Module also offered within study programmes:
General information:
Name:
Signals and systems
Course of study:
2019/2020
Code:
RAIR-1-707-s
Faculty of:
Mechanical Engineering and Robotics
Study level:
First-cycle studies
Specialty:
-
Field of study:
Automatics and Robotics
Semester:
7
Profile of education:
Academic (A)
Lecture language:
English
Form and type of study:
Full-time studies
Course homepage:
 
Responsible teacher:
prof. dr hab. inż. Stepinski Tadeusz (tstepin@agh.edu.pl)
Module summary

Description of learning outcomes for module
MLO code Student after module completion has the knowledge/ knows how to/is able to Connections with FLO Method of learning outcomes verification (form of completion)
Skills: he can
M_U001 Can perform sampling of time-continuous signals and design anti-aliasing filter Execution of laboratory classes,
Report,
Execution of exercises,
Completion of laboratory classes
M_U002 Can perform analysis of dynamical systems using Matlab Activity during classes,
Participation in a discussion
M_U003 Can modify frequency responce of a dynamic structure using Laplace transform in s-plane Examination,
Execution of exercises,
Execution of laboratory classes
Knowledge: he knows and understands
M_W001 Has basic knowledge of signal and system description in time domain Test results,
Execution of laboratory classes,
Activity during classes,
Examination
M_W002 Knows and understands relations between continuoustime and discrete-time descriptions Execution of a project,
Execution of laboratory classes,
Test results
M_W003 Has basic knowledge of analog and digital filters Report,
Execution of a project,
Execution of laboratory classes,
Activity during classes
M_W004 Has basic knowledge of nonparametric spectrum estimation methods Execution of laboratory classes,
Execution of exercises,
Completion of laboratory classes
Number of hours for each form of classes:
Sum (hours)
Lecture
Audit. classes
Lab. classes
Project classes
Conv. seminar
Seminar classes
Pract. classes
Zaj. terenowe
Zaj. warsztatowe
Prace kontr. przejść.
Lektorat
42 14 0 14 14 0 0 0 0 0 0 0
FLO matrix in relation to forms of classes
MLO code Student after module completion has the knowledge/ knows how to/is able to Form of classes
Lecture
Audit. classes
Lab. classes
Project classes
Conv. seminar
Seminar classes
Pract. classes
Zaj. terenowe
Zaj. warsztatowe
Prace kontr. przejść.
Lektorat
Skills
M_U001 Can perform sampling of time-continuous signals and design anti-aliasing filter + - + + - - - - - - -
M_U002 Can perform analysis of dynamical systems using Matlab + - + + - - - - - - -
M_U003 Can modify frequency responce of a dynamic structure using Laplace transform in s-plane + - + + - - - - - - -
Knowledge
M_W001 Has basic knowledge of signal and system description in time domain + - + - - - - - - - -
M_W002 Knows and understands relations between continuoustime and discrete-time descriptions + - + - - - - - - - -
M_W003 Has basic knowledge of analog and digital filters + - + - - - - - - - -
M_W004 Has basic knowledge of nonparametric spectrum estimation methods + - + - - - - - - - -
Student workload (ECTS credits balance)
Student activity form Student workload
Summary student workload 75 h
Module ECTS credits 3 ECTS
Udział w zajęciach dydaktycznych/praktyka 42 h
Preparation for classes 16 h
Realization of independently performed tasks 17 h
Module content
Lectures (14h):

