Introducció al Processament Audiovisual

Esteu aquí

Inici » Estudis » Graus » Grau en Ciència i Enginyeria de Dades » Pla d'estudis » Assignatures » Introducció al Processament Audiovisual
Crèdits
6
Tipus
Obligatòria
Requisits
Aquesta assignatura no té requisits, però té capacitats prèvies
Departament
TSC
Modelat Estadístic de Senyals (4 setmanes)
- Introducció i Variable Aleatòria
- Model de processos sense memòria
- Processos estocàstics discrets

Teoria de l'Estimació (4 setmanes)
- Estimació de paràmetres: Concepte, mesures de qualitat i tipos d'estimadors
- Estimació de funcions: Estimació de l'autocorrelació i de la Densitat Espectral de Potència

Filtre de Wiener i Filtre Adaptatiu (3 setmanes)
- Estimació lineal quadràtica mitjana
- Filtre de Wiener
- Regressió lineal i mínims quadrats
- Filtrat adaptatiu

Transformades (3 setmanes)
- Transformada de Fourier Dependent del Temps i 2D
- Transformada Cosinus Discreta (DCT)
- Transformada Karhunen-Loeve (KLT)
- Aplicacions a la compressió de dades i a la biometria

Professorat

Responsable

  • Ferran Marques Acosta ( )

Altres

  • Carlos Hernández Pérez ( )
  • Francesc Rey Micolau ( )

Hores setmanals

Teoria
2.4
Problemes
0.9
Laboratori
0.5
Aprenentatge dirigit
0
Aprenentatge autònom
6.2

Competències

Competències Tècniques

Competències tècniques

  • CE5 - Dissenyar i aplicar tècniques de processat de senyal, triant entre diferents eines tecnològiques, incloses les de visió artificial, de reconeixement del llenguatge parlat i de tractament de dades multimèdia.

Competències Transversals

Transversals

  • CT6 [Avaluable] - Aprenentatge autònom. Detectar deficiències en el propi coneixement i superar-les mitjançant la reflexió crítica i l'elecció de la millor actuació per ampliar aquest coneixement.

Bàsiques

  • CB4 - Que els estudiants puguin transmetre informació, idees, problemes i solucions a un públic tant especialitzat com no especialitzat.
  • CB5 - Que els estudiants hagin desenvolupat aquelles habilitats d'aprenentatge necessàries per emprendre estudis posteriors amb un alt grau d'autonomia

Competències Tècniques Generals

Genèriques

  • CG1 - Concebre sistemes computacionals que integren dades de procedències i formes molt diverses, construeixen amb ells models matemàtics, raonen sobre aquests models i actuen en conseqüència, aprenent de l'experiència.
  • CG2 - Elegir i aplicar els mètodes i tècniques més adequats a un problema definit per dades que representin un repte pel seu volum, velocitat, varietat o heterogeneïtat, inclosos mètodes informàtics, matemàtics, estadístics i de processament del senyal.
  • CG5 - Poder recórrer a coneixements fonamentals i metodologies de treball sòlides adquirits durant els estudis per adaptar-se als nous escenaris tecnològics del futur.

Objectius

  1. Saber caracteritzar processos estocàstics
    Competències relacionades: CE5, CG1, CG5, CB4, CB5,
  2. Comprendre i saber utilitzar les transformades de senyal més habituals i la seva aplicació
    Competències relacionades: CE5, CT6, CG2, CB4, CB5,
  3. Adquirir els coneixements bàsics de filtrat òptim i adaptatiu per a aplicacions de dades audiovisuals
    Competències relacionades: CE5, CT6, CG5, CB4, CB5,

Continguts

  1. Modelatge estadístic de senyal
    Processos estocàstics: Definició.
    Autocorrelació.
    Estacionarietat, Ergodicitat.
    Densitat espectral de potència.
    Processos discrets.
    Filtratge de processos.
  2. Teoria de l'Estimació
    (1) Estimació de paràmetres: Concepte, mesures de qualitat i tipos d'estimadors

