Professional Documents
Culture Documents
2015 01 Ca
2015 01 Ca
Curs:
2015
Titulaci:
Crdits ECTS:
Idiomes docncia:
Professorat
Responsable:
Altres:
Horari d'atenci
Horari:
A convenir
1/7
52h
34.67%
13h
8.67%
85h
56.67%
2/7
Dedicaci: 18h
Grup gran: 5h
Grup mitj: 1h
Grup petit: 2h
Aprenentatge autnom: 10h
Descripci:
1.1.- Senyals analgics i discrets en temps. Senyals bsics. Energia i potncia.
1.2.- Sistemes analgics i discrets en temps. Exemples (incloent transformacions sobre la variable temps) i
propietats/classificaci.
1.3.- Sistemes lineals i invariants en temps:
1.3.1.- resposta impulsional i convoluci: propietats
1.3.2.- sistemes analgics definits mitjanant equacions diferencials
1.3.3.- sistemes discrets en temps definits mitjanant equacions en diferncies finites (sistemes FIR/IIR)
Activitats vinculades:
Classes teriques i exercicis.
Una sessi de laboratori de 2 hores.
Objectius especfics:
Entendre els conceptes bsics relacionats amb senyals i sistemes en el domini temporal tant pel cas de temps
continu com discret.
Dedicaci: 31h
Grup gran: 9h
Grup mitj: 2h
Grup petit: 2h
Activitats dirigides: 1h
Aprenentatge autnom: 17h
Descripci:
2.1.- Senyals i sistemes analgics:
2.1.1.- transformada de Laplace i funci de transferncia
2.1.2.- transformada/srie de Fourier i resposta freqencial (filtres analgics)
2.1.3.- exemples i propietats
2.2.- Senyals i sistemes discrets en temps:
2.2.1.- transformada Z i funci de transferncia
2.2.2.- transformada de Fourier i resposta freqencial (filtres digitals)
2.2.3.- DFT i FFT
2.2.4.- exemples i propietats
Activitats vinculades:
Classes teriques i exercicis.
Una sessi de laboratori de 2 hores.
Objectius especfics:
Comprendre i saber utilitzar les principals transformades pel cas de temps continu (Laplace, Fourier) i temps
discret (Z, Fourier, DFT) i la seva aplicaci a senyals i resposta freqencial de sistemes.
3/7
Dedicaci: 18h
Grup gran: 4h
Grup mitj: 2h
Grup petit: 2h
Aprenentatge autnom: 10h
Descripci:
3.1.- Mostreig i generaci d'lies: filtre "antialiasing".
3.2.- Soroll de quantificaci.
3.3.- Canvi de la freqncia de mostreig: delmat i interpolaci.
3.4.- Reconstrucci de senyal: interpolador ideal i "zero-order hold" (ZOH).
Activitats vinculades:
Classes teriques i exercicis.
Una sessi de laboratori de 2 hores.
Objectius especfics:
Saber caracteritzar els processos de conversi A/D i D/A.
Dedicaci: 11h
Grup gran: 4h
Grup mitj: 1h
Aprenentatge autnom: 6h
Descripci:
4.1.- Caracteritzaci estadstica.
4.2.- Processos estacionaris en sentit estricte i en sentit ampli. Processos ciclo-estacionaris.
4.3.- Ergodicitat en mitjana i correlaci.
4.4.- Autocorrelaci i densitat espectral de potncia. Teorema de Wiener-Khinchin.
4.5.- Filtratge de senyals aleatoris.
4.6.- Processos Gaussians.
Activitats vinculades:
Classes teriques i exercicis.
Objectius especfics:
Saber caracteritzar els processos estocstics.