1. Introduction to system identification
• Signal classification
• System models
• Non-parametric vs. parametric identification
2. Time domain analysis
• Linear time invariant systems
• Convolution, impulse response
• Impulse and step response
• Stability and causality
3. Frequency domain analysis
• Fourier series and Fourier transform
• Frequency response, Bode diagram
• Modeling mechanical systems
• Time-frequency analysis
4. Sampling and Laplace transform
• Sampling time-continuous signals
• Aliasing effects and anti-aliasing filters
• Laplace transform
• Poles and zeros, stability
• Analog filters
5. Discrete Fourier transform
• Truncation in time
• Discrete Fourier transform (DFT and FFT)
• DFT estimation, windows and zero-padding
6. Stochastic signals
• Auto- and cross-correlation
• Power spectrum and coherence
• Nonparametric spectral estimation (periodogram, Welch method)
• Least squares model-based spectrum estimation
7. Introduction to modal analysis
• Modal models
• Frequency response function
• Excitation techniques
• Frequency domain decomposition

Laboratory classes (14h):

Introduction to Matlab
Signal processing in time domain
Modeling of mechanical systems
Samplinga and aliasing
Signal processing in frequency domain
Nonparametric identification

Project classes (14h):

Acceleromter choice
Parameter estimation of piezoelectric transducer

Additional information
Teaching methods and techniques:
  • Lectures: Treści prezentowane na wykładzie są przekazywane w formie prezentacji multimedialnej w połączeniu z klasycznym wykładem tablicowym wzbogaconymi o pokazy odnoszące się do prezentowanych zagadnień.
  • Laboratory classes: W trakcie zajęć laboratoryjnych studenci samodzielnie rozwiązują zadany problem praktyczny, dobierając odpowiednie narzędzia. Prowadzący stymuluje grupę do refleksji nad problemem, tak by otrzymane wyniki miały wysoką wartość merytoryczną.
  • Project classes: Studenci wykonują zadany projekt samodzielnie, bez większej ingerencji prowadzącego. Ma to wykształcić poczucie odpowiedzialności za pracę w grupie oraz odpowiedzialności za podejmowane decyzje.
Warunki i sposób zaliczenia poszczególnych form zajęć, w tym zasady zaliczeń poprawkowych, a także warunki dopuszczenia do egzaminu:

Participation rules in classes:
  • Lectures:
    – Attendance is mandatory: No
    – Participation rules in classes: Studenci uczestniczą w zajęciach poznając kolejne treści nauczania zgodnie z syllabusem przedmiotu. Studenci winni na bieżąco zadawać pytania i wyjaśniać wątpliwości. Rejestracja audiowizualna wykładu wymaga zgody prowadzącego.
  • Laboratory classes:
    – Attendance is mandatory: Yes
    – Participation rules in classes: Studenci wykonują ćwiczenia laboratoryjne zgodnie z materiałami udostępnionymi przez prowadzącego. Student jest zobowiązany do przygotowania się w przedmiocie wykonywanego ćwiczenia, co może zostać zweryfikowane kolokwium w formie ustnej lub pisemnej. Zaliczenie zajęć odbywa się na podstawie zaprezentowania rozwiązania postawionego problemu. Zaliczenie modułu jest możliwe po zaliczeniu wszystkich zajęć laboratoryjnych.
  • Project classes:
    – Attendance is mandatory: Yes
    – Participation rules in classes: Studenci wykonują prace praktyczne mające na celu uzyskanie kompetencji zakładanych przez syllabus. Ocenie podlega sposób wykonania projektu oraz efekt końcowy.
Method of calculating the final grade:

Based on laboratory & project results (marks)

Sposób i tryb wyrównywania zaległości powstałych wskutek nieobecności studenta na zajęciach:

Prerequisites and additional requirements:

Prerequisites and additional requirements not specified

Recommended literature and teaching resources:

J. S. Bendat, A.G. Piersol, Random Data: Analysis & Measurement Procedures, John Willey and Sons, New York, 2000

S. Braun, Discover signal processing. An interactive guide for engineers, Wiley, 2008.
David McMahon, Signals and Systems DeMYSTiFieD. A self-teaching guide. Mc Graw Hill, 2006

R. Baraniuk, Signals and Systems, Connexions, http://cnx.org/content/col10064/latest/

Scientific publications of module course instructors related to the topic of the module:

Additional scientific publications not specified

Additional information:

None