Detail předmětu

Sběr, analýza a zpracování dat

FEKT-LZPDAk. rok: 2010/2011

Posloupnosti dat získané měřením. Cíle analýzy a zpracování posloupnosti dat. Diskrétní konvoluce, dekonvoluce, korelace. Diskrétní ortogonální transformace, druhy těchto transformací a jejich rychlé provedení. Předzpracování dat. Interpolace. Derivace a integrace. Zjištění a potlačení trendu. Zjištění číselných parametrů a rozdělení. Spektrální analýza . Korelační a kepstrální analýza. Redukce,resp. komprese. Filtrace nepřímá, přímá,nerekurzivní a rekurzivní. Identifikace lineárních systémů.

Jazyk výuky

čeština

Počet kreditů

Garant předmětu

Ing. Marie Havlíková, Ph.D.

Zajišťuje ústav

Ústav automatizace a měřicí techniky (UAMT)

Výsledky učení předmětu

Znalost metod realizace vybraných algoritmů zpracování časových řad

Prerekvizity

Jsou požadovány znalosti na úrovni bakalářského studia, znalost prgramového prostředí Matlab

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

30 bodů - počítačové cvičení
70 bodů - písemná zkouška

Osnovy výuky

1.Posloupnosti naměřených dat. Formáty dat. Trvání operací s daty. Vytváření posloupností dat se zadanými vlastnostmi.Jednoduché zobrazení posloupností dat.
2. Základní zpracování posloupností dat. Diskrétní konvoluce.
3. Diskrétní korelace. Diskrétní dekonvoluce.
4. Diskrétní ortogonální transformace. DFT, vlastnosti.
5. Principy FFT.
6. Další diskrétní ortogonální transformace.
7. Předzpracování posloupnosti dat. Derivace a integrace.
8. Potlačení trendu. Zjištění parametrů a rozdělení.
9. Spektrální analýza. Korelační a kepstrální analýza.
10. Interpolace v posloupnosti dat.
11. Redukce a komprese dat tvořících posloupmost.
12. Způsoby číslicové filtrace. Vlastnosti číslicových filtrů. Návrh číslicových filtrů.
13. Identifikace lineárního dynamického systému

Učební cíle

Získání znalostí o algoritmech zpracování časových řad zjištěných měřením.

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.

Zařazení předmětu ve studijních plánech

  • Program EEKR-ML magisterský navazující

    obor ML-KAM , 2 ročník, letní semestr, volitelný oborový

  • Program EEKR-CZV celoživotní vzdělávání (není studentem)

    obor ET-CZV , 1 ročník, letní semestr, volitelný oborový

Typ (způsob) výuky

 

Přednáška

26 hod., nepovinná

Vyučující / Lektor

Ing. Marie Havlíková, 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.

Cvičení na počítači

39 hod., povinná

Vyučující / Lektor

Ing. Marie Havlíková, 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.