Lehrveranstaltungshandbuch ACC

Advanced Channel Coding

PDF Lehrveranstaltungsverzeichnis English Version: ACC

Version: 2 | Letzte Änderung: 06.08.2019 21:55 | Entwurf: 0 | Status: vom verantwortlichen Dozent freigegeben

Allgemeine Informationen

Langname	Advanced Channel Coding
Anerkennende LModule	ACC_MaCSN, ACC_MaTIN
Verantwortlich	Prof. Dr. Uwe Dettmar Professor Fakultät IME
Gültig ab	Sommersemester 2021
Niveau	Master
Semester im Jahr	Sommersemester
Dauer	Semester
Stunden im Selbststudium	78
ECTS	5
Dozenten	Prof. Dr. Uwe Dettmar Professor Fakultät IME
Voraussetzungen	- Grundwissen Lineare Algebra - Grundwissen Stochastik - Gute Programmierkenntnisse
Unterrichtssprache	englisch
separate Abschlussprüfung	Ja

Literatur

R. E. Blahut. Algebraic Codes for Data Transmission. Cambridge University Press, Cambridge, 2003.

S. Lin and D. J. Costello. Error Control Coding. ISBN 0-13-042672-5. Prentice-Hall, 2004

T. M. Cover and J. A. Thomas. Elements of Information Theory. Wiley, New Jersey, 2006

A. Neubauer. Kanalcodierung. Schlembach, Wilburgstetten, 2006.

R. Roth. Introduction to Coding Theory. Cambridge, second edition, 2006

B. Sklar. Digital Communications. Prentice Hall PTR, Upper Saddle River, New Jersey, 2001

Abschlussprüfung

Details	Prüfungsform: schriftliche Klausur (optional: Mündliche Prüfung) - Dauer: 90 Minuten - Arbeitsauftrag: i.d.R. 3 Aufgaben zu 10 Punkten (Bestehensgrenze: 12 Punkte) bestehend aus mehreren Teilaufgaben, die verschiedene Taxonomiestufen abprüfen. - unterschiedliche Taxonomistufen werden in der Punkteverteilung entsprechend ihrer Komplexität und Schwierigkeit gewichtet Besonderheit: Die Studierenden können 25% der Gesamtpunkte bereits aus den Zwischentests erwerben. Dies soll sie zu einer kontinuierlichen Mitarbeit motivieren.
Mindeststandard	Grundwissen kann auf bekannte bzw. verwandte Probleme angewendet werden, Umsetzung teilweise fehlerhaft. (4,0)
Prüfungstyp	Klausur

Zieltyp	Beschreibung
Kenntnisse	VVorlesung und Übungen werden in einer Lehrveranstaltung kombiniert. Nach der Vorstellung von neuem Lernstoff durch den Dozenten in Form von kurzen Blöcken wird dieser direkt von den Studierenden durch kurze Matlab- und Python-Übungen angewendet und vertieft. Längere Übungsaufgaben werden bereits zu Hause vorbereitet und die verschiedenen Lösungsvorschläge in der Präsenzveranstaltung besprochen. Inhalte: - Introduction - Basic terms and definitions - short history of channel coding - System and channel models - Review of binary error correcting block and convolutional Codes - Generator and Parity check matrices, - decoding principles, Trellis and Viterbi Algorithm - Some principles on Information Theory - Channel coding theorem - Channel capacity and example calculations - Cyclic Codes, Reed Solomon Codes - Encoding and Decoding, Euklidean and Berlekamp-Massey -Algorithm for Decoding - Basics on LDPC, Polar, and TURBO Codes - iterative decoding, Sum Product Algorithm - Recursive Convolutional Codes - Performance comparison - Basics on Space Time Coding - Channel Model, Capacity improvement, Alamouti Scheme, STBC and STTC and their decoding Die Studierenden lernen die o.g. Themen in der Vorlesung kennen, erwerben Grundwissen und vertiefen dieses durch Selbststudium mit Hilfe von Literatur, YouTube Videos und anderen Netzressourcen (selbstständige Informationsbeschaffung), sowie in Lerngruppen (Teamwork).
Fertigkeiten	Durch kleine Übungsaufgaben und Programme wird in der Präsenzveranstaltung bereits ein aktiver Umgang mit den vorgestellten Verfahren ermöglicht. Umfangreichere Rechenaufgaben werden am Ende der Veranstaltung behandelt und die Lösungswege diskutiert, um dadurch den Studierenden relevante Problemestellungen vorzustellen und ihre Fähigkeit zur Lösungsfindung zu entwickeln. Die Studierenden lernen darüber hinaus: - nachrichtentechnische Systeme zu analysieren und deren Performanz zu ermitteln bzw. abzuschätzen. - Verfahren der Quellen- und Kanalcodierung und Kryptologie zu vergleichen und zu bewerten - Kenntnisse auf technische Problemstellungen anzuwenden

VVorlesung und Übungen werden in einer Lehrveranstaltung kombiniert. Nach der Vorstellung von neuem Lernstoff durch den Dozenten in Form von kurzen Blöcken wird dieser direkt von den Studierenden durch kurze Matlab- und Python-Übungen angewendet und vertieft. Längere Übungsaufgaben werden bereits zu Hause vorbereitet und die verschiedenen Lösungsvorschläge in der Präsenzveranstaltung besprochen.

