Moodle FEL ČVUT
Pokročilé metody DSP
B241 - Zimní 24/25
Pokročilé metody DSP - B2M31DSP
Kredity | 6 |
Semestry | oba |
Zakončení | zápočet a zkouška |
Jazyk výuky | čeština |
Rozsah výuky | 2P+2C |
Anotace
Předmět navazuje na základní kurs zpracování signálů a seznamuje s pokročilými metodami analýzy a zpracování číslicových signálů. Absolvent bude znát principy metod analýzy číslicových signálů a umět je prakticky používat. Naučí se znát podmínky použití korelační, spektrální a koherenční analýzy náhodných signálů, metod rozkladu na hlavní a nezávislé komponenty, časově-frekvenčních transformací a metod pro určování vazby mezi náhodnými signály. Důraz bude kladen na získání schopnosti interpretovat výsledky analýz signálů.
Cíle studia
Studenti získají teoretické základy a porozumění pokročilých metod zpracování signálů. Ve cvičeních prohloubí schopnost řešení úloh číslicového zpracování signálů v MATLABu. Získané znalosti si ověří při řešení semestrálních prací.
Osnovy přednášek
1. Modelování a popis lineárních systémů v časové, korelační a spektrální oblasti
2. Měření zpoždění pomocí korelační a spektrální analýzy pro disperzní prostředí
3. Koherenční funkce, parciální koherenční funkce a její použití
4. Kepstrální analýza a její použití pro dekonvoluci signálů
5. Spektrální a kepstrální vzdálenost a jejich použití
6. Metody redukce aditivních a konvolučních šumů a zvýrazňování signálů
7. Metody interpolace 1-D signálů
8. Metoda rozkladu na hlavní komponenty jako základ ztrátové komprese signálů
9. Principy metod slepé separace signálů
10. Principy metod slepé dekonvoluce signálů
11. Realizace diskrétní vlnkové transformace bankou filtrů, kvadraturní filtry
12. Grangerova kauzalita a Hilbertova-Huangova transformace
13. Robustní odhady odhady charakteristik signálů
14. Rezerva
2. Měření zpoždění pomocí korelační a spektrální analýzy pro disperzní prostředí
3. Koherenční funkce, parciální koherenční funkce a její použití
4. Kepstrální analýza a její použití pro dekonvoluci signálů
5. Spektrální a kepstrální vzdálenost a jejich použití
6. Metody redukce aditivních a konvolučních šumů a zvýrazňování signálů
7. Metody interpolace 1-D signálů
8. Metoda rozkladu na hlavní komponenty jako základ ztrátové komprese signálů
9. Principy metod slepé separace signálů
10. Principy metod slepé dekonvoluce signálů
11. Realizace diskrétní vlnkové transformace bankou filtrů, kvadraturní filtry
12. Grangerova kauzalita a Hilbertova-Huangova transformace
13. Robustní odhady odhady charakteristik signálů
14. Rezerva
Osnovy cvičení
Průchod signálu systémem - časová, korelační a spektrální oblast
2. Použití metod měření zpoždění, splnění podmínky použití
3. Implementace výpočtu koherenční funkce a její použití
4. Použití metod kepstrální analýzy pro dekonvoluci signálů
5. Příklady použití spektrální a kepstrální vzdálenosti
6. Realizace metod redukce aditivních a konvolučních šumů
7. Příklady použití metod interpolace signálů
8. Metoda rozkladu na hlavní komponenty jako základ ztrátové komprese signálů
9. Odhad momentů a kumulantů náhodných signálů, iterační algoritmy
10. Příklady metod slepé separace a dekonvoluce signálů a jejich implemetace
11. Použití diskrétní vlnkové transformace pro redukci šumů a analýzu signálů
12. Příklady použití Hilbertovy-Huangovy transformace
13. Použití robustních odhadů charakteristik náhodných signálů
14. Rezerva, semestrální práce
2. Použití metod měření zpoždění, splnění podmínky použití
3. Implementace výpočtu koherenční funkce a její použití
4. Použití metod kepstrální analýzy pro dekonvoluci signálů
5. Příklady použití spektrální a kepstrální vzdálenosti
6. Realizace metod redukce aditivních a konvolučních šumů
7. Příklady použití metod interpolace signálů
8. Metoda rozkladu na hlavní komponenty jako základ ztrátové komprese signálů
9. Odhad momentů a kumulantů náhodných signálů, iterační algoritmy
10. Příklady metod slepé separace a dekonvoluce signálů a jejich implemetace
11. Použití diskrétní vlnkové transformace pro redukci šumů a analýzu signálů
12. Příklady použití Hilbertovy-Huangovy transformace
13. Použití robustních odhadů charakteristik náhodných signálů
14. Rezerva, semestrální práce
Literatura
Lze použít jeden ze dvou titulů:
Saeed V. Vaseghi: Advanced Digital Signal Processing and Noise Reduction, Wiley,2009, ISBN: 978-0-470-75406-1
Monson Hayes: Statistical digital signal processing and modeling. Wiley, 1999, ISBN: 978-0-471-59431-4.
Oba tituly jsou stále v nabídce prodejců, např. Amazon
K dispozici budou další materiály na stránkách předmětu včetně odkazů na další informace
Saeed V. Vaseghi: Advanced Digital Signal Processing and Noise Reduction, Wiley,2009, ISBN: 978-0-470-75406-1
Monson Hayes: Statistical digital signal processing and modeling. Wiley, 1999, ISBN: 978-0-471-59431-4.
Oba tituly jsou stále v nabídce prodejců, např. Amazon
K dispozici budou další materiály na stránkách předmětu včetně odkazů na další informace
Požadavky
Znalosti teorie systémů a číslicového zpracování signálů v rozsahu základních kursů.