Detail předmětu

Sběr, analýza a zpracování dat

FEKT-LZPDAk. rok: 2017/2018

Předmět se věnuje problematice analýzy digitálních signálů v časové a frekvenční oblasti.
Důraz je kladen na ortogonální transformace zejména na DFT, rychlé algoritmy FFT, a waveletovy transformace. Část předmětu je věnována matematickým operacím s časovými řadami a číslicové filtraci signálů.

Jazyk výuky

čeština

Počet kreditů

6

Garant předmětu

Ing. Marie Havlíková, Ph.D.

Zajišťuje ústav

Ústav automatizace a měřicí techniky (UAMT)

Výsledky učení předmětu

Absolvent předmětu je schopen:
- popsat druhy fyzikálních signálů,
- interpretovat principy základních metod analýzy a zpracování dat,
- vysvětlit význam ortogonálních transformací a uvést příklady,
- vysvětlit principy rychlých algoritmů FFT a metod časově frekvenční analýzy,
- popsat princip waveletových transformací a diskutovat výsledky,
- vysvětlit výsledky spektrální a kepstrální analýzy,
- popsat způsoby číslicové filtrace signálů,
- navrhnout číslicový filtr s požadovanými vlastnostmi.

Prerekvizity

Student, který si zapíše předmět, by měl být diskutovat základní pojmy teorie signálů. Obecně jsou požadovány znalosti z předmětu KMA1, KMA2, znalosti programování v prostředí Matlab

Plánované vzdělávací činnosti a výukové metody

Metody vyučování závisejí na způsobu výuky a jsou popsány článkem 7 Studijního a zkušebního řádu VUT.
Metody vyučování zahrnují přednášky a cvičení na počítači.
Předmět využívá e-learning (Moodle).

Způsob a kritéria hodnocení

až 30 bodů za samostatné práce
až 70 bodů za závěrečnou písemnou zkoušku

Osnovy výuky

1. Signál a jeho vlastnosti
2. Časová řada a její model
3. Lineární časově invariantní systémy, diskrétní konvoluce
4. Diskrétní korelace, hodnocení závislosti jevů
5. Ortogonální funkce, diskrétní Fourierova transformace
6. Vlastnosti DFT
7. Principy rychlých algoritmů DFT (FFT)
8. Úvod do digitálních filtrů (FIR a IIR)
9. Návrh digitální filtrů
10. Numerická derivace a integrace, interpolace dat
11. Spektrální analýza, kepstrum
12. Další ortogonální transformace (Hilbertova, Wavelety)
13. Časo-frekvenční analýza (STFT a další)

Učební cíle

Cílem předmětu je poskytnout studentům přehled a orientaci v oblasti zpracování digitálních signálů. Důraz je kladen na frekvenční a spektrální analýzu a na číslicovou filtraci signálů.

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

Uhlíř, J. Sovka, P. Číslicové zpracování signálů, ČVUT Praha, 1995 (CS)

Doporučená literatura

Kadlec,F. Zpracování akustických signálů, ČVUT Praha, 1996 (CS)

Zařazení předmětu ve studijních plánech

  • Program EEKR-ML1 magisterský navazující

    obor ML1-KAM , 1 ročník, zimní semestr, povinný

  • Program EEKR-ML magisterský navazující

    obor ML-KAM , 1 ročník, zimní semestr, povinný

  • Program EEKR-CZV celoživotní vzdělávání (není studentem)

    obor ET-CZV , 1 ročník, zimní semestr, povinný

Typ (způsob) výuky

 

Přednáška

26 hod., nepovinná

Vyučující / Lektor

Ing. Stanislav Pikula, Ph.D.

Osnova

Posloupnosti naměřených dat. Formáty dat. Trvání operací s daty. Vytvořní posloupnosti dat se zadanými vlastnostmi.
Jednoduché zobrazení posloupností dat. Základní zpracování posloupností dat. Diskrétní konvoluce.
Diskrétní korelace. Diskrétní dekonvoluce.
Diskrétní ortogonální transformace. DFT, vlastnosti.
Principy FFT, další diskrétní ortogonální transformace.
Předzpracování posloupnosti dat. Derivace a integrace.
Potlačení trendu. Zjištění parametrů a rozdělení.
Spektrální analýza. Korelační a kepstrální analýza.
Interpolace v posloupnosti dat.
Redukce a komprese dat tvořících posloupnost.
Způsoby číslicové filtrace. Vlastnosti číslicových filtrů.
Návrh číslicových filtrů.
Identifikace lineárniho dynamického systému.

Laboratorní cvičení

39 hod., povinná

Vyučující / Lektor

Ing. Stanislav Pikula, Ph.D.

Osnova

Úvodní informace.
Zobrazení daných posloupností dat.
Vytváření posloupností dat s danými vlastnostmi. Seřazení dat.Určení doby potřebné pro operace s daty.
Dokončení samostatné práce
Diskrétní konvoluce a korelace.
Porovnání různých způsobů DFT.
Diskrétní Haarova transformace. Časová okna.
Dokončení samostatné práce
Amplitudové, fázové a výkonové spektrum.
Regresní analýza.
Interpolace v časové posloupnosti.
Zjištění rozdělení. Číslicová filtrace.
Zápočet.