LU-DSP-b12

From DiLab
Jump to: navigation, search


Digitālā (ciparu) signālu apstrāde (DSP)

LU DF bakalaura studiju kurss DatZxxxx, meklēt eStudijās.


  • Pasniedzējs: Kaspars Sudars / Leo Seļāvo


Praktisko un mājas darbu iesniegšana izpildāma noteiktajos datumos un laikos elektroniski, e-studijās.

  • Iesniegšanas termiņa laiks ir 30 minūtes pirms lekcijas sākuma.
  • Ja darbs iesniedzams e-pastā, tad Subj. jānorāda sekojošā formā "DIP MD1 Vards Uzvards" - piemērs MD1 iesniegumam.
  • Iesniegto failu vārdam jābūt sekojošā formātā, ar svītru tukšumu vietā, piemēram: "DIP_MD1_Vards_Uzvards.pdf"
  • Ja iesniedzams teksts, piemēram, eseja vai apraksts, tad failam jābūt PDF formātā, ja vien nav prasīts citādi uzdevuma nosacījumos.
  • Ja iesniedzami vairāki faili, piemēram, programmas pirmkods, tad tie iepriekš arhivējami kā *.zip arhīvs ar tādu pat faila vārdu kā aprakstīts iepriekš: "DIP_MD1_Vards_Uzvards.zip".
  • Ja darbs tiek iesniegts ar novēlošanos, rezultāts tiek samazināts par 50%. Ja darbs iesniegts vairāk kā nedēļu pēc termiņa, pasniedzējs darbu var nepieņemt.


Mērķi

  • Iepazīties ar digitālās signālu apstrādes pielietojumiem un principiem


Vērtējums kursā

Kursa galējais vērtējums sastāv no sekojošām komponentēm:

  • 10% - dalība lekcijās un diskusijās
  • 20% - mājas darbi, praktiskie darbi un testi
  • 20+20% - divi kontroldarbi semestra vidū
  • 30% - rakstisks gala eksāmens
  • Obligāta kursa aptaujas anketas aizpildīšana LUIS sistēmā


Kalendārs

Nedēļas datumi Kursa saturs
01.02.2011. - 07.02.2011. Reģistrācijas nedēļa
10.02.2011 Ievadlekcija. DSP definīcija un pielietojumi. DSPGuide grāmatā 1. nodaļa.
17.02.2011 Analogais-ciparu pārveidotājs (ADC). Kvantizācijas kļūdas, un ka ar tam cīnīties. DSPGuide grāmatā 3 nodaļa.

Signāli un to mērīšana. Statistika, varbūtība un trokšņi. DSPGuide grāmatā 2 nodaļa.

24.02.2011 Ievads MATLAB un OCTAVE datu apstrādes sistēmās. MD1 termiņš.
03.03.2011 Lineāras sistēmas. MD2 termiņš.
10.03.2011 Konvolūcija (6.nodaļa)
17.03.2011 Vidus semestra kontroldarbs. 1. - 7. nodaļas no DSPGuide grāmatas un lekcijām. MD3 termiņš, pagarināts.
24.03.2011 Konvolūcijas īpašības (7. nodaļa). Praktiskais darbs I ar Octave. MD3 termiņš.
31.03.2011 Furjē transformācija, ievads. Lekciju pieraksti: Kaspara Sudara, Dr. Ivara Driķa.
07.04.2011 DFT īpašības. Ievads digitālajos filtros.
14.04.2011 Digitālie filtri, kustīgā vidējā (moving average) filtrs.
18.04.2011. - 25.04.2011. Lieldienu brīvdienas
28.04.2011 Skaņas un attēla apstrāde. Auss un acs uzbūve, kā cilvēks uztver audio un vizuālos signālus, un kādas no ta izriet sekas un iespējas digitālajā signāla apstrādē. DSPGuide grāmatā 22.-25. nodaļas. Praktiskais darbs ar Octave II. Audio signāla apstrāde. Furje transformācijas pielietojums. 22. nodaļa grāmatā.
05.05.2011 Vidus semestra kontroldarbs KD2. Ieskaitot darbu ar Octave.

Visa līdz šim kursā izņemtā viela. Tai skaitā par Furje transformācijām: 1.-9., 14., 15. nodaļas DSPGuide grāmatā, un lekciju slaidi.

12.05.2011 Signāla attēlojumi no laika uz frekvenču domēnu, Furje transformācija. Kalmana filtrs un pielietojumi.
19.05.2011 Praktiskie darbi. Lekcija nenotiek.
26.05.2011 Digitālās signāla apstrādes principu un metožu pārskats un kursa kopsavilkums.

DSP procesori, to arhitektūras. DSPGuide grāmatā 28. un 29. nodaļas.

MD4 termiņš.
02.06.2011 Eksāmens. Visas apskatītās nodaļas no DSPGuide grāmatas.
20.06.2011 10:30 Alternatīvs eksāmens tiem kas nerakstīja 02.06.2011, ar 80% kā maksimālo rezultātu kavējuma dēļ. Kursa rezultātu paziņošana.

Prakstiskie un mājas uzdevumi

  • MD1: Ģenerēt nejaušus skaitļus (vismaz 80000) un histogrammas sekojošām funkcijām: RND, RND+RND, RND+RND+RND+RND. Izdarīt secinājumus par histogrammām. Iesūtīt grafikus un secinājumus pdf dokumentā. Programmēšanas vide pēc jūsu izvēles.
  • MD2: Izpildīt MD1 ar Octave sistēmu
  • MD3: Audio faila konvolūcija ar gausa funkciju, secinājumi
  • MD4: Ģenerēt testa signālu y:
    • N=1000;
    • sigmau=1.8;
    • x=linspace(0,1,N)*.5;
    • y=x+sigmau*randn(1,N);
    • Izmantojot signālu y, atdalīt no tā troksni, izmantojot (a) Moving Average, (b) Gausa un (c) Kalmana filtrus. Salīdzināt visu filtru rezultātus, izmantojot vidējās kvadrātiskās kļūdas kritēriju (ja tiek izmantots cits kritērijs, tad pamatot tā izvēli). Izdarīt secinājumus.

Lekciju piezīmes

Saites