Detail předmětu

Advanced methods of signal processing

FEKT-NMZSAk. rok: 2015/2016

Formalizovaná optimální filtrace a restaurace signálů ve sjednoceném pohledu: Wienerův klasický filtr, Wiener-Levinsonův diskretní filtr, Kálmánova filtrace, modelování zdrojů signálů a restaurace signálů, další přístupy. Adaptivní filtrace a identifikace, algoritmy adaptace, typizace aplikací adaptivních filtrů. Neuronové sítě - vrstevnaté, zpětnovazební a sebeučící - a jejich využití pro zpracování a klasifikaci signálů. Nelineární filtrace - polynomiální a třídicí filtry, homomorfická filtrace a dekonvoluce, nelineární přizpůsobené filtry. Typické aplikace uvedených metod.

Výsledky učení předmětu

Absolvent předmětu
- ovládá principy vyšších metod zpracování signálů a rozumí jejich souvislostem,
- je schopen zvolit vhodnou metodu pro konkrétní praktický účel,
- je schopen zvolenou metodu v podobě komerčního nebo vlastního programu implementovat ve výpočetním prostředí
- je schopen správně interpretovat výsledky analýz.

Prerekvizity

Jsou požadovány znalosti na úrovni bakalářského studia, zejména číslicové zpracování signálů

Doporučená nebo povinná literatura

J.G.Proakis, et al.: Advanced digital signal processing. McMillan Publ. 1992
J.Jan: Digital Signal Filtering, Analysis and Restoration. IEE Publishing, London, UK, 2000
P.M.Clarkson: Optimal and Adaptive Signal Processing. CRC Press, 1993
S. Haykin: Modern Filters. MacMillan Publ., 1990
B.Mulgrew, P.M.Grant J.S.Thompson: Digital Signal Processing, Concepts and Applications, Mac-Millan Pres Ltd.1999
V.K.Madisetti, D.B.Williams (eds.): The Digital Signal Processing Handbook. CRC Press & IEEE Press, 1998
Vích,R., Smékal,Z.: Číslicové filtry. Academia Praha 2000, ISBN 80-200-0761-X
B. Kosko (ed.): Neural Networks for signal processing. Prentice Hall 1992

Plánované vzdělávací činnosti a výukové metody

Metody vyučování závisejí na způsobu výuky a jsou popsány článkem 7 Studijního a zkušebního řádu VUT. Metody vyučování zahrnují přednášky a cvičení na počítači, popř. samostudium. Předmět využívá e-learning (Moodle).

Způsob a kritéria hodnocení

Podmínky pro úspěšné ukončení předmětu upřesňuje každoročně aktualizovaná vyhláška garanta předmětu;
v zásadě
- získání zápočtu na základě aktivní účasti na demonstračních cvičeních (až 24 bodů, min. 12 bodů),
- úspěšné složení písemné závěrečné zkoušky (až 76 bodů)

Jazyk výuky

angličtina

Osnovy výuky

1. Identifikace náhodných signálů. Úvod do restaurace signálů, formalizovaná optimální LMS restaurace signálů ve sjednoceném pohledu
2. Wienerův filtr v klasické i zobecněné diskretní reprezentaci
3. Kálmánova filtrace skalární a vektorová, modelování zdrojů signálu
4. Principy adaptivní filtrace, algoritmy adaptace
5. Aplikace adaptivní filtrace a jejich typizace
6. Úvod do nelineární filtrace - polynomiální a třídicí filtry, homomorfická filtrace a dekonvoluce, nelineární přizpůsobené filtry
7. Úvod do neuronových sítí, jednotlivý neuron a jeho učení
8. Dopředné vrstevnaté neuronové sítě s učením zpětným šířením chyby, sítě s radiální bází
9. Sítě se vzájemnými vazbami: Hopfieldovy a Boltzmannovy sítě, soutěživé a Jordanovy sítě
10. Samoorganizující se sítě, Kohonenovy mapy
11. Aplikace neuronových sítí ve zpracování a analýze signálů a obrazů
12. Analýza hlavních komponent ve zpracování signálů
13. Analýza nezávislých komponent ve zpracování signálů.

Cíl

Cílem předmětu je porozumění principům vyšších metod zpracování signálů a jejich souvislostem a ukázání praktických aplikací.

Vymezení kontrolované výuky a způsob jejího provádění a formy nahrazování zameškané výuky

Vymezení kontrolované výuky a způsob jejího provádění stanoví každoročně aktualizovaná vyhláška garanta předmětu (viz Rozvrhové jednotky).
V zásadě:
- povinné počítačové cvičení
- nepovinná přednáška

Zařazení předmětu ve studijních plánech

  • Program EEKR-MN magisterský navazující

    obor MN-BEI , 1. ročník, letní semestr, 6 kreditů, volitelný oborový
    obor MN-EST , 1. ročník, letní semestr, 6 kreditů, volitelný mimooborový

Typ (způsob) výuky

 

Přednáška

39 hod., nepovinná

Vyučující / Lektor

Cvičení na poč.

26 hod., povinná

Vyučující / Lektor