Vysvětlení základních pojmů týkajících se zpracování a analýzy signálů a jejich využití k získání popisu deterministického nebo stochastického systému pro účel syntézy řízení. Podrobněji je vysvětlena experimentální identifikace systémů popsatelných lineárními modely.

• Základní pojmy ze zpracování signálů a identifikace soustav
• Analogové a číslicové filtry, klasifikace a jejich implementace
• Lineární časově invariantní spojité a diskrétní modely
• Diskretizace, vzorkování, frekvenční vlastnosti, anti-aliasing filtr
• Parametrizace přechodové a frekvenční charakteristiky
• Pojmy z teorie pravděpodobnosti a stochastických procesů
• Charakteristiky stochastických procesů
• Spojitá a diskrétní Fourierova transformace
• Výkonové spektrum, periodogram, bílý šum
• Identifikace dynamického systému v časové oblasti (lineární regrese)
• Identifikace dynamického systému ve frekvenční oblasti
• Časově diskrétní parametrické stochastické modely signálů a systémů
• Kalmanův filtr - optimální filtrace na základě vnitřního popisu systému

Řešení 3 základních úkolů:
1) Identifikace využitím matematicko-fyzikální analýzy.
2) Odhad struktury a parametrů lineárního procesu pomocí generovaného deterministického signálu.
3) Identifikace stochastického procesu pomocí experimentální identifikace.

. Hofreiter, M.: Identifikace systémů I, ČVUT v Praze, 2009, 202 s. ISBN 978-80-01-04228-1
. https://moodle.fs.cvut.cz/course/view.php?id=44
. E. W. Kamen and B. S. Heck: Fundamentals of Signals and Systems (2nd Edition), Prentice Hall, 2006
. L. Ljung: System Identification: Theory for the User (2nd Edition), Prentice Hall, 1999
. O. Alkin: Signals and Systems (1st Edition), Taylor & Francis Group, 2014

Předpokládají se základní znalosti z automatického řízení a zkušenost s Matlabem.

signál, systém, identifikace systému, filtrace, pravděpodobnost, stochastický proces