Descripció
L´assignatura de Processament digital del senyal II és la continuació de la predecessora Processament digital del senyal I, i introdueix a l´alumne amb tècniques avançades del processament digital del senyal. En primer lloc, s´estudien les eines i tècniques bàsiques del disseny de filtres digitals selectius, tant de filtres FIR (mètode de les finestres) com de filtres IIR (disseny digital basat en filtre analògics i eines de conversió de prototipus). En segon lloc, es fa una introducció a la teoria del filtrat òptim i adaptatiu amb les quals es poden afrontar problemes de processament lineal com per exemple l´estimació de sistemes dinàmics, la cancel-lació de soroll o la predicció en base a les estadístiques dels senyals mesurats. Per acabar, es fa una introducció a les xarxes neuronals, estructures de processament de senyal inspirades en la neurona i que permeten afrontar problemes no lineals com són la classificació i detecció de patrons.
Tipus assignatura
Optativa
Semestre
Segon
Crèdits
5.00
Coneixements previs

Teorema del mostratge per a senyals de banda limitada, i caracterització temporal i freqüencial de senyals i sistemes analògics. Caracterització temporal (convolució, resposta impulsional) i freqüencial (TFSD, DFT) de sistemes discrets. Transformada Z.

Objectius

Els graduats del nostre programa de Processament digital del senyal II adquireixen els coneixements i desenvolupen les habilitats que s´indiquen a continuació:

1. Adquirir els coneixements sobre la caracterització i estudi de senyals i sistemes discrets, fent especial èmfasi en els filtres digitals selectius en freqüència, en tècniques de filtrat òptim i adaptatiu i en xarxes neuronals artificials, per a portar a la pràctica la implementació, anàlisi i disseny de sistemes de tractament digital de senyal i de reconeixement de patrons.
2. Identificar, formular i resoldre problemes de processament digital de senyal i la imatge en un entorn multidisciplinari de manera individual o com a membre d´un equip.
3. Analitzar, dissenyar i utilitzar sistemes, procediments i algorismes per aconseguir els requisits establerts en un problema de tractament digital del senyal, tot usant eines de programari lliure per a la simulació, anàlisi i desenvolupament d´aplicacions dins d´aquest àmbit (SciLab) i analitzant i interpretant els resultats obtinguts .
4. Utilitzar les tècniques i noves eines d´aprenentatge Online (campus virtual, guia d´estudi, compartició de documents, fòrums)

Continguts

1 Disseny de filtres digitals
1.1 Introducció al disseny de filtres digitals
1.2 Disseny de filtres FIR amb el mètode de les finestres
1.3 Mètode de disseny de filtres F.I.R. amb la finestra Kaiser
1.4 Disseny de filtres IIR a partir de filtres analògics
1.5 Filtres analògics més usats pel disseny de filtres digitals
1.6 Transformacions freqüencials

2 Filtratge òptim i filtres adaptatius
2.1 Introducció al problema de la estimació
2.2 Estimació lineal òptima. El filtre de Wienner
2.3 Introducció als filtres adaptatius

3 Xarxes neuronals
3.1 Introducció a les xarxes neuronals
3.2 Els perceptrons
3.3 Les xarxes de funcions de base radial (RBF)
3.4 Els mapes autoorganitzatius
3.5 Les xarxes LVQ
3.6 Aplicacions de les xarxes neuronals

Metodologia

Aquesta assignatura fa ús de dues metodologies alternatives, segons el perfil que l´alumne hagi escollit en el procés de matrícula. La metodologia presencial es diferencia de la semipresencial perquè en la primera es desenvolupen unes classes magistrals donades pel professor a on es subministra la base teòrica suficient per que l´alumne pugui afrontar l´estudi dels diferents blocs conceptuals. En la segona, és l´alumne qui pren un paper molt més actiu accedint als continguts teòrics mitjançant una guia d´estudi electrònica que li serveix per a establir els passos que ha d´anar seguint en el procés d´aprenentatge (referències a bibliografia, etc.).

A part dels continguts eminentment teòrics de l´assignatura, totes dues metodologies comparteixen la resta d´aspectes, els quals es resumeixen en: demostracions pràctiques, classes de problemes, tallers o classes de pràctiques, i tot l´estudi personal que l´alumne realitza amb la resolució de problemes més avançats i consulta d´exemples demostratius des de casa.

Les classes magistrals i l´estudi personal amb la guia d´estudi es complementen amb classes de problemes i amb demostracions pràctiques. Això permet augmentar la comprensió per mitjà d´exemples pràctics visuals en l´entorn de simulació SciLab, i oferir a l´alumne la possibilitat de discutir i aprofundir en determinats conceptes clau, així com desenvolupar la posta en pràctica dels coneixements, la capacitat resolutiva i creativa per afrontar problemes nous i l´habilitat per a posar en comú i treballar en equip.

Al llarg del curs es proposen treballs i problemes teòrics i/o pràctics que l´alumne ha de resoldre de forma personal. Els alumnes disposen també d´un software per realitzar els treballs i les pràctiques proposades pