Module also offered within study programmes:
General information:
Name:
Signal processing algorithms
Course of study:
2017/2018
Code:
EEL-2-203-AM-n
Faculty of:
Faculty of Electrical Engineering, Automatics, Computer Science and Biomedical Engineering
Study level:
Second-cycle studies
Specialty:
Automatyka i metrologia
Field of study:
Electrotechnics
Semester:
2
Profile of education:
Academic (A)
Lecture language:
Polish
Form and type of study:
Part-time studies
Course homepage:
 
Responsible teacher:
Turcza Paweł (turcza@agh.edu.pl)
Academic teachers:
Turcza Paweł (turcza@agh.edu.pl)
Module summary

Zapoznanie studenta z działaniem, implementacją i praktycznym wykorzystaniem algorytmów przetwarzania sygnałów, które stosowane są powszechnie w aparaturze kontrolno-pomiarowej i sterowaniu.

Description of learning outcomes for module
MLO code Student after module completion has the knowledge/ knows how to/is able to Connections with FLO Method of learning outcomes verification (form of completion)
Social competence
M_K001 Rozumie potrzebę ciągłego dokształcania się i podnoszenia kwalifikacji zawodowych. EL2A_K01 Activity during classes,
Completion of laboratory classes
Skills
M_U001 Potrafi stosować poznane metody i algorytmy do analizy i przetwarzania sygnałów. EL2A_U06 Completion of laboratory classes
M_U002 Potrafi implementować podstawowe algorytmy przetwarzania sygnałów w języku Matlab lub podobnym. EL2A_U06 Completion of laboratory classes
M_U003 Potrafi ocenić złożoność obliczeniową wykorzystywanych algorytmów przetwarzania sygnałów. EL2A_U06 Completion of laboratory classes
Knowledge
M_W001 Zna i rozumie podstawowe pojęcia z dziedziny algorytmów przetwarzania i kompresji sygnałów. EL2A_W01 Examination
M_W002 Zna i rozumie działanie podstawowych algorytmów analizy i przetwarzania sygnałów, które stosowane są m. in. w aparaturze kontrolno-pomiarowej i sterującej. EL2A_W01, EL2A_W10 Examination
M_W003 Ma wiedzę w zakresie implementacji podstawowych algorytmów przetwarzania sygnałów cyfrowych. EL2A_W05, EL2A_W10 Examination
FLO matrix in relation to forms of classes
MLO code Student after module completion has the knowledge/ knows how to/is able to Form of classes
Lecture
Audit. classes
Lab. classes
Project classes
Conv. seminar
Seminar classes
Pract. classes
Zaj. terenowe
Zaj. warsztatowe
Others
E-learning
Social competence
M_K001 Rozumie potrzebę ciągłego dokształcania się i podnoszenia kwalifikacji zawodowych. - - + - - - - - - - -
Skills
M_U001 Potrafi stosować poznane metody i algorytmy do analizy i przetwarzania sygnałów. - - + - - - - - - - -
M_U002 Potrafi implementować podstawowe algorytmy przetwarzania sygnałów w języku Matlab lub podobnym. - - + - - - - - - - -
M_U003 Potrafi ocenić złożoność obliczeniową wykorzystywanych algorytmów przetwarzania sygnałów. - - + - - - - - - - -
Knowledge
M_W001 Zna i rozumie podstawowe pojęcia z dziedziny algorytmów przetwarzania i kompresji sygnałów. + - - - - - - - - - -
M_W002 Zna i rozumie działanie podstawowych algorytmów analizy i przetwarzania sygnałów, które stosowane są m. in. w aparaturze kontrolno-pomiarowej i sterującej. + - - - - - - - - - -
M_W003 Ma wiedzę w zakresie implementacji podstawowych algorytmów przetwarzania sygnałów cyfrowych. + - - - - - - - - - -
Module content
Lectures:

