Tantárgy adatlapja

Tárgy neve: Digitális jelfeldolgozás
Tárgy kódja: P-ITJEL-0026
Óraszám: N: 2/0/2, L: 0/0/0
Kreditérték: 5
Az oktatás nyelve: magyar
Követelmény típus: Kollokvium
Felelős kar: ITK
Felelős szervezeti egység: Pázmány Péter Katolikus Egyetem Információs Technológiai és Bionikai Kar
Tárgyfelelős oktató: Dr. Oláh András
Tárgyleírás:

Tantárgy neve:Digitális jelfeldolgozás
P-ITJEL-0026
Tárgyfelelős:Oláh András
Tantárgy oktatója:Oláh András
A tantárgy céljának rövid ismertetése:A tantárgy célja, hogy a hallgatók megismerjék a digitális jelfeldolgozás alapfogalmait és módszereit, valamint képessé váljanak diszkrét rendszerek alapvető analízisére és tervezésére. A kurzus elvégzése során a hallgatók elsajátítják a digitális jelfeldolgozás matematikai alapjait, ugyanakkor nem csupán formális módszereket ismernek meg, hanem megértik azok gyakorlati jelentőségét is.
Elsajátítandó elméleti ismeretanyag:

A hallgatók megismerik a digitális jelfeldolgozás alapvető matematikai és rendszerszemléleti fogalmait. Ennek keretében elsajátítják a mintavételezés és kvantálás elméleti alapjait, a diszkrét idejű jelek és rendszerek leírását, az LTI rendszerek idő- és transzformált tartománybeli analízisét, a spektrálanalízis alapjait, továbbá a digitális szűrőtervezés és az adaptív jelfeldolgozás alapelveit.

  • Analóg-Digitális átalakítás: mintavételezés, kvantálás: Mintavételezés, Lineáris kvantálás, Nemlineáris kvantálás (optimális kvantáló, logaritmikus kvantáló, Lloyd_Max algoritmus)
  • LTI rendszerek analízise az időtartományban: Diszkrét rendszerek osztályozása, LTI rendszerek implementációja (FIR, IIR), rendszeregyenlete és annak megoldása
  • LTI rendszerek analízise transzformált tartományon: Analízis a frekvenciatartományon (átviteli karakterisztika), Analízis a Z-transzformált tartományon (átviteli függvény)
  • Spektrálanalízis: Diszkrét Fourier Transzformáció, Fast Fourier Transzformáció
  • Szűrőtervezés: FIR szűrő tervezés ablakolással, FIR szűrő tervezés DFT-vel
  • Adaptív jelfeldolgozás: Wiener szűrés alapfeladata
  • LMS algoritmus, Alkalmazási példák (adaptív-prediktív kódolás, outlier detekció, csatornakiegyenlítés)
Elsajátítandó gyakorlati ismeretanyag:A hallgatók képessé válnak diszkrét jelek és rendszerek alapvető elemzésére és modellezésére, egyszerű digitális szűrők tulajdonságainak vizsgálatára és tervezésére, valamint spektrális és rendszertechnikai módszerek gyakorlati alkalmazására. A kurzus során gyakorlatot szereznek jel- és rendszermodellek értelmezésében, grafikus és numerikus elemzésében, továbbá valósághoz közeli jelfeldolgozási feladatok mérnöki szemléletű megoldásában.
A 2-4 legfontosabb kötelező irodalom felsorolása bibliográfiai adatokkal (szerző, cím, kiadás adatai, (esetleg oldalak), ISBN):Előadások és gyakorlatok óravázlatai, jegyzetei.
J. G. Proakis és D. G. Manolakis, Digital Signal Processing: Principles, Algorithms, and Applications, 3. kiad. Upper Saddle River, NJ, USA: Prentice Hall, 1996. ISBN: 0-13-394338-9.
S. Haykin, Adaptive Filter Theory, 3. kiad. Upper Saddle River, NJ, USA: Prentice Hall, 1996. ISBN: 0-13-004052-5.
A 2-4 legfontosabb ajánlott felsorolása bibliográfiai adatokkal (szerző, cím, kiadás adatai, (esetleg oldalak), ISBN):A. V. Oppenheim és R. W. Schafer, Discrete-Time Signal Processing, 3. kiad. Boston, MA, USA: Pearson, 2009. ISBN: 978-0-13-198842-2.
R. G. Lyons, Understanding Digital Signal Processing, 3. kiad. Boston, MA, USA: Pearson, 2011. ISBN: 978-0-13-702741-5.
Elmélet-gyakorlat aránya:Elméleti óra óraszáma: 2
Gyakorlati óra és labor óra óraszáma: 0 + 2
Az alkalmazott oktatási módszerek:Frontális előadás és gyakorlat (tábla használatával), ami kiegészül moodle-tananyagokkaloodle tananyagokkal (az előadások és gyakorlatok videóanyag) és projektmunkákkal.M
Az értékelés módja:Kollokvium
Az értékelés kritériuma:

Évközi számonkérés:

  • TV – Tananyag rövid tematikus videóinak megtekintése (Moodle, kb. 40 videó): 40 pont
  • MM – Műhelymunka (Moodle, 3 projekt): 30 pont
  • kZH – kis ZH-k (személyes, 3 db): 30 pont
  • nZH – nagy ZH (személyes, 1 db): 100 pont
  • BP – Bónuszpontok szerezhetők az előadásokon való aktív részvételért

Az aláírás feltételei:

  • minimum 75% részvétel
  • nZH minimum 40 pont
  • TV + MM + kZH + BP minimum 40 pont

Vizsgaidőszak számonkérései:

  • VZH – vizsga ZH: 100 pont
  • Szóbeli vizsga pontszám ill. jegykerekítés céljából.

Pontszámítás: (A képlet célja az évközi és vizsgaidőszaki teljesítmény kiegyensúlyozott figyelembevétele, illetve a normalizálás 100-as skálára.)

Score = ((TV + MM + kZH + nZH + BP) + VZH) / 3

A pontszámból megadott (és a kurzus elején meghirdetett) küszöbök szerint lesz a végleges jegy.

Miként járul hozzá a tantárgy a KKK-ban megjelölt kompetenciaelemek megszerzéséhez:

Mérnökinformatikus alapképzés:
A tantárgy fejleszti a mérnökinformatikus képzéshez szükséges diszkrét rendszerszemléletet, jelfeldolgozási és algoritmikus tervezési kompetenciákat. A hallgatók képessé válnak diszkrét jelek és rendszerek elemzésére, digitális szűrők tervezésére, spektrális módszerek alkalmazására és valósághoz közeli jelfeldolgozási feladatok mérnöki szemléletű megoldására.

Molekuláris bionika mérnöki alapképzés:
A tantárgy fejleszti a molekuláris bionika mérnöki képzéshez szükséges diszkrét rendszerszemléletet, jelfeldolgozási és numerikus elemzési kompetenciákat. A hallgatók képessé válnak jelek és rendszerek modellezésére, spektrális elemzésére és digitális szűrők tervezésére, ami alapvető az orvosbiológiai jelek és mérési adatok feldolgozásában.

A tárgy az alábbi képzéseken vehető fel

mérnökinformatikus IANI-MI alapképzés (BA/BSc/BProf) Nappali magyar 7 félév ITK
molekuláris bionika mérnöki IANI-MB alapképzés (BA/BSc/BProf) Nappali magyar 7 félév ITK
Széchenyi 2020 - Magyarország Kormánya - Európai Unió, Európai Regionális Fejlesztési Alap - Befektetés a Jövőbe