Πληροφορίες
| Κωδικός Μαθήματος | ELC472 |
| Εξάμηνο | 8ο |
| Κατηγορία | Υποχρεωτικό |
| Διδακτικές Μονάδες | 3 |
| Μονάδες ECTS | 6 |
| Eclass Μαθήματος |
Διδάσκων
Προτεινόμενη Βιβλιογραφία
Ενδεικτική βιβλιογραφία :
1. Πανεπιστημιακές Σημειώσει, Ψηφιακή Επεξεργασία Σήματος, Αναστασόπουλος Βασίλης, 1999.
2. Βιβλίο [18549049]: Ψηφιακή Επεξεργασία Σήματος, 18549049, Έκδοση: 1η έκδ./2000, Συγγραφείς: Hayes Monson H.
- : 960-8050-11-1 ΕΚΔΟΣΕΙΣ Α. ΤΖΙΟΛΑ & ΥΙΟΙ Α.Ε.
3. Βιβλίο [18549117]: Ψηφιακή επεξεργασία σήματος, Antoniou A. ISBN: 978-960-418-188-9, ΕΚΔΟΣΕΙΣ Α. ΤΖΙΟΛΑ & ΥΙΟΙ Α.Ε.
Περιγαφή Μαθήματος
Επιδιωκόμενα μαθησιακά αποτελέσματα του μαθήματος
Το μάθημα αποτελεί ουσιαστική εισαγωγή στις σύγχρονες τεχνικές ανάλυσης ψηφιακών σημάτων και συστημάτων. Ο φοιτητής στο τέλος του εξαμήνου θα είναι ικανός να:
1. Ξέρει με ποιές συνθήκες κάνει σωστή δειγματοληψία και κβάντιση.
2. Αναγνωρίζει το πραγματικό αρμονικό περιεχόμενο ενός σήματος.
3. Περιγράφει και να μελετά ένα γραμμικό ψηφιακό σύστημα στο χρόνο και στη συχνότητα
4. Σχεδιάζει ένα ψηφιακό σύστημα δοθέντων προδιαγραφώνQ
5. Γνωρίζει τις κατηγορίες και τις διαφορές των γραμμικών ψηφιακών φίλτρων.
6. Ξέρει να επιλέγει κωδικοποιητές υπερδειγματοληψίας και διάφορα είδη σημάτων.
7. Γνωρίζει να αναλύει το φασματικό περιεχόμενο σημάτων πέρα από την κλασσική προσέγγιση fourier.
8. Γνωρίζει τα φίλτρα προσαρμογής, κατανοεί το απαραίτητο μαθηματικό υπόβαθρο και συσχετίζει τις σχετικές έννοιες με αυτές στα απλά δίκτυα νευρωνίων.
9. Γνωρίζει τι περισσότερο από την ανάλυση Fourier μας προσφέρουν τα φάσματα υψηλής τάξης στην ανάλυση άγνωστων συστημάτων.
10. Έχει ξεκάθαρη άποψη για τις ουσιαστικές δυνατότητες των μη γραμμικών ψηφιακώ φίλτρων και των διαφορών του από τα αντίστοιχα γραμμικά.
Δεξιότητες
Οι ικανότητες που αποκτά ο πτυχιούχος με το μάθημα αυτό αφορούν στη δυνατότητα του στην ανάλυση σημάτων που συναντά σε συσκευές και όργανα ποικίλων μορφών, στην άμεση προσαρμογή του σε εργασιακό περιβάλλον και κυρίως σε περιβάλλον έρευνας και ανάπτυξης.
Στα παραπάνω περιλαμβάνονται η δυνατότητα εργασίας σε διεπιστημονικό και διεθνές περιβάλλον, ο σχεδιασμός και η διαχείριση έργων και η παραγωγή νέων ιδεών.
Προαπαιτήσεις
Δεν υπάρχουν προαπαιτούμενα μαθήματα.
