Аннотация к рабочей программе дисциплиныfit.nsu.ru/data_/docs/bak/OOP/4_RPD/09.03.01.1/_09.03.01.1_DV2.2_… · ИНФОРМАТИКА И ВЫЧИСЛИТЕЛЬНАЯ

3

Аннотация к рабочей программе дисциплины

«Введение в обработку сигналов и изображений»

Дисциплина «Введение в обработку сигналов и изображений» реализуется в рамках

образовательной программы высшего образования – программы бакалавриата 09.03.01

ИНФОРМАТИКА И ВЫЧИСЛИТЕЛЬНАЯ ТЕХНИКА. КОМПЬЮТЕРНЫЕ НАУКИ И

СИСТЕМОТЕХНИКА по очной форме обучения на русском языке.

Место в образовательной программе:

Дисциплина «Введение в обработку сигналов и изображений» реализуется в 5 семестре в

рамках части, формируемой участниками образовательных отношений, Блока 1 дисциплин

(модулей) и является дисциплиной по выбору.

Для усвоения дисциплины необходимы знания и навыки, полученные в следующих

дисциплинах данной образовательной программы: Введение в алгебру и анализ, Императивное

программирование, Декларативное программирование, Физика 1.

Освоение данной дисциплины необходимо для выполнения работы в рамках практики, а

также для выполнения выпускной квалификационной работы.

Дисциплина «Введение в обработку сигналов и изображений» направлена на формирование

компетенций:

ПК-1 Способен разрабатывать требования и проектировать программное обеспечение

Перечень основных разделов дисциплины:

Введение в цифровую обработку сигналов

Фурье и вейвлет анализ

Случайные сигналы

Преобразование сигналов

Дисциплина «Введение в обработку сигналов и изображений» предусматривает проведение

лекций и практических занятий.

Дисциплина «Введение в обработку сигналов и изображений» охватывает круг вопросов,

связанных с анализом и обработкой одномерных сигналов

Общий объем дисциплины – 4 зачетных единицы (144 часа)

Правила аттестации по дисциплине. Программой дисциплины предусмотрено проведение следующих видов контроля: текущий

контроль успеваемости в форме устных опросов, контрольного тестирования, приема задач,

промежуточный контроль в форме экзамена.

По результатам освоения дисциплины «Введение в обработку сигналов и изображений»

выставляется оценка «неудовлетворительно», «удовлетворительно», «хорошо», «отлично».

Оценки «отлично», «хорошо», «удовлетворительно» означают успешное прохождение

промежуточной аттестации

4

Учебно-методическое обеспечение дисциплины.

Учебно-методические материалы по дисциплине «Введение в обработку сигналов и

изображений» выложены на странице курса в сети Интернет:

https://drive.google.com/file/d/1HaSRqL8Xvj0ZV6pwyD617qkbN74bThGo/view?usp=sharing

http://www.autex.spb.ru/wavelet/ – «Теория и практика вейвлет-преобразования».


http://www.autex.spb.ru/wavelet/

5

1. Внешние требования к дисциплине

Таблица 1.1

ПК-1 Способен разрабатывать требования и проектировать программное обеспечение в

части следующих результатов обучения:

ПК-1.6 Способен на основе знания первых принципов информатики и широкой

эрудиции в моделях и методах с ней связанных проектировать программно-аппаратные

средства для решения практических задач на основе как неформального технического

задания, так и формальных спецификаций

2. Требования к результатам освоения дисциплины

Таблица 2.1

Результаты изучения дисциплины по уровням освоения

(иметь представление, знать, уметь, владеть)

Формы организации занятий

Лекции

Практики

/

семинары

Самостояте

льная

работа

ПК-1.6 Способен на основе знания первых принципов информатики и широкой эрудиции в

моделях и методах с ней связанных проектировать программно-аппаратные средства для

решения практических задач на основе как неформального технического задания, так и

формальных спецификаций

1. знает математические модели сигналов, теорию

дискретных линейных систем статистическую обработку и

цифровую фильтрацию дискретных сигналов

+ + +

2. умеет обоснованно применять на практике

математические модели сигналов, теорию дискретных

линейных систем статистическую обработку и цифровую

фильтрацию дискретных сигналов

+ + +

3. Содержание и структура учебной дисциплины

Таблица 3.1

Темы лекций

Активные

формы,

час.

