Pokročilé metody DSP

Garant předmětu:

Přednášející:

Cvičící:

Předmět zajišťuje:

katedra teorie obvodů

Anotace:

Předmět seznamuje s pokročilými metodami analýzy a zpracování číslicových signálů jako jsou korelační, spektrální, koherenční či kepstrální analýzy, dále pak s metodami rozkladu na hlavní a nezávislé komponenty, metodami pro určování vazby mezi náhodnými signály i základními klasifikačními technikami používanými při analýze signálů. Pozornost je věnována praktickým aplikacím uvedených technik, např. pro potlačování šumu či kompresi.

Požadavky:

Předpokládá se znalost základních technik číslicového zpracování signálů, číslicové filtrace a matematického aparátu pro popis spojitých i diskrétních signálů a systémů.

Osnova přednášek:

1. LPC analýza: výpočet parametrů AR modelu, LPC spektrum

2. Obecné modelování signálů (AR, MA, ARMA)

3. Měření zpoždění pomocí korelační a spektrální analýzy

4. Koherenční funkce, kvadrát modulu koherenční funkce (MSC) a její použití

5. Kepstrální analýza a její použití

6. Spektrální a kepstrální vzdálenost a jejich použití

7. Redukce aditivního a konvolučního šumu ve spektrální a kepstrální oblasti

8. Diskrétní kosinová transformace

9. Analýza vlastních komponent (PCA) jako základ ztrátové komprese signálů

10. Základy klasifikace (k-means, GMM, SVM)

11. Použití neuronových sítí ve zpracování signálů

12. Realizace diskrétní vlnkové transformace bankou filtrů, kvadraturní filtry

13. Principy metod slepé separace a dekonvoluce signálů

14. Rezerva

Osnova cvičení:

1. LPC analýza, LPC spektrum

2. Modelování signálů (AR, MA modely 1. a 2. řádu)

3. Měření zpoždění na bázi vzájemné spektrální výkonové hustoty

4. Vlastnosti a aplikace koherenční funkce

5. Reálné a komplexní kepstrum - definice a základní vlastnosti

6. Kepstrální vzdálenost

7. Potlačování aditivních šumů ve frekvenční oblasti

8. Výpočet a použití diskrétní kosinové transformace

9. Analýza vlastních komponent signálu a KLT transformace

10. Klasifikace na bázi k-means

11. Klasifikace na bázi GMM

12. Potlačování šumu na bázi ANN

13. Vlnková transformace, realizace bankou filtrů, potlačování šumu na bázi WT

14. Rezerva

Cíle studia:

Studenti se naučí používat výše zmíněné pokročilé techniky analýzy signálů, interpretovat dosažené výsledky a prakticky používat základní klasifikační techniky.

Studijní materiály:

[1] Uhlíř, J., Sovka, P.: Číslicové zpracování signálů. Ediční středisko ČVUT, Praha, 2002. Monografie ČVUT FEL.

[2] Sovka, P., Pollák, P.: Vybrané metody číslicového zpracování signálů. Ediční středisko ČVUT, Praha, 2003. Skriptum ČVUT FEL.

[3] Oppenheim, A. V., Schaffer, R. W. : Discrete-Time Signal Processing. Prentice-Hall, 3rd edition, 2009.

[4] S. V. Vaseghi: Advanced Digital Signal Processing and Noise Reduction, Wiley, 2009.

[5] M. Hayes: Statistical digital signal processing and modeling. Wiley, 1999.

Poznámka:

Další informace:

Pro tento předmět se rozvrh nepřipravuje

Předmět je součástí následujících studijních plánů:

• Communications and Internet of Things - Internet of Things (povinně volitelný předmět)
• Communications and Internet of Things - Intelligent Communication Network (povinně volitelný předmět)
• Communications and Internet of Things - Wireless Technology and Photonics (povinně volitelný předmět)
• Communications and Internet of Things - Audiovisual Technology (povinně volitelný předmět)
• Communications and Internet of Things - Communication and Information Processing (povinně volitelný předmět)
• Electronics and Integrated Systems (povinně volitelný předmět)