Algoritmy zpracování signálů

Předmět je náhradou za:

Algoritmy zpracování signálů (X31ASI)

Přednášející:

Cvičící:

Předmět zajišťuje:

katedra teorie obvodů

Anotace:

Výklad principů algoritmů používaných v moderních číslicových systémech pro aplikace uvedené v osnově. Cvičení jsou orientována projektově, výsledkem by měla být semestrální práce na zvolené téma - vytvoření a simulace algoritmu v MATLABu. Předpokládané znalosti z teorie číslicových signálů a systémů, např. předměty UCZ, CFS, CZS nebo předměty s podobným zaměřením.

Požadavky:

Osnova přednášek:

1. Krátkodobé a dlouhodobé charakteristiky signálů v časové a frekvenční oblasti

2. Zpracování signálů pomocí metod přičtení (OLA) a úschovy (OLS) přesahu

3. Aplikace OLA v systémech zvýrazňování řeči a potlačování šumů

4. Modelování, parametrické metody (AR, MA, ARMA), lineární predikce (LPC)

5. Vlastnosti LPC, spektrální analýza založená na DFT a LPC - vlastnosti

6. Význam a vlastnosti křížových filtrů, využití pro modelování signálů

7. Využití kepstrální analýzy pro průmyslové aplikace a detekci signálů v šumu

8. Robustní parametrizace signálů a význam pro zpracování řeči a predikci dat

9. Úpravy kepstra, ostření spektra a jejich využití při zpracování signálů

10. Vybrané aplikace adaptivní filtrace pro spektrální analýzu a potlačování rušení

11. Algoritmy koherenční analýzy, detekce a separace signálů, využití ve fyziologii

12. Časově frekvenční transformace a jejich aplikace, nelineární frekvenční stupnice

13. Typy ortogonálních transformací, jejich vztah i praktický význam

14. Klasifikace dat a ztrátová komprese dat pomocí ortogonálních transformací

Osnova cvičení:

1. Zdroj informací pro práci, generování signálů a databáze signálů

2. Krátkodobé a dlouhodobé spektrum, typy zobrazení krátkodobého spektra

3. Realizace rozkladu a syntézy signálů ve frekvenční oblasti

4. Filtrace ve frekvenční oblasti, spektrální odečítání

5. Implementace metod spektrální analýzy pomocí DFT a AR modelu

6. Implementace křížových filtrů pro parametrické metody

7. Objektivní kritéria hodnocení kvality zpracování signálů, odhad šumového pozadí

8. Generování korelační matice, normální rovnice, výpočet parametrů AR modelu

9. Kepstrální vzdálenost, použití pro detekci signálu v šumu a pro klasifikace signálů

10. Typy kepstrální liftrace a jejich aplikace

11. Použití MATLABu k implementaci adaptivních filtrů

12. Odhad a kompenzace zpoždění mezi signály, aplikace pro řeč

13. Podmínky správného použití funkce „Spectrum“ pro koherenční analýzu

14. Odevzdání a obhájení vlastního řešeného problému

Cíle studia:

Studijní materiály:

1. Uhlíř, J., Sovka, P.: Číslicové zpracování signálů. Monografie ČVUT, Praha, 1995

2. Jan, J.: Číslicová filtrace, analýza a restaurace signálů. VUT, Brno, 1997

3. Psutka, J.: Komunikace s počítačem mluvenou řečí. Academia, Praha, 1995

4. Rabiner, L.R., Schafer, F.W.: Digital Processing of Speech Signals. Prentice-Hall, Inc., New York, 1978

5. Openheim, A.V., Shafer, R.W.: Discrete-Time Signal Processing. Prentice-Hall, Inc., New Jersey, 1990

6. Bendal, J., Piersol, A.: Random Data: Analysis Measurement Procedures. John Wiley & Sons, Ins., New York, 1971

Poznámka:

Rozsah výuky v kombinované formě studia: 14+4

Typ cvičení: c, t

Tento předmět je nabízen také v anglické verzi.

Další informace:

Pro tento předmět se rozvrh nepřipravuje

Předmět je součástí následujících studijních plánů:

• Elektronika-inženýrský blok (povinně volitelný předmět)
• Elektronika-inženýrský blok (povinně volitelný předmět)