Часы

Ссылки на

результаты

обучения

Семестр: 5

Сигналы: определение, классификация, способы

описания. Характеристики детерминированных сигналов

(средние, энергия, мощность). Гармонический анализ

импульсной последовательности. Спектр. Дискретизация

сигналов. Дискретное преобразование Фурье, его

свойства. Восстановление сигнала по множеству отсчё-

тов. Теорема Котельникова–Шеннона. Частота Найквиста.

Эффект появления «ложных частот» [1, 4].

4 4 1, 2

Использование ДПФ для восстановления исходного

сигнала и для интерполяции спектра. Вычисление

линейной свёртки при помощи ДПФ. Эффект «растека-

ния» спектра и весовые функции. Алгоритм быстрого

преобразования Фурье. Ограничения и недостатки

4 4 1, 2

6

преобразования Фурье. Оконное преобразование Фурье.

Вейвлет-преобразование, теория. Основные базисные

функции непрерывного вейвлет–преобразования.

Примеры применения.[3].

Дискретный вейвлет–анализ. Кратномасштабное

представление сигналов. Скейлинг функция и

материнский вейвлет. Вейвлеты Хаара и Добучи. Быстрое

вейвлет–преобразование (алгоритм Малла). Примеры

применения. [3].

4 4 1, 2

Стохастическая модель сигналов (статистический

ансамбль, совместное распределение, статистические

моменты). Среднее, автокорреляция, автоковариация.

Стационарные и эргодические случайные процессы. Виды

стационарности. Спектральная плотность мощности

(СПМ), её свойства. Теорема Винера–Хинчина.

Некоторые модели случайных сигналов: гармонический

процесс со случайной фазой; телеграфный сигнал;

дискретный гауссовский процесс. Марковское свойство.

Винеровский процесс (броуновское движение), как

пример гаусс–марковского процесса. [1, 2].

4 4 1, 2

Основные принципы теории оценок. Свойства точечных

оценок (состоятельность, несмещённость,

эффективность). Неравенство Крамера–Рао. Оценивание

автокорреляции и взаимной корреляции.

Коррелограммный метод оценки СПМ. Метод Блэкмана–

Тьюки. Периодограммные оценки СПМ. Спектральные

окна. Метод Уэлча. [1, 2, 7].

4 4 1, 2

Линейные преобразования стационарных случайных

сигналов. Свойства выходного сигнала (существование,

моменты, автоковариационная функция). Описание

фильтра в виде дискретной линейной системы:

импульсная характеристика, частотная характеристика.

Фильтры с линейной фазовой характеристикой. Линейные

разностные уравнения с постоянными коэффициентами,

как модели цифровых (рекурсивных) фильтров. Бегущий

усредняющий фильтр, авторегрессионный фильтр. [1, 2].

4 4 1, 2

Прямое Z–преобразование дискретных последова-

тельностей: об-ласть сходимости, свойства, Z–свёр-тка,

связь с преоб-разованием Фу-рье. Обратное Z–

преобразование. Нули и полюсы дискретной сис-темы,

минималь-но–фазовое свой-ство. Авторегрес-сионная

модель стационарных случайных про-цессов. Нормаль-

ные уравнения Юла–Уолкера. АКФ и СПМ

авторегрессион-ной модели. Опти-мальный линей-ный

прогноз. Принцип ортого-нальности. Разло-жение Вольда

(ре-гулярная и сингу-лярная составляю-щие случайного

сигнала). Обно-вляющий про-цесс. Алгоритм Левинсона.

[1, 2, 4].

4 4 1, 2

Критерии для построения фильтров. Дискретное

уравнение Винера–Хопфа. Метод восстановления

полезного сигнала в линейной модели наблюдений на

4 4 1, 2

7

основе оптимального линейного фильтра Винера–

Колмогорова. Ошибка восстановления сигнала в

простейших случаях. Аппроксимация сигналов и метод

наимень-ших квадратов (МНК). Алгебра и геометрия

МНК. Нормальное решение. Метод псевдообратной

матрицы. SVD-решение. [1, 2, 5].

