Zachodniopomorski Uniwersytet Technologiczny w Szczecinie

Administracja Centralna Uczelni - Wymiana międzynarodowa (S2)

Sylabus przedmiotu Adaptive Signal Processing:

Informacje podstawowe

Kierunek studiów Wymiana międzynarodowa
Forma studiów studia stacjonarne Poziom drugiego stopnia
Tytuł zawodowy absolwenta
Obszary studiów —
Profil
Moduł —
Przedmiot Adaptive Signal Processing
Specjalność przedmiot wspólny
Jednostka prowadząca Katedra Inżynierii Systemów, Sygnałów i Elektroniki
Nauczyciel odpowiedzialny Piotr Okoniewski <Piotr.Okoniewski@zut.edu.pl>
Inni nauczyciele
ECTS (planowane) 2,0 ECTS (formy) 2,0
Forma zaliczenia zaliczenie Język angielski
Blok obieralny — Grupa obieralna —

Formy dydaktyczne

Forma dydaktycznaKODSemestrGodzinyECTSWagaZaliczenie
laboratoriaL2 15 1,00,38zaliczenie
wykładyW2 15 1,00,62zaliczenie

Wymagania wstępne

KODWymaganie wstępne
W-1Basic knowledge of Matlab
W-2Basic knowledge of Signal Processing

Cele przedmiotu

dla tego przedmiotu nie są określone cele przedmiotu

Treści programowe z podziałem na formy zajęć

KODTreść programowaGodziny
laboratoria
T-L-1Matlab tools for adaptive filtering2
T-L-2Wiener filters in Matlab4
T-L-3Active Noise Cancellation techniques4
T-L-4Image adaptive filtering3
T-L-5Course summary2
15
wykłady
T-W-1Introduction to adaptive filtering concept2
T-W-2Random processes2
T-W-3Wiener filters2
T-W-4Least Mean Square (LMS) algorithm2
T-W-5Normalized Least Mean Square (NLMS) algorithm2
T-W-6Applications of adaptive filtering3
T-W-7Course summary2
15

Obciążenie pracą studenta - formy aktywności

KODForma aktywnościGodziny
laboratoria
A-L-1Lab participation15
A-L-2Own work15
30
wykłady
A-W-1Lecture participation15
A-W-2Own work15
30

Metody nauczania / narzędzia dydaktyczne

KODMetoda nauczania / narzędzie dydaktyczne
M-1Lectures and lab tasks

Sposoby oceny

KODSposób oceny
S-1Ocena formująca: Summary test and lab reports

Literatura podstawowa

  1. Haykin, Simon, Adaptive Filter Theory., Prentice Hall, 2002

Treści programowe - laboratoria

KODTreść programowaGodziny
T-L-1Matlab tools for adaptive filtering2
T-L-2Wiener filters in Matlab4
T-L-3Active Noise Cancellation techniques4
T-L-4Image adaptive filtering3
T-L-5Course summary2
15

Treści programowe - wykłady

KODTreść programowaGodziny
T-W-1Introduction to adaptive filtering concept2
T-W-2Random processes2
T-W-3Wiener filters2
T-W-4Least Mean Square (LMS) algorithm2
T-W-5Normalized Least Mean Square (NLMS) algorithm2
T-W-6Applications of adaptive filtering3
T-W-7Course summary2
15

Formy aktywności - laboratoria

KODForma aktywnościGodziny
A-L-1Lab participation15
A-L-2Own work15
30
(*) 1 punkt ECTS, odpowiada około 30 godzinom aktywności studenta

Formy aktywności - wykłady

KODForma aktywnościGodziny
A-W-1Lecture participation15
A-W-2Own work15
30
(*) 1 punkt ECTS, odpowiada około 30 godzinom aktywności studenta