Realizzazione di sistemi di ENS con aritmetica a precisione finita;
Sistemi di elaborazione dei segnali con variazione della frequenza di campionamento ("multirate systems"):
Banchi di filtri e trasformata wavelet;
Sistemi adattativi;
Applicazioni;
Laboratorio con MATLAB.
Testo di riferimento
F.Argenti,L.Mucchi,E. Del Re, "Elaborazione numerica dei segnali. Teoria, esercizi ed esempi al calcolatore", McGraw-Hill, Milano, 2011.
Testi di consultazione
A.V. Oppenheim, R.W. Schafer, Discrete-time signal processing, Prentice-Hall, 1989.
J.G. Proakis, D.G. Manolakis, Digital signal processing. Principles, algorithms and applications, Prentice-Hall, 1996.
C.S. Burrus et al., Computer-based exercises for signal processing using MATLAB, Prentice-Hall, 1994.
Obiettivi Formativi
Obiettivo del corso è quello di fornire le conoscenze più importanti nei sistemi di elaborazione numerica:
- Valutazione delle prestazioni dei sistemi realizzati con aritmetica a precisione finita;
- Progettazione di sistemi avanzati di elaborazione numerica dei segnali con variazione della frequenza di campionamento;
- Acquisizione di competenze sulla teoria dei banchi di filtri;
- Prestazioni e progettazione dei sistemi adattativi;
- Applicazioni avanzate tipiche della elaborazione numerica dei segnali.
Prerequisiti
Corso di Fondamenti di elaborazione numerica dei segnali
Metodi Didattici
Lezioni in aula
Esercitazioni
Laboratorio
Altre Informazioni
Materiale didattico integrativo presente sulla piattaforma Moodle.
Modalità di verifica apprendimento
Prova scritta e prova orale nello stesso appello della prova scritta.
La prova scritta è suddivisa in 3 o 4 esercizi e permette di verifica la capacità di:
saper progettare sistemi per la stima dello spettro e filtri digitali, tenendo conto dei vincoli dati dall'aritmetica finita;
saper progettare sistemi con variazione della frequenza di campionamento, anche a stadi multipli, e blocchi di multiplazione e demultiplazione;
applicare la teoria dei banchi di filtri e della trasformata wavelet in problemi di analisi e classificazione di segnali;
utilizzare sistemi basati sui principali algoritmi adattativi e di ottimizzazione.
Nella prova orale verrà valutata la padronanza complessiva degli argomenti trattati nel corso, con particolare attenzione ai criteri di valutazione delle soluzione adottate in termini di complessità, costo, robustezza ed efficienza e alle applicazioni avanzate della elaborazione numerica dei segnali.
Lo studente può presentare anche un elaborato in MATLAB fino a 2 giorni prima della prova orale, che sarà valutato insieme alle prove scritta e orale. L’elaborato potrà essere assegnato contestualmente alla prova scritta (e non oltre).
Lo svolgimento dell'elaborato punta a verificare la capacità di affrontare con successo problematiche tipiche dell'elaborazione numerica dei segnali e di sapere comunicare in forma scritta le motivazioni, implementazioni e risultati dell'elaborato.
Programma del corso
Gli argomenti trattati nel corso sono:
Sistemi di ENS con aritmetica a precisione finita
FFT: realizzazione con aritmetica a precisione finita: quantizzazione dei coefficienti e delle operazioni. Rapporto segnale-errore in uscita.
FIR: strutture realizzative; realizzazione con aritmetica a precisione finita: quantizzazione dei coefficienti e delle operazioni. Fattore di scala. Rapporto segnale-errore in uscita.
IIR: strutture realizzative; realizzazione con aritmetica a precisione finita: quantizzazione dei coefficienti e delle operazioni. Fattore di scala. Ordinamento e accoppiamento di poli e zeri. Rapporto segnale-errore in uscita. Cicli limite.
Sistemi con variazione della frequenza di campionamento ("multirate systems").
Interpolazione e decimazione di segnali numerici: fattore intero e fattore razionale.
Conversione di frequenza mediante tecniche di interpolazione e decimazione.
Progetto di filtri per interpolazione e decimazione. Strutture per decimatori e interpolatori. Strutture polifase. Strutture con filtri CIC.
Realizzazione a stadi multipli di interpolatori e decimatori.
Traslazione frazionaria del passo di campionamento.
Banchi di filtri e trasformata wavelet
Banchi di filtri a due canali. Banchi a perfetta ricostruzione. Banchi a M canali e banchi coseno-modulati.
Trasformata wavelet continua. Analisi a multirisuoluzione. Trasformata wavelet discreta.
Introduzione alla compressione e alla classificazione dei dati.
Sistemi adattativi
Contesti applicativi: predizione, identificazione, equalizzazione, cancellazione di interferenze.
Criterio di ottimizzazione. Algoritmo LMS, algoritmi semplificati. Algoritmo RLS. Condizioni di convergenza.
Esempi applicativi ed esercitazioni (anche con MATLAB)