Итого: 32 32

Таблица 3.2

Темы практических занятий

Активные

формы,

час.

Часы

Ссылки на


обучения

Учебная деятельность

Семестр: 5

Классификация сигналов. Вычисление информативных характеристики детерминированных сигналов. Разложе-ние периодических сигналов в ряд Фурье. Интегральное преобразование Фурье. Дискретизация сигналов. Дис-кретное преобразование Фурье. Интерполяция дискрет-ного сигнала рядом Котельникова–Шеннона [1, 2, 4].

4 4 1, 2 Разбор представленного

теоретического материала,

решение задач, практическое

применение изученной темы

Программирование алгоритма быстрого преобразования Фурье. Вычисление линейной свёртки при помощи ДПФ. Демонстрация эффекта Гиббса. Ограничения и недос-татки преобразования Фурье. Сравнение оконного пре-образования Фурье и вейвлет–преобразования [1, 3, 4].





Дискретный вейвлет–анализ. Кратномасштабное пред-ставление сигналов. Быстрое вейвлет–преобразование Программирование алгоритма Малла [3].





Компьютерное моделирование случайных сигналов. Вычисление оценок среднего, автокорреляции и автоко-вариация. Спектральная плотность мощности и теорема Винера–Хинчина. Некоторые модели случайных





8

сигна-лов: гармонический процесс со случайной фазой; теле-графный сигнал; дискретный гауссовский процесс. Мар-ковское свойство. Винеровский процесс (броуновское движение) как пример гаусс–марковского процесса [1, 2].

Точечные оценки математического ожидания и диспер-сии случайной величины. Вычисление оценок спектраль-ной плотности мощноси коррелограммным методом Блэкмана–Тьюки и периодограммным методом Уэлча [1].





Линейные преобразования случайных сигналов. Описа-ние фильтра дискретной линейной системой. Фильтры с линейной фазовой характеристикой. Программирование бегущего усредняющего фильтра и авторегрессионного фильтра в рамках модели линейных разностных уравне-ний с постоянными коэффициентами [1, 2].





Вычисление прямого Z–преобразования для некоторых дискретных последовательностей. Вычисление обратного Z–преобразование от рациональных функций. Авторег-рессионная модель стационарных случайных процессов. Программирование алгоритма Левинсона для решения системы уравнений Юла–Уолкера. Вычисление оценок АКФ и СПМ для авторегрессионной модели первого порядка [1, 2, 4].





Вывод дискретного уравнения Винера–Хопфа. Оптималь-ный линейный фильтр Винера–Колмогорова. Оценки





9

ошибки восстановления сигнала в простейших случаях. Программирование алгоритма аппроксимации сигналов методом наименьших квадратов [1, 2, 5].

32 32

4. Самостоятельная работа бакалавров

Таблица 4.1

№ Виды самостоятельной работы

Ссылки на


обучения

Часы на

выполнени

е

Часы на

консультаци

и

Семестр: 5

1

Изучение разделов дисциплины по учебной

литературе, в том числе вопросов, не

освещаемых на лекциях 1, 2 10

Изучение предлагаемых теоретических разделов в соответствии с настоящей

Программой. Учебно-методические материалы по дисциплине «Введение в обработку

сигналов и изображений» выложены на странице курса в сети Интернет

2 Подготовка к практическим занятиям, к текущему

контролю знаний и промежуточной аттестации 1, 2 56 2

Разбор решенных задач, самостоятельное решение задач

3 Подготовка к экзамену 10 2

Повторение теоретического материала по вопросам, совпадающим с темами лекций

5. Образовательные технологии

В ходе реализации учебного процесса по дисциплине проводятся лекционные и семинарские

занятия. Темы, рассматриваемые на лекциях и изучаемые самостоятельно, закрепляются на

практических занятиях, по вопросам, вызывающим затруднения, проводятся консультации.

В ходе реализации учебного процесса по дисциплине применяются лекционные и

практические занятия, а также применяются следующие интерактивные формы обучения

(таблица 5.1).

