科目名[英文名]
信号処理   [Signal Processing]
区分	工学部専門科目等	選択必修		単位数	2
対象学科等		対象年次	3～4	開講時期	1学期
授業形態	1学期	時間割番号	023714
責任教員 [ローマ字表記]
清水 昭伸   [SHIMIZU Akinobu]
所属	工学部	研究室		メールアドレス

概要

本講義はデジタル信号を対象に，次の3つの内容を含む．すなわち，フーリエ変換，相関関数，ディジタルフィルタである．講義では教科書に付属しているソフトを用いて，できるだけ視覚的に分かりやすくなるように工夫する．

到達基準

デジタル信号に対するフーリエ変換，相関関数，ディジタルフィルタについて，基礎的項目の理解だけでなく，実際の初歩的な応用問題も解くことができるようになることを目標とする．

授業内容

１. 離散フーリエ変換（１）：離散フーリエ変換を定義し、その基本的な性質について学ぶ ２. 離散フーリエ変換（２）：離散フーリエ変換の高速な計算アルゴリズムについて学ぶ ３. 離散フーリエ変換（３）：2次元以上の高次元信号に対する離散フーリエ変換，およびその高速な計算アルゴリズムについて学ぶ ４. 自己相関関数：自己相関関数と基本的な性質について学ぶ ５. 自己相関関数とスペクトル：自己相関関数とスペクトルの関係について学ぶ ６. 相互相関関数：相互相関関数と基本的な性質について学ぶ ７. 相互相関関数とスペクトル：相互相関関数とスペクトルの関係について学ぶ ８．中間試験 ９．窓関数：有限の時間窓の意味とスペクトルへの影響について学ぶ １０．システム応答：入出力の関係をスペクトルを用いて記述する方法について学ぶ １１．FIRフィルタ：インパルス応答が有限のFIRフィルタとその設計方法について学ぶ １２．IIRフィルタ：インパルス応答が無限のIIRフィルタとその設計方法について学ぶ １３．適応フィルタと線形予測モデル：時間と共にインパルス応答が変化するフィルタと線形予測モデルについて学ぶ １４．深層学習：ニューラルネットワークによる信号処理の中から最近の深層学習について学ぶ １５．期末試験

履修条件・関連項目

数学的基礎、特に連続信号に対するフーリエ変換や，確率・統計などの知識は必須である。授業時間30時間に加え，授業で配布する教材や後述する参考書を使って本学の標準時間数に準ずる予習と復習を行うこと．

テキスト・教科書

参考書

以下を参考書とする． 小畑、幹： Windows版　CAIディジタル信号処理、コロナ社, 1998（本書にはCAI用ソフトウエア（XPかそれ以前のOSでしか動作の確認が取れていない）が付いているが，講義ではそれを動作させて説明する） ※信号処理関係の教科書は多数出版されているので，それらを参考にしても良い．

成績評価の方法

対面講義が可能な場合：授業参加度，および，中間テストと期末テストの成績による． 対面講義が実施できない場合：原則として，毎回の平常点（演習課題など）に加え，レポート課題に対して評価する．

教員から一言

連続信号のフーリエ変換については既に習っているはずであるが，説明に用いる記号が変わるだけで分からなくなってしまう場合があるようである．本質を理解しようとすればこの講義の内容は問題なく理解できる事柄ばかりであり，そのように心がけて授業に臨んで欲しい．

キーワード

デジタル信号，フーリエ変換，相関関数，ディジタルフィルタ

オフィスアワー

授業終了後教室で．

備考１

2019年度成績 S:19, A:26, B:28, C:22, D:8，E:3 2018年度成績 S:17, A:16, B:18, C:7, D:13，E:3 2017年度成績 S:11, A:15, B:14, C:19, D:10，E:8 2016年度成績 S:15, A:19, B:16, C:18, D:21 2015年度成績 S:9, A:14, B:14, C:18, D:9 2014年度成績 S:9, A:23, B:16, C:30, D:14

備考２

参照ホームページ

開講言語

日本語

語学学習科目

更新日付

2020/04/30 11:42:57