    (2) Estimació de funcions: Estimació de l'autocorrelació i de la Densitat Espectral de Potència
  3. Filtrat òptim i filtrat adaptatiu
    Tipus de filtres: Identificació de sistemes, equalització, cancel·lació, predicció i interpolació.
    Filtre de Wiener.
    Regressió lineal i mínims quadrats.
    Filtrat adaptatiu
  4. Transformacions
    Anàlisi en freqüència:
    (1) Transformada Cosinus Discreta (DCT),
    (2) Transformada de Fourier Dependent del Temps. Interpretació com a banc de filtres. Efecte de la finestra. Reconstrucció. Espectrograma. Anàlisi temps-freqüència.

    Anàlisi estadística:
    (1) Periodograma. Principis d'estimació.
    (2) Transformada de Karhunen-Loeve (KLT).

Activitats

Activitat Acte avaluatiu


Tema 1

Classes de teoria, problemes i laboratori corresponents al Tema 1
  • Teoria: Classes de teoria corresponents al Tema 1
  • Problemes: Classes de problemes corresponents al tema 1
  • Laboratori: Classes de laboratori corresponents al tema 1
  • Aprenentatge dirigit: Aprenentatge dirigit corresponents al tema 1
  • Aprenentatge autònom: Aprenentatge autònom corresponent al tema 1
Objectius: 1
Continguts:
Teoria
10.3h
Problemes
3.7h
Laboratori
2.3h
Aprenentatge dirigit
0h
Aprenentatge autònom
23h

Tema 2

Classes de teoria, problemes i laboratori corresponents al Tema 2
  • Teoria: Classes de teoria corresponents al Tema 2
  • Problemes: Classes de problemes corresponents al Tema 2
  • Laboratori: Classes de laboratori corresponents al Tema 2
  • Aprenentatge dirigit: Aprenentatge dirigit corresponent al Tema 2
  • Aprenentatge autònom: Aprenentatge autònom corresponent al Tema 2
Objectius: 2
Continguts:
Teoria
15.4h
Problemes
5.6h
Laboratori
3.4h
Aprenentatge dirigit
0h
Aprenentatge autònom
36.5h

Tema 3

Classes de teoria, problemes i laboratori corresponents al Tema 3
  • Teoria: Classes de teoria corresponents al Tema 3
  • Problemes: Classes de problemes corresponents al Tema 3
  • Laboratori: Classes de laboratori corresponents al Tema 3
  • Aprenentatge dirigit: Aprenentatge dirigit corresponent al Tema 3
  • Aprenentatge autònom: Aprenentatge autònom corresponent al Tema 3
Objectius: 3
Continguts:
Teoria
10.3h
Problemes
3.7h
Laboratori
2.3h
Aprenentatge dirigit
0h
Aprenentatge autònom
23h

Metodologia docent

L'assignatura es basa en classes presencials de teoria, problemes i laboratori.

Les classes de teoria segueixen el programa definit en aquesta guia docent. Dins de les classes de teoria es promociona el diàleg entre els professors i els estudiants proposant exercicis i activitats a realitzar conjuntament basats en aspectes particulars del tema que s'està tractant.

Les classes de laboratori exemplifiquen els contiguts desenvolupats a les classes de teoria.

Mètode d'avaluació

La nota final de l'assignatura s'obté a partir de les notes de

- L'examen parcial: P (25%)
- L'examen final: F (60%)
- Les pràctiques: L (15%)

Nota = max (0.6F+0.25P+0.15L ; 0.85F+0.15L; 0.75F+0.25P; 1.0F)

En cas de fer examen de re-avaluació (R), la nota final és

Nota = max(0.85R+0.15L; 1.0R)

Bibliografia

Bàsica:

Complementaria:

Capacitats prèvies

Els coneixements adquirits a les assignatures del grau en quadrimestres anteriors