Inhalte:
- Introduction
- Basic terms and definitions
- short history of channel coding
- System and channel models
- Review of binary error correcting block and convolutional Codes
- Generator and Parity check matrices,
- decoding principles, Trellis and Viterbi Algorithm
- Some principles on Information Theory
- Channel coding theorem
- Channel capacity and example calculations
- Cyclic Codes, Reed Solomon Codes
- Encoding and Decoding, Euklidean and Berlekamp-Massey -Algorithm for Decoding
- Basics on LDPC, Polar, and TURBO Codes
- iterative decoding, Sum Product Algorithm
- Recursive Convolutional Codes
- Performance comparison
- Basics on Space Time Coding
- Channel Model, Capacity improvement, Alamouti Scheme, STBC and STTC and their decoding

Die Studierenden lernen die o.g. Themen in der Vorlesung kennen, erwerben Grundwissen und vertiefen dieses durch Selbststudium mit Hilfe von Literatur, YouTube Videos und anderen Netzressourcen (selbstständige Informationsbeschaffung), sowie in Lerngruppen (Teamwork).

Fertigkeiten

Durch kleine Übungsaufgaben und Programme wird in der Präsenzveranstaltung bereits ein aktiver Umgang mit den vorgestellten Verfahren ermöglicht. Umfangreichere Rechenaufgaben werden am Ende der Veranstaltung behandelt und die Lösungswege diskutiert, um dadurch den Studierenden relevante Problemestellungen vorzustellen und ihre Fähigkeit zur Lösungsfindung zu entwickeln.

Die Studierenden lernen darüber hinaus:
- nachrichtentechnische Systeme zu analysieren und deren Performanz zu ermitteln bzw. abzuschätzen.
- Verfahren der Quellen- und Kanalcodierung und Kryptologie zu vergleichen und zu bewerten
- Kenntnisse auf technische Problemstellungen anzuwenden

Aufwand Präsenzlehre

Typ	Präsenzzeit (h/Wo.)
Vorlesung	2
Übungen (ganzer Kurs)	1
Übungen (geteilter Kurs)	0
Tutorium (freiwillig)	0

Besondere Voraussetzungen

keine

Begleitmaterial	Skript, Vorlesungsfolien, Übungsaufgabensammlung mit Lösungen, Kursmaterialien in der Lernplattform Ilias, Linksammlung, alle in der Vorlesung verwendeten Matlab und Python Programme
Separate Prüfung	Ja

Separate Prüfung

Prüfungstyp	Übungsaufgabe mit fachlich / methodisch eingeschränktem Fokus unter Klausurbedingungen lösen
Details	Der Erfolg des Lernprozesses sollte durch zwei vorlesungsbegleitende Zwischentests in Form von Multiple Choice und numerischen Aufgaben überprüft werden. Dies wird in elektronischer Form durch Verwendung der Ilias Lernplattform durchgeführt. Zur Steigerung der Motivation können die Studierenden aus diesen Tests bereits bis zu 10 Punkte sammeln, die in die Endnote eingehen.
Mindeststandard	40% der Gesamtpunktzahl in jedem Test.

Praktikum

Lernziele

Zieltyp	Beschreibung
Fertigkeiten	Vorhandende Simulationsumgebungen wie z.B. die Matlab Communication Toolbox oder AFF3CT (aff3ct.github.io) werden verwendet um: - theoretische Ergebnisse aus Vorlesung und Übung zu überprüfen - FEC Algorithmen zu implementieren - BER zu simulieren und die Performanz zu ermitteln, sowie Codes zu vergleichen - Programme zum Bearbeiten verwandter Probleme anzupassen - sich mit Standardprogrammen zur Simulation vertraut zu machen - Teamwork zu üben

Zieltyp

Beschreibung

Fertigkeiten

Vorhandende Simulationsumgebungen wie z.B. die Matlab Communication Toolbox oder AFF3CT (aff3ct.github.io) werden verwendet um:
- theoretische Ergebnisse aus Vorlesung und Übung zu überprüfen
- FEC Algorithmen zu implementieren
- BER zu simulieren und die Performanz zu ermitteln, sowie Codes zu vergleichen
- Programme zum Bearbeiten verwandter Probleme anzupassen
- sich mit Standardprogrammen zur Simulation vertraut zu machen
- Teamwork zu üben

Aufwand Präsenzlehre

Typ	Präsenzzeit (h/Wo.)
Praktikum	1
Tutorium (freiwillig)	0

Besondere Voraussetzungen

keine

Begleitmaterial	- Aufgabenbeschreibung - Präsentation mit generellen Anforderungen
Separate Prüfung	Ja

Separate Prüfung

Prüfungstyp	Projektaufgabe im Team bearbeiten (z.B. im Praktikum)
Details	Ergebnisse in einem 120 Minuten Vortrag präsentieren und ein kurzen Artikel schreiben, um die Fähigkeit zu stärken, in Zeitschriften oder auf Konferenzen zu veröffentlichen. Das Paper wird von einer Partnergruppe reviewed.
Mindeststandard	Die geforderten Simulationen wurden aufgesetzt, die Ergebnisse wurden präsentiert und das Paper wurde geschrieben. Präsentation und Artikel sind im Allgemeinen richtig und schlüssig.