SigSys SoSe2018: Unterschied zwischen den Versionen
Zur Navigation springen
Zur Suche springen
| (24 dazwischenliegende Versionen von 3 Benutzern werden nicht angezeigt) | |||
| Zeile 20: | Zeile 20: | ||
Jeder Studierend bearbeitet semesterbegleitend bis zum 06.07.18 ein Projekt mit Matlab/Lego Mindstorms lösen. Diese Lösung ist vor dem Stichtag in SVN zu sichern. | Jeder Studierend bearbeitet semesterbegleitend bis zum 06.07.18 ein Projekt mit Matlab/Lego Mindstorms lösen. Diese Lösung ist vor dem Stichtag in SVN zu sichern. | ||
'''Tipp:''' Sichern Sie Ihre Ergebnisse während der Arbeit bereits systematisch in | '''Tipp:''' Sichern Sie Ihre Ergebnisse während der Arbeit bereits systematisch in Ihrem persönlichen SVN-Ordner <code>https://svn.hshl.de/svn/BSE_Mustermann/trunk/WA/</code>. | ||
=== Aufgabenstellung === | === Aufgabenstellung === | ||
| Zeile 49: | Zeile 49: | ||
## Stellen Sie die Messunsicherheit bzw. das Vertrauensintervall dar. | ## Stellen Sie die Messunsicherheit bzw. das Vertrauensintervall dar. | ||
== [[Veranstaltungsregeln SigSys | == [[Veranstaltungsregeln SigSys SoSe2018| Erwartungen an Ihre Lösung]] == | ||
== Themenverteilung == | == Themenverteilung == | ||
| Zeile 85: | Zeile 85: | ||
| 1 || [[Hokuyo Lidar Objekterkennung mit Matlab/Simulink]] || [[Benutzer:Simon_Kohfeld| Simon Kohfeld]] || 1500€ | | 1 || [[Hokuyo Lidar Objekterkennung mit Matlab/Simulink]] || [[Benutzer:Simon_Kohfeld| Simon Kohfeld]] || 1500€ | ||
|- | |- | ||
| 2 || [[CmuCam v5 (Pixy-Cam) mit Matlab/Simulink]] || Patrick Lange || 100€ | | 2 || [[CmuCam v5 (Pixy-Cam) mit Matlab/Simulink]]|| Patrick Lange || 100€ | ||
|- | |- | ||
| 3 || [[HiTechnics EOPD mit Matlab/Simulink]] || Tim Kempe || 100€ | | 3 || [[HiTechnics EOPD mit Matlab/Simulink]] || Tim Kempe || 100€ | ||
| Zeile 97: | Zeile 97: | ||
| 7 || [[3D Time-of-Flight Sensor Evaluation Module mit Matlab/Simulink]] || Asaad Al-Suleihi || 600€ | | 7 || [[3D Time-of-Flight Sensor Evaluation Module mit Matlab/Simulink]] || Asaad Al-Suleihi || 600€ | ||
|- | |- | ||
| 8 || [[ | | 8 || [[NXT Lichtsensor mit Matlab/Simulink]] ||Eileen Hinners || 100€ | ||
|- | |- | ||
| 9 || [[Beschleunigungssensor mit Matlab/Simulink]] || Julia Averesch || 100€ | | 9 || [[Beschleunigungssensor mit Matlab/Simulink]] || Julia Averesch || 100€ | ||
| Zeile 126: | Zeile 126: | ||
|- | |- | ||
| 22 || [[GPS Sensor mit Matlab/Simulink]] || Marie Mbogni || 100€ | | 22 || [[GPS Sensor mit Matlab/Simulink]] || Marie Mbogni || 100€ | ||
|- | |||
| 23 || [[Nexus 5X Lagesensor (IMU) mit Matlab/Simulink]] || Jan Drupka || eigener Sensor | |||
|- | |- | ||
|} | |} | ||
| Zeile 148: | Zeile 150: | ||
* Es gibt die Möglichkeit, über S-Funktions Sensoren in MATLAB/Simulink einzubauen. Herr Giampiero Campa hat eine Anleitung geschrieben, die am Beispiel des Arduino Support Packages zeigt, wie dies geht: [http://www.mathworks.com/matlabcentral/fileexchange/39354-device-drivers Link]. | * Es gibt die Möglichkeit, über S-Funktions Sensoren in MATLAB/Simulink einzubauen. Herr Giampiero Campa hat eine Anleitung geschrieben, die am Beispiel des Arduino Support Packages zeigt, wie dies geht: [http://www.mathworks.com/matlabcentral/fileexchange/39354-device-drivers Link]. | ||
* [https://www.mathworks.com/help/releases/R2018a/simulink/slref/legacy_code.html Legacy Code Tool] | * [https://www.mathworks.com/help/releases/R2018a/simulink/slref/legacy_code.html Legacy Code Tool] | ||
