SigSys SoSe2018: Unterschied zwischen den Versionen
Zur Navigation springen
Zur Suche springen
| (6 dazwischenliegende Versionen von 2 Benutzern werden nicht angezeigt) | |||
| Zeile 91: | Zeile 91: | ||
| 4 || [[Ultraschall mit Matlab/Simulink]] ||Sven Gaida || 100€ | | 4 || [[Ultraschall mit Matlab/Simulink]] ||Sven Gaida || 100€ | ||
|- | |- | ||
| 5 || [[Gyroskop mit Matlab/ | | 5 || [[Gyroskop mit Matlab/Simulink]] ||Philipp Tewes || 100€ | ||
|- | |- | ||
| 6 || [[Infrarotsensor mit Matlab/Simulink]] || Janis Ostermann || 100€ | | 6 || [[Infrarotsensor mit Matlab/Simulink]] || Janis Ostermann || 100€ | ||
| Zeile 150: | 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''' | ||
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