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

    Belépés
    címtáras azonosítással

    vissza a tantárgylistához   nyomtatható verzió    

    Jelfeldolgozás

    A tantárgy angol neve: Signal Processing

    Adatlap utolsó módosítása: 2006. július 1.

    Budapesti Műszaki és Gazdaságtudományi Egyetem
    Villamosmérnöki és Informatikai Kar

    Villamosmérnöki Szak

    Doktorandusz tárgy

    Tantárgykód Szemeszter Követelmények Kredit Tantárgyfélév
    VIHID072   4/0/0/v 5 tavasz
    3. A tantárgyfelelős személy és tanszék Dr. Levendovszky János, Hálózati Rendszerek és Szolgáltatások Tanszék
    4. A tantárgy előadója

    Név:

    Beosztás:

    Tanszék, Int.:

    Dr. Levendovszky János

    egy. docens

    HIT

    Dr. Németh Géza

    egy. docens

    TTT

    Dr. Osváth László

    egy. adjunktus

    TTT

    Tatai Péter

    tud. munkatárs

    TTT

    5. A tantárgy az alábbi témakörök ismeretére épít

    A tantárgy elsősorban a Jelek és rendszerek témakör ismeretére épít,

    6. Előtanulmányi rend
    Ajánlott:

    A Jelfeldolgozás elemei, a Beszéd- és adatjelek feldolgozása és a Digitális jelek és rendszerek analízise

    7. A tantárgy célkitűzése

    A doktorandusz hallgatók számára olyan tudományos mélységű algoritmikus ismeretek nyújtása, amelyek a modern kommunikációs rendszerek működésének megértéséhez és továbbfejlesztéséhez szükségesek.

    8. A tantárgy részletes tematikája

    Bevezetés, tudás homogenizálás

    Jelek és rendszerek osztályozása és matematikai leírása, mintavételezés és kvantálás, z-transzformáció és tulajdonságai, valószínűségi alapismeretek áttekintése, FIR és IIR szűrők, jellegzetes speciális eseteik, szűrősorok. DFT és DCT valamint FFT algoritmusok

    Diszkrét véletlen jelek modellezése és feldolgozása

    Spektrális jellemzők, ARMA folyamatok, a modellfokszám becslés információelméleti kritériumai, rács és állapottér modellek, ekvivalenciák. Becslési feladatok, maximum-likelihood és nemparametrikus becslés, kovariancia, autokorrelációs, all-pole, all-zero és pole-zero módszerek.

    Illesztett és adaptív jelfeldolgozás (lineáris és nemlineáris modellek)

    Wiener szűrés, adaptív szűrők, sztochasztikus approximáció, LMS algoritmus és tulajdonságai

    Reprezentáció és tanulás nemlineáris modelleknél, VC dimenzió, neurális jelfeldolgozás

    Alkalmazások

    Adaptív kiegyenlítés és zajcsökkentés, sokfelhasználójú detekció, lényegkiemelés, beszédfeldolgozás, csomagkapcsolt hálózatok forgalmi menedzsmentje.

    Jelfeldolgozási algoritmusok megvalósítása

    Jelfeldolgozó processzorok és architektúrák, fix és lebegőpontos számábrázolás problémái, a méréstechnikában használatos jelfeldolgozó kártyák áttekintése, PC alapú alkalmazások beszédfeldolgozásban

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

    2*2 óra előadás hetenként.

    10. Követelmények

    a. A szorgalmi időszakban:

    A félév végén az aláírás feltétele egy nagyzárthelyi legalább elégséges szintű megírása. A zárthelyi megírására a félév közepén kerül sor. A pótlásra a szorgalmi időszak során egy alkalom áll rendelkezésre, a vizsgaidőszakban csak iv. jelleggel lehetséges.

    b. A vizsgaidőszakban: vizsga

    c. Elővizsga: nincs

    13. Jegyzet, tankönyv, felhasználható irodalom

    Candy: Signal Processing (The Modern Approach), Mc-Graw Hill, 1988

    J.G. Proakis, D.G. Manolakis: Digital signal Processing, Prentice Hall, 1996.

    S. Haykin: Adaptive filter theory, Prentice Hall, 1991

    Gordos G., Takács Gy.: Digitális beszédfeldolgozás, Műszaki Könyvkiadó, 1983

    15. A tantárgy tematikáját kidolgozta

    Név:

    Beosztás:

    Tanszék, Int.:

    Dr. Levendovszky János

    egy. docens

    HIT

    Dr. Németh Géza

    egy. docens

    TTT

    Dr. Osváth László

    egy. adj.

    TTT

    Tatai Péter

    tmts.

    TTT