'''EV3''' | |||
* [http://ev3.fantastic.computer/doxygen/index.html EV3 Informationen] | |||
* [http://www.mindstorms.rwth-aachen.de/ RWTH Mindstorms Toolbox] | |||
* [https://de.mathworks.com/matlabcentral/fileexchange/18646-rwth-mindstorms-nxt-toolbox NXT Toolbox] | |||
* [https://de.mathworks.com/hardware-support/lego-mindstorms-matlab.html LEGO MINDSTORMS NXT Support from MATLAB] | |||
* [http://ev3.fantastic.computer/doxygen/index.html Firmware Dokumentation] | |||
* [https://education.lego.com/de-de/support/mindstorms-ev3/developer-kits Education EV3 Developer Kits] | |||
Weiterführender Wiki Artikel inkl. Demos: [[EV3_mit_Simulink | EV3 mit Simulink]] | |||
'''Moodle''' | '''Moodle''' | ||
| Zeile 157: | Zeile 169: | ||
'''HSHL Wiki''' | '''HSHL Wiki''' | ||
*[[Einführung_in_MATLAB| Einführung in MATLAB]] | |||
*[[Matlab/Simulink | Matlab/Simulink]] | *[[Matlab/Simulink | Matlab/Simulink]] | ||
*[[Bild-_und_Signalverarbeitung_mit_MATLAB | Bild- und Signalverarbeitung mit MATLAB]] | *[[Bild-_und_Signalverarbeitung_mit_MATLAB | Bild- und Signalverarbeitung mit MATLAB]] | ||
== Nächste Schritte == | == Nächste Schritte == | ||
# Suchen Sie sich ein Thema aus. | # Suchen Sie sich bis zum 19.04.18 ein Thema aus. | ||
# Leihen Sie sich den Sensor bei Herrn Raza aus. | # Leihen Sie sich am 20.04.18 den Sensor bei Herrn [[Benutzer:Ilya_Raza| Ilya Raza]] aus. | ||
# Lassen Sie sich einen Schließfachschlüssel für das Projekt geben. | # Lassen Sie sich einen Schließfachschlüssel für das Projekt geben oder lagern Sie den Sensor im Projektraum L3.1-E00-120. | ||
# Bearbeiten Sie das Projekt im Semester. | # Bearbeiten Sie das Projekt im Semester. | ||
# Dokumentieren Sie fortlaufend in SVN und Wiki. | # Dokumentieren Sie fortlaufend in SVN und Wiki. | ||
# Geben Sie nach Projektabschluss die Hardware wieder zurück. | # Geben Sie nach Projektabschluss spätestens am 06.07.18 die Hardware wieder zurück. | ||
== Selbstlernzeit == | |||
* In Ihrer Selbstlernzeit können Sie gern in Raum L3.1-E00-120 arbeiten. | |||
== Literatur == | == Literatur == | ||
Aktuelle Version vom 6. Juli 2018, 22:56 Uhr
Autor: Prof. Schneider
Die Lehrveranstaltung "Signalverarbeitende Systeme" hat laut Modulhandbuch folgende Lernergebnisse/Kompetenzen:
Die Studierenden kennen die Elemente einer Signalverarbeitungskette und können Fehler erkennen, abschätzen analysieren und beheben. Sie sind in der Lage signalspezifische analoge und digitale Filter auszulegen und anzuwenden.
Nachfolgende Inhalte wurden definiert
- Hard- und Softwarearchitekturen in signalverarbeitenden Systemen
- Moderne Analog-/Digital-Umsetzer
- Signalauswertung und -erkennung
- Digitale Signalverarbeitung
- Entwurf und Realisierung analoger und digitaler Filter
- Anwendungen der Signalverarbeitung (z.B. Digitale Bildverarbeitung)
Semesterbegleitende Prüfung
Jeder Studierend bearbeitet semesterbegleitend bis zum 06.07.18 ein Projekt mit Matlab/Lego Mindstorms lösen. Diese Lösung ist vor dem Stichtag in SVN zu sichern.
Tipp: Sichern Sie Ihre Ergebnisse während der Arbeit bereits systematisch in Ihrem persönlichen SVN-Ordner https://svn.hshl.de/svn/BSE_Mustermann/trunk/WA/.
Aufgabenstellung
- Lesen Sie den Sensor mit MATLAB/Simulink aus (MATLAB/Simulink Toolbox).
- Beschreiben, untersuchen und verstehen Sie Ihre Signalverarbeitungskette.
Schritte zur Signalberarbeitung
- Auswahl eines Primärsensors
- Wie funktioniert der Sensor?