Περιεχόμενα (ύλη) του μαθήματος
1. Εισαγωγή στα ψηφιακά σήματα
Μετατροπή αναλογικού σήματος σε ψηφιακό, Δειγματοληψία
Κβάντιση και κωδικοποίηση
Μετατροπή ψηφιακού σήματος σε αναλογικό
Η ψηφιακή συνάρτηση δ και η χρησιμότητά της
Ψηφιακή συνέλιξη – Εξισώσεις διαφορών
2. Αναπαράσταση σήματος – Μετασχηματισμοί
Αναπαράσταση σήματος – Ορθογώνιοι μετασχηματισμοί
Διατήρηση πληροφορίας – Σφάλμα
Αντίστροφος μετασχηματισμός
Διακριτός Μετασχηματισμός Fourier – DFT
Ο ταχύς μετασχηματισμός Fourier – FFT
Μη ορθογώνιοι μετασχηματισμοί
3. Ο Μετασχηματισμός –z και τα Ψηφιακά Φίλτρα.
Ο μετασχηματισμός –z, Πόλοι και μηδενισμοί στα διακριτά συστήματα
Εκτίμηση της απόκρισης συχνότητας ψηφιακού συστήματος
Συσχέτιση και συνέλιξη
Τα ψηφιακά φίλτρα
Σχεδίαση IIR ψηφιακών φίλτρων
4. FIR Ψηφιακά Φίλτρα
Χαρακτηριστικά των FIR φίλτρων – Γραμμική απόκριση φάσης
Σχεδίαση των FIR φίλτρων με τα παράθυρα
Μέθοδος σχεδίασης βέλτιστων FIR φίλτρων- Parks-McClellan
5. Κωδικοποιητές Σ-Δ
Σ-Δ διαμόρφωση – Ανάλυση του κωδικοποιητή στην περιοχή -z.
Πυκνότητα ισχύος θορύβου κβάντισης στη ζώνη του σήματος
Ψηφιακή υποβάθμιση του ρυθμού δειγματοληψίας
Εφαρμογή στα CD players
6. Εκτίμηση και ανάλυση φάσματος
Προβλήματα κατά την εκτίμηση του φάσματος
Μη παραμετρικές μέθοδοι για την εκτίμηση φάσματος
Μέθοδος του περιοδογράμματος, Μέθοδος Welch, Μέθοδος Blackman-Tukey
Παραμετρικές μέθοδοι εκτίμησης φάσματος, Μοντέλα ARMA
7. Φάσματα υψηλής τάξης
Ροπές υψηλής, Χαρακτηριστικά των φασμάτων υψηλής τάξης
Φάσματα τρίτης (Bispectrum) και τετάρτης (Trispectrum) Τάξης
Non-Gaussian διαδικασίες σε ένα γραμμικό φίλτρο
Συνάρτηση Bicoherence, Εκτιμητές του Bispectrum
8. Ψηφιακά Φίλτρα Προσαρμογής
Η βασική δομή φίλτρου προσαρμογής – Ο αλγόριθμος προσαρμογής LMS
Εφαρμογές των φίλτρων προσαρμογής – Adaptive Line Enhancer
9. Τεχνητά νευρωνικά δίκτυα
Βιολογικά νευρώνια
Στοιχειώδες τεχνητό νευρώνιο – Οργάνωση των ΑΝΝ
Το απλό perceptron, Το perceptron πολλών επιπέδων
10. Μη γραμμικά ψηφιακά φίλτρα
Κατηγορίες μη γραμμικών φίλτρων
Είδη θορύβου και κριτήρια επιλογής φίλτρου
Φίλτρα ενδιάμεσης τιμής (median), Ορισμός
Αποκοπή θορύβου αιχμών – Διατήρηση ακμών
Είδη σημάτων για το median φίλτρο
Στατιστική της εξόδου του median φίλτρου
Διδακτικές και μαθησιακές μέθοδοι
Παρουσιάσεις και φροντιστήρια επίλυσης προβλημάτων
Προσομοιώσεις με το MATLAB
Μέθοδοι αξιολόγησης / βαθμολόγησης
Γραπτή τελική εξέταση (100%) που περιλαμβάνει:
– Ερωτήσεις
– Ανάπτυξη θεωρητικών και σχεδιαστικών θεμάτων
– Επίλυση προβλημάτων
Γλώσσα διδασκαλίας
Ελληνικά
