SylabUZ
Course name | Processing, Identification and Analysis of Signlas |
Course ID | 06.1-WM-MiBM-MTR-P-05_15 |
Faculty | Faculty of Engineering and Technical Sciences |
Field of study | mechanical engineering |
Education profile | academic |
Level of studies | First-cycle studies leading to Engineer's degree |
Beginning semester | winter term 2017/2018 |
Semester | 6 |
ECTS credits to win | 3 |
Course type | obligatory |
Teaching language | polish |
Author of syllabus |
|
The class form | Hours per semester (full-time) | Hours per week (full-time) | Hours per semester (part-time) | Hours per week (part-time) | Form of assignment |
Lecture | 0 | 0 | 9 | 0,6 | Credit with grade |
Laboratory | 0 | 0 | 9 | 0,6 | Credit with grade |
Celem przedmiotu jest zapoznanie studenta z podstawowymi pojęciami z zakresu modelowania i identyfikacji układów mechatronicznych oraz wstęp do analizy sygnałów. Celem jest także uzyskanie wiedzy teoretycznej z zakresu zastosowania, analizy i wykorzystania sygnałów.
Matematyka, Fizyka, Elektrotechnika i Elektronika, Automatyka i Robotyka
Treść wykładowa:
Podstawowe określenia i definicje. Eksperyment w procesie identyfikacji, eksperyment czynny i bierny Teoria próbkowania, reprezentacje dyskretne. Analiza sygnałów w dziedzinie czasu. Analiza układów dynamicznych, filtracja. Elementy teorii rozpoznawania obrazów. Statystyczna teoria sygnałów. Analiza sygnałów w dziedzinie czasu, teoria korelacji, analiza regresji, teoria spektralna. Modele sygnałów losowych. Identyfikacja systemów przetwarzania w warunkach losowych, metody najmniejszych kwadratów, metody największej wiarygodności, metody funkcji korelacji, metody gęstości spektralnej, aproksymacja stochastyczna. Weryfikacja systemów przetwarzania, weryfikacja wyników interpretacji danych.
Treść laboratoryjna:
Badanie przetworników A/C i C/A, właściwości komputerowych torów pomiarowych. Ilustracja twierdzenia o próbkowaniu. Przejmowanie danych pomiarowych do bazy danych, arkusza kalkulacyjnego. Wyznaczanie charakterystyk spektralnych, korelacji, histogramów w pakietach komputerowych, wpływ funkcji okna: sygnały okresowe, impuls prostokątny, sygnały pseudolosowe. Filtry cyfrowe, badanie filtrów IIR. Filtry FIR, filtry adaptacyjne (realizacja w procesorze sygnałowym, zmiennoprzecinkowym). Podstawowe zagadnienia przetwarzania obrazów, FFT (2 wymiarowe).
Wykłady z wykorzystaniem środków audiowizualnych. Burza mózgów (w niektórych tematach wykładowych). Praca z literatura fachową. Praca zespołowa w trakcie wykonania ćwiczeń laboratoryjnych.
Outcome description | Outcome symbols | Methods of verification | The class form |
Warunkiem zaliczenia przedmiotu jest zaliczenie wszystkich jego form.
Ocena końcowa na zaliczenie przedmiotu jest średnią ważoną z ocen za poszczególne formy zajęć, przy
czym wagi wynoszą odpowiednio: dla wykładu (0.6), dla laboratorium (0.4).
Modified by prof. dr hab. inż. Mirosław Galicki (last modification: 06-06-2018 12:13)