Digitaalinen signaalinkäsittelyLaajuus (5 op)
Tunnus: TX00CQ31
Laajuus
5 op
Osaamistavoitteet
Kurssin suoritettuaan opiskelija ymmärtää digitaalisen signaalin käsittelyn perusteet. Opiskelija tuntee digitaalisen signaalin käsittelyn yleisimmät operaatiot. Opiskelija ymmärtää näytteistyksen tärkeyden ja sen tärkeimmät ominaisuudet alipäästö- ja kaistanpäästösignaaleille. Uudelleenmuodostus esitellään myös.
Opiskelija ymmärtää lineaarisen kvantisoinnin perusteet ja käsitteen signaali/kvantisointi kohina-suhde. Lineaarinen aikamuuttumaton järjestelmä, differenssiyhtälö, impulssivaste ja diskreettikonvoluutio esitellään sekä stabiilisuuden ja taajuusvasteen käsitteet.
Opiskelija pystyy soveltamaan näitä käsitteitä lineaarisen digitaalisen suodattimen toteutukseen (IIR ja FIR). Z-muunnos esitellään ja sitä myös käytetään.
Sisältö
1. Aika ja taajuus taso
2. Analoginen ja digitaalinen signaali
3. Kertominen/Konvoluutio
4. Yhtenäinen näytteistys, Shannon.
6. Näytteistyksen virhe, vasta-laskostumis suodatin
7. Lineaari kvantisointi, SQNR.
8. Digitaaliset sekvenssit
9. Lineaariset aikamuuttumattomat järjestelmät, impulssivaste, differenssiyhtälöt, konvoluutio
10. Aika tason vaste
11. Taajuus vaste
12. Stabiilisuus kriteerit
13. Z muunnos, siirtofunktio H(z), ominaisuudet
14. Digitaalinen suodatus
15. FIR and IIR toteutukset, perusmenetelmä toteutukseen
Esitietovaatimukset
Ohjelmointi (mikä tahansa ohjelmointikieli)
Arviointikriteerit, tyydyttävä (1)
Opiskelija ymmärtää lineaaristen DSP järjestelmien perusominaisuudet ja osaa käyttää olemassa olevia valmiita signaalinkäsittelykirjastojen tarjoamia työkaluja DSP ongelmanratkaisussa.
Arviointikriteerit, hyvä (3)
Opiskelija ymmärtää lineaaristen DSP järjestelmien perusominaisuudet ja osaa käyttää olemassa olevia valmiita signaalinkäsittelykirjastojen tarjoamia työkaluja DSP ongelmanratkaisussa.
Opiskelija tuntee DSP-algoritmien toteutusperiaatteita, osaa perustellen valita tarkoitukseen sopivan työkallun ja osaa kirjoittaa DSP ongelmanratkaisuun soveltuvia ohjelmia.
Arviointikriteerit, kiitettävä (5)
Opiskelija ymmärtää lineaaristen DSP järjestelmien perusominaisuudet ja osaa käyttää olemassa olevia valmiita signaalinkäsittelykirjastojen tarjoamia työkaluja DSP ongelmanratkaisussa.
Opiskelija tuntee DSP-algoritmien toteutusperiaatteita, osaa perustellen valita tarkoitukseen sopivan työkallun ja osaa kirjoittaa DSP ongelmanratkaisuun soveltuvia ohjelmia.
Opiskelija ymmärtää DSP algoritmien laskennallisen problematiikan ja pystyy analysoimaan algoritmien laskennallista vaativuutta.
Arviointikriteeri, hyväksytty/hylätty
.
Ilmoittautumisaika
02.05.2023 - 20.08.2023
Ajoitus
21.08.2023 - 15.10.2023
Opintopistemäärä
5 op
Toteutustapa
Lähiopetus
Yksikkö
ICT ja tuotantotalous
Toimipiste
Leiritie 1
Opetuskielet
- Englanti
Paikat
0 - 35
Koulutus
- Degree Programme in Information Technology
Opettaja
- Jarkko Vuori
Ryhmät
-
ICT21-SI-ESmart IoT Systems: Embedded IoT Devices
Tavoitteet
Kurssin suoritettuaan opiskelija ymmärtää digitaalisen signaalin käsittelyn perusteet. Opiskelija tuntee digitaalisen signaalin käsittelyn yleisimmät operaatiot. Opiskelija ymmärtää näytteistyksen tärkeyden ja sen tärkeimmät ominaisuudet alipäästö- ja kaistanpäästösignaaleille. Uudelleenmuodostus esitellään myös.
Opiskelija ymmärtää lineaarisen kvantisoinnin perusteet ja käsitteen signaali/kvantisointi kohina-suhde. Lineaarinen aikamuuttumaton järjestelmä, differenssiyhtälö, impulssivaste ja diskreettikonvoluutio esitellään sekä stabiilisuuden ja taajuusvasteen käsitteet.
Opiskelija pystyy soveltamaan näitä käsitteitä lineaarisen digitaalisen suodattimen toteutukseen (IIR ja FIR). Z-muunnos esitellään ja sitä myös käytetään.
Sisältö
1. Aika ja taajuus taso
2. Analoginen ja digitaalinen signaali
3. Kertominen/Konvoluutio
4. Yhtenäinen näytteistys, Shannon.
6. Näytteistyksen virhe, vasta-laskostumis suodatin
7. Lineaari kvantisointi, SQNR.
8. Digitaaliset sekvenssit
9. Lineaariset aikamuuttumattomat järjestelmät, impulssivaste, differenssiyhtälöt, konvoluutio
10. Aika tason vaste
11. Taajuus vaste
12. Stabiilisuus kriteerit
13. Z muunnos, siirtofunktio H(z), ominaisuudet
14. Digitaalinen suodatus
15. FIR and IIR toteutukset, perusmenetelmä toteutukseen
Arviointiasteikko
0-5
Arviointikriteerit, tyydyttävä (1)
Opiskelija ymmärtää lineaaristen DSP järjestelmien perusominaisuudet ja osaa käyttää olemassa olevia valmiita signaalinkäsittelykirjastojen tarjoamia työkaluja DSP ongelmanratkaisussa.