  • Dyskretne liniowe układy stacjonarne (LTI). Odpowiedz impulsowa, splot, charakterystyka częstotliwościowa. Filtracja cyfrowa sygnałów, projektowanie filtrów o skończonej odpowiedzi impulsowej (FIR). Sposoby implementacji, szacowanie złożoności obliczeniowej filtru cyfrowego FIR.
  • Opis dyskretnego układu LTI za pomocą równań różnicowych. Transmitancji Z układu i jej związek z charakterystyką częstotliwościową układu. Pojęcie układu przyczynowego i stabilnego, stabilność filtra/układu. Projektowanie i implementacja filtrów cyfrowych o nieskończonej odpowiedzi impulsowej (IIR).
  • Analiza częstotliwościowa sygnałów. Dyskretna transformacja Fouriera (DFT) i jej własności. Zastosowanie DFT w analizie częstotliwościowej sygnałów: dobór funkcji okna, rozdzielczość amplitudowa i częstotliwościowa.
  • Parametryczne modele sygnałów AR, MA, ARMA. Problem liniowej predykcji i optymalnego doboru wag predyktora, algorytm Durbina, filtry kratowe.
  • Kwantyzacja sygnałów: pojęcie kwantyzatora optymalnego, kwantyzacja adaptacyjna i wektorowa, zastosowanie kwantyzacji w algorytmach przetwarzania sygnałów.
  • Algorytmy kodowania transformacyjnego sygnałów. Transformacja kosinusowa (DCT) i falkowa oraz ich zastosowanie.
  • Algorytmy kompresji danych i sygnałów: pojęcie entropii, kody optymalne, algorytm Huffmana i jego implementacja.
  • Filtry adaptacyjne. Algorytmy adaptacyjnego przestrajania wag filtra: gradientowy, LMS, NLMS, kryterium zbieżności. Zastosowanie filtracji adaptacyjnej w problemach redukcji zakłóceń i odszumianiu sygnałów.
  • Transformacja Hilberta, jej własności i zastosowanie w algorytmach demodulacji amplitudy i fazy chwilowej.
  • Architektura i zastosowanie procesorów sygnałowych w implementacji algorytmów przetwarzania sygnałów na przykładzie implementacji algorytmów demodulacji amplitudy i fazy chwilowej realizowanych z użyciem transformacji Hilberta.

Laboratory classes:

  • Symulacja i realizacja dyskretnych układów LTI o skończonej odpowiedzi impulsowej w środowisku Matlab lub podobnym.
  • Projektowanie filtrów FIR metodą okien, wyznaczanie charakterystyki częstotliwościowej, filtracja przykładowych sygnałów.
  • Projektowanie filtrów IIR metodą rozmieszczania zer i biegunów oraz przy pomocy gotowych funkcji środowiska Matlab. Wyznaczanie charakterystyki częstotliwościowej i odpowiedzi impulsowej. Implementacja programowa filtrów IIR, filtracja przykładowych sygnałów.
  • Analiza częstotliwościowa sygnałów z wykorzystaniem dyskretnej transformacji Fouriera. Implementacja i obserwacja własności DFT. Obserwacja wpływu okna na rozdzielczość amplitudowo-częstotliwościową otrzymywanego widma, dobór funkcji okna.
  • Zastosowanie parametrycznych modeli sygnałów do ich reprezentacji i kodowania na przykładzie kodera mowy LPC. Wyznaczenie funkcji autokorelacji sygnału i współczynników predyktora optymalnego. Wyznaczenie modułu widma kodowanego sygnału i jego obwiedni określonej przez współczynniki LPC. Implementacja algorytmów detekcji typu głoski i częstotliwości tonu podstawowego.
  • Filtry adaptacyjne w odszumianiu sygnałów i redukcji zakłóceń
  • Zastosowanie kodera transformacyjnego do kompresji wybranego sygnału. Kwantyzacja współczynników i ich efektywna reprezentacja przy pomocy kodów o zmiennej długości (algorytm Huffmana)
  • Projektowanie i implementacja transformacji Hilberta. Implementacja demodulatora amplitudy i fazy chwilowej.

Student workload (ECTS credits balance)
Student activity form Student workload
Summary student workload 125 h
Module ECTS credits 5 ECTS
Participation in lectures 18 h
Realization of independently performed tasks 53 h
Participation in laboratory classes 18 h
Preparation for classes 36 h
Additional information
Method of calculating the final grade:

