Zeitdiskrete Signalverarbeitung

Kurzbeschreibung

Einfluss der Taktratenumsetzung mit nicht-idealen Filtern

Die Vorlesung Zeitdiskrete Signalverarbeitung gibt eine Einführung in elementare Techniken der digitalen Signalverarbeitung. Es wird besonderer Wert auf eine möglichst anschauliche und praxisorientierte Beschreibung gelegt. Die Studierenden sammeln eigene praktische Erfahrung in den Übungen durch den Einsatz von Python.

Vorlesungsinhalte

Zeitdiskrete Signale: Elementare Signale, Gerade/ungerade Signale,Harmonische Exponentialschwingungen
Fourierreihe periodischer zeitdiskreter Signale: Parsevaltheorem, Symmetriebeziehungen
Zeitdiskrete Systeme: LTI, Stoßantwort
Fouriertransformation zeitdiskreter Signale
Abtasttheorem
Differenzengleichungen und z-Transformation
FIR und IIR Filterentwurf
DFT, FFT
Zyklische Faltung, Overlap-add und Overlap-save
Multiratensignalverarbeitung

Lernergebnisse & Fachliche Kompetenzen

Die Studierenden sind nach dem Besuch der Lehrveranstaltung in der Lage,

zeitdiskrete Signale und Systeme im Zeit- und Frequenzbereich mit Methoden der Signalverarbeitung zu beschreiben
zeitdiskrete Systeme bzgl. Stabilittät, Einschwingverhalten etc. zu analysieren und zu bewerten
selbtändig digitale Filter mit vorgegebnenen Eigenschaften zu entwerfen
digitale Filter recheneffizient in Software zu realisieren
auch komplexere Signalverarbeitungsalgorithmen recheneffizient in Python zu implementieren

Die Studierenden

haben weitreichende Fertigkeiten in Python erworben, die sich auch außerhalb der Realisierung von Signalverarbeitungsalgorithmen einsetzen können,
können aus einer vorgegebenen Aufgabenstellung ein Programm entwerfen, realisieren, testen und die erzielten Ergebnisse auswerten, anschaulich präsentieren und diskutieren,
können in einer Gruppe umfangreichere Aufgabenstellungen gemeinsam analysieren, in Teilaufgaben zerlegen und lösungsorientiert bearbeiten.

Methodische Umsetzung

Vorlesungen mit überwiegendem Tafeleinsatz, vereinzelt Folien-Präsentationen
Präsenzübungen mit Übungsblättern und Demonstrationen am Rechner
Praktische Übungen mit Python, in denen Studierende eigenständig Lösungswege erarbeiten und Signalverarbeitungsalgorithmen implementieren, testen sowie Ergebnisse auswerten.