Hírközléselmélet

A VIK Wikiből
A lap korábbi változatát látod, amilyen Megyeri Balázs (vitalap | szerkesztései) 2019. április 14., 15:42-kor történt szerkesztése után volt. (Követelmények áthelyezve az oldal aljára)
Ugrás a navigációhoz Ugrás a kereséshez
Hírközléselmélet
Tárgykód
VIHVMA07
Általános infók
Szak
villany MSc
Kredit
4
Ajánlott félév
1
Tanszék
HVT
Követelmények
NagyZH
3 (2) db
Vizsga
nincs
Elérhetőségek

Követelmények

A tárgyból 3 ZH van, a két legjobb ZH összpontszámából alakul ki a jegy. Nem kell mindegyiknek meglennie. Nem pótolható egy ZH sem.

A tárgyat Dr. Bitó János tartja.

Segédanyagok

ZH

2011/2012

Mindegyiket csak emlékezetből írtam, így előfordulhat, hogy valami nem teljes.

1. ZH

  • tesztkérdések: kb entrópiával, információval, sztochasztikus folyamatokkal stb kapcsolatos kérdések
  • számolás: adott két diszkrét eloszlás. Átlagos kódszóhossz, relatív entrópia + kérdés: mennyivel csökken az átlagos szóhossz, ha az egyik eloszlását a másikéval becsüljük.

p(x1) = 1/2 , p(x2) = 1/4 , p(x3) = 1/8 , p(x4) = 1/8

p(y1) = 1/4 , p(y2) = 1/2 , p(y3) = 1/8 , p(y4) = 1/8

  • kifejtős: csatornakapacitás és csatornakódolás (hibajavító) "mindent, amit eddig tanultunk" BSC, AWGN, feltételes entrópiával is, Shannon II., kódolás célja, módszere

2. ZH

  • 2017 2.zh - Igaz-hamis megoldás
  • 2016 2.ZH
  • lineáris és Hamming kód tulajdonságai
  • Hamming kód és kódhatékonyság számítása
  • Hamming korlát, Singleton korlát, perfekt kódm Hamming távolság
  • Huffman kódolás, kódhatékonyság számítás, forráskiterjesztés hatása a kódhatékonyságra

3. ZH

  • csatorna jellemzése (blokkvázlat), optimális vevő felépítése
  • paritásmátrix, generátormátrix előállítása, beérkező kódszó legvalószínűbb értékének detektálása, ellenőrzés. Adott,hogy a kódszó eleje, vagy vége tartalmazza az üzenetet, így definiálja, hogy a paritásmátrix, végén vagy elején van az identitásmátrix.

4. ZH

  • tesztnél: adott esetekben milyen modulációt használnánk
  • tétel: dimenziótétel, sávszélesség (elméleti és gyakorlati)
  • feladat: likelihood, Bayes számítás. Annak bizonyítása, hogy a becslés torzítatlan. Ha ML becslés helyett MS-t használunk akkor milyen adat kellene még, és azt hogy számolnánk ki? Adott volt egy exponenciális eloszlás.

Régi vizsgák

Vélemények

A tárgy a régebbi számonkéréssel ellentétben - ahol elég nehéz volt a ZH - nagyon korrekt lett. Jegyzet ugyan nincsen de az előadások nagyon korrektek, és csak az ott elhangzott anyagot kérdezik vissza levezetések nélkül. (ráadásul az első 3 ZH-ra a fent lévő pdf-ből is fel lehet készülni)

ZH-k felépítése:

  • kiskérdések (6-8 definíciót kell leírni képlet vagy max 2 mondat formájában) 7,5 pont
  • feleletválasztós kédések (több is jó, minden jó válasz kell a ponthoz) 15*0.5 pont

A tárgy alapvetően a Bsc-s Infokommunikáció tárgyat taglalja részletesebben, azonban az anyag az infokomm kódolásos részére koncentrálódik egészen az alapoktól felépítve. Az anyag nem vészesen sok, és az előadáson készített jegyzetből viszonylag jól tanulható. A tárgy teljesítése alapvetően nem nehéz, azonban a tesztkérdések miatt a jó jegyhez azonban már alapos tudásra van szükség. Ha nem ez a kötelező közös tárgyad, szerintem jó választás másodiknak. – Tibi, 2017


1. félév (tavasz)
2. félév (ősz)
Egyéb
Főspecializációk