Modulbeschreibung

Modul: Digitale Signalverarbeitung und Digitale Filter

Lehrveranstaltungen:

TitelTypSWSZeitraum
Digitale Signalverarbeitung und Digitale FilterVorlesung3Wintersemester
Digitale Signalverarbeitung und Digitale FilterHörsaalübung1Wintersemester

Modulverantwortlich:

Prof. Gerhard Bauch

Zulassungsvoraussetzungen:

Keine

Empfohlene Vorkenntnisse:

  • Mathematik 1-3
  • Signale und Systeme
  • Grundkenntnisse der Signal- und Systemtheorie sowie stochastischer Prozesse.
  • Grundkenntnisse der Spektraltransformationen (Fourier-Reihe, Fourier-Transformation, Laplace-Transformation)

Modulziele / angestrebte Lernergebnisse:

Fachkompetenz

Wissen

Die Studierenden kennen und verstehen grundlegende Algorithmen der digitalen Signalverarbeitung. Sie sind mit den Spektraltransformationen zeitdiskreter Signale vertraut und können Signale und Systeme in Zeit- und Bildbereich beschreiben und analysieren. Sie kennen Grundstrukturen digitaler Filter und können wichtige Eigenschaften einschließlich Stabilität erkennen und beurteilen. Sie kennen die Auswirkungen der Quantisierung von Filterkoeffizienten und Signalen. Sie sind mit den Grundlagen adaptiver Filter vertraut. Sie beherrschen traditionelle und parametrische Methoden der Spektralschätzung unter Berücksichtigung eines begrenzten Beobachtungsfensters.

Fertigkeiten

Die Studierenden sind in der Lage, Methoden der digitalen Signalverarbeitung auf neue Probleme anzuwenden. Dazu können sie geeignete Filterstrukturen auswählen und dimensionieren. Insbesondere sind sie in der Lage, adaptive Filter nach dem Minimum-Mean-Squared-Error (MMSE) Prinzip zu entwerfen und eine aufwandsgünstige Implementierung beispielsweise mittels LMS-Algorithmus zu entwickeln. Die Studenten sind außerdem in der Lage, verschiedene Methoden der Spektralschätzung anzuwenden und die Auswirkungen eines begrenzten Beobachtungsfensters zu berücksichtigen.   

Personale Kompetenzen

Sozialkompetenz

Die Studierenden können in fachspezifische Aufgaben gemeinsam bearbeiten.

Selbstständigkeit

Die Studierenden sind in der Lage, die notwendigen Informationen aus geeigneten Literaturquellen selbständig zu beschaffen und in den Kontext der Vorlesung zu setzen. Sie können ihren Wissensstand mit Hilfe vorlesungsbegleitender Maßnahmen (klausurnahe Aufgaben, Software-Tools, Clicker-System) kontinuierlich überprüfen und auf dieser Basis ihre Lernprozesse steuern.

Leistungspunkte Modul:

6 LP

Studienleistung:

Klausur

Arbeitsaufwand in Stunden:

Eigenstudium: 124, Präsenzstudium: 56


Lehrveranstaltung: Digitale Signalverarbeitung und Digitale Filter

Dozent:

Gerhard Bauch

Sprache:

Englisch

Zeitraum:

Wintersemester

Inhalt:

  • Spektraltransformationen zeitdiskreter Signale:

    • Zeitdiskrete Fourier-Transformation (DTFT)

    • Diskrete Fourier-Transformation (DFT), Fast Fourier Transform (FFT)

    • Z-Transformation

  • Zusammenhang zeitkontinuierlicher und zeitdiskreter Signale, Abtastung, Abtasttheorem

  • Schnelle Faltung, Overlap-Add-Methode, Overlap-Save-Methode

  • Grundlegende Strukturen und Grundtypen digitaler Filter

  • Beschreibung digitaler Filter mit Pol-Nullstellenplan, wichtige Eigenschaften digitaler Filter

  • Quantisierungseffekte

  • Entwurf linearphasiger digitaler Filter

  • Grundlagen der stochastischen Signalverarbeitung und adaptiver Filter

    • MMSE-Kriterium

    • Wiener Filter

    • LMS- und RLS-Algorithmus

  • Traditionelle und parametrische Methoden der Spektralschätzung

Literatur:

K.-D. Kammeyer, K. Kroschel: Digitale Signalverarbeitung. Vieweg Teubner.

V. Oppenheim, R. W. Schafer, J. R. Buck: Zeitdiskrete Signalverarbeitung. Pearson StudiumA. V.

W. Hess: Digitale Filter. Teubner.

Oppenheim, R. W. Schafer: Digital signal processing. Prentice Hall.

S. Haykin:  Adaptive flter theory.

L. B. Jackson: Digital filters and signal processing. Kluwer.

T.W. Parks, C.S. Burrus: Digital filter design. Wiley.