Logo ČVUT
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE
STUDIJNÍ PLÁNY
2024/2025

Adaptive Signal Processing

Předmět není vypsán Nerozvrhuje se
Kód Zakončení Kredity Rozsah Jazyk výuky
BE2M31ADAA Z,ZK 6 2P+2C anglicky
Vztahy:
Podmínkou zápisu na předmět BE2M31ADAA 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:

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:
Další informace:
Pro tento předmět se rozvrh nepřipravuje
Předmět je součástí následujících studijních plánů:
Platnost dat k 11. 11. 2024
Aktualizace výše uvedených informací naleznete na adrese https://bilakniha.cvut.cz/cs/predmet5598906.html