4/7
Dedicaci: 25h
Grup gran: 6h
Grup mitj: 2h
Grup petit: 2h
Activitats dirigides: 1h
Aprenentatge autnom: 14h
Descripci:
5.1.- Introducci a la teoria de l'estimaci:
5.1.1.- concepte d'estimador
5.1.2.- criteris de qualitat: biaix, varincia, "mean square error" (MSE), consistncia
5.1.3.- exemple: estimaci de la mitjana d'un procs
5.2.- Teoria d'estimaci clssica:
5.2.1.- "minimum variance unbiased estimator" (MVUE)
5.2.2.- estimadors eficients: cota de Cramer-Rao
5.2.3.- estimadors de "maximum likelihood" (ML)
5.3.- Teoria d'estimaci Bayesiana:
5.3.1.- caracteritzaci del parmetre: distribuci a-priori
5.3.2.- risc Bayesi: estimadors "maximum-a-posteriori" (MAP), "posterior mean", "posterior median"
Activitats vinculades:
Classes teriques i exercicis.
Una sessi de laboratori de 2 hores.
Objectius especfics:
Entendre els fonaments de la teoria de l'estimaci en termes de caracteritzaci d'estimadors per a les dues
principals famlies: estimaci clssica i Bayesiana.
5/7
Dedicaci: 24h
Grup gran: 6h
Grup mitj: 2h
Grup petit: 2h
Aprenentatge autnom: 14h
Descripci:
6.1.- Estimaci espectral no paramtrica:
6.1.1.- periodograma: biaix ("leakage"), varincia i consistncia
6.1.2.- suavitzat del periodograma mitjanant enfinestrament (Blackman-Tukey): Bartlett, Hamming, Kaiser,
Blackman, etc.
6.1.3.- tcniques d'estimaci espectral de Bartlett-Welch: promig de periodogrames
6.1.4.- estimadors basats en banc de filtres adaptats (Capon)
6.2.- Estimaci espectral paramtrica:
6.2.1.- models lineals de processos: AR, MA, ARMA
6.2.2.- equacions de Yule-Walker
Activitats vinculades:
Classes teriques i exercicis.
Una sessi de laboratori de 2 hores.
Objectius especfics:
Comprendre els fonaments de l'estimaci espectral no paramtrica i paramtrica.
Dedicaci: 23h
Grup gran: 5h
Grup mitj: 2h
Grup petit: 2h
Activitats dirigides: 1h
Aprenentatge autnom: 13h
Descripci:
7.1.- Estimador lineal Bayesi de mnim MSE.
7.2.- Filtre de Wiener i equacions de Wiener-Hopf.
7.3.- Implementaci adaptativa ("steepest descent"-SD, "least mean square"-LMS, "normalized LMS"-NLMS).
7.4.- predictors lineals. Exemples.
Activitats vinculades:
Classes teriques i exercicis.
Una sessi de laboratori de 2 hores.
Objectius especfics:
Comprendre els fonamentes i les principals aplicacions del filtratge de Wiener.
6/7
Complementria:
Papoulis, A. Probability, random variables, and stochastic processes. 4th ed. Boston: Mc-Graw-Hill, 2002. ISBN 0073660116.
Troba'l a la biblioteca: http://cataleg.upc.edu/record=b1266577~S1*cat
Proakis, J.G.; Manolakis, D.G. Digital signal processing. 4th ed. New Jersey: Prentice-Hall International, 2007. ISBN
0131873741.
Troba'l a la biblioteca: http://cataleg.upc.edu/record=b1312152~S1*cat
Haykin, S.; Veen, B.V. Signals and systems. 2nd int. ed. John Wiley & Sons, 2003. ISBN 9780471378518.
Troba'l a la biblioteca: http://cataleg.upc.edu/record=b1431282~S1*cat
Oppenheim, A.V.; Schafer, R.W. Discrete-time signal processing. 3rd ed. Upper Saddle River, NJ: Prentice-Hall, 2010. ISBN
9780131988422.
Troba'l a la biblioteca: http://cataleg.upc.edu/record=b1371924~S1*cat
Scharf, L.L. Statistical signal processing: detection, estimation, and time series analysis. Readig, MA: Addison-Wesley, 1990.
ISBN 0201190389.
Troba'l a la biblioteca: http://cataleg.upc.edu/record=b1068830~S1*cat
Manolakis, D.G.; Ingle, V.K.; Kogon, S.M. Statistical and adaptive signal processing: spectral estimation, signal modeling,
adaptive filtering, and array processing. Boston: Artech House, 2005. ISBN 9781580536103.
Troba'l a la biblioteca: http://cataleg.upc.edu/record=b1290769~S1*cat
7/7