Numerical Modeling and Signal Processing

Worum geht's

Du lernst Methoden der Signalverarbeitung und numerischen Modellierung kennen, insbesondere die Darstellung von Messreihen im Zeit/Raum- und Frequenzbereich, Filter- und Approximationstechniken sowie Lösungsmethoden für gewöhnliche und elliptische partielle Differentialgleichungen. Am Ende kannst du Signale analysieren, Filter entwerfen, numerische Verfahren anwenden und Ergebnisse beurteilen.

Was du danach kannst

Signale in Zeit/Raum- und Frequenz/Spektraldomäne darstellen und analysieren
Autokorrelation und Leistungsdichtespektrum verstehen und anwenden
Auswirkungen der Diskretisierung (Aliasing, Windowing, Leakage) einschätzen
Faltung und Filterung in Raum-/Zeitdomäne sowie digitale Frequenzfilter entwerfen
Approximationstechniken und Parameterabschätzung anwenden
Gewöhnliche und elliptische partielle Differentialgleichungen sowie Anfangswertprobleme numerisch lösen
Geeignete mathematisch-statistische Methoden für konkrete Probleme auswählen und anwenden

Aus was das Modul besteht

VorlesungVermittlung der theoretischen Grundlagen zu Signalverarbeitung, Approximation und numerischen Verfahren
Übungen / Praktikum (Labs)Anwendung der Inhalte in praktischen Aufgaben und Matlab-gestützten Laborversuchen

Lehrmethode

Vorlesung (Frontalunterricht, Tafel/Präsentation)Erklärt die theoretischen Grundlagen und rechnet Beispiele vor
Laborübungen und Übungsblätter, teils GruppenarbeitVertiefen das Verständnis durch praktische Anwendung und Problemlösung, Nutzung von Matlab

Solltest du schon können

Fundamente der mathematischen Physikempfohlen
Lineare Algebraempfohlen
Zeitreihenanalyseempfohlen

Prüfung

KlausurLabormidterm-Berichte

Schriftliche Klausur, 120 Minuten Dauer. Erfasst werden Themen aus Zeit- und Frequenzbereich, Filtertechniken, Approximation, Differentialgleichungen und Anfangswertprobleme; überprüft werden Wissen, Anwendung, Analyse und Bewertung. Ein programmierbarer Taschenrechner ist als Hilfsmittel erlaubt. Zusätzlich können während des Semesters freiwillige Labormidterm-Berichte (mind. 50% der angebotenen) eingebracht werden; sie können die Endnote um bis zu 0,3 verbessern (keine Verschlechterung vorgesehen).

Prüfungstermin01.03. · 17:00–19:000360, Theodor-Fischer-Hörsaal (0503.EG.360)

Literatur

Oppenheim A.V., Schafer R.W. - Digital Signal Processing
Priestley M.B. - Spectral Analysis and Time Series
Christensen O., Christensen K.L. - Approximation Theory: From Taylor polynomials to wavelets
Rivlin T.J. - An Introduction to the Approximation of Functions
Ogden R.T. - Essential Wavelets for Statistical Applications and Data Analysis
Watson G.A. - Approximation Theory and Numerical Methods
Burden R.L., Faires J.D. - Numerical Analysis

Termine

Vorlesung mit ÜbungIntroduction to Numerical Modelling

Di.11:30–13:00
0790, Hörsaal (0507.EG.790)
15× · 13.10.–02.02.
- 13.10.
- 20.10.
- 27.10.
- 03.11.
- 10.11.
- 17.11.
- 24.11.
- 01.12.
- 08.12.
- 15.12.
- 22.12.
- 12.01.
- 19.01.
- 26.01.
- 02.02.

Vorlesung mit ÜbungIntroduction to Signal Processing

Mi.15:00–17:30
0120, Hörsaal gem. Nutzung GEO,SP,WS,OR (0501.EG.120)
15× · 14.10.–03.02.
- 14.10.
- 21.10.
- 28.10.
- 04.11.
- 11.11.
- 18.11.
- 25.11.
- 02.12.
- 09.12.
- 16.12.
- 23.12.
- 13.01.
- 20.01.
- 27.01.
- 03.02.

Aus dem laufenden Semester, unverbindlich.

Filter