Moduł oferowany także w ramach programów studiów:
Informacje ogólne:
Nazwa:
Signals and systems
Tok studiów:
2019/2020
Kod:
RAIR-1-707-s
Wydział:
Inżynierii Mechanicznej i Robotyki
Poziom studiów:
Studia I stopnia
Specjalność:
-
Kierunek:
Automatyka i Robotyka
Semestr:
7
Profil:
Ogólnoakademicki (A)
Język wykładowy:
Angielski
Forma studiów:
Stacjonarne
Strona www:
 
Prowadzący moduł:
prof. dr hab. inż. Stepinski Tadeusz (tstepin@agh.edu.pl)
Treści programowe zapewniające uzyskanie efektów uczenia się dla modułu zajęć

Opis efektów uczenia się dla modułu zajęć
Kod MEU Student, który zaliczył moduł zajęć zna i rozumie/potrafi/jest gotów do Powiązania z KEU Sposób weryfikacji i oceny efektów uczenia się osiągniętych przez studenta w ramach poszczególnych form zajęć i dla całego modułu zajęć
Wiedza: zna i rozumie
M_W001 Has basic knowledge of signal and system description in time domain Wynik testu zaliczeniowego,
Wykonanie ćwiczeń laboratoryjnych,
Aktywność na zajęciach,
Egzamin
M_W002 Knows and understands relations between continuoustime and discrete-time descriptions Wykonanie projektu,
Wykonanie ćwiczeń laboratoryjnych,
Wynik testu zaliczeniowego
M_W003 Has basic knowledge of analog and digital filters Sprawozdanie,
Wykonanie projektu,
Wykonanie ćwiczeń laboratoryjnych,
Aktywność na zajęciach
M_W004 Has basic knowledge of nonparametric spectrum estimation methods Wykonanie ćwiczeń laboratoryjnych,
Wykonanie ćwiczeń,
Zaliczenie laboratorium
Umiejętności: potrafi
M_U001 Can perform sampling of time-continuous signals and design anti-aliasing filter Wykonanie ćwiczeń laboratoryjnych,
Sprawozdanie,
Wykonanie ćwiczeń,
Zaliczenie laboratorium
M_U002 Can perform analysis of dynamical systems using Matlab Aktywność na zajęciach,
Udział w dyskusji
M_U003 Can modify frequency responce of a dynamic structure using Laplace transform in s-plane Egzamin,
Wykonanie ćwiczeń,
Wykonanie ćwiczeń laboratoryjnych
Liczba godzin zajęć w ramach poszczególnych form zajęć:
SUMA (godz.)
Wykład
Ćwicz. aud
Ćwicz. lab
Ćw. proj.
Konw.
Zaj. sem.
Zaj. prakt
Zaj. terenowe
Zaj. warsztatowe
Prace kontr. przejść.
Lektorat
42 14 0 14 14 0 0 0 0 0 0 0
Matryca kierunkowych efektów uczenia się w odniesieniu do form zajęć i sposobu zaliczenia, które pozwalają na ich uzyskanie
Kod MEU Student, który zaliczył moduł zajęć zna i rozumie/potrafi/jest gotów do Forma zajęć dydaktycznych
Wykład
Ćwicz. aud
Ćwicz. lab
Ćw. proj.
Konw.
Zaj. sem.
Zaj. prakt
Zaj. terenowe
Zaj. warsztatowe
Prace kontr. przejść.
Lektorat
Wiedza
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 + - + - - - - - - - -
Umiejętności
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 + - + + - - - - - - -
Nakład pracy studenta (bilans punktów ECTS)
Forma aktywności studenta Obciążenie studenta
Sumaryczne obciążenie pracą studenta 75 godz
Punkty ECTS za moduł 3 ECTS
Udział w zajęciach dydaktycznych/praktyka 42 godz
Przygotowanie do zajęć 16 godz
Samodzielne studiowanie tematyki zajęć 17 godz
Szczegółowe treści kształcenia w ramach poszczególnych form zajęć (szczegółowy program wykładów i pozostałych zajęć)
Wykład (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

Ćwiczenia laboratoryjne (14h):

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

Ćwiczenia projektowe (14h):

Acceleromter choice
Parameter estimation of piezoelectric transducer

Pozostałe informacje
Metody i techniki kształcenia:
  • Wykład: Treści prezentowane na wykładzie są przekazywane w formie prezentacji multimedialnej w połączeniu z klasycznym wykładem tablicowym wzbogaconymi o pokazy odnoszące się do prezentowanych zagadnień.
  • Ćwiczenia laboratoryjne: 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.
  • Ćwiczenia projektowe: 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:

Zasady udziału w zajęciach:
  • Wykład:
    – Obecność obowiązkowa: Tak
    – Zasady udziału w zajęciach: 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.
  • Ćwiczenia laboratoryjne:
    – Obecność obowiązkowa: Tak
    – Zasady udziału w zajęciach: 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.
  • Ćwiczenia projektowe:
    – Obecność obowiązkowa: Tak
    – Zasady udziału w zajęciach: Studenci wykonują prace praktyczne mające na celu uzyskanie kompetencji zakładanych przez syllabus. Ocenie podlega sposób wykonania projektu oraz efekt końcowy.
Sposób obliczania oceny końcowej:

Based on laboratory & project results (marks)

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

Wymagania wstępne i dodatkowe, z uwzględnieniem sekwencyjności modułów :

Nie podano wymagań wstępnych lub dodatkowych.

Zalecana literatura i pomoce naukowe:

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/

Publikacje naukowe osób prowadzących zajęcia związane z tematyką modułu:

Nie podano dodatkowych publikacji

Informacje dodatkowe:

Brak