1. Aby uzyskać pozytywną ocenę końcową niezbędne jest uzyskanie pozytywnej oceny z laboratorium oraz zdanie egzaminu sprawdzającego wiedzę nabytą na laboratorium i wykładzie.
2. Ocena z laboratorium uzyskiwana jest na podstawie pracy pisemnej.
3. Ze względu na małą liczbę zajęć laboratoryjnych liczba dopuszczalnych nieusprawiedliwionych nieobecności na zajęciach laboratoryjnych wynosi 0.
4. Jedna, usprawiedliwiona nieobecność może być odrobiona w terminie wskazanym przez prowadzącego.
5. Obecność na wykładzie nie jest wymagana i choć nie warunkuje zaliczenia przedmiotu może być sprawdzana.
6. Oprócz podstawowego terminu uzyskania zaliczenia dopuszcza się dwa terminy poprawkowe zaliczenia.
7. Ocena końcowa jest średnią arytmetyczną ocen ze wszystkich terminów z laboratorium i egzaminu. W przypadku, gdy zaliczenie laboratorium i egzamin odbywają się łącznie (w tym samym terminie) do wyznaczenia oceny końcowej, będącej średnią ze wszystkich terminów z laboratorium i egzaminu, oprócz ocen z poprzednich terminów brana jest tylko ocena z egzaminu (za ten termin).
Przykładowo: L1=2.0, (L2=5.0, E1=3.0) daje OK=3.0 gdyż zaliczenie poprawkowe odbywało się łącznie z egzaminem.

Prerequisites and additional requirements:

Ukończony kurs z przedmiotu „Teoria sygnałów” lub pokrewnego

Recommended literature and teaching resources:

1. R.G. Lyons, Wprowadzenie do cyfrowego przetwarzania sygnałów
2. A.V. Oppenheim, Cyfrowe przetwarzanie sygnałów
3. T. P. Zieliński: Cyfrowe przetwarzanie sygnałów: Od teorii do zastosowań, WKŁ 2005.
4. A. Dąbrowski: „Przetwarzanie sygnałów przy użyciu procesorów sygnałowych”, Wyd. Politechniki Poznańskiej, Poznań 2000.

Scientific publications of module course instructors related to the topic of the module:
  • Cyfrowe przetwarzanie sygnałów w telekomunikacji : podstawy – multimedia – transmisja — [Digital signal processing in telecommunications : fundamentals – multimedia – transmission] / red. nauk.: Tomasz P. ZIELIŃSKI, Przemysław KOROHODA, Roman RUMIAN ; autorzy: Maciej Bartkowiak, Adam Borowicz, Jarosław BUŁAT, Piotr CHOŁDA, Marek Domański, Krzysztof DUDA, Przemysław Dymarski, Michał GREGA, Lucjan JANOWSKI, Przemysław KOROHODA, Daniel Król, Mikołaj LESZCZUK, Wiesław LUDWIN, Ryszard Makowski, Andrzej PACH, Zdzisław PAPIR, Marek Parfieniuk, Wojciech Półchłopek, Jakub RACHWALSKI, Roman RUMIAN, Paweł Świętojański, Paweł TURCZA, Robert Wielgat, Jacek WSZOŁEK, Tomasz ZIELIŃSKI. — Warszawa : PWN, 2014. — 983 s.. — Bibliogr. przy rozdz.. — ISBN: 978-83-01-17445-3
  • Badania symulacyjne modelu transmisji szerokopasmowej PLC w domowych instalacjach elektrycznych 230/400 V — The simulation research of the model of broadband PLC transmission in home’s electrical systems 230/400 V AC / Łukasz ZBYDNIEWSKI, Tomasz ZIELIŃSKI, Paweł TURCZA // Pomiary, Automatyka, Kontrola / Stowarzyszenie Inżynierów i Techników Mechaników Polskich. Sekcja Metrologii, Polskie Stowarzyszenie Pomiarów Automatyki i Robotyki POLSPAR ; ISSN 0032-4140. — 2007 vol. 53 nr 9bis, s. 261–264.
  • Algorytm kompresji danych dla interfejsu mózg-komputer — Data compression algorithm for brain-machine interface / Paweł TURCZA, Zbigniew MARSZAŁEK, Mirosław SOCHA // Przegląd Elektrotechniczny / Stowarzyszenie Elektryków Polskich ; ISSN 0033-2097. — 2015 R. 91 nr 5, s. 5–8.
  • Near-lossless energy-efficient image compression algorithm for wireless capsule endoscopy / Paweł TURCZA, Mariusz Duplaga // Biomedical Signal Processing and Control ; ISSN 1746-8094. — 2017 vol. 38, s. 1–8.
Additional information:

None