Jelfeldolgozás

Signal Processing

A tantárgyleírás hatályossága

Hatályosság kezdete:

2026. March 21.

Hatályosság vége:

—

Tantárgy neve (magyarul, angolul)

Jelfeldolgozás

Signal Processing

Tantárgykód

BMEVIHID072

Tantárgyjelleg

—

Képzési szint

—

Kurzustípusok és óraszámok (heti/féléves)

Kurzustípus	elmélet	gyakorlat	laboratóriumi gyakorlat
óraszám (heti)	4	0	0
jelleg (kapcsolt/önálló)	—	—	—

Tanulmányi teljesítmény/értékelés típusa

vizsga

Tantárgy kreditértéke

Tantárgyfelelős

DR. Levendovszky János

beosztás: egyetemi tanár

elérhetőség: levendovszky.janos@vik.bme.hu

Tantárgyat gondozó oktatási szervezeti egység

Hálózati Rendszerek és Szolgáltatások Tanszék

Kar

Villamosmérnöki és Informatikai Kar

Tantárgy weboldala

—

Tantárgy elsődleges mintatantervi jellege

—

Közvetlen előkövetelmények – Erős előkövetelmény

nincs

Közvetlen előkövetelmények – Gyenge előkövetelmény

nincs

Közvetlen előkövetelmények – Párhuzamos előkövetelmény

nincs

Közvetlen előkövetelmények – Mérföldkő előkövetelmény

nincs

Közvetlen előkövetelmények – Kizáró feltétel

nincs

Célkitűzés

Tantárgyprogram

Bevezetés, tudás homogenizálás

Jelek és rendszerek osztályozása és matematikai leírása, mintavételezés és kvantálás, z-transzformáció és tulajdonságai, valószínűségi alapismeretek áttekintése, FIR és IIR szűrők, jellegzetes speciális eseteik, szűrősorok. DFT és DCT valamint FFT algoritmusok

Diszkrét véletlen jelek modellezése és feldolgozása

Spektrális jellemzők, ARMA folyamatok, a modellfokszám becslés információelméleti kritériumai, rács és állapottér modellek, ekvivalenciák. Becslési feladatok, maximum-likelihood és nemparametrikus becslés, kovariancia, autokorrelációs, all-pole, all-zero és pole-zero módszerek.

Illesztett és adaptív jelfeldolgozás (lineáris és nemlineáris modellek)

Wiener szűrés, adaptív szűrők, sztochasztikus approximáció, LMS algoritmus és tulajdonságai

Reprezentáció és tanulás nemlineáris modelleknél, VC dimenzió, neurális jelfeldolgozás

Alkalmazások

Adaptív kiegyenlítés és zajcsökkentés, sokfelhasználójú detekció, lényegkiemelés, beszédfeldolgozás, csomagkapcsolt hálózatok forgalmi menedzsmentje.

Jelfeldolgozási algoritmusok megvalósítása

Jelfeldolgozó processzorok és architektúrák, fix és lebegőpontos számábrázolás problémái, a méréstechnikában használatos jelfeldolgozó kártyák áttekintése, PC alapú alkalmazások beszédfeldolgozásban

A doktorandusz hallgatók számára olyan tudományos mélységű algoritmikus ismeretek nyújtása, amelyek a modern kommunikációs rendszerek működésének megértéséhez és továbbfejlesztéséhez szükségesek.

Tanulmányi eredmények

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

Tudás

Nincsenek rögzített tanulási eredmények.

Képességek

Nincsenek rögzített tanulási eredmények.

Attitűd

Nincsenek rögzített tanulási eredmények.

Autonómia és felelősség

Nincsenek rögzített tanulási eredmények.

Oktatási módszertan

2*2 óra előadás hetenként.

Tanulástámogató anyagok

Online források

Candy: Signal Processing (The Modern Approach), Mc-Graw Hill, 1988; J.G. Proakis, D.G. Manolakis: Digital signal Processing, Prentice Hall, 1996.; S. Haykin: Adaptive filter theory, Prentice Hall, 1991; Gordos G., Takács Gy.: Digitális beszédfeldolgozás, Műszaki Könyvkiadó, 1983

A tantárgy teljesítéséhez ajánlott előzetes ismeretek

Tudás típusú kompetenciák

(azon előzetes ismeretek összessége, amelyek megléte nem kötelező, de a tantárgy eredményes teljesítését nagyban elősegíti)

A tantárgy elsősorban a Jelek és rendszerek témakör ismeretére épít,

Képesség típusú kompetenciák

(azon előzetes képességek és készségek összessége, amelyek megléte nem kötelező, de a tantárgy eredményes teljesítését nagyban elősegíti)

nincs

Ajánlott (nem kötelező) előzetesen megszerzendő kompetenciák

(azon ajánlott (nem kötelező) előzetesen megszerzendő kompetenciák összessége, amelyek jelentősen hozzájárulnak a tantárgy eredményes teljesítéséhez)

A tantárgy elsősorban a Jelek és rendszerek témakör ismeretére épít,

Általános szabályok

Követelmények: a. A szorgalmi időszakban: A félév végén az aláírás feltétele egy nagyzárthelyi legalább elégséges szintű megírása. A zárthelyi megírására a félév közepén kerül sor. A pótlásra a szorgalmi időszak során egy alkalom áll rendelkezésre, a vizsgaidőszakban csak iv. jelleggel lehetséges. b. A vizsgaidőszakban: vizsga c. Elővizsga: nincs

Teljesítményértékelési módszerek

Szorgalmi időszakban végzett teljesítményértékelések részletes leírása

Nincs megadva részletes értékelés.

Szorgalmi időszakban végzett teljesítményértékelések részaránya

Nincs megadva részarány.

Vizsgaidőszakban végzett teljesítményértékelések részletes leírása

Nincs megadva részletes értékelés.

Vizsgarészek részaránya

Nincs megadva részarány.

Érdemjegy megállapítása

Nincs megadva érdemjegy határ.

Jelenléti és részvételi követelmények

Nincs megadva jelenléti követelmény.

Javítás, ismétlés és pótlás különös szabályai

Nincs megadva.

Rövid leírás

Nincs megadva.

Részletes leírás

Nincs megadva.

Ajánlott tantárgyak

A Jelfeldolgozás elemei, a Beszéd- és adatjelek feldolgozása és a Digitális jelek és rendszerek analízise

A tantárgy elvégzéséhez szükséges tanulmányi munka

Nincs megadva munkaidő bontás.

Tantárgykövetelmények hatályossága

Tantárgykövetelmények hatályosságának kezdete:

—

Tantárgykövetelmények hatályosságának vége:

—

Tantervi elhelyezés

Nincsenek rögzített tantervi elhelyezések ehhez a tárgyverzióhoz.