Dieser Weiterbildungskurs richtet sich an Teilnehmende aus der Informatik, der (Daten-)Wissenschaft und dem Engineering, welche an der effizienten (Echtzeit-)Verarbeitung von Mess-, Sensor-, Medtech-, Nachrichten-, Sprach-, Audio- und Bild-Signalen interessiert sind.

Die Teilnehmenden erwerben sowohl theoretische Grundlagen als auch praktische Fähigkeiten in den folgenden Themenbereichen: 

• Block 1: Analog-Digital- und Digital-Analog-Conversion (ADC/DAC)
• Block 2: Diskrete und Fast Fourier Transform (DFT/FFT)
• Block 3: Digitale Systeme und FIR/IIR-Digitalfilter
• Block 4: Spezielle FIR-Filter (Pulse-Shaping, Korrelation, schnelle Faltung und adaptive Filter)
• Block 5: Multiraten-Signalverarbeitung (Dezimation/Interpolation, Sigma-Delta-Wandler)
• Block 6: Bilderfassung und -verbesserung
• Block 7: 2D-Filterung
• Block 8: Fertigstellung & Präsentation Mini-Projekte (Leistungsnachweis)

Block 1: ADC/DAC

Lernziele

Die Teilnehmenden verstehen 

• wie digitale Signale entstehen,
• was im Analog-to-Digital-Converter (ADC) und im Digital-to-Analog-Converter (DAC) passiert und welche Rolle die Abtastfrequenz und die Wortbreite spielen und
• wie Sinus-Signale mit der Direkten Digitalen Synthese (DDS) generiert werden können.

Inhalt

• Repetition der Fourier-Analyse (kurze Theorieübersicht, Beispiele und Demos)
• Theorie zur Abtastung (minimale Abtastfrequenz, Aliasing), Rekonstruktion, Quantisierung
• Laborversuch mit Zeit- und Frequenzmessungen an realem ADC-DAC-System
• Laborversuch zur DDS-Generierung von Sinus-Signalen

Block 2: DFT/FFT

Lernziele

Die Teilnehmenden

• verstehen, wie Zeitsignale mit Hilfe der Diskreten Fourier Transformation (DFT) im Frequenzbereich analysiert werden können und welche Parameter dabei wichtig sind,
• verstehen, warum die Fast Fourier Transformation (FFT) derart effizient ist,
• verstehen, wie die zeitliche Veränderung von Signalspektren mit Spektrogrammen bildlich dargestellt werden kann,
• können selbständig numerische Spektralanalysen durchführen.

Inhalt

• Theorie zur DFT und deren Eigenschaften inkl. der Rolle der Abtastfrequenz 
  und der Fensterlänge sowie dem Einfluss der Fensterung (Windowing)
• Erklärung des (Radix-2, complex/real) FFT-Algorithmus
• Clock-Count-Übungen mit Hilfe eines ARM White Papers
• Laborversuch zur «Doppler-Geschwindigkeitsmessung» mit Radar-Sensor und FFT
• Laborversuch «FFT-Audio-Spektrumanalyzer» mit USB-Audio-Interface
• Numerische FFT-Spektral- und Spektrogramm-Analysen von diversen Messsignalen

Block 3: Digitalfilter

Lernziele

Die Teilnehmenden verstehen

• welche Arten von Digitalfiltern es gibt,
• wie man sie mit numerischen Tools entwirft,
• wie man mit Ihnen Sensorsignale filtert.

Inhalt

• Beschreibung von linearen, diskreten Systemen im Zeitbereich (Faltungssumme, Differenzengleichung) und im Frequenzbereich (z-Übertragungsfunktion)
• Entwurf von Finite-Impulse-Response (FIR) und Infinite-Impulse-Response (IIR) Digitalfiltern mit numerischen Tools
• Filterung diverser Sensor-Signale mit Tiefpass, Hochpass, Bandpass und Bandsperre
• Laborversuch zur Filterung eines EKG- oder IMU-Signals
• Laborversuch «einfacher Audio-Crossfader» mit IIR-Mittelwertfilter (Pegelanalyse)

Block 4: Spezielle FIR-Digitalfilter

Lernziele

Die Teilnehmenden verstehen,

• wie FIR-Filter für die Pulsformung entworfen werden,
• wie grosse FIR-Filter dank der FFT höchst effizient implementiert werden,
• welcher Zusammenhang zwischen der FIR-Filterung und der Korrelation besteht,
• wie adaptive Filter sich mit dem LMS-Algorithmus an Veränderungen anpassen können.

