Difference between revisions of "LU-DSP-b14"

From DiLab
Jump to: navigation, search
Line 77: Line 77:
|-
|-
| 27.03.2014
| 27.03.2014
| Diskrētā Furjē transformācija
| Diskrētā Furjē transformācija [http://failiem.lv/u/ovrjrhg DFT step-by-step]
<br>[http://www.ee.ic.ac.uk/pcheung/teaching/ee2_signals/lecture%2013%20-%20sampling%20&%20discrete%20signals.pdf Diskretizācija (sampling), Imperial College slaidi] Signālu atjaunošana un filtrācija ar sinc(n) funkciju.
<br>[http://www.ee.ic.ac.uk/pcheung/teaching/ee2_signals/lecture%2013%20-%20sampling%20&%20discrete%20signals.pdf Diskretizācija (sampling), Imperial College slaidi] Signālu atjaunošana un filtrācija ar sinc(n) funkciju.
|-
|-

Revision as of 15:48, 17 March 2014

Digitālā (ciparu) signālu apstrāde

LU DF bakalauru kurss.

  • Pasniedzējs Kaspars Sudars [mansuzvārds@edi.lv].

SVARĪGI

Ar šo semestri LU DF nebūs iespējams izlikt kursā atzīmi, ja nebūs aizpildīta kursa vērtējuma aptauja, kas pieejama LUIS sistēmā. Tāpēc visiem studentiem lūdzu to savlaicīgi izdarīt.

Mērķi

  • Iepazīties ar digitālās signālu apstrādes pielietojumiem un principiem

Motivācija

"Think how electronics has changed the world in the last 50 years. DSP will have the same role over the next 50 years. Learn it or be left behind!" - Steve Smith, autors "DSP Guide"

Mājas un citi iesniedzamie darbi

  • Iesniegšanas termiņa laiks ir 30 minūtes pirms nākamās lekcijas sākumam, ja netiek noteikts cits termiņš.
  • Ja darbs tiek iesniegts ar novēlošanos, rezultāts tiek samazināts par 50% pirmo septiņu dienu laikā pēc termiņa, un vēl par 50% plus 10% par katru nokavēto dienu septiņas vai vairāk dienas pēc termiņa.
  • Darbi iesniedzami elektroniski, pa epastu pasniedzējam.
  • E-pasta Subj. ir sekojošs: "DSP MD1 Vards Uzvards" - piemērs pirmajam mājasdarbam. Vārds uzvārds rakstāmi latīņu burtiem - bez garumzīmēm un tml. (failu sistēmu saderībai).
  • Teksts noformējams PDF faila formātā. Piemēram MD2 fails būtu sekojošs: DSP_MD2_Vards_Uzvards.pdf
  • Iesniedzamie projektu faili arhivējami tgz formātā, sekojoši: DSP_MD2_Vards_Uzvards.tgz Atspiežot šo failu tam jārada direktorija ar tādu pašu nosaukumu, kur atrodas visi faili.

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
  • Atzīmes uzlabošanai iespējams papildus rakstīt eseju par tēmu, kas jāsaskaņo ar pasniedzēju.

Kalendārs

Nedēļas datumi Kursa saturs
27.01.2014. - 02.02.2014. Reģistrācijas nedēļa
06.02.2014 DSP ievadlekcija. DSP definīcija un pielietojumi. DSPGuide grāmatā 1. nodaļa. Slaidi
13.02.2014 Analogais-ciparu pārveidotājs (ADC), signālu mērīšana (ciparu signāls = signālu diskretizācija + kvantēšanas; kvantēšanas kļūdas, un kā ar tam cīnīties) DSPGuide grāmatā 3. nodaļa, Pietiekama diskretizācijas frekvence, uzklāšanās.


Signālu klasifikācijas un galvenie parametri Slaidi (vidējā vērtība, vidējā kvadrātiskā vērtība, SNR, enerģija, jauda, min un max vērtība, dinamiskais diapazons u.c.).


Ievads MATLAB, SCILAB un OCTAVE datu apstrādes sistēmās: M-valodas Slaidi 1 M-valodas Slaidi 2
2 Wav faili - bunga un ģitāra.
DSP uzdevumi

20.02.2014 Svarīgāko Octave komandu apskats (komandu pilna bāze, ar kurām var konstruēt visus (svarīgākos) signālapstrādes algoritmus). Praktiskais darbs ar Octave.


Statistika, varbūtība un trokšņi. DSPGuide grāmatā 2. nodaļa (varbūtības, varbūtību funkcija, varbūtību blīvuma funkcija/sadalījums, empīriskais sadalījums, sadalījumu parametri, Markova ķēdes, stāvokļu pārejas matrica, stohastiska procesa realizācija, realizāciju ansamblis, šķēlums, laika sērijas, ergodisks process, stacionārs process, Normālais (Gausa) sadalījums, Centrālā robežteorēma) Vidējā vērtība un deviācija.

Praktiskais darbs: korelācijas koeficients, (diskrētā) Brauna kustība, varbūtību trīsstūris

27.02.2014 Konvolūcija step-by-step 1, Octave implementācija


Sintēze un dekompozīcija 1
Sintēze un dekompozīcija 2

06.03.2014 Konvolūcija step-by-step 2, Octave implementācija MD3
13.03.2014 Uzd. "Doti punkti, izrēķināt punktu vērtības starp šiem punktiem", veikt filtrāciju ar dažādām impulsa reakcijām h[n], kad tā ir 1, [-1 1], Gausa funkcija, 1-Gausa funkcija tml. MD3 termiņš, MD1
20.03.2014 Vidus semestra kontroldarbs. 1. - 7. nodaļas no DSPGuide grāmatas un lekcijām. MD1 termiņš
27.03.2014 Diskrētā Furjē transformācija DFT step-by-step


Diskretizācija (sampling), Imperial College slaidi Signālu atjaunošana un filtrācija ar sinc(n) funkciju.

03.04.2013. Signālu filtrācija frekvenču apgabalā.
10.04.2013
14.04.2014. - 21.04.2014. Lieldienu brīvdienas
24.04.2014 Attēlu apstrāde un atslēgas punktu izvilkšana ar ORB. MD-4
01.05.2014 Darba svētki MD-4 termiņš
08.05.2014
15.05.2014 MD-5
22.05.2014 MD-5 termiņš
29.05.2013
12.06.2013 14:30 alternatīvs eksāmens tiem, kas nerakstīja iepriekš, 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 Octave.
  • MD2: Izveidot simulatorus: (A) Monētas krišanai pa sazarotu celiņu (tas sakrīt ar varbūtību trīsstūri ar 5 pakāpēm), kur varbūtība monētai aiziet pa kreiso zaru un pa labo zaru: 1)0.5, 0.5 un 2) 0.3 un 0.7. Secinājumi. (B) Objekta X diskrētai random walk, kur varbūtība iet vienu diskrēto lielumu uz priekšu vai atpakaļ ir 0.5 un 0.5, varbūtība iet vienu diskrēto lielumu pa kreisi, pa labi ir 0.5 un 0.5, attēlot grafiski šādas random walk realizācijas, kad gājienu skaits N=10, 100, 1000. Secinājumi.
  • MD3: Audio faila konvolūcija ar gausa funkciju, secinājumi.
  • MD4: DFT matricu formā, kods, ilustratīvs piemērs, secinājumi.
  • MD-Y: Implementēt Kalmana filtru Octave vidē. Ģenerēt testa signālu ar troksni. Filtrēt to ar Kalmana filtru. Mainīt Kalman Gain un veikt secinājumus.
  • MD-5: 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.

Papildus