Kompression von Multimedia-DatenModulbeschreibung #40967 / Version 1
- 9 LP
- Portfolioprüfung
- Benotet
- Winter- und Sommersemester
- Deutsch
Diese Modulbeschreibung gilt nicht im aktuellen Semester (WiSe 2026/27).
| Modul / Version | #40967 / #1 |
|---|---|
| Gültigkeit | WS 2019/20 – WiSe 2025/26 |
| Verfügbare Sprache(n) | Deutsch |
| Leistungspunkte | 9 |
| Modulverantwortliche*r | Sikora, Thomas |
| Benotung | Benotet |
| Prüfungsform | Portfolioprüfung |
| Lehrsprache(n) | Deutsch |
Zugehörigkeit
| Fakultät | Fakultät IV |
|---|---|
| Institut | Institut für Telekommunikationssysteme |
| Fachgebiet | 34331100 FG Nachrichtenübertragung |
Kontakt
| Sekretariat | EN 1 |
|---|---|
| Ansprechpartner*in | Jongebloed, Rolf |
| E-Mail-Adresse | thomas.sikora@tu-berlin.de |
| Webseite | https://www.nue.tu-berlin.de/menue/studium_und_lehre/moduluebersicht/ |
Lernergebnisse
Die Studierenden sind in der Lage stochastische Signale und deren Filterung und Übertragung durch dynamische Systeme mit Hilfe statistischer Werkzeuge zu untersuchen und zu bewerten. Sie verfügen über Grundlagen aus der Statistik und der Stochastik und können mit deren Hilfe Zufallsvorgänge und Zufallsgrößen aus der Nachrichtentechnik, Multimediasignalverarbeitung, Messtechnik oder Regelungstechnik beschreiben. Die Studierenden können weiterhin Systeme entwerfen, die z.B. ein optimale Rauschunterdrückung oder die Vorhersage von Signalen ermöglichen. Ferner sind die Studierenden in der Lage, moderne Verfahren der Datenkompression für Multimediasignale zu verstehen, eigenständig zu analysieren und systematisch zu entwerfen.
Durch die Vertiefung der vermittelten Grundprinzipien der Quellcodierung und statistischen Nachrichtentheorie wird die Analyse und der Entwurf von Verfahren der Nachrichtentechnik bzw. Multimediasignalverarbeitung durch die Studierenden auch anhand von Fallbeispielen praktisch nachvollzogen.
Durch die Vertiefung der vermittelten Grundprinzipien der Quellcodierung und statistischen Nachrichtentheorie wird die Analyse und der Entwurf von Verfahren der Nachrichtentechnik bzw. Multimediasignalverarbeitung durch die Studierenden auch anhand von Fallbeispielen praktisch nachvollzogen.
Lehrinhalte
Die wachsende Nachfrage nach einer effizienten und zuverlässigen Übertragung von Daten, Sprach-, Audio- und Bildsignalen stellt hohe Anforderungen an Nachrichtenübertragungssysteme, insbesondere wenn, beispielsweise in Netzen für mobile Kommunikation, nur beschränkte Bandbreiten zur Verfügung stehen. Die Quellencodierung leistet darin einen wesentlichen Anteil, um die zu übermittelnden Datenmengen zu reduzieren.
In der Vorlesung „Quellencodierung" werden die Grundlagen der statistischen Signalbeschreibung, -analyse und -verarbeitung, sowie darauf aufbauend Kompressionstechniken und Analyseverfahren vermittelt. Typische Anwendungsszenarien kommen aus den Bereichen Multimediakommunikation. Die Vorlesung beinhaltet im Speziellen die digitale Übertragung, Datenreduktion und Warnehmung, Rate-Distortion-Funktionen, verlustlose Codierung wertdiskreter Multimediasignale, Quantisierung, prädiktive Codierungsverfahren wie z.B. die DPCM, Frequenzbereichscodierung und die fraktale Codierung von Multimedia-Daten.
Die Vorlesung und Übung "Grundlagen der statistischen Nachrichtenübertragung" beschäftigt sich mit der Beschreibung und Bewertung von stochastischen Signalen (Nutzsignale und Rauschen) und deren Übertragung/Filterung in linearen Systemen. Sie beinhaltet somit u.a. wichtige Grundlagen für die Kompression von Multimedia-Daten. Neben der Beschreibung von Signalen steht insbesondere auch der Entwurf von Systemen im Vordergrund, die eine optimale Übertragung/Prädiktion von Signalen und eine optimale Reduktion von Rauschen ermöglichen. Im Rahmen der Vorlesung werden zunächst Grundlagen der Wahrscheinlichkeitsrechnung erarbeitet. Diskrete und kontinuierliche Zufallsvariablen, mehrdimensionale und bedingte Dichtefunktionen und Erwartungswerte werden eingeführt bzw. wiederholt. Aufbauend auf diesen Beschreibungen werden Grundzüge der Signalklassifikation mittels der Bayes’schen Entscheidungstheorie entwickelt. Weiterhin werden elementare Grundlagen von Markov-Ketten eingeführt.
