Logo ČVUT
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE
STUDIJNÍ PLÁNY
2022/2023
UPOZORNĚNÍ: Jsou dostupné studijní plány pro následující akademický rok.

Adaptive signal processing

Přihlášení do KOSu pro zápis předmětu Zobrazit rozvrh
Kód Zakončení Kredity Rozsah Jazyk výuky
BEAM31ADA Z,ZK 6 2P+2C anglicky
Korekvizita:
Garant předmětu:
Radoslav Bortel
Přednášející:
Pavel Sovka
Cvičící:
Vojtěch Illner, Pavel Sovka
Předmět zajišťuje:
katedra teorie obvodů
Anotace:

Tento předmět prezentuje základní principy adaptivních algoritmů pro filtraci, dekorelaci, separaci a beamformingu. Jsou probírány algoritmy pro adaptivní estimaci a predikci. Je analyzováno jejich chování, různé způsoby implementace a praktické aplikace. Dále jsou vysvětleny algoritmy pro adaptivní dekorelaci a separaci vícerozměrných signálů. Nakonec jsou probrány techniky pro adaptivní tvarování přijímací charakteristiky řady senzorů (beamforming).

Požadavky:

Znalosti základů číslicového zpracování signálů. Především znalost spektrální analýzy a neadaptivní lineární filtrace. Znalosti práce s Matlabem.

Osnova přednášek:

1. Blokové algoritmy pro estimaci

2. Blokové algoritmy pro predikci

3. LMS a RLS algoritmy a jejich použití pro estimaci a predikci

4. Konvergence LMS a RLS algoritmů

5. Struktury pro implementaci adaptivních filtrů

6. Použití adaptivních algoritmů pro kompresi signálu

7. Použití adaptivních filtrů pro potlačování šumu

8. Kalmanova filtrace

9. Mřížkové filtry a částicové filtry

10. Adaptivní algoritmy pro dekorelaci vícerozměrných signálů

11. Adaptivní algoritmy pro separaci vícerozměrných signálů

12. Adaptivní beamforming - algoritmy LCMV a MVDR

13. Adaptivní beamforming - algoritmus MUSIC

14. Rezerva

Osnova cvičení:

1. Implementace blokových algoritmů pro estimaci

2. Implementace blokových algoritmů pro predikci

3. Implementace LMS a RLS algoritmů

4. Konvergence LMS a RLS algoritmů

5. Porovnání různých struktur pro implementaci adaptivních filtrů

6. Vokodér

7. Adaptivního potlačení úzkopásmového šumu

8. Aplikace Kalmanovy filtrace

9. Použití mřížkových a částicových filtrů

10. Implementace dekorelace vícerozměrných signálů

11. Implementace separaci vícerozměrných signálů

12. Aplikace algoritmů LCMV a MVDR

13. Aplikace algoritmu MUSIC

14. Rezerva

Cíle studia:

Cílem předmětu je získat základní znalosti z oblasti adaptivních algoritmů pro filtraci, dekorelaci, separaci a beamformingu.

Studijní materiály:

Sayed, A.H., Adaptive Filters, Wiley-IEEE Press, 2008.

Bellanger, M.B., Adaptive Digital Filters, Marcel Dekker, NY 2001.

Hyvarinen, A, Karhunen, J, Oja, E. Independent Component Analysis, John Wiley & Sons, 2004.

Poznámka:
Rozvrh na zimní semestr 2022/2023:
06:00–08:0008:00–10:0010:00–12:0012:00–14:0014:00–16:0016:00–18:0018:00–20:0020:00–22:0022:00–24:00
Po
Út
St
místnost
Illner V.
16:15–17:45
(přednášková par. 1
paralelka 101)

místnost T2:A4-405
Sovka P.
18:00–19:30
(přednášková par. 1)
Dejvice
Laborator
Čt

Rozvrh na letní semestr 2022/2023:
Rozvrh není připraven
Předmět je součástí následujících studijních plánů:
Platnost dat k 24. 3. 2023
Aktualizace výše uvedených informací naleznete na adrese https://bilakniha.cvut.cz/cs/predmet5501806.html