Modulhandbuch DSP

Digital Signal Processing

Master Technische Informatik 2020

PDF Studiengangsverzeichnis Studienverlaufspläne Master Technische Informatik

Version: 2 | Letzte Änderung: 23.10.2019 18:19 | Entwurf: 0 | Status: vom Modulverantwortlichen freigegeben | Verantwortlich: Elders-Boll

Anerkannte Lehrveran­staltungen DSP_Elders-Boll
Gültig ab Wintersemester 2020/21
Dauer 1 Semester
ECTS 5
Zeugnistext (de) Digital Signal Processing
Zeugnistext (en) Digital Signal Processing
Unterrichtssprache englisch
abschließende Modulprüfung Ja
Inhaltliche Voraussetzungen
Handlungsfelder
Komplexe Rechner-, Kommunikations- und Eingebettete Systeme sowie komplexe Software-Systeme unter interdisziplinären Bedingungen entwerfen, realisieren und bewerten
Wissenschaftlich arbeiten und wissenschaftliche Erkenntnisse anwenden und erweitern
Modulprüfung
Benotet Ja
Konzept Normally written exam:
In the written exam students shall demonstrate that they are able to solve problems dealing with the design, analysis and implementation of DSP systems in soft and hardware considering computational complexity and hardware resource limitation, by using their thorough understanding of the theoretical concepts, especially frequency domain analysis, and insights gained from the practical implementation of DSP systems in software using Python and on microprocessors, such that they are able to design, select, use and apply actual and future DSP systems for various signal processing application in commercial products.


Alternatively these skills can also be demonstrated in an oral exam.
Frequenz Jedes Semester
Learning Outcomes
ID Learning Outcome
LO1 Design, analyse and implement DSP systems in soft and hardware considering computational complexity and hardware resource limitation, by a thorough understanding of the theoretical concepts, especially frequency domain analysis, and practical implementation of DSP systems in software using Python and on microprocessors, to be able to design, select, use and apply actual and future DSP systems for various signal processing application in commercial products.
Kompetenzen
Kompetenz Ausprägung
Komplexe Systeme und Prozesse analysieren, modellieren, realisieren, testen und bewerten diese Kompetenz wird vermittelt
Komplexe Aufgaben selbständig bearbeiten diese Kompetenz wird vermittelt
Anerkannte Methoden für wissenschaftliches Arbeiten beherrschen diese Kompetenz wird vermittelt

Inhaltliche Voraussetzungen
Handlungsfelder
Komplexe Rechner-, Kommunikations- und Eingebettete Systeme sowie komplexe Software-Systeme unter interdisziplinären Bedingungen entwerfen, realisieren und bewerten
Wissenschaftlich arbeiten und wissenschaftliche Erkenntnisse anwenden und erweitern
Learning Outcomes
ID Learning Outcome
LO1 Design, analyse and implement DSP systems in soft and hardware considering computational complexity and hardware resource limitation, by a thorough understanding of the theoretical concepts, especially frequency domain analysis, and practical implementation of DSP systems in software using Python and on microprocessors, to be able to design, select, use and apply actual and future DSP systems for various signal processing application in commercial products.
Kompetenzen
Kompetenz Ausprägung
Komplexe Systeme und Prozesse analysieren, modellieren, realisieren, testen und bewerten diese Kompetenz wird vermittelt
Komplexe Aufgaben selbständig bearbeiten diese Kompetenz wird vermittelt
Anerkannte Methoden für wissenschaftliches Arbeiten beherrschen diese Kompetenz wird vermittelt

Typ Vorlesung / Übungen
Separate Prüfung Ja
Exempla­rische inhaltliche Operatio­nalisierung The follwowing subjects can be presented quickly assuming students have had prior exposure to discrete-time systems:
Signals, Systems and Digital Signal Processing
Discrete-Time Linear Time-Invariant Systems
Ideal Sampling and Reconstruction
Fourier-Transform of Discrete-Time Signals
The z-Transform

The follwoing subjects should be presented in depth:
Discrete Fourier-Transform
Design of Digital Filters
Random Signals
Advanced Sampling Techniques
The course should be complemented with selected topics from the following advanced subjects:
Optimum Linear Filters
Spectrum Estimation
Baseband Representation of Bandpass Signals
Wifi Sensing
The theory should be illustrated and put into practise by Python code of the presented methods and algorithms.
Separate Prüfung
Benotet Ja
Frequenz Einmal im Jahr
Gewicht 20
Bestehen notwendig Nein
Voraussetzung für Teilnahme an Modulprüfung Ja
Konzept Semesterbegleitende Tests in Form von Aufgaben, die den bis zum jeweiligen Zeitpunkt in der Vorlesung/Übung behandelten Stoff aufgreifen und so bei Bestehen sicherstellen, dass die Grundlagen zur erfolgreichen Teilnahme an den entsprechenden Praktikumsversuchen oder Projekten gegeben ist.
Typ Praktikum
Separate Prüfung Ja
Exempla­rische inhaltliche Operatio­nalisierung Python based lab exercises and/or implementation on mircoprocessors.
Separate Prüfung
Benotet Nein
Frequenz Einmal im Jahr
Voraussetzung für Teilnahme an Modulprüfung Ja
Konzept Dedicated lab experiments or small microprocessor projects.

Impressum
Datenschutzhinweis
Haftungshinweis
Bei Fehlern, bitte Mitteilung an die
Webredaktion der Fakultät IME

© 2022 Technische Hochschule Köln