Tanszéki konzulens: 

Kollár István professor Szoba: IE440

A számítógépek elterjedésével egyre fontosabb a kerekítési hibák figyelembe vétele. Az FFT, a digitális szűrés, a moduláció/demoduláció, az adaptív algoritmusok, stb. mind kerekítési hibával terheltek. Még az elterjedt IEEE dupla pontosságú lebegőpontos számábrázolás esetén is vannak esetek, ahol a kerekítési hiba kellemetlenül megjelenik. A bemeneti analóg-digitális átalakító pedig annál drágább, minél nagyobb a bitszáma és minél gyorsabb. Aki meg tudja jósolni a hiba nagyságát, időben gondolni tud a fontosabb hibaokokra, és úgy tud tervezni, hogy a hibákat hatékonyan csökkentse, nagy előnyben van a többiekkel szemben.
Régi megfigyelés, hogy a kvantálási torzítás, sőt, a rendszer nemlinearitása is, nagymértékben csökkenthető megfelelő ditherrel (a kvantáló bemenetéhez hozzákevert, adott alakú vagy adott eloszlású segédjellel), sőt, a megnövekedett variancia is sokszor kiküszöbölhető. Az alkalmazás azonban például egy véges bitszámú belső műveletvégzés esetében nem triviális. A feladat a dither hatásának vizsgálata szimulációs kísérletekkel (az alapprogram - dither generálása, hozzáadása, kerekítés - már működik, ezért a legegyszerűbb feladat a kísérleti vizsgálat) és/vagy elvi megfontolásokkal.
Egy fontos alkalmazás a rekurzív algoritmusok alkalmazása (pl. átlagolás), mert ezek különösen érzékenyek a kerekítési hibákra. Ennek oka az, hogy ahogy a modell javul, egyre kisebb hibajelet kell feldolgozni, és egyre kisebb korrekciókat kell alkalmazni. Az egyszerű implementációk ezért adott korlátnál nem adnak jobb modellt. Megfelelő módszerekkel (pl. dither alkalmazása) azonban a hiba jelentősen csökkenthető.
A téma kisebb-nagyobb részeit sokféle szinten meg lehet oldani, ezért önálló labor feladat(ok) és diplomaterv-feladat(ok) is választhatók belőle, és ha valaki akarja, akár doktorandusz-téma is lehet.