Moodle FEL ČVUT
Pokročilé metody DSP
B261 - Zimní 26/27
Pokročilé metody DSP - B0M31DSP
| Kredity | 6 |
| Semestry | zimní |
| Zakončení | Zápočet a zkouška |
| Jazyk výuky | čeština |
| Rozsah výuky | 2P+2C |
Anotace
Předmět seznamuje s pokročilými metodami analýzy a zpracování číslicových signálů jako jsou korelační, spektrální, koherenční či kepstrální analýzy, dále pak s metodami rozkladu na hlavní a nezávislé komponenty, metodami pro určování vazby mezi náhodnými signály i základními klasifikačními technikami používanými při analýze signálů. Pozornost je věnována praktickým aplikacím uvedených technik, např. pro potlačování šumu či kompresi.
Cíle studia
Studenti se naučí používat výše zmíněné pokročilé techniky analýzy signálů, interpretovat dosažené výsledky a prakticky používat základní klasifikační techniky.
Osnovy přednášek
1. LPC analýza: výpočet parametrů AR modelu, LPC spektrum
2. Obecné modelování signálů (AR, MA, ARMA)
3. Měření zpoždění pomocí korelační a spektrální analýzy
4. Koherenční funkce, kvadrát modulu koherenční funkce (MSC) a její použití
5. Kepstrální analýza a její použití
6. Spektrální a kepstrální vzdálenost a jejich použití
7. Redukce aditivního a konvolučního šumu ve spektrální a kepstrální oblasti
8. Diskrétní kosinová transformace
9. Analýza vlastních komponent (PCA) jako základ ztrátové komprese signálů
10. Základy klasifikace (k-means, GMM, SVM)
11. Použití neuronových sítí ve zpracování signálů
12. Realizace diskrétní vlnkové transformace bankou filtrů, kvadraturní filtry
13. Principy metod slepé separace a dekonvoluce signálů
14. Rezerva
2. Obecné modelování signálů (AR, MA, ARMA)
3. Měření zpoždění pomocí korelační a spektrální analýzy
4. Koherenční funkce, kvadrát modulu koherenční funkce (MSC) a její použití
5. Kepstrální analýza a její použití
6. Spektrální a kepstrální vzdálenost a jejich použití
7. Redukce aditivního a konvolučního šumu ve spektrální a kepstrální oblasti
8. Diskrétní kosinová transformace
9. Analýza vlastních komponent (PCA) jako základ ztrátové komprese signálů
10. Základy klasifikace (k-means, GMM, SVM)
11. Použití neuronových sítí ve zpracování signálů
12. Realizace diskrétní vlnkové transformace bankou filtrů, kvadraturní filtry
13. Principy metod slepé separace a dekonvoluce signálů
14. Rezerva
Osnovy cvičení
1. LPC analýza, LPC spektrum
2. Modelování signálů (AR, MA modely 1. a 2. řádu)
3. Měření zpoždění na bázi vzájemné spektrální výkonové hustoty
4. Vlastnosti a aplikace koherenční funkce
5. Reálné a komplexní kepstrum - definice a základní vlastnosti
6. Kepstrální vzdálenost
7. Potlačování aditivních šumů ve frekvenční oblasti
8. Výpočet a použití diskrétní kosinové transformace
9. Analýza vlastních komponent signálu a KLT transformace
10. Klasifikace na bázi k-means
11. Klasifikace na bázi GMM
12. Potlačování šumu na bázi ANN
13. Vlnková transformace, realizace bankou filtrů, potlačování šumu na bázi WT
14. Rezerva
2. Modelování signálů (AR, MA modely 1. a 2. řádu)
3. Měření zpoždění na bázi vzájemné spektrální výkonové hustoty
4. Vlastnosti a aplikace koherenční funkce
5. Reálné a komplexní kepstrum - definice a základní vlastnosti
6. Kepstrální vzdálenost
7. Potlačování aditivních šumů ve frekvenční oblasti
8. Výpočet a použití diskrétní kosinové transformace
9. Analýza vlastních komponent signálu a KLT transformace
10. Klasifikace na bázi k-means
11. Klasifikace na bázi GMM
12. Potlačování šumu na bázi ANN
13. Vlnková transformace, realizace bankou filtrů, potlačování šumu na bázi WT
14. Rezerva
Literatura
[1] Uhlíř, J., Sovka, P.: Číslicové zpracování signálů. Ediční středisko ČVUT, Praha, 2002. Monografie ČVUT FEL.
[2] Sovka, P., Pollák, P.: Vybrané metody číslicového zpracování signálů. Ediční středisko ČVUT, Praha, 2003. Skriptum ČVUT FEL.
[3] Oppenheim, A. V., Schaffer, R. W. : Discrete-Time Signal Processing. Prentice-Hall, 3rd edition, 2009.
[4] S. V. Vaseghi: Advanced Digital Signal Processing and Noise Reduction, Wiley, 2009.
[5] M. Hayes: Statistical digital signal processing and modeling. Wiley, 1999.
[2] Sovka, P., Pollák, P.: Vybrané metody číslicového zpracování signálů. Ediční středisko ČVUT, Praha, 2003. Skriptum ČVUT FEL.
[3] Oppenheim, A. V., Schaffer, R. W. : Discrete-Time Signal Processing. Prentice-Hall, 3rd edition, 2009.
[4] S. V. Vaseghi: Advanced Digital Signal Processing and Noise Reduction, Wiley, 2009.
[5] M. Hayes: Statistical digital signal processing and modeling. Wiley, 1999.
Požadavky
Předpokládá se znalost základních technik číslicového zpracování signálů, číslicové filtrace a matematického aparátu pro popis spojitých i diskrétních signálů a systémů.