- Welche Rohsignale liefert der Sensor?
- Signalvorverarbeitung
- Sollen Messwerte oder vorverarbeitete Daten übertragen werden?
- Wie lässt sich eine Vorverarbeitung umsetzen?
- Wird eine Kennlinie eingesetzt? Wenn ja, wie wird diese kalibriert?
- Analog-Digital-Umsetzer
- Wie werden die analogen Signale umgesetzt?
- Welcher ADU kommt zum Einsatz?
- Welche Gründe sprechen für diesen ADU? Alternativen?
- Bussystem
- Wird ein Bussystem zwischen Sensor und Mikrocontroller eingesetzt?
- Wenn ja, wie funktioniert dieses Bussystem?
- Digitale Signalverarbeitung
- Welche Verarbeitungsschritte sind notwendig?
- Welche Filter werden angewendet?
- Bestimmen Sie Auflösung, Empfindlichkeit und Messunsicherheit des Sensors.
- Darstellung der Ergebnisse
- Welche Fehler treten in welchem Verarbeitungsschritt auf?
- Stellen Sie die Messunsicherheit bzw. das Vertrauensintervall dar.
Erwartungen an Ihre Lösung
Themenverteilung
Im Nachgespräch wurde beschlossen, dass Ihre Sensoren im Labor PKW-Diagnostik lagern können und Sie in Ihrer Selbstlernzeit Zugang bekommen, wenn der Raum frei ist. Einer zugangsberechtigten Person wird die Laborverantwortung für die Selbstlernzeit übertragen. Bitte melden Sie sich bei Prof. Schneider. Die Übergabe der Sensoren können wir am Freitag, den 20.04.18 in der Vorlesung/Übung machen.
Einstieg in das Thema/Getting Started
Arbeite Sie sich in Matlab/Simulink ein. Die Hochschule stellt hierfür Webinare und Moodle Kurse für Sie bereit.
- Kostenlose Webinare (MATLAB Academy)
- MATLAB Onramp
- MATLAB Fundamentals
- Introduction to Statistical Methods with MATLAB
- MATLAB Programming Techniques (optional)
Primer
YouTube
Tipps
- Es gibt die Möglichkeit, über S-Funktions Sensoren in MATLAB/Simulink einzubauen. Herr Giampiero Campa hat eine Anleitung geschrieben, die am Beispiel des Arduino Support Packages zeigt, wie dies geht: Link.
- Legacy Code Tool
EV3
- EV3 Informationen
- RWTH Mindstorms Toolbox
- NXT Toolbox
- LEGO MINDSTORMS NXT Support from MATLAB
- Firmware Dokumentation
- Education EV3 Developer Kits
Weiterführender Wiki Artikel inkl. Demos: EV3 mit Simulink
Moodle
Literatur
HSHL Wiki
Nächste Schritte
- Suchen Sie sich bis zum 19.04.18 ein Thema aus.
- Leihen Sie sich am 20.04.18 den Sensor bei Herrn Ilya Raza aus.
- Lassen Sie sich einen Schließfachschlüssel für das Projekt geben oder lagern Sie den Sensor im Projektraum L3.1-E00-120.
- Bearbeiten Sie das Projekt im Semester.
- Dokumentieren Sie fortlaufend in SVN und Wiki.
- Geben Sie nach Projektabschluss spätestens am 06.07.18 die Hardware wieder zurück.
Selbstlernzeit
- In Ihrer Selbstlernzeit können Sie gern in Raum L3.1-E00-120 arbeiten.
Literatur
- Burger, W.; Burge, M. J. Digitale Bildverarbeitung: Eine Einführung mit Java und ImageJ. Berlin [u.a.]: Springer, 2. Auflage. 2006 (als eBook verfügbar)
- Erhardt, A.: Einführung in die Digitale Bildverarbeitung: Grundlagen, Systeme und Anwendungen. Wiesbaden: Vieweg+Teubner 2008 (als eBook verfügbar)
- Jähne, B. (2005). Digitale Bildverarbeitung. 6. Auflage. Berlin [u.a.]: Springer. (als eBook verfügbar) – Neue Auflage: 30. November 2012
- Nischwitz, A.; Fischer, M.; Haberäcker, P.; Socher, G.: Computergrafik und Bildverarbeitung: Band II: Bildverarbeitung. Wiesbaden: Vieweg+Teubner, 3. Auflage. 2011. (als eBook verfügbar)
- Tönnies, Klaus D.: Grundlagen der Bildverarbeitung. München: Pearson Studium, 2005.
- Ballard, Dana H., Brown, Christopher M. (1982). Computer Vision. Englewood Cliffs (u.a.): Prentice-Hall
→ zurück zum Hauptartikel: Signalverarbeitende Systeme