Elektrotechnik / Informationstechnik Master

Neue Schwerpunkte ab Sommersemester 2024: Automatisierungstechnik & Elektromobilität sowie Embedded Systems & Kommunikationstechnik

Modulhandbuch

 Zurück 

Signalverarbeitung

Empfohlene Vorkenntnisse
  • Kenntnisse von Lehrveranstaltungen aus dem Bereich „Signale und Systeme", insbesondere Beherrschung der Fourier- und der
    z-Transformation
  • Grundkenntnisse der digitalen Signalverarbeitung, wie z.B. aus der Vorlesung "Digitale Signalverarbeitung I" in Bachelor-Studiengängen der
    Fakultät EMI
  • Elementare Programmierkenntnisse
Lehrform Vorlesung
Lernziele / Kompetenzen

Die Studierenden

  • beherrschen den Entwurf und die Implementierung von digitalen Filtern,
  • besitzen die Fähigkeit zur Anpassung des Entwurfs an die Struktur bzw. Architektur der einzusetzenden Hardware und/oder des dafür vorgesehenen integrierten DSPs,
  • erhalten ein Gespür für die Einsatzmöglichkeiten von Multiratenfiltern und der damit verbundenen Reduzierung von erforderlichen Ressourcen und deren
    Rechenlast.
  • verstehen das Konzept der Kanalkapazität und können Verfahren zur gleichzeitigen Kommunikation von mehreren Teilnehmer*innen über einen
    gemeinsamen Kanal beurteilen und entwerfen.
Dauer 1
SWS 6.0
Aufwand
Lehrveranstaltung 90h
Selbststudium / Gruppenarbeit: 120h
Workload 210h
ECTS 7.0
Voraussetzungen für die Vergabe von LP

Die Modulnote ergibt sich aus dem gewichteten Mittel der Noten aus der Klausur Digitale Signalverarbeitung II (K90, Gewicht: 5/7) und der Klausur Multi-User Information Theory (K60, Gewicht: 2/7)

Modulverantwortlicher

Prof. Dr. Christian Reich

Empf. Semester 2
Haeufigkeit jedes Jahr (SS)
Verwendbarkeit

Master-Studiengang EIM; Vertiefungsmodul

Veranstaltungen

Digitale Signalverarbeitung II

Art Vorlesung
Nr. EMI2232
SWS 4.0
Lerninhalt

ENTWURF UND REALISIERUNG REKURSIVER (IIR-)FILTER
Filterentwurf:
- impulsinvariante, sprunginvariante, bilineare Transformation
Filterstrukturen:
- nichtkanonische, kanonische und transponierte Direktform
- Kaskadenform, Parallelform

DFT/FFT-ALGORITHMEN
Definition, Anwendung auf einfache Folgen
Interpretationsmöglichkeiten der Ergebnisse:
- abgetastete Version der FT bei zeitbegrenzten Signalen
- Fourier-Reihe bei periodischen Signalen
- Komplexe Mischer- und Filterbank

FFT-Algorithmen
- Zirkulare Faltung, Segmentierung, Overlap-Methoden

MULTIRATENVERARBEITUNG
Idealer zeitkontinuierlicher Abtastratenumsetzer
Dezimation:
- Beschreibung in Zeit- und Frequenzbereich
- Aliasing, kontrolliertes Aliasing
- mehrstufige Dezimation
- Ökonomische Realisierung von Dezimationsfiltern
- Kaskadierte MTAs.
Interpolation:
- Beschreibung in Zeit- und Frequenzbereich
- Unterdrückung von Spiegelkomponenten
- Ökonomische Realisierung von Interpolationsfiltern
- Konstante und lineare Interpolation als Spezialfall

ADAPTIVE FILTER
- Vektorielle Beschreibung
Einsatzfelder:
- Prädiktor, Systemidentifikation
- Entzerrung, Kompensation
Optimallösung im Sinne der Minimierung des MQF
LMS-Algorithmus:
- Stochastische Approximation
- Konvergenzbedingung

WAVELETS UND FILTERBÄNKE
- Haar Wavelets, Daubechies Wavelets
- Perfekte Rekonstruktion
- Polyphasenfilter
- Anwendungen

Literatur

Kammeyer, K.D., Kroschel, K., Digitale Signalverarbeitung, Filterung und Spektralanalyse mit MATLAB-Übungen, Vieweg+Teubner, 8. Auflage, 2012

Oppenheim, A. V., Schafer, R. W., Discrete-Time Signal Processing, Pearson Prentice Hall, 3rd edition, 2009

 

 

Statistical Signal Processing and Information Theory

Art Vorlesung
Nr. EMI2252
SWS 2.0
Lerninhalt

Random Variables and Random Processes

- discrete and continuous random variables

- pdf, cdf, pmf, expectation, moments, variance

- transformations of random variables

Parameter and Spectrum Estimation

- power spectral density and periodogram

- parameter estimation

Probability and Information

- Entropy, conditional and joint entropy

- mutual information

Source Coding

- Shannon-Fano, Huffman

- Source coding theorem

Channel Capacity and Channel Coding

- Discrete memoryless channels

- AWGN channel

- Fading channels

Decision Theory

- MAP, ML, hypothesis testing

Factor Graphs and Belief Propagation

Applications

- Frame synchronization

- MIMO

- Analog-Digital-Conversion

 

Literatur

•  Stefan. M. Moser, Po-Ning Chen, A Student’s Guide to Coding and Information Theory, Cambridge University Press, 2012.

•   Martin Bossert, Einführung in die Nachrichtentechnik, Oldenbourg Verlag, 2012.

•   David MacKay: Information Theory, Inference, and Learning Algorithms, Cambridge University Press, 2003Alan V. Oppenheim, Alan S. Willsky: Signals & Systems. Pearson, 2013.

•  Alan V. Oppenheim, George V. Verghese: Signals, Systems and Inference. Pearson, 2017.

 

 Zurück