Crèdits
6
Tipus
Obligatòria
Requisits
Aquesta assignatura no té requisits
, però té capacitats prèvies
Departament
TSC
- 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 ( ferran.marques@upc.edu )
Altres
- Chedlia Bekkali ( chedlia.bekkali@upc.edu )
- Francesc Rey Micolau ( francesc.rey@upc.edu )
- Marga Cabrera Bean ( marga.cabrera@upc.edu )
- Philippe Salembier Clairon ( philippe.salembier@upc.edu )
Hores setmanals
Teoria
2.4
Problemes
0.9
Laboratori
0.5
Aprenentatge dirigit
0
Aprenentatge autònom
6.2
Competències
Competències tècniques
Transversals
Bàsiques
Genèriques
Objectius
-
Saber caracteritzar processos estocàstics
Competències relacionades: CB4, CB5, CE5, CG1, CG5, -
Comprendre i saber utilitzar les transformades de senyal més habituals i la seva aplicació
Competències relacionades: CB4, CB5, CT6, CE5, CG2, -
Adquirir els coneixements bàsics de filtrat òptim i adaptatiu per a aplicacions de dades audiovisuals
Competències relacionades: CB4, CB5, CT6, CE5, CG5,
Continguts
-
Modelatge estadístic de senyal
Processos estocàstics: Definició.
Autocorrelació.
Estacionarietat, Ergodicitat.
Densitat espectral de potència.
Processos discrets.
Filtratge de processos. -
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 -
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 -
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
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
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
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%)
- Nota de 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
Bàsic
-
Digital signal processing
- Hayes, M.H,
McGraw Hill,
2012.
ISBN: 9780071635097
https://discovery.upc.edu/discovery/fulldisplay?docid=alma991005130266806711&context=L&vid=34CSUC_UPC:VU1&lang=ca -
Fundamentals of statistical signal processing
- Kay, S.M,
Prentice-Hall,
1993-2013.
ISBN: 0130422681
https://discovery.upc.edu/discovery/fulldisplay?docid=alma991001406289706711&context=L&vid=34CSUC_UPC:VU1&lang=ca -
Probability, random variables, and stochastic processes
- Papoulis, A.; Pillai, S.U,
McGraw-Hill,
2002.
ISBN: 0073660116
https://discovery.upc.edu/discovery/fulldisplay?docid=alma991002851489706711&context=L&vid=34CSUC_UPC:VU1&lang=ca
Complementari
-
Statistical and adaptive signal processing: spectral estimation, signal modeling, adaptive filtering, and array processing
- Manolakis, D.G.; Ingle, V.K; Kogon, S.M,
Artech House,
2005.
ISBN: 9781580536103
https://discovery.upc.edu/discovery/fulldisplay?docid=alma991003093539706711&context=L&vid=34CSUC_UPC:VU1&lang=ca -
Statistical signal processing: detection, estimation, and time series analysis
- Scharf, L.L,
Addison-Wesley,
1990.
ISBN: 0201190389
https://discovery.upc.edu/discovery/fulldisplay?docid=alma991000661519706711&context=L&vid=34CSUC_UPC:VU1&lang=ca -
Introduction to Audiovisual Processing
- Marqués, F.; Rey, F,
Notes de classe,