Signalverarbeitung mit Matlab/Python und µC
PDF Lehrveranstaltungsverzeichnis English Version: SMP
Version: 2 | Letzte Änderung: 11.09.2019 21:45 | Entwurf: 0 | Status: vom verantwortlichen Dozent freigegeben
Langname | Signalverarbeitung mit Matlab/Python und µC |
---|---|
Anerkennende LModule | SMP_BaET, SMP_BaTIN |
Verantwortlich |
Prof. Dr. Harald Elders-Boll
Professor Fakultät IME |
Gültig ab | Wintersemester 2022/23 |
Niveau | Bachelor |
Semester im Jahr | Wintersemester |
Dauer | Semester |
Stunden im Selbststudium | 78 |
ECTS | 5 |
Dozenten |
Prof. Dr. Harald Elders-Boll
Professor Fakultät IMEProf. Dr. Uwe Dettmar Professor Fakultät IMEProf. Dr.-Ing. Christoph Pörschmann Professor Fakultät IME |
Voraussetzungen | grundlegende prozedurale Programmierkenntnisse Grundkenntnisse der digitalen Signalverarbeitung: Abtasttheorem, Digitale Filter, Fouriertransformation |
Unterrichtssprache | deutsch und englisch |
separate Abschlussprüfung | Ja |
Welch, Wright, Morrow: Real-Time Digital Signal Processing (CRC Press) |
Details |
In der Projektarbeit implementieren die Studierenden eine vorgegebenes Verfahrens der digitalen Signalverarbeitung in Teamarbeit und weisen somit nach, dass sie in der Lage sind Systeme und Anwendungen der Signalverarbeitung in unterschiedichen Anwendungsbereichen entwickeln zu können Für die Modulnote werden die Projektarbeit, die Abschlusspräsentation der Projektarbeit und der schriftliche Bericht zur Projektarbeit jeweils nach mehreren Kriterien separat bepunktet und dann aus der Gesamtpunkzahl die Modulnote abgeleitet. |
---|---|
Mindeststandard | 50% der maximal möglichen Gesamtpunktzahl. |
Prüfungstyp | mündlicher Ergebnisbericht (Vortrag / Präsentation) |
Zieltyp | Beschreibung |
---|---|
Kenntnisse | Prinzipien der digitalen Signalverarbeitung: Abtastung und Rekonstruktion Digitale Filter DFT und FFT Implementierung der Faltung mit Hilfe der FFT Spektralanalyse Signalgenerierung Echtzeitsignalverarbeitung: Interrupt und Polling Blockbasierte Signalverarbeitung |
Fertigkeiten | Grundlagen der digitalen Signalverarbeitung anwenden: Grundlegende Prinzipien der digitalen Signalverarbeitung verstehen und erklären können Unterschiedliche Filter Typen und Implementierungen vergleichen und bewerten können Implementierung und Echtzeitsignalverarbeitung: Grundlegende Problematik der Echtzeitsignalverarbeitung darstellen können Einflussfaktoren auf die Verarbeitungsgeschwindigkeit benennnen können Grundlegende Verfahren zur Echtzeitsignalverarbeitung verstehen und erklären können |
Typ | Präsenzzeit (h/Wo.) |
---|---|
Vorlesung | 1 |
Tutorium (freiwillig) | 0 |
keine |
Begleitmaterial |
elektronische Vortragsfolien zur Vorlesung Beispiel Code für einzelne Themen aus der Vorlesung |
---|---|
Separate Prüfung | Nein |
Zieltyp | Beschreibung |
---|---|
Fertigkeiten | Implementierung einfacher Verfahren der Signalverarbeitung in Python/Matlab und auf Mikroprozessoren. |
Typ | Präsenzzeit (h/Wo.) |
---|---|
Praktikum | 2 |
Tutorium (freiwillig) | 0 |
keine |
Begleitmaterial | Versuchsanleitungen mit Code Skeletons |
---|---|
Separate Prüfung | Nein |
Zieltyp | Beschreibung |
---|---|
Fertigkeiten | Implementierung in Python/Matlab: Algorithmus in Python/Matlab programmieren, debuggen und optimieren. Implementierung auf einem Mikroprozessor Algorithmus in C auf Zielprozessor programmieren Entwicklungsumgebung kennen und nutzen können Algorithmus auf den verwendeten Hardware effizient realisieren komplexe Aufgaben im Team bewältigen: einfache Projekte planen und steuern Absprachen und Termine einhalten Reviews planen und durchführen Verfahren der Signalverarbeitung auf Zielplatform implementieren: Vorgegebene Verfahren der digitalen Signalverarbeitung verstehen Notwendige Literatur beschaffen und verstehen Mathematisch formulierte Verfahren in Programmcode umsetzen Programm testen, prüfen und optimieren Arbeitsergebnisse darstellen: Präsentation der Ergebnisse der Projektarbeit (in Englisch) |
Typ | Präsenzzeit (h/Wo.) |
---|---|
Projekt | 1 |
Tutorium (freiwillig) | 0 |
keine |
Begleitmaterial |
Installierte Software auf den Laborrechnern Mikroprozessorboards mit Code-Skeletons für kostenfreie Entwicklungsumgebung |
---|---|
Separate Prüfung | Nein |
© 2022 Technische Hochschule Köln