Таблица 5.1

1 Лекция в форме дискуссии ПК-1

Формируемые умения: знает математические модели сигналов, теорию дискретных

линейных систем статистическую обработку и цифровую фильтрацию дискретных сигналов;

умеет обоснованно применять на практике математические модели сигналов, теорию

дискретных линейных систем статистическую обработку и цифровую фильтрацию

дискретных сигналов

Краткое описание применения: Обсуждение, в контексте изученной теории, различных

аспектов и специфики анализа и обработки одномерных сигналов

10

2 Портфолио ПК-1

Формируемые умения:

знает математические модели сигналов, теорию дискретных линейных систем

статистическую обработку и цифровую фильтрацию дискретных сигналов;

умеет обоснованно применять на практике математические модели сигналов, теорию

дискретных линейных систем статистическую обработку и цифровую фильтрацию

дискретных сигналов Краткое описание применения: бакалавры ведут портфолио (оценки за выполненные

задания, устные опросы, контрольные тестирования), которое является основой для

проведения аттестации по дисциплине

Для организации и контроля самостоятельной работы бакалавров, а также проведения

консультаций применяются информационно-коммуникационные технологии (таблица 5.2).

Таблица 5.2

Информирование [email protected]

Консультирование [email protected]

Контроль [email protected]

Размещение учебных

материалов

https://drive.google.com/file/d/1HaSRqL8Xvj0ZV6pwyD617qkb

N74bThGo/view?usp=sharing

6. Правила аттестации бакалавров по учебной дисциплине

По дисциплине «Введение в обработку сигналов и изображений» проводится текущая и

промежуточная аттестация (итоговая по дисциплине).

Программой дисциплины предусмотрено проведение следующих видов контроля: текущий

контроль успеваемости в форме устных опросов, контрольного тестирования, приема задач,

промежуточный контроль в форме экзамена.

В соответствии с графиком текущей аттестации, по окончании изучения теоретических

разделов (тем) проводится контрольное тестирование и проверка решения задач.

График текущей аттестации

Контрольная точка Срок сдачи (номер недели

семестра)

Устный опрос по теме лекций 1, 2 4

Проверка решения задач по теме лекций 1, 2 4

Контрольное тестирование по теме 1 для

самостоятельного обучения 4







mailto:[email protected]





11







Допуск к зачёту получают студенты, успешно прошедшие текущий и промежуточный

контроль. По итогам контроля выставляется оценка за работу в семестре. Оценивание

осуществляется по пяти-балльной шкале: "отлично", "хорошо", "удовлетворительно",

"неудовлетворительно". Студенты, получившие "неудовлетворительно", считаются

непрошедшими контроль. Зачёт принимается в устной форме. Итоговая оценка по дисциплине

выставляется как средняя из оценок, полученных за работу в семестре и на зачёте.

Требования к представлению и оформлению результатов

Решения задач должны быть записаны в отдельной тетради, при этом должен быть

указан номер задачи, а также записаны её условия. Решение должно быть достаточно

развернутым и рассчитанным на то, чтобы преподаватель смог понять его без дополнительных

комментариев со стороны студента.

Критерии формирования оценки

Критерием для оценки контрольного опроса и контрольного тестирования служит

количество вопросов, на которые правильно ответил студент. Для получения оценки «отлично»

студент должен правильно ответить на все предложенные ему вопросы, которых должно быть

не менее пяти. Для получения оценки «хорошо» студент должен правильно ответить не менее

чем на 75% предложенных ему вопросов. Для получения оценки «удовлетворительно» студент

должен правильно ответить не менее чем на 50% предложенных ему вопросов. Если студент

отвечает менее чем на 50% предложенных ему вопросов или не является без уважительной

причины на занятие, он получает оценку «неудовлетворительно».