Im zweiten Teil der Vorlesung steht die Beschreibung von wertkontinuierlichen Signalen durch ergodische stochastische Prozesse im Vordergrund. Korrelationseigenschaften von Signalen werden anhand von Auto- und Kreuzorrelationsfolgen bzw. der entsprechenden Leistungsdichtespektren beschrieben. Die Filterung stochastischer Signale durch lineare zeitinvariante Systeme wird im Zeit- und im Frequenzbereich untersucht. Darauf aufbauend wird das Wiener-Hopf-Optimalfilter auf der Basis des Orthogonalitätsprinzipes hergeleitet und für die optimale Prädiktion und Filterung bzw. die Rauschreduktion genutzt. Abschließend werden typische AR-/MA-/ARMA-Signalmodelle beschrieben und für die Messung von Leistungsdichtespektren genutzt.
In der Vorlesung „Quellencodierung" werden die Grundlagen der statistischen Signalbeschreibung, -analyse und -verarbeitung, sowie darauf aufbauend Kompressionstechniken und Analyseverfahren vermittelt. Typische Anwendungsszenarien kommen aus den Bereichen Multimediakommunikation. Die Vorlesung beinhaltet im Speziellen die digitale Übertragung, Datenreduktion und Warnehmung, Rate-Distortion-Funktionen, verlustlose Codierung wertdiskreter Multimediasignale, Quantisierung, prädiktive Codierungsverfahren wie z.B. die DPCM, Frequenzbereichscodierung und die fraktale Codierung von Multimedia-Daten.
Die Vorlesung und Übung "Grundlagen der statistischen Nachrichtenübertragung" beschäftigt sich mit der Beschreibung und Bewertung von stochastischen Signalen (Nutzsignale und Rauschen) und deren Übertragung/Filterung in linearen Systemen. Sie beinhaltet somit u.a. wichtige Grundlagen für die Kompression von Multimedia-Daten. Neben der Beschreibung von Signalen steht insbesondere auch der Entwurf von Systemen im Vordergrund, die eine optimale Übertragung/Prädiktion von Signalen und eine optimale Reduktion von Rauschen ermöglichen. Im Rahmen der Vorlesung werden zunächst Grundlagen der Wahrscheinlichkeitsrechnung erarbeitet. Diskrete und kontinuierliche Zufallsvariablen, mehrdimensionale und bedingte Dichtefunktionen und Erwartungswerte werden eingeführt bzw. wiederholt. Aufbauend auf diesen Beschreibungen werden Grundzüge der Signalklassifikation mittels der Bayes’schen Entscheidungstheorie entwickelt. Weiterhin werden elementare Grundlagen von Markov-Ketten eingeführt.
Im zweiten Teil der Vorlesung steht die Beschreibung von wertkontinuierlichen Signalen durch ergodische stochastische Prozesse im Vordergrund. Korrelationseigenschaften von Signalen werden anhand von Auto- und Kreuzorrelationsfolgen bzw. der entsprechenden Leistungsdichtespektren beschrieben. Die Filterung stochastischer Signale durch lineare zeitinvariante Systeme wird im Zeit- und im Frequenzbereich untersucht. Darauf aufbauend wird das Wiener-Hopf-Optimalfilter auf der Basis des Orthogonalitätsprinzipes hergeleitet und für die optimale Prädiktion und Filterung bzw. die Rauschreduktion genutzt. Abschließend werden typische AR-/MA-/ARMA-Signalmodelle beschrieben und für die Messung von Leistungsdichtespektren genutzt.
Modulbestandteile
Pflichtbereich
Die folgenden Veranstaltungen sind für das Modul obligatorisch:
| Lehrveranstaltungen | Art | Nummer | Turnus | Sprache | SWS | VVZ |
|---|---|---|---|---|---|---|
| Grundlagen der Statistischen Nachrichtentheorie | Vorlesung | 0432 L 278 | Wintersemester | [de] | 3 | WiSe 2026/27 (1) ISIS |
| Grundlagen der Statistischen Nachrichtentheorie | Übung | 0432 L 279 | Wintersemester | [de] | 2 | WiSe 2026/27 (1) ISIS |
| Quellencodierung | Vorlesung | 0432 L 214 | Sommersemester | [de] | 2 | ISIS |
Veranstaltungen im Vorlesungsverzeichnis
Veranstaltungen, die aus den Lehrveranstaltungen dieses Moduls angelegt wurden.
