Digital Signal Processing

Digitális jelfeldolgozás

A tantárgyleírás hatályossága

Hatályosság kezdete:

—

Hatályosság vége:

—

Subject name (Hungarian, English)

Digitális jelfeldolgozás

Digital Signal Processing

Subject code

BMEVIMM4084

Subject type

—

Training Level

—

Course types and hours (weekly/semester)

Course type	lecture	tutorial	laboratory
hours (weekly)	4	0	0
type (linked/independent)	—	—	—

Assessment type

vizsga

Credits

Subject coordinator

Dr. Kollár István

position: egyetemi tanár

contact: kollar@mit.bme.hu

Responsible department

—

Faculty

Subject website

http://www.mit.bme.hu/oktatas/targyak/vimm4084/

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

none

Objectives

Programme

Kapcsolat a folytonos és diszkrét jelek és rendszerek között: a mintavételezés elvi állításai, gyakorlati alkalmazási lehetőségek és korlátok. A digitális jelfeldolgozás beillesztése mérőeszközökbe. Jelek feldolgozása becslésekkel. A becslők legfontosabb fajtái. Maximum likelihood becslés. A diszkrét Fourier-transzformáció tulajdonságai periodikus, tranziens és sztochasztikus jelek esetén. Az A/D és D/A átalakítás méréstechnikai leírása. A/D átalakítók felépítése. Kísérlettervezés. Az eredmények megjelenítése: a hagyományosat meghaladó mennyiségű információ közlése a mért adatok kiértékelése alapján.

Jelek és rendszerek leírása dinamikus modellek segítségével. Modellek illesztése mért jelekhez. A megfigyelők szerepe, alkalmazásuk közvetlenül nem mérhető mennyiségek meghatározására. Rezonátorbank és alkalmazása megfigyelőként. A rekurzív Fourier-transzformáció. Az adaptív módszerek alapjai. Mérések hibái, és ezek csökkentése. Az átlagolás fajtái, ezek hatása a mért jelre. A digitális szűrés alapjai.

Alapismeretek megtanítása: jelek mérése és feldolgozása digitális eszközökkel – DSP, számítógép. Rendszerek modellezése, az információ optimális kinyerése.

Learning outcomes

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

Knowledge

No learning outcomes recorded.

Skills

No learning outcomes recorded.

Attitudes

No learning outcomes recorded.

Autonomy and responsibility

No learning outcomes recorded.

Oktatási módszertan

Előadások; hetente átlagosan egy óra feladatmegoldás.

Tanulástámogató anyagok

Not provided.

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)

Valószínűségszámítás, Hálózatok és rendszerek 1-2, Szabályozástechnika

Skill type competencies

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

nincs

Recommended (non-compulsory) preliminary competencies

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

Valószínűségszámítás, Hálózatok és rendszerek 1-2, Szabályozástechnika

General rules

Követelmények: a. A szorgalmi időszakban: egy nagyzárthelyi, és egy házi feladat. Az aláírás feltétele legalább elégséges szintű nagyzárthelyi és házi feladat elkészítése. b. A vizsgaidőszakban: szóbeli vizsga c. Elővizsga: legalább négyes szintű zárthelyi és házi feladat. A megszerzett aláírás a következő félév vizsgaidőszakának végéig érvényes. Aktuális információk: http://www.mit.bme.hu/oktatas/targyak/vimm4084/ Pótlási lehetőségek: A TVSZ-nek megfelelően: félév közben egy pótzárthelyit tartunk a vizsgaidőszak első három hetében a házi feladat pótlólag beadható (különeljárási díj befizetése után), a pótlólag beadott házi feladatokat a háromhetes határidő lejárta után egy héten belül javítjuk ki a vizsgaidőszak harmadik hetének végén egy zárthelyi pótlási lehetőség lesz (különeljárási díj befizetése után), ennek időpontját és helyét a tantárgy weboldalán közzétesszük.

Assessment methods

In-term assessments

No detailed assessments provided.

Weight of in-term assessments

No weights provided.

Exam-period assessments

No detailed assessments provided.

Weight of exam elements

No weights provided.

Grade calculation

No grade thresholds provided.

Attendance requirements

No attendance requirements provided.

Rules for retake and resubmission

Not provided.

Short description

Not provided.

Detailed description

Not provided.

Recommended courses

Ajánlott: Hálózatok és rendszerek 1-2, Valószínűségszámítás, Méréstechnika.

Workload to complete the subject

No workload breakdown provided.

Validity of subject requirements

Requirements valid from:

—

Requirements valid until:

—

Curriculum placement

No curriculum placements recorded for this subject version.