Advanced DSP methods

Podmínkou zápisu na předmět BE2M31DSP je, že student si nejpozději ve stejném semestru zapsal příslušný počet předmětů ze skupiny BEZBM

Garant předmětu:

Přednášející:

Cvičící:

Předmět zajišťuje:

katedra teorie obvodů

Anotace:

Předmět navazuje na základní kurs zpracování signálů a seznamuje s pokročilými metodami analýzy a zpracování číslicových signálů. Absolvent bude znát principy metod analýzy číslicových signálů a umět je prakticky používat. Naučí se znát podmínky použití korelační, spektrální a koherenční analýzy náhodných signálů, metod rozkladu na hlavní a nezávislé komponenty, časově-frekvenčních transformací a metod pro určování vazby mezi náhodnými signály. Důraz bude kladen na získání schopnosti interpretovat výsledky analýz signálů.

Požadavky:

Znalosti teorie systémů a číslicového zpracování signálů v rozsahu základních kursů.

Osnova přednášek:

1. Modelování a popis lineárních systémů v časové, korelační a spektrální oblasti

2. Měření zpoždění pomocí korelační a spektrální analýzy pro disperzní prostředí

3. Koherenční funkce, parciální koherenční funkce a její použití

4. Kepstrální analýza a její použití pro dekonvoluci signálů

5. Spektrální a kepstrální vzdálenost a jejich použití

6. Metody redukce aditivních a konvolučních šumů a zvýrazňování signálů

7. Metody interpolace 1-D signálů

8. Metoda rozkladu na hlavní komponenty jako základ ztrátové komprese signálů

9. Principy metod slepé separace signálů

10. Principy metod slepé dekonvoluce signálů

11. Realizace diskrétní vlnkové transformace bankou filtrů, kvadraturní filtry

12. Grangerova kauzalita a Hilbertova-Huangova transformace

13. Robustní odhady odhady charakteristik signálů

14. Rezerva

Osnova cvičení:

Průchod signálu systémem - časová, korelační a spektrální oblast

2. Použití metod měření zpoždění, splnění podmínky použití

3. Implementace výpočtu koherenční funkce a její použití

4. Použití metod kepstrální analýzy pro dekonvoluci signálů

5. Příklady použití spektrální a kepstrální vzdálenosti

6. Realizace metod redukce aditivních a konvolučních šumů

7. Příklady použití metod interpolace signálů

8. Metoda rozkladu na hlavní komponenty jako základ ztrátové komprese signálů

9. Odhad momentů a kumulantů náhodných signálů, iterační algoritmy

10. Příklady metod slepé separace a dekonvoluce signálů a jejich implemetace

11. Použití diskrétní vlnkové transformace pro redukci šumů a analýzu signálů

12. Příklady použití Hilbertovy-Huangovy transformace

13. Použití robustních odhadů charakteristik náhodných signálů

14. Rezerva, semestrální práce

Cíle studia:

Studenti získají teoretické základy a porozumění pokročilých metod zpracování signálů. Ve cvičeních prohloubí schopnost řešení úloh číslicového zpracování signálů v MATLABu. Získané znalosti si ověří při řešení semestrálních prací.

Studijní materiály:

Lze použít jeden ze dvou titulů:

Saeed V. Vaseghi: Advanced Digital Signal Processing and Noise Reduction, Wiley,2009, ISBN: 978-0-470-75406-1

Monson Hayes: Statistical digital signal processing and modeling. Wiley, 1999, ISBN: 978-0-471-59431-4.

Oba tituly jsou stále v nabídce prodejců, např. Amazon

K dispozici budou další materiály na stránkách předmětu včetně odkazů na další informace

Poznámka:

Další informace:

Pro tento předmět se rozvrh nepřipravuje

Předmět je součástí následujících studijních plánů: