BME VIK - Beszéd- és adatjelek feldolgozása

magyar nyelvű adatlap

vissza a tantárgylistához nyomtatható verzió

Beszéd- és adatjelek feldolgozása

A tantárgy angol neve: Processing of Speech and Data Signals

Adatlap utolsó módosítása: 2006. július 1.

Tantárgy lejárati dátuma: 2015. január 31.

Budapesti Műszaki és Gazdaságtudományi Egyetem
Villamosmérnöki és Informatikai Kar

Villamosmérnöki Szak

Digitális jelfeldolgozás mellékszakirány

Tantárgykód	Szemeszter	Követelmények	Kredit	Tantárgyfélév
VITT5105	9.	4/0/0/v	5	1/1

3. A tantárgyfelelős személy és tanszék Dr. Osváth László János,

4. A tantárgy előadója

Név:	Beosztás:	Tanszék, Int.:
Dr. Osváth László	egyetemi adjunktus	TMIT
Tatai Péter	tud. munkatárs	TMIT

5. A tantárgy az alábbi témakörök ismeretére épít

Jelek és rendszerek leírásának matematikai alapjai, eszközei. Analóg és digitális áramköri ismeretek.

6. Előtanulmányi rend

Ajánlott:

7. A tantárgy célkitűzése

A tárgy a digitális jelfeldolgozás módszereinek alkalmazására mutat távközlési környezetbe illeszkedő példákat. A bemutatott példák kapcsán önállóan megoldandó feladatok is kiadásra kerülnek, öszhangban az ugyanezen félévi LABORATÓRIUM c. tárgy célkitűzéseivel.

8. A tantárgy részletes tematikája

1. A beszédkódolási módszerek áttekintése: hullámforma és forráskódolás, hibrid megoldások. PCM alapú kódolási technikák ( DPCM, DM, stb.). A lineáris predikció alapgondolata, alkalmazási lehetőségei. Analízis - szintézis módszerek, a maradékjel kódolása (RELP, CELP, stb.). Beszédjelek minőségromlásának okai, fajtái. Az objektív minőségi jellemzők áttekintése, spektrális torzítási mértékek.

2. A felismerési feladatok osztályozása. A lényegkiemelés módszerei. Izolált szavas felismerés idővetemítés és osztályozás, illetve vektorkvantálás és rejtett Markov modell alkalmazásával. A beszélő-függetlenség biztosítása. Személyiség-jegyek a beszédben, a beszélő személy felismerése, ill. azonosítása.

3. Adatjelek osztályozása, jellemzői, előállításuk digitális módszerei. A közepes sebességű adatátvitel jellegzetes példái. Időzítéskinyerés és döntés, mint a kiértékelés elemi műveletei. Demodulációs módszerek, a vivővisszaállítás eljárásai. A duplex átvitel megvalósítása, echo törlés.

4. Lineáris torzítás hatása adatjelekre. A szimbólumközti áthallás kiegyenlítése FIR szűrővel. A szűrő automatikus beállítása, az LMS algoritmus. Komplex adatjel kiegyenlítése. Zajos beszéd minőségének javítása Wiener szűréssel, illetve lényegkiemeléssel. Adaptív szűrés a cepstrális együtthatók tartományában.

9. A tantárgy oktatásának módja (előadás, gyakorlat, laboratórium)

előadás

10. Követelmények

A szorgalmi időszakban:

Tervezési feladat kiadása az 5. héten, beadása a 14. héten. A feladat kiértékelése kétfokozatú skálán történik. A vizsgára bocsátás feltétele a feladat elfogadható szintű megoldása.

A vizsgaidőszakban: a tárgyban szóbeli vizsgát tartunk.
Elővizsga: a tárgyban elővizsgát nem tartunk

11. Pótlási lehetőségek

A feladat beadása a vizsgaidőszak első hetében pótolható.

12. Konzultációs lehetőségek

A szorgalmi időszakban a feladat beadása előtt két alkalommal, a vizsgaidőszakban minden vizsga előtt konzultációs lehetőséget biztosítunk.

13. Jegyzet, tankönyv, felhasználható irodalom

Parsons, T.W.: Voice and Speech Processing, McGraw-Hill, 1986.

Gordos G., Takács Gy.: Digitális beszédfeldolgozás, MK, Budapest, 1983.

Rabiner, L.R., Schafer, R.W.: Dig. Proc. of Speech Signals, 1978.

14. A tantárgy elvégzéséhez átlagosan szükséges tanulmányi munka

Kontakt óra	60
Félévközi készülés órákra	30
Házi feladat elkészítése	30
Vizsgafelkészülés	30
Összesen	150

15. A tantárgy tematikáját kidolgozta

Név:	Beosztás:	Tanszék, Int.:
Dr. Osváth László	adjunktus	TMIT
Tatai Péter	tud. munkatárs	TMIT

Budapest University of Technology and Economics, Faculty of Electrical Engineering and Informatics

Beszéd- és adatjelek feldolgozása