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 navazuje na základní kurs číslicového zpracování signálů a seznamuje s pokročilými metodami analýzy a zpracování číslicových signálů, tj. korelační, spektrální, koherenční a kepstrální analýzy, metodami rozkladu na hlavní a nezávislé komponenty, časově-frekvenčních transformací a metod pro určování vazby mezi náhodnými signály.
Cíle studia
Studenti se naučí používat výše zmíněné pokročilé techniky analýzy signálů, interpretovat dosažené výsledky a používat základní klasifikační techniky.
Osnovy přednášek
1. Modelování signálů (AR, MA, ARMA)
2. LPC analýza: výpočet parametrů AR modelu, LPC spektrum
3. Měření zpoždění pomocí korelační a spektrální analýzy
4. Koherenční funkce, parciální koherenční funkce a její použití
5. Kepstrální analýza a její použití
6. Spektrální a kepstrální vzdálenost a jejich použití
7. Redukce aditivních a konvolučních šumů ve spektrální a kepstrální oblasti
8. Diskrétní kosinová transformace
9. Metoda rozkladu na hlavní komponenty 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. LPC analýza: výpočet parametrů AR modelu, LPC spektrum
3. Měření zpoždění pomocí korelační a spektrální analýzy
4. Koherenční funkce, parciální koherenční funkce a její použití
5. Kepstrální analýza a její použití
6. Spektrální a kepstrální vzdálenost a jejich použití
7. Redukce aditivních a konvolučních šumů ve spektrální a kepstrální oblasti
8. Diskrétní kosinová transformace
9. Metoda rozkladu na hlavní komponenty 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. Modelování signálů (AR, MA modely 1. a 2. řádu)
2. LPC analýza, LPC spektrum
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. LPC analýza, LPC spektrum
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.