При приёме задач отдельная оценка выставляется за решение каждой задачи. Критерием

для оценки служат правильность ответа, полнота предоставленного решения, умение объяснить

решение, аккуратность оформления. Оценка «отлично» выставляется за аккуратно

оформленную задачу с правильным и подробным решением, при условии, что студент может

свободно его объяснить. Оценка «хорошо» выставляется за задачу с правильным решением,

которое, однако, не является достаточно развёрнутым, или студент имеет затруднения при его

объяснении. Оценка «удовлетворительно» выставляется за задачу, хотя и имеющую

правильный ответ, но путь, которым он получен, не достаточно ясно прослеживается из

приведённого решения. Оценка «неудовлетворительно» выставляется за задачу, имеющую

неправильный ответ.

За время изучения дисциплины студент обязан сдать все задачи, предусмотренные

планом (не менее десяти) на оценку не менее чем «удовлетворительно». Студенты, не

выполнившие этого требования, к зачёту не допускаются.

Итоговая оценка за работу в семестре выводится как среднее из оценок, полученных за

контрольные опросы, тестирования и задачи. При необходимости производится обычное

округление.





12





В таблице 6.1 представлено соответствие форм аттестации заявляемым требованиям к

результатам освоения дисциплины.

Таблица 6.1

Коды

компет

енций

ФГОС

Результаты обучения

Формы аттестации

семестр 5

портф

оли

о

Экза

мен

ПК-1

ПК-1.6 Способен на основе знания первых принципов

информатики и широкой эрудиции в моделях и методах

с ней связанных проектировать программно-аппаратные

средства для решения практических задач на основе как

неформального технического задания, так и формальных

спецификаций

+ +

Требования к структуре и содержанию портфолио, оценочные средства, а также критерии

оценки сформированности компетенций и освоения дисциплины в целом, представлены в

Фонде оценочных средств, являющемся приложением 1 к настоящей рабочей программе

дисциплины.

7. Литература

Основная литература

1. Умняшкин, С.В. Основы теории цифровой обработки сигналов : учебное пособие / С.В.

Умняшкин. - 4-е изд., исправ. - Москва : Техносфера, 2018. - 528 с. : ил. - (Мир цифровой

обработки). - Библиогр. в кн. - ISBN 978-5-94836-508-4 ; То же [Электронный ресурс]. - URL:

http://biblioclub.ru/index.php?page=book&id=496608

Дополнительная литература (в т.ч. учебная)

2. Умняшкин, С.В. Теоретические основы цифровой обработки и представления сигналов :

учебное пособие / С.В. Умняшкин. - 2-е изд., испр. и доп. - Москва : Техносфера, 2012. - 368

с. - (Мир цифровой обработки). - ISBN 978-5-94836-318-9 ; То же [Электронный ресурс]. -

URL: http://biblioclub.ru/index.php?page=book&id=233733

3. Цифровая обработка изображений в информационных системах : учебник : для студентов

высших учебных заведений, обучающихся по направлению 525500 - Радиотехника и

специальности 201400 - Аудиовизуальная техника / [И. С. Грузман, В. С. Киричук, В. П.

Косых и др.]. Новосибирск : Изд-во Новосиб. гос. техн. ун-та, 2002. 351 с. : ил., портр. ; 22

см. (Учебник НГТУ) . ISBN 5-7782-0330-6.

4. Оппенгейм, А. Цифровая обработка сигналов / А. Оппенгейм, Р. Шафер ; пер. С.Ф. Боев. - 3-

е изд., испр. - Москва : Техносфера, 2012. - 1048 с. - (Мир радиоэлектроники). - ISBN 978-5-

94836-329-5 ; То же [Электронный ресурс]. - URL:





13

Интернет-ресурсы

Таблица 7.1

№

п/п Наименование Интернет-ресурса Краткое описание

1. http:// www.nsu.ru/xmlui/ Электронная библиотека НГУ

2. http://www.spsl.nsc.ru Портал ГПНТБ СО РАН

8. Учебно-методическое и программное обеспечение дисциплины

8.1. Учебно-методическое обеспечение

Электронные ресурсы, содержащие учебные материалы:


http://www.autex.spb.ru/wavelet/ – Интернет-страничка «Теория и практика вейвлет-

преобразования».

8.2. Программное обеспечение

Для обеспечения реализации дисциплины используется стандартный комплект

программного обеспечения (ПО), включающий регулярно обновляемое лицензионное ПО

Windows и MS Office.