Arviointikriteerit, hyvä (3)
Opiskelija ymmärtää lineaaristen DSP järjestelmien perusominaisuudet ja osaa käyttää olemassa olevia valmiita signaalinkäsittelykirjastojen tarjoamia työkaluja DSP ongelmanratkaisussa.
Opiskelija tuntee DSP-algoritmien toteutusperiaatteita, osaa perustellen valita tarkoitukseen sopivan työkallun ja osaa kirjoittaa DSP ongelmanratkaisuun soveltuvia ohjelmia.
Arviointikriteerit, kiitettävä (5)
Opiskelija ymmärtää lineaaristen DSP järjestelmien perusominaisuudet ja osaa käyttää olemassa olevia valmiita signaalinkäsittelykirjastojen tarjoamia työkaluja DSP ongelmanratkaisussa.
Opiskelija tuntee DSP-algoritmien toteutusperiaatteita, osaa perustellen valita tarkoitukseen sopivan työkallun ja osaa kirjoittaa DSP ongelmanratkaisuun soveltuvia ohjelmia.
Opiskelija ymmärtää DSP algoritmien laskennallisen problematiikan ja pystyy analysoimaan algoritmien laskennallista vaativuutta.
Arviointikriteeri, hyväksytty/hylätty
.
Esitietovaatimukset
Ohjelmointi (mikä tahansa ohjelmointikieli)
Ilmoittautumisaika
02.05.2022 - 21.08.2022
Ajoitus
22.08.2022 - 16.10.2022
Opintopistemäärä
5 op
Toteutustapa
Lähiopetus
Yksikkö
ICT ja tuotantotalous
Toimipiste
Leiritie 1
Opetuskielet
- Englanti
Paikat
0 - 40
Koulutus
- Degree Programme in Information Technology
Opettaja
- Jarkko Vuori
Ryhmät
-
ICT20-SI-ESmart IoT Systems: Embedded IoT Devices
Tavoitteet
Kurssin suoritettuaan opiskelija ymmärtää digitaalisen signaalin käsittelyn perusteet. Opiskelija tuntee digitaalisen signaalin käsittelyn yleisimmät operaatiot. Opiskelija ymmärtää näytteistyksen tärkeyden ja sen tärkeimmät ominaisuudet alipäästö- ja kaistanpäästösignaaleille. Uudelleenmuodostus esitellään myös.
Opiskelija ymmärtää lineaarisen kvantisoinnin perusteet ja käsitteen signaali/kvantisointi kohina-suhde. Lineaarinen aikamuuttumaton järjestelmä, differenssiyhtälö, impulssivaste ja diskreettikonvoluutio esitellään sekä stabiilisuuden ja taajuusvasteen käsitteet.
Opiskelija pystyy soveltamaan näitä käsitteitä lineaarisen digitaalisen suodattimen toteutukseen (IIR ja FIR). Z-muunnos esitellään ja sitä myös käytetään.
Sisältö
1. Aika ja taajuus taso
2. Analoginen ja digitaalinen signaali
3. Kertominen/Konvoluutio
4. Yhtenäinen näytteistys, Shannon.
6. Näytteistyksen virhe, vasta-laskostumis suodatin
7. Lineaari kvantisointi, SQNR.
8. Digitaaliset sekvenssit
9. Lineaariset aikamuuttumattomat järjestelmät, impulssivaste, differenssiyhtälöt, konvoluutio
10. Aika tason vaste
11. Taajuus vaste
12. Stabiilisuus kriteerit
13. Z muunnos, siirtofunktio H(z), ominaisuudet
14. Digitaalinen suodatus
15. FIR and IIR toteutukset, perusmenetelmä toteutukseen
Arviointiasteikko
0-5
Arviointikriteerit, tyydyttävä (1)
Opiskelija ymmärtää lineaaristen DSP järjestelmien perusominaisuudet ja osaa käyttää olemassa olevia valmiita signaalinkäsittelykirjastojen tarjoamia työkaluja DSP ongelmanratkaisussa.
Arviointikriteerit, hyvä (3)
Opiskelija ymmärtää lineaaristen DSP järjestelmien perusominaisuudet ja osaa käyttää olemassa olevia valmiita signaalinkäsittelykirjastojen tarjoamia työkaluja DSP ongelmanratkaisussa.
Opiskelija tuntee DSP-algoritmien toteutusperiaatteita, osaa perustellen valita tarkoitukseen sopivan työkallun ja osaa kirjoittaa DSP ongelmanratkaisuun soveltuvia ohjelmia.
Arviointikriteerit, kiitettävä (5)
Opiskelija ymmärtää lineaaristen DSP järjestelmien perusominaisuudet ja osaa käyttää olemassa olevia valmiita signaalinkäsittelykirjastojen tarjoamia työkaluja DSP ongelmanratkaisussa.
Opiskelija tuntee DSP-algoritmien toteutusperiaatteita, osaa perustellen valita tarkoitukseen sopivan työkallun ja osaa kirjoittaa DSP ongelmanratkaisuun soveltuvia ohjelmia.
Opiskelija ymmärtää DSP algoritmien laskennallisen problematiikan ja pystyy analysoimaan algoritmien laskennallista vaativuutta.
Arviointikriteeri, hyväksytty/hylätty
.
Esitietovaatimukset
Ohjelmointi (mikä tahansa ohjelmointikieli)