Lehrveranstaltungshandbuch DSP

Digital Signal Processing

PDF Lehrveranstaltungsverzeichnis English Version: DSP

Version: 2 | Letzte Änderung: 11.09.2019 11:34 | Entwurf: 0 | Status: vom verantwortlichen Dozent freigegeben

Allgemeine Informationen

Langname	Digital Signal Processing
Anerkennende LModule	DSP_MaCSN, DSP_MaTIN
Verantwortlich	Prof. Dr. Harald Elders-Boll Professor Fakultät IME
Gültig ab	Wintersemester 2020/21
Niveau	Master
Semester im Jahr	Wintersemester
Dauer	Semester
Stunden im Selbststudium	60
ECTS	5
Dozenten	Prof. Dr. Harald Elders-Boll Professor Fakultät IME
Voraussetzungen	No formal requirements, but students will be expected to be familiar with: Basic Knowledge of Signals and Systems: Continuous-Time LTI-Systems and Convolution, Fourier-Transform Basic Knowledge of Probability and Random Variables
Unterrichtssprache	englisch
separate Abschlussprüfung	Ja

Literatur

John G. Proakis and Dimitris K. Manolakis. Digital Signal Processing (4th Edition). Prentice Hall, 2006.

Alan V. Oppenheim, Ronald W. Schafer. Discrete-Time Signal Processing (3rd Edition). Prentice Hall, 2007.

Vinay Ingle and John Proakis. Digital Signal Processing using MATLAB. Cengage Learning Engineering, 2011.

Abschlussprüfung

Details	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.
Mindeststandard	Mindestens 24 der möglichen 50 möglichen Gesamtpunkte aus der Klausur und den zwei Tests während des Semesters. In der Klausur können maximal 40 Punkte in den zwei Tests während des Semesters können maximal jeweils 5 in der Summe also 10 Punkte erreicht werden.
Prüfungstyp	Klausur

Vorlesung / Übungen

Lernziele

Zieltyp	Beschreibung
Kenntnisse	Signals, Systems and Digital Signal Processing Basic Elements of DSP Systems Classification of Signals Continuous-Time and Discrete-Time Signals Deterministic and Random Signals Even and Odd Signals Periodic and Aperiodic Signals Energy and Power of Signals Some Fundamental Signals
Kenntnisse	Discrete-Time Linear Time-Invariant Systems Difference Equations Discrete-Time Convolution Unit-Pulse and Impulse Response Basic Systems Properties: Causality, Stability, Memory
Kenntnisse	Ideal Sampling and Reconstruction Ideal Sampling and the Sampling Theorem Aliasing
Kenntnisse	Fourier-Transform of Discrete-Time Signals Eigenfunctions of Discrete-Time LTI Systems Frequency response of Discrete-Time LTI Systems The Fourier-Transform of Discrete-Time Signals Ideal Continuous-Time Filters
Kenntnisse	The z-Transform The Two-sided z-Transform Properties of the z-Transform The Inverse z-Transform Analysis of LTI Systems using the z-Transform
Kenntnisse	Discrete Fourier-Transform Sampling the DTFT The DFT and the Inverse DFT The Fast Fourier Transform Radix-2 FFT Algorithms Linear Convolution Using the FFT Overlap-And-Add
Kenntnisse	Design of Digital Filters Design of FIR Filters Design of IIR Filters
Kenntnisse	Random Signals Review of Probablity and Random Variables Ensemble Averages Correlation Functions Stationary and Ergodic Processes Power Spectral Density Transmission of Random Signals over LTI Systems
Kenntnisse	Advanced Sampling Techniques Quantization and Encoding Sampling of Bandpass Signals Sampling of Random Signals Sample Rate Conversion Sample Rate Reduction by an Integer Factor Sample Rate Increase by an Integer Factor Sample Rate Conversion by a Rational Factor Oversampling and Noise Shaping
Kenntnisse	Optimum Linear Filters Linear Prediction The Wiener Filter Orthogonality Principle FIR Wiener Filter IIR Wiener Filter
Kenntnisse	Spectrum Estimation The Periodogram Window Functions Eigenanalysis Algorithms MUSIC Algorithm ESPRIT Algorithm
Fertigkeiten	Students understand the fundamentals of discrete-time signals and systems
Fertigkeiten	Students can analyse the frequency content of a given signal using the appropriate Fourier-Transform and methods for spectrum estimation
Fertigkeiten	Analysis of discrete-time LTI Systems Students can calculate the output signal via convolution Students can determine the frequency response of a given system Students can characterize a given system in the frequency domain and in the z-domain
Fertigkeiten	Implementation of discrete-time LTI systems Students can implement the convolution sum in software Students can implement different structures for IIR systems in software Sudents can use the FFT to implement an FIR system
Fertigkeiten	Analyze effects of practical sampling Quantization noise Aliasing Trade-off pros and cons of advanced implementations like noise shaping

Aufwand Präsenzlehre

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

Besondere Voraussetzungen

keine

Begleitmaterial	elektronische Vortragsfolien zur Vorlesung, elektronische Übungsaufgabensammlung mit Lösungen alte Klausuren und Lösungen
Separate Prüfung	Ja

Separate Prüfung

Prüfungstyp	Übungsaufgabe mit fachlich / methodisch eingeschränktem Fokus unter Klausurbedingungen lösen
Details	Zwei 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 und/oder Projekten gegeben ist.
Mindeststandard	Mindestens 2 von maximal 5 erreichbaren Punkten pro Test.

Praktikum

Lernziele

Zieltyp	Beschreibung
Kenntnisse	Review of Probablity and Random Variables Moments, Averages and Distribution Functions
Kenntnisse	Random Signals Ensemble Averages Correlation Functions Stationary and Ergodic Processes Power Spectral Density Transmission of Random Signals over LTI Systems
Kenntnisse	Sampling Sampling and coding for speech and/or audio signals
Fertigkeiten	Analysis of random variables by means of Mean and moments Distribution
Fertigkeiten	Analysis of random signals Determine whether a given random signal is stationary or not Analyse whether a random signal contains discrete harmonic components by using the autocorrelation function by using the power spectral density
Fertigkeiten	Combatting noise Remove or suppress high-frequency noise from low-pass signals
Fertigkeiten	Abilty to trade-off different methods for digital coding of speech and audio signals
Fertigkeiten	Determine the quatization noise and the SNR for different sampling schemes

Aufwand Präsenzlehre

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

Besondere Voraussetzungen

keine

Begleitmaterial	elektronische Beschreibung der Praktikums-Versuche
Separate Prüfung	Ja

Separate Prüfung

Prüfungstyp	praxisnahes Szenario bearbeiten (z.B. im Praktikum)
Details	Erfolgreiche Bearbeitung dfer Parktikumsversuche oder Projekte in Kleingruppen von in der Regel zwei Studierenden. Das Bestehen des entsprechenden Tests aus der Vorlesung/Übung ist Zugangsvoraussetzung um am Praktikum teilnehmen zu können.
Mindeststandard	Erfolgreiche Teilnehme an allen Versuchen und/oder erfolgreiche Bearbeitung von kleinen Projekten. Im entsprechenden Test in der Vorlesung/Übung müssen zum Bestehen 2 von 5 möglichen Punkten erreicht werden