Inhalt

• Theorie zum FIR-Filterentwurf für die Pulsformung, zur Korrelation und zur schnellen Faltung (overlap-add-Algorithmus)   
• Laborversuch zur Lokalisierung von Schallquellen mit Hilfe der Korrelation von 
  Pseudo-Random-Noise (PRN) Codes
• Laborversuch zur «Hall-Filterung eines Sprach- oder Audiosignals»
• Einführung in die Welt der adaptiven Filter (Least-Mean-Square bzw. LMS-Algorithmus)
• Laborversuch zum «Active Noise Cancelling (ANC)» mit adaptivem LMS-Filter 

Block 5: Multiraten-Signalverarbeitung

Lernziele

Die Teilnehmenden verstehen

• wann die Multiraten-Signalverarbeitung vorteilhaft eingesetzt wird,
• wie die Abtastrate «nachträglich» erhöht und erniedrigt werden kann,
• wie einfach die Multiraten-Signalverarbeitung umgesetzt werden kann,
• welche Vorteile das Oversampling bei der ADC bzw. DAC hat.

Inhalt

• Theorie zur Dezimation und Interpolation, Abtastratenänderung um rationale Faktoren und Umsetzung mit CIC- und Polyphasen-Filter  
• Numerische Beispiele zur Abtastratenänderung in diversen Messsignalen
  (z.B. Synchronisation von sequenziell abgetasteten Signalwerten durch Interpolation)
• Erklärung und Laborversuch zum Sigma-Delta-Wandler-Verfahren

Block 6: Bilderfassung und einfache Bildverbesserung

Die Teilnehmenden lernen in den Blöcken 6-7, wie mit einfacher Vorverarbeitung interessante Merkmale hervorgehoben, ungewollte Störungen unterdrückt und Bilddaten für bestimmte Anwendungen «verbessert» werden können.

Lernziele

Die Teilnehmenden verstehen 

• wie Bilder erfasst und die Optik richtig eingesetzt werden,
• wie sich mit Pixel-weisen Transformationen Helligkeit und Kontrast korrigieren lassen,
• wie Bilder gemittelt, subtrahiert, dividiert oder logisch verknüpft werden können,
• wie sich Bilder mit geometrischen Transformationen strecken, stauchen, rotieren oder scheren lassen,
• wie die Bildauflösung reduziert oder erhöht werden kann. 

Inhalt

• Theorie und Demos zur Bilderfassung und Optik
• Theorie zu Helligkeits-Transformationen, arithmetischen und logischen Operationen sowie geometrischen Transformationen
• Laborversuch zur einfachen RGB-Bildsegmentierung mit Thresholding
• Laborversuch zu «Background-Subtraction»

Block 7: 2D-Filterung

Lernziele

Die Teilnehmenden verstehen

• wie Bilder mit lokalen Masken linear gefiltert werden können,
• warum mit einer Tiefpass- bzw. Hochpass-Filterung die groben Strukturen 
  bzw. die Änderungen oder Kanten im Bild hervorgehoben werden,
• wie sich die Programmbibliothek OpenCV einsetzen lässt.

Inhalt

• Theorie zu linearer Tiefpass-, Hochpass- und Bandpass-Filterung und zu nicht-linearer Median-, Minimum- und Maximum-Filterung  
• Numerische Beispiele zur Filterung von Bildern (smoothing / blurring, sharpening)
• Laborversuch zur «Kantendetektion» mit Webcam

Block 8: Mini-Projekt

Die Teilnehmenden stellen unter Anleitung ihre Mini-Projekte fertig und präsentieren diese.

Der Kurs besteht aus interaktiven Unterrichtseinheiten, praxisorientierten Übungen, numerischen Beispielen sowie Laborversuchen. Als Programmier­sprache werden Python oder Matlab eingesetzt. 

Als Leistungsnachweis präsentieren die Teilnehmenden am Schluss des Kurses ein Mini-Projekt (10 Minuten). Die Mini-Projektthemen können entweder selbst eingebracht oder aus einer Liste ausgewählt werden.

Der Unterricht findet 14-täglich jeweils am Freitagnachmittag von 12:45 - 18:00 Uhr 
(6 Lektionen) statt.

Kursdaten 2025: 12.9./26.9./10.10./24.10./7.11./21.11./5.12./19.12.

Dieser Kurs wird von einem oder zwei der nachfolgend genannten Dozierenden durchgeführt:

• Prof. Dr. Marcel Rupf
• Dr. Sigi Wyrsch
• Dr. F. Wadehn
• J. Rosset

Die Zulassung zu diesem Weiterbildungskurs setzt grundsätzlich einen Hochschulabschluss (Fachhochschule, HTL, HWV, Uni, ETH) voraus. Es können aber auch Praktiker:innen mit vergleichbarer beruflicher Kompetenz zugelassen werden. 

Es werden Grundkenntnisse der Programmierung in Python oder Matlab vorausgesetzt.

Wir führen keine Wartelisten und bieten keine Platzreservationen an.

Sollte bei der vorangehenden Durchführung ein Platz frei werden, berücksichtigen wir die Reihenfolge gemäss Anmeldeeingang.