到達目標
ディジタル信号処理を理解するため,フーリエ解析の基礎を理解し,それらの計算ができるようになることを目標とする。
ルーブリック
| 理想的な到達レベルの目安 | 標準的な到達レベルの目安 | 未到達レベルの目安 |
評価項目1 | 信号関数のフーリエ級数展開を計算・説明ができる. | 信号関数のフーリエ級数展開を説明できる. | 信号関数のフーリエ級数展開を計算・説明ができない. |
評価項目2 | 信号関数のフーリエ変換を計算・説明ができる. | 信号関数のフーリエ変換を説明ができる. | 信号関数のフーリエ変換を計算・説明できない. |
評価項目3 | 計算機を用いたフーリエ解析を実践・説明ができる. | 計算機を用いたフーリエ解析を説明ができる. | 計算機を用いたフーリエ解析を実践・説明ができない. |
学科の到達目標項目との関係
(E) ものづくりに関する幅広い対応能力を身につける。
説明
閉じる
教育方法等
概要:
ディジタル信号処理を理解する上で基本となるフーリエ解析を学修する。課題問題とプログラム演習により,ディジタル信号処理の理解を深める。
授業の進め方・方法:
プリント学修を通して問題の解き方を身につけ,ディジタル信号処理に必要な基礎的な数学の知識を得る。また、プログラムによるフーリエ解析の手順を身につけ、ディジタル信号の処理方法を習得する。
注意点:
期末試験70%,レポート30%で評価し,総合評価60点以上を合格とする。試験問題はフーリエ解析までを範囲とし,演習問題と同程度の難易度とする。レポートは,課題プリント及びプログラムを用いたフーリエ解析とする。講義資料や説明動画をTeams上に準備する予定である。再試験を行う。
事前・事後学習、オフィスアワー
この科目は学修単位科目のため,事前学修として微積分の基礎を復習し,事後学修として課題問題やプログラムを用いたフーリエ解析に取り組むこと。オフィスアワーは講義日の16:00~17:00とする。また、Teamsのチャットでも受け付ける。
授業の属性・履修上の区分
授業計画
|
|
週 |
授業内容 |
週ごとの到達目標 |
前期 |
1stQ |
1週 |
ガイダンス |
信号処理におけるフーリエ解析の特徴・重要性ついて理解する。
|
2週 |
基礎数学 |
信号処理の基礎となる微積分を解くことができる。
|
3週 |
フーリエ級数展開(1) |
直行基底を理解し,フーリエ級数展開の公式が三角関数の和になる意味を説明できる。
|
4週 |
フーリエ級数展開(2) |
基本的な波形のフーリエ級数展開ができる。
|
5週 |
フーリエ級数展開(3) |
基本的な波形のフーリエ級数展開ができる。
|
6週 |
複素フーリエ級数(1) |
複素フーリエ級数における基礎問題を計算できる。
|
7週 |
複素フーリエ級数(2) |
複素フーリエ級数における基礎問題を計算できる。
|
8週 |
フーリエ変換(1) |
フーリエ変換の定義に基づく基礎問題を計算できる。
|
2ndQ |
9週 |
フーリエ変換(2) |
フーリエ変換の定義に基づく基礎問題を計算できる。
|
10週 |
Pythonの環境設定 |
AnacondaもしくはColaboratoryによるPython環境で,基本的なプログラムを作成できる。
|
11週 |
データ分析と可視化(1) |
Numpy,Pandas,Matplotlib,Seabornなどのライブラリにより,ビッグデータの入手,ソートや加工,ヒストグラム表示ができ,平均値や中央値,分散や標準偏差を求めることができる.
|
12週 |
データ分析と可視化(2) |
Numpy,Pandas,Matplotlib,Seabornなどのライブラリにより,ビッグデータの散布図を図示し,最小二乗法より,単回直線,相関係数や決定係数を求められる.
|
13週 |
データ分析と可視化(3) |
Numpy,Pandas,Matplotlib,Seabornなどのライブラリにより,ビッグデータの多変量解析(重回帰分析)により,データ分析による変数間の因果関係を説明できる.
|
14週 |
フーリエ解析実践(1) |
アナログ信号とディジタル信号の違いがわかり,プログラムによるフーリエ解析を実践できる.
|
15週 |
フーリエ解析実践(2) |
ディジタル信号の時系列データ処理(FFT解析)ができる。
|
16週 |
|
|
モデルコアカリキュラムの学習内容と到達目標
分類 | 分野 | 学習内容 | 学習内容の到達目標 | 到達レベル | 授業週 |
評価割合
| 試験 | レポート | 合計 |
総合評価割合 | 70 | 30 | 100 |
基礎的能力 | 70 | 30 | 100 |