Číslicové zpracování signálů - XP31DSP

Kredity 4
Semestry zimní
Zakončení zkouška
Jazyk výuky čeština
Rozsah výuky 2P+2S
Anotace
Tento předmět navazuje na základní kurzy číslicového zpracování signálů v magisterském studiu, rozvíjí a prohlubuje poznatky směrem odpovídajícím potřebám doktorského studia v oblasti 1-D zpracování signálů. Pokrývá spektrální a kepstrální analýzu, parametrické metody, optimální LTI filtry, frekvenční analýzu, metody analýzy vztahů mezi časovými řadami.

\\Výsledek studentské ankety předmětu je zde: http://www.fel.cvut.cz/anketa/aktualni/courses/XP31DSP
Cíle studia
Prohloubit znalosti základních kurzů číslicového zpracování signálů v magisterském studiu. Rozvinout a prohloubit poznatky směrem odpovídajícím potřebám doktorského studia v oblasti 1-D zpracování signálů. Důraz je kladen na souvislosti a jednotiící pohled na různé metody.
Osnovy přednášek
1. Vztahy mezi transformacemi: FT, DTFT, DFT, FT - význam, důsledky.
2. Význam váhování vs konvoluce, obecné algoritmy FFT a Kroneckerův součin.
3. Rekurentní realizace filtrů a DFT-Goertzelův algoritmus.
4. Krátkodobá Fourierova transformace a její ekvivalence s bankou filtrů, možnosti decimace.
5. Parametrické metody I: typy modelů-vztahy mezi nimi, analýza-syntéza.
6. Parametrické metody II: odhad řádu LTI modelu.
7. Základy adaptivní filtrace a slepé separace signálů, inverzní filtrace
8. Optimální filtrace: Kalmánova filtrace, její předpoklady a omezení, rozšíření pro nelineární systémy.
9. Přehled metod spektrální a frekvenční analýzy I: šumový a signálový podprostor.
10. Přehled metod spektrální a frekvenční analýzy II
11. Vztah a aplikace EVD a SVD.
12. Princip kepstrální analýzy, způsoby výpočtu kepstra, dekonvoluce signálů.
13. Rezerva
Osnovy cvičení
1. Základní vztahy mezi transformacemi
2. Příklady ekvivalence váhování vs konvoluce
3. Rekurentní realizace CIC filtrů, Goertzelův algoritmus.
4. Krátkodobá Fourierova transformace a volba parametrů
5. Parametrické metody I: AR, MA, ARMA
6. Parametrické metody II: kritéria odhadu řádu - vlastnosti a souvislosti
7. Příklady adaptivní filtrace a slepé separace signálů, inverzní filtrace
8. Příklad Kalmánovy filtrace
9. Příklady metod spektrální a frekvenční analýzy
10. Příkladymetod spektrální a frekvenční analýzy II
11. Numerické vlastnosti EVD a SVD.
12. Příklad kepstrální analýzy a způsoby výpočtu kepstra
13. Rezerva
Literatura
[1] Uhlíř, J., Sovka, P.: Číslicové zpracování signálů, Vydavatelství ČVUT Praha, 2002
[2] Vích, R., Smékal, Z.: Číslicové filtry, Academia Praha, 2000
Požadavky
Znalosti požadované pro tento kurs jsou základní znalosti a pojmy pokryté základními kursy zpracování a analýzy 1-D signálů v programech bakalářského a magisterského studia.