Detail předmětu

Digital Signal Processing

FEKT-NCSIAk. rok: 2011/2012

Charakteristika a klasifikace diskrétních signálů a systémů. Operace se signály a příklady systémů. Spektrální analýza s využitím FFT. Spektrogramy a tekoucí spektra. Diskrétní Hilbertova transformace. Reprezentace pásmově omezených signálů. Výkonová spektrální hustota a její odhad. Neparametrické metody. Lineární predikční analýza. Autoregresivní procesy, klouzavý průměr. Parametrické metody pro výpočet výkonové spektrální hustoty. Adaptivní filtrace. Gradientní algoritmy typu LMS a RLS. Blokové adaptivní filtry. Decimace a interpolace. Transverzální a polyfázové filtry. Banky filtrů s dokonalou rekonstrukcí. Půlpásmové filtry. Waveletová (vlnková) transformace. Analýza signálu s vícenásobným rozlišením. Komprese audio signálu v telekomunikacích.

Jazyk výuky

angličtina

Počet kreditů

Garant předmětu

prof. Ing. Zdeněk Smékal, CSc.

Zajišťuje ústav

Ústav telekomunikací (UTKO)

Výsledky učení předmětu

Student bude umět stanovit spektrální vlastnosti deterministických i náhodných signálů s využitím různých bázových funkcí(Fourierovská analýza, wavelety) pro vícenásobné rozlišení. Bude umět používat banky filtrů, které mají více kmitočtů vzorkování(využití např. v kompresních metodách audio a videosignálů, přenos ADSL apod.)

Prerekvizity

Jsou požadovány znalosti na úrovni bakalářského studia.

Plánované vzdělávací činnosti a výukové metody

Metody vyučování závisejí na způsobu výuky a jsou popsány článkem 7 Studijního a zkušebního řádu VUT.

Způsob a kritéria hodnocení

Podmínky pro úspěšné ukončení předmětu stanoví každoročně aktualizovaná vyhláška garanta předmětu.

Učební cíle

Cílem předmětu je obsáhnout moderní metody číslicového zpracování signálu, které jsou založeny především na parametrické a neparametrické spektrální analýze, lineární predikci a zpracování signálu bankami číslicových filtrů s různými kmitočty vzorkování.

Vymezení kontrolované výuky a způsob jejího provádění a formy nahrazování zameškané výuky

Vymezení kontrolované výuky a způsob jejího provádění stanoví každoročně aktualizovaná vyhláška garanta předmětu.

Základní literatura

FLIEGE,N.J.: Multirate Digital Signal Processing. John Wiley, Chichester 1994. ISBN 0 471 93976 5
MADISETTI, V.K., WILLIAMS, D.B.: The Digital Signal Processing Handbook. CRC Press, 1998. ISBN 0-8493-8572-5
MITRA, S.K.: Digital Signal Processing. A Computer-Based Approach. The McGraw-Hill Companies, Inc. New York 1998. ISBN 0-07-042953-7
SHENOI, K.: Digital Signal Processing in Telecommunications. Prentice Hall, New Jersey 1995. ISBN 0-13-096751-3
VÍCH, R., SMÉKAL, Z.: Digital Filters (Číslicové filtry). Academia, Praha 2000. ISBN 80-200-0761-X (In Czech)

Zařazení předmětu ve studijních plánech

  • Program EEKR-MN magisterský navazující

    obor MN-KAM , 2 ročník, letní semestr, volitelný mimooborový
    obor MN-TIT , 1 ročník, letní semestr, povinný
    obor MN-MEL , 1 ročník, letní semestr, volitelný mimooborový

Typ (způsob) výuky

 

Přednáška

39 hod., nepovinná

Vyučující / Lektor

prof. Ing. Zdeněk Smékal, CSc.

Osnova

Charakteristika a klasifikace diskrétních signálů. Operace se signály: filtrace, generování komplexních signálů, modulace a demodulace, časový a kmitočtový multiplex apod. Příklady typických signálů (řeč, seismické signály, signály ECG a EEG, modulované signály atp.).
Charakteristika a klasifikace diskrétních systémů. Kompresory a expandery, omezovače a ekvalizery, kmitočtové a časové filtry, redukce šumu, hudební efekty, tónová volba, potlačení ozvěny, apod.
Spektrální analýze s využitím FFT. Vztah mezi DFT a bankou filtrů. Použití oken při spektrální analýze. Výpočet spektra v bodě a na křivce v rovině z. Chirp z algoritmus. Spektrogramy a tekoucí spektra. Goertzelův algoritmus.
Diskrétní Hilbertova transformace. Analytický signál. Podmínka minimální fáze. Výpočet okamžitého kmitočtu. Reprezentace pásmově omezených signálů.
Výkonová spektrální hustota a její odhad. Konzistentní odhad. Výpočet pomocí korelace. Periodogram. Neparametrické metody: Bartletova a Welchova metoda.
Lineární predikční analýza. Reprezentace stacionárního náhodného procesu pomocí racionální lomené funkce. Autoregresivní procesy, klouzavý průměr. Přímá a zpětná lineární predikce. Příklady použití v mobilních sítích.
Parametrické metody pro výpočet výkonové spektrální hustoty. Model typu AR(Yule-Walkerova metoda). Spektrální odhad s maximální entropií (Burgova metoda). Modely typu ARMA a odhad jejich parametrů.
Adaptivní filtrace. Gradientní algoritmy typu LMS a RLS a jejich modifikace. Blokové adaptivní filtry. Příklady použití (adaptivní potlačení ozvěny v ADSL přenosu, ekvalizace v mobilní síti apod.).
Zpracování signálu pomocí změny vzorkovacího kmitočtu. Decimace a interpolace. Návrh číslicových filtrů pro vícenásobnou změnu vzorkovacího kmitočtu.
Transverzální a polyfázové filtry. Dvoukanálové a vícekanálové kvadraturní zrcadlové filtry (QMF).
Banky filtrů s dokonalou rekonstrukcí. Půlpásmové filtry. Paraunitární banky filtrů. SBC banky filtrů. Oktávové banky filtrů a wavelety.
Waveletová (vlnková transformace). Analýza signálu s vícenásobným rozlišením. Diskrétní waveletová transformace. Ortogonální a biortogonální banky filtrů.
Komprese audio signálu v telekomunikacích. PCM bitový datový tok a možnosti jeho redukce. Maskování a percepční kódování. Banky filtrů kompresních metod. Standardy typu MPEG audio.

Cvičení na počítači

26 hod., povinná

Vyučující / Lektor

prof. Ing. Zdeněk Smékal, CSc.

Osnova

Modelování základních operací se signály pomocí programu Matlab.
Základní typy diskrétních systémů a způsob jejich využití.
Spektrální analýza s FFT a výpočet spektra v bodě a na křivce.
Analytický signál a určení okamžitého kmitočtu. Systémy s minimální fází.
Bartletova a Welchova metoda výpočtu výkonové spektrální hustoty pomocí Matlabu.
Test 1.
Lineární predikce, modelování autoregresevních procesů.
Parametrické metody určení korelace a výkonové spetrální hustoty.
Adaptivní algoritmy a jejich modelování pomocí Matlabu.
Test 2.
Decimace a interpolace. Banky filtrů.
Kompresní metody audiosignálu a videosignálu modelované Matlabem.
Test 3.