WiSe 2026/27 (2)
Grundlagen der Statistischen Nachrichtentheorie (Vorlesung) 1
- Grundlagen der Statistischen Nachrichtentheorie (Vorlesung) Termingruppe 1 0432 L 278
Grundlagen der Statistischen Nachrichtentheorie (Übung) 1
- Grundlagen der Statistischen Nachrichtentheorie (Übung) Termingruppe 1 0432 L 279
Arbeitsaufwand und Leistungspunkte
Grundlagen der Statistischen Nachrichtentheorie (Vorlesung)
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Präsenzzeit | 15 | 3 h | 45 h |
| Vor-/Nachbereitung | 15 | 5 h | 75 h |
| 120 h | |||
Grundlagen der Statistischen Nachrichtentheorie (Übung)
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Präsenzzeit | 15 | 2 h | 30 h |
| Vor-/Nachbereitung | 15 | 2 h | 30 h |
| 60 h | |||
Quellencodierung (Vorlesung)
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Präsenzzeit | 15 | 2 h | 30 h |
| Vor-/Nachbereitung | 15 | 4 h | 60 h |
| 90 h | |||
Der Aufwand des Moduls summiert sich zu 270 Stunden. Damit umfasst das Modul 9 Leistungspunkte.
Beschreibung der Lehr- und Lernformen
In den jeweils 2-stündigen Vorlesungen wird das vom Dozenten zusammengestellte Wissen vorgestellt, diskutiert und mit Beispielen erläutert. Die Vorlesungen finden im wöchentlichen Rhythmus statt. In der begleitenden Rechenübung werden die Inhalte der Vorlesung "Grundlagen der statistischen Nachrichtentheorie" anhand von Rechenbeispielen vertieft.
Voraussetzungen für die Teilnahme / Prüfung
Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:
Es sind Kenntnisse aus den Veranstaltungen Analysis I und Lineare Algebra erforderlich. Wünschenswert ist ein gleichzeitiger oder vorheriger Besuch der Vorlesung Signale und Systeme.
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:
Dieses Modul hat keine Prüfungsvoraussetzungen.
Abschluss des Moduls
| Benotung | Benotet |
|---|---|
| Prüfungsform | Portfolioprüfung |
| Art der Portfolioprüfung | 100 Punkte insgesamt |
| Sprache | Deutsch |
Prüfungselemente
| Name | Punkte/Gewicht | Kategorie | Dauer/Umfang |
|---|---|---|---|
| (Ergebnisprüfung) Hausaufgabe Grundlagen der statistischen Nachrichtentheorie | 20 | flexibel | 30 Minuten |
| (Punktuelle Leistungsabfrage) Schriftlicher Test Grundlagen der statistischen Nachrichtentheorie | 45 | schriftlich | 60 Minuten |
| (Punktuelle Leistungsabfrage) Schriftlicher Test Quellencodierung | 35 | schriftlich | 60 Minuten |
Prüfungsbeschreibung (Abschluss des Moduls)
Die Prüfung besteht aus 4 Teilen, die in Form von schriftlichen Tests für die VL Quellecodierung und die VL und UE Grundlagen der statistischen Nachrichtentheorie erfolgen.
Dauer des Moduls
Für Belegung und Abschluss des Moduls ist folgende Semesteranzahl veranschlagt: 2 Semester.
Dieses Modul kann in folgenden Semestern begonnen werden: Winter- und Sommersemester.
Maximale teilnehmende Personen
Dieses Modul ist nicht auf eine Anzahl Studierender begrenzt.
Anmeldeformalitäten
Die Anmeldung erfolgt über QISPOS.
Literaturhinweise, Skripte
Skript in Papierform
verfügbar – Die Skripte können im Raum EN-333 erworben werden.
Skript in elektronischer Form
nicht verfügbar
Empfohlene Literatur
Keine empfohlene Literatur angegeben
Zugeordnete Studiengänge
Diese Modulversion wird in folgenden Studiengängen verwendet:
| Studiengang / StuPO | Semester | Studiengangsbereich |
|---|---|---|
| Medieninformatik StuPO 2015 | SoSe 2025 | Wahlpflichtbereich › Fachstudium Medientechnik |
| WiSe 2025/26 | Wahlpflichtbereich › Fachstudium Medientechnik |
Sonstiges
Aktuelle Informationen befinden sich auf der Website des Fachgebiets: www.nue.tu-berlin.de