授業情報/Course information

開講学期/Course Start 2020年度/Academic Year  前期/First
開講曜限/Class period 火/Tue 7,火/Tue 8,火/Tue 9,火/Tue 10
授業区分/Regular or Intensive 週間授業
対象学科/Department 情報電子工学系専攻電気通信システムコース
対象学年/Year 1年,2年
授業科目区分/Category 博士前期課程 大学院自専攻科目
必修・選択/Mandatory or Elective 選択
授業方法/Lecture or Seminar 講義科目
授業科目名/Course Title 信号処理システム特論
単位数/Number of Credits 2.0
担当教員名/Lecturer 大鎌  広
時間割コード/Registration Code MP304A
連絡先/Contact 大鎌 広(Y405,0143-46-5527,ohkama@mmm.muroran-it.ac.jp)
オフィスアワー/Office hours 大鎌 広(火17:00-18:00,水17:00-18:00)
実務経験/Work experience
更新日/Date of renewal 2020/01/24
授業のねらい
/Learning Objectives
信号処理の方法として現在ディジタル信号処理が主流となっている.その基礎となるZ変換を理解し,Z変換で表現されたフィルタの実装手段を理解する.並列処理による実装の時には,競合状態などの並列処理特有の現象に注意しなければならないことを理解する.また,各種数値データをモデルとなる数式にフィッティングする手法についても学習する.

Digital signal processing is important tool in the systems for communications, instrumentation, control and estimation. The theory is based on z-transform and linear systems. In this course, the linear systems and z-transform are introduced first. Next, you learn practical implementation of digital filters expressed as z-transform. This course also introduces several topics including parallel processing implementation, adaptive signal processing and curve fitting.
到達度目標
/Outcomes Measured By:
1. Z変換に基づくフィルタ表現を理解していること
2. Z変換表現のフィルタの実装手段を理解していること
3. 信号の基本的なモデルへのフィッティングができること

1. Understanding concept of z-transform.
2. Understanding the implementation of filters expressed with z-transform.
3. Understanding the method for fitting a signal to the fundamental models.
授業計画
/Course Schedule
1週目1 ディジタル信号
1週目2 フーリエ変換
2週目1 離散フーリエ変換
2週目2 Z変換
3週目1 離散時間システム
3週目2 離散時間システムの実装
4週目1 並列処理実装
4週目2 並列処理特有の問題
5週目1 期待値,確率変数
5週目2 適応ディジタルフィルタ
6週目1 予測
6週目2 最急降下法,最小二乗法
7週目1 フィッティングの基礎
7週目2 フィッティングの方法
8週目1 フィッティングの基準
自己学習: 実際にフィルタ設計をPCで行う課題を与える.試行錯誤も必要とする.

No. 1-1 Digital signal
No. 1-2 Fourier transform
No. 2-1 Discrete Fourier transform
No. 2-2 Z transform
No. 3-1 Discrete time system
No. 3-2 Implementing discrete time systems
No. 4-1 Parallel implementation
No. 4-2 Problem of parallel implementation
No. 5-1 Expectation,Stochastic variable
No. 5-2 Adaptive digital filter
No. 6-1 Prediction
No. 6-2 Steepest descent method
No. 7-1  Curve fitting basics
No. 7-2  Curve fitting method
No. 8-1 Criteria for curve fitting
Homework: Some digital filter design exercises are given. Your tries and errors are required.
参考書等
/Required Materials
信号処理の基礎と応用 添田喬, 中溝高好, 大松繁共著 日新出版 1979(ISBN:4817301066)
Adaptive filter theory Simon Haykin Pearson 2014(ISBN:013267145X)
教科書・参考書に関する備考 DSP の理論についての解説書です.
The text explained for DSP theory.
成績評価方法
/Grading Guidelines
レポートおよび発表(100点満点)で,合計 60 点以上を合格とする。
Coursework will be evaluated with reports and a presentations.
履修上の注意
/Notices
C言語のプログラミングは理解していることを前提として講義をすすめます。
表計算ソフトは使えること.
Understanding of C programming is required in this subject.
Understanding of using a spreadsheet application is required.
教員メッセージ
/Message from Lecturer
デジタル信号処理は通信や,計測,制御,予測など多くの分野で使われています.
Digital signal processing is important tool in the systems for communications, instrumentation, control and estimation.
学習・教育目標との対応
/Learning and Educational Policy
複雑な科学・技術問題の分析能力と問題解決能力を備えた技術者を養成するに対応する.
関連科目
/Related course
通信工学特論, 制御工学特論, 計測工学特論に関連しています.
備考
/Notes
この授業は日本語と一部英語で授業を行う.
This subject will be taught in Japanese and partially in English.

No. 回(日時)
/Time (date and time)
主題と位置付け(担当)
/Subjects and instructor's position
学習方法と内容
/Methods and contents
備考
/Notes
該当するデータはありません
Active learning 1-1
/主体的学修(反転授業,小テスト,振り返り 等)
信号処理やカーブフィッティングについて,課題が与えられ,多くは授業中での完成を要求されます.2回は授業外での課題解決を要求されます.

Exercises on signal processing and curve fitting are presented. Most of the exercises are required to be solved within class time.
Two exercises are required to be resolved outside class.
Active learning 1-2
/上記項目に係るALの度合い
15%未満
Active learning 2-1
/対話的学修(グループ学習,協働,調査体験 等)
信号処理やカーブフィッティングについて,毎回,課題が与えられ,すぐ授業中に作成・完成が要求されます.それらの完成のために学生間の協調学習が必要です.

Exercises on signal processing and curve fitting are presented to you in every class and you are required to create and complete them within class time. Collaborative learning among students is necessary to solve them.
Active learning 2-2
/上記項目に係るALの度合い
50%超
Active learning 3-1
/深い学修(複数科目の知識の総合化や問題解決型学修 等)
最後の3回の課題では,現実のデータや取り組んでいる研究データについて,自分の考えた数式モデルと実験データのフィッティングやパラメータ数の推定を行い,レポートにまとめて提出します.

In the last three classes, for realistic data or your own research data,  you are required to find and report a mathematical model fit to that data.
Active learning 3-2
/上記項目に係るALの度合い
15%~50%