológiai eszközök használatára. Törekszik a mérési, adatgyűjtési és jelfeldolgozási probléma megoldásához szükséges eszközrendszer megismerésére és rutinszerű használatára. Fejleszti a pontos és hibamentes feladatmegoldást, a mérnöki precizitást és szabatosságot szolgáló képességeit. Érvényesíti az energiahatékonyság, a fenntarthatóság és környezettudatosság elvét feladatai megoldása során. Figyelemmel követi a a mérési adatok számítógépes gyűjtésével és feldolgozásával kapcsolatos eszközökben és lehetőségeiben bekövetkező változásokat. Eredményeit a szakmai szabályainak megfelelően publikálja. Véleményét és nézeteit másokat nem sértve közzéteszi. 195 200 198
Autonomy and responsibility
Együttműködik az ismeretek bővítése során az oktatóval és hallgatótársaival. Elfogadja a megalapozott szakmai és egyéb kritikai észrevételeket. Egyes helyzetekben – csapat részeként – együttműködik hallgatótársaival a feladatok megoldásában. Ismeretei birtokában, elemzései alapján felelős, megalapozott döntést hoz. Felelősséget érez választott szakterülete problémái, valamint a fenntartható környezethasználat, továbbá a jelen és a jövő nemzedékei iránt. Elkötelezett a rendszerelvű gondolkodás és problémamegoldás elvei és módszerei iránt. 212 214 218

Oktatási módszertan

A tantárgy oktatása során elválik egymástól az előadás és laboratóriumi gyakorlat, mind tartalmában, mind pedig módszertanában. Az előadások alapvetően a frontális oktatás technikáját alkalmazva ismertetik meg a hallgatókkal a tudás kompetenciaelemek által meghatározott információkkal. Az előadásokhoz közzétett diasorok tartoznak, így a hallgatók azokat az előadáson saját jegyzeteikkel ki tudják egészíteni. Az előadások anyagai és a további elérhető írásos tananyagok egymást kiegészítik, külön-külön nem elegendőek a megfelelő felkészültség eléréséhez. A laboratóriumi foglalkozások az előadásokhoz kapcsolódó tematikával segítik elő az ismeretek alkalmazását és készségszintű elsajátítását. A laboratóriumi foglalkozásokon az előzetesen otthon, önállóan elsajátított ismereteket az oktató segítségével alkalmazva zajlik améréshez, számítógépes adatgyűtéshez és jelfeldolgozáshoz tartozó feladatmegoldás.

Tanulástámogató anyagok

Tankönyvek
Jonathan Blackledge: Digital Signal Processing (Second Edition), Dublin Institute of Technology, 2006. ISBN: 1-904275-26-5
Jegyzetek
A tantárgyhoz az adatlap kitöltése során még nem áll rendelkezésre könyv vagy jegyzet, annak legkorábbi megjelenési ideje 2020.
Online források
https://www.tankonyvtar.hu/hu/tartalom/tamop412A/2011-0042_mereselmelet/adatok.html; https://arrow.dit.ie/cgi/viewcontent.cgi?article=1002&context=engschelebk; https://www.tankonyvtar.hu/hu/tartalom/tamop412A/2010-0017_36_jelfeldolgozas_es_szamitogepes_iranyitas/adatok.html; http://www.mogi.bme.hu/tantargylista/BMEGEMINGMJ

Recommended preliminary knowledge for completing the subject

Knowledge type competencies
(azon előzetes ismeretek összessége, amelyek megléte nem kötelező, de a tantárgy eredményes teljesítését nagyban elősegíti)
nincs
Skill type competencies
(azon előzetes képességek és készségek összessége, amelyek megléte nem kötelező, de a tantárgy eredményes teljesítését nagyban elősegíti)
nincs
General rules
A tanulási eredmények értékelése egy rész- és egy összegző tanulmányi teljesítményértékelés alapján történik. Az összegző tanulmányi teljesítményértékelés: a tantárgy és tudás, képesség típusú kompetenciaelemeinek komplex, írásos értékelési módja zárthelyi dolgozat formájában, a dolgozat egyrészt a megszerzett ismeretek alkalmazására fókuszál, így a problémafelismerést és -megoldást helyezi a középpontba, másrészt a szükséges lexikális ismereteket kéri számon a teljesítményértékelés során, a rendelkezésre álló munkaidő 90 perc. A részteljesítmény értékelés (házi feladat): a tantárgy tudás, képesség, attitűd, valamint önállóság és felelősség típusú kompetenciaelemeinek komplex értékelési módja, melynek megjelenési formája az egyénileg készített házi feladat.
Assessment methods
In-term assessments
1. —
Az összegző értékelés a hallgatók tudás és képesség típusú kompetenciákkal meghatározott tanulási eredményeit vizsgálja és méri. Az összegző értékelés a kijelölt elméleti ismeretanyag elsajátítását, valamint a gyakorlaton szerzett ismeretek meglétét és képességek alkalmazását méri fel. Az összegző értékelés 50%-ban az elméleti ismeretekre, 50%-ban az alkalmazói készségekre fókuszál. Teljesítésére a tanulmányi teljesítményértékelési tervben meghatározott időpontban, előreláthatóan a 13. oktatási héten, az előadáson kerül sor. Az összegző teljesítményértékelésen 100 pont szerezhető, minimálisan 50 pont elérése szükséges.
2. —
A részteljesítmény értékelés (mérési jegyzőkönyv elkészítése a mérés elvégzését követően): a tantárgy tudás, képesség, attitűd, valamint önállóság és felelősség típusú kompetenciaelemeinek komplex értékelési módja, megjelenési formája a két fős csoportban végzett laboratóriumi mérés eredményének értékelése és dokumentálása. A mérés értékeléséhez és a dokumentáció (mérési jegyzőkönyv) elkészítéséhez az előírt szoftvereket kell használni. A mérési jegyzőkönyvet a félév elején közölt helyre kell elektronikusan feltölteni a szintén félév elején megadott ütemezés szerint.
Weight of in-term assessments
Type Weight
50 %
50 %
Exam-period assessments

No detailed assessments provided.

Weight of exam elements

No weights provided.

Grade calculation
Type ECTS Performance (%)
jeles (5) Excellent [A] 90 % felett
jeles (5) Very Good [B] 85 % - 90 %
jó (4) Good [C] 72 % - 85 %
közepes (3) Satisfactory [D] 65 % - 72 %
elégséges (2) Pass [E] 50 % - 65 %
elégtelen (1) Fail [F] 50 % alatt
Attendance requirements
  • lecture: 25%
  • Labor: 85%
Rules for retake and resubmission
  • Összegző első javítás: 1
  • Összegző javítás: 1
  • Részteljesítmény első javítás: 2
  • Kihagyott labor: 3
  • Hibás labor javítása: 1
Short description

Not provided.

Detailed description

Not provided.

Recommended courses

Not provided.

Workload to complete the subject
Description hours / term
részvétel a kontakt tanórákon 42
felkészülés a gyakorlatokra 0
részteljesítmény értékelés feladatainak kidolgozása 24
további, a teljesítéshez szükséges munkaidő ráfordítás 24
összegző értékelések 16
vizsgára készülés 0
labor 14
összesen 120
Validity of subject requirements
Requirements valid from:
2024. 09. 01.
Requirements valid until:
2029. 07. 15.
Curriculum placement
Faculty Program Curriculum Curriculum type Primary
Default Faculty Default Program Default Curriculum nem