Moodle FEL ČVUT
Číslicové zpracování signálů
B232 - Letní 23/24
Toto je tzv. shluknutý kurz. Skládá se z několika samostatných předmětů, které sdílejí výukové materiály, úkoly, testy apod. Níže si můžete zobrazit informace o jednotlivých předmětech tvořících tento shluk.
Číslicové zpracování signálů - XP31CZS
Hlavní kurz
| Kredity | 4 |
| Semestry | zimní |
| Zakončení | zkouška |
| Jazyk výuky | čeština |
| Rozsah výuky | 2P+2C |
Anotace
Žádná data.
Cíle studia
Žádná data.
Osnovy přednášek
1. Souhrnné vlastnosti neparametrických metod spektrální analýzy, typy FT, Kroneckerův součin, spektrální odhad Blackmann-Tukey, Welch, metoda minimální variance
2. Bilaterální z-transformace: systémy s minimální a neminimální fází, stabilita versus kauzalita, spektrální faktorizace
3. Teorie kepstrální analýzy, kauzální a anticipativní kepstrum, komplexní a reálné kepstrum
4. Vlastnosti parametrických metod spektrální analýzy a modelování signálů, modely AR, ARMA, ARIMA, vztahy mezi modely
5. Principy metod frekvenční analýzy: Pisarenko, MUSIC, ESPRIT, PC Blackman-Tukey
6. Teorie bank filtrů a její využití pro analýzu signálů a transformace
7. Teorie přizpůsobené filtrace a Wienerovy filtrace, typy úloh, kauzální a nekauzální filtrace
8. Rekurzivní metody analýzy časových řad od LS a WLS až po RLS a LMS
9. Vztah Kalmanovy filtrace a RLS
10. Teoretický základ částicových a mřížkových filtrů a Bayesovských sítí
11. Vícekanálová analýza signálu a dekorelace, principy metod separace signálů
12. Metody tvarování diagramu pole senzorů, odhad směru příchodu (DOA), metody analýzy Capon, MUSIC, ESPRIT, Min-norm
13. Kauzální vztahy mezi řadami – Grangerova kauzalita, MVAR metody v časové a frekvenční oblasti
14. Rozklad nestacionárních signálů, Hilbertova-Huangova transformace a její interpretace pomocí banky filtrů, Zolotarevova transformace
2. Bilaterální z-transformace: systémy s minimální a neminimální fází, stabilita versus kauzalita, spektrální faktorizace
3. Teorie kepstrální analýzy, kauzální a anticipativní kepstrum, komplexní a reálné kepstrum
4. Vlastnosti parametrických metod spektrální analýzy a modelování signálů, modely AR, ARMA, ARIMA, vztahy mezi modely
5. Principy metod frekvenční analýzy: Pisarenko, MUSIC, ESPRIT, PC Blackman-Tukey
6. Teorie bank filtrů a její využití pro analýzu signálů a transformace
7. Teorie přizpůsobené filtrace a Wienerovy filtrace, typy úloh, kauzální a nekauzální filtrace
8. Rekurzivní metody analýzy časových řad od LS a WLS až po RLS a LMS
9. Vztah Kalmanovy filtrace a RLS
10. Teoretický základ částicových a mřížkových filtrů a Bayesovských sítí
11. Vícekanálová analýza signálu a dekorelace, principy metod separace signálů
12. Metody tvarování diagramu pole senzorů, odhad směru příchodu (DOA), metody analýzy Capon, MUSIC, ESPRIT, Min-norm
13. Kauzální vztahy mezi řadami – Grangerova kauzalita, MVAR metody v časové a frekvenční oblasti
14. Rozklad nestacionárních signálů, Hilbertova-Huangova transformace a její interpretace pomocí banky filtrů, Zolotarevova transformace
Osnovy cvičení
Žádná data.
Literatura
[1] TAN, L. a J. JIANG. Digital signal processing: fundamentals and applications. 2nd ed. Boston: Elsevier/Academic Press, 2013. 896 pp. ISBN 978-0124158931.
[2] GIBBS, B. P. Advanced kalman filtering, least-squares and modeling: a practical handbook. Hoboken: John Wiley &Sons, 2011. 632 pp. ISBN 978-0-470-89004-2.
[3] MANIKAS, A. Beamforming: sensor signal processing for defence applications. NJ: Imperial College Press, 2015. 312 pp. ISBN 978-178326-274-8.
[2] GIBBS, B. P. Advanced kalman filtering, least-squares and modeling: a practical handbook. Hoboken: John Wiley &Sons, 2011. 632 pp. ISBN 978-0-470-89004-2.
[3] MANIKAS, A. Beamforming: sensor signal processing for defence applications. NJ: Imperial College Press, 2015. 312 pp. ISBN 978-178326-274-8.
Požadavky
Žádná data.
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
\\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
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
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
[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.