ПО для лиц с ограниченными возможностями здоровья Таблица 8.1

№ Наименование ПО Назначение Место размещения

1 Jaws for Windows Программа экранного доступа к системным и

офисным приложениям, включая интернет-

обозреватели. Информация с экрана

считывается вслух, обеспечивая возможность

речевого доступа к самому разнообразному

контенту. Jaws также позволяет выводить

информацию на обновляемый дисплей

Брайля. JAWS включает большой набор

клавиатурных команд, позволяющих

воспроизвести действия, которые обычно

выполняются только при помощи мыши.

Ресурсный центр,

читальные залы

библиотеки НГУ,

компьютерные

классы (сетевые

лицензии)

2 Duxbury Braille

Translator v11.3 для

Брайлевского

принтера

Программа перевода текста в текст Брайля, и

печати на Брайлевском принтере

Ресурсный центр

3 "MAGic Pro 13"

(увеличение+речь)

Программа для людей со слабым зрением и

для незрячих людей. Программа позволяет

увеличить изображение на экране до 36 крат,

есть функция речевого сопровождения



библиотеки НГУ

9. Профессиональные базы данных и информационные справочные системы

1. Полнотекстовые журналы Springer Journals за 1997-2015 г., электронные книги (2005-

2016 гг.), коллекция научных биомедицинских и биологических протоколов SpringerProtocols,

коллекция научных материалов в области физических наук и инжиниринга SpringerMaterials,

реферативная БД по чистой и прикладной математике zbMATH.

2. Электронная библиотека диссертаций Российской государственной библиотеки (ЭБД

РГБ)

3. Электронные ресурсы Web of Science Core Collection (Thomson Reuters Scientific LLC.),

Journal Citation Reports + ESI

4. БД Scopus (Elsevier)

http://www.nsu.ru/xmlui/

http://www.spsl.nsc.ru/


http://www.autex.spb.ru/wavelet/

14

10. Материально-техническое обеспечение

Таблица 10.1

№ Наименование Назначение

1 Презентационное оборудование

(мультимедиа-проектор, экран, компьютер

для управления)

Для проведения лекционных и

практических занятий

2 Компьютерный класс (с выходом в Internet) Для проведения практических занятий и

организации самостоятельной работы

обучающихся

Оборудование, обеспечивающее адаптацию электронных и печатных образовательных ресурсов

для обучающиеся из числа лиц с ограниченными возможностями здоровья

Таблица 10.2

№ Наименование

оборудования Назначение Место размещения

1 Принтер Брайля Печать рельефно-точечным шрифтом

Брайля Ресурсный центр

2 Увеличитель Prodigi

Duo Tablet 24

Устройство для чтения и увеличения

плоскопечатного текста




Специализированное

мобильное рабочее

место «ЭлНот 311»

Мобильный компьютер с дисплеем

брайля Ресурсный центр

Портативный

тактильный дисплей

Брайля “Focus 40 Blue”

Навигация в операционных системах,

программах и интернете с помощью

отображения рельефно-точечным

шрифтом Брайля получаемой

информации




Устройство для печати

тактильной графики

«PIAF»

Печать тактильных графических

изображений Ресурсный центр

Портативный видео-

увеличитель RUBY XL

HD

Увеличение текста и подбор контрастных

схем изображения Ресурсный центр

Складной настольный

электронный видео-

увеличитель «TOPAZ

PHD 15»



Электронный ручной

видео-увеличитель

ONYX Deskset HD 22”



Смартфон EISmart G3 Смартфон клавишным управлением и

озвученным интерфейсом, обучение

спутниковой навигации.

Ресурсный центр

FM-система «Сонет-

РСМ» РМ-3-1

Звуковая FM-система для людей с

нарушением слуха, улучшающая

восприятие голосовой информации

Большая физическая

аудитория главного

корпуса НГУ

Documents

Аннотация к рабочей программе дисциплиныfit.nsu.ru/data_/docs/bak/OOP/4_RPD/09.03.01.1/_09.03.01.1_DV2.2_… · ИНФОРМАТИКА И ВЫЧИСЛИТЕЛЬНАЯ