Detail předmětu
Vyšší metody zpracování signálů
MMZS FEKT MMZS Ak. rok 2019/2020 letní semestr 6 kreditů
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.
Garant předmětu
Jazyk výuky
Zakončení
Rozsah
- 39 hod. přednášky
- 26 hod. pc laboratoře
Zajišťuje ústav
Přednášející
Cvičící
Získané dovednosti, znalosti a kompetence z 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.
Cíle předmětu
Cílem předmětu je porozumění principům vyšších metod zpracování signálů a jejich souvislostem a ukázání praktických aplikací.
Požadované prerekvizitní znalosti a dovednosti
Jsou požadovány znalosti na úrovni bakalářského studia, zejména číslicové zpracování signálů
Literatura studijní
- 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
- J.G.Proakis, et al.: Advanced digital signal processing. McMillan Publ. 1992
Literatura referenční
- Jan, J.: Číslicová filtrace, analýza a restaurace signálů. Vutium Brno, 2002
- J.Jan: Digital Signal Filtering, Analysis and Restoration. IEE Publishing, London, UK, 2000
Osnova přednášek
Hlubší pohled na lineární filtry, stavový model. Návrh filtrů typu FIR a IIR.
Multitaktní (multirate) systémy, banky decimačních a interpolačních filtrů
Nelineární filtrace,polynomiální filtry,zobecněná a adaptivní mediánová filtrace, homomorfická filtrace. Nelineární přizpůsobené filtry.
Klasické a moderní metody identifikace statistických vlastností stochastických signálů.
Sjednocující pohled na metody formalizované restaurace signálů. Diskretní Wienerův filtr jako zlatý standard
Kalmanova filtrace, stacionární a nestacionární případ, aplikace v restauraci signálů a modelování jejich zdrojů.
Restaurace ve frekvenční oblasti. Vázaná dekonvoluce, dekonvoluce s optimalizací impulsní charakteristiky.
Koncept adaptivní filtrace, filtr s rekurzivní optimální adaptací. Filtr se stochasticky gradientní adaptací.
Typizace aplikací adaptivní filtrace:identifikace a modelování systémů, ekvalizace kanálu, lineární adaptivní predikce, adaptivní potlačování rušení a šumu.
Úvod do architektur a vlastností neuronových sítí: dopředné sítě, učení, zobecňování znalostí; sítě se zpětnými vazbami; samoorganizující se mapy.
Zpracování signálů neuronovými sítěmi: naučený a adaptivní neuronový filtr, formalizovaná restaurace signálů zpětnovazební neuronovou sítí.
Typické aplikace v komunikacích, ve zpracování řeči a akustických signálů.
Typické aplikace zpracování měřicích a diagnostických signálů, identifikaci systémů a v biomedicínských aplikacích.
Osnova počítačových cvičení
Seznámení s prostředím MATLAB - Signal Processing Toolbox a DSP Bockset
Návrh a ověření filtru typu FIR nebo IIR.
Aplikace adaptivní mediánové filtrace nebo homomorfické filtrace.
Identifikace statistických vlastností zadaných stochastických signálů.
Návrh a použití diskretního Wienerova filtru
Kalmanova filtrace, aplikace v modelování zdrojů signálů
Restaurace modifikovaným inversním filtrem ve frekvenční oblasti
Experiment s adaptivním filtrem se stochasticky gradientní adaptací
Adaptivní potlačování daného rušení
Experiment s dopřednou sítí, učení a zobecňování znalostí
Zpracování signálů naučeným neuronovým filtrem
Aplikace zadaných metod ve zpracování akustických signálů
Aplikace ve zpracování zadaných měřicích a diagnostických signálů
Průběžná kontrola studia
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)
Metody vyučování
Metody vyučování závisejí na způsobu výuky a jsou popsány článkem 7 Studijního a zkušebního řádu VUT. Metody vyučování zahrnují přednášky a cvičení na počítači. Předmět využívá e-learning (Moodle).
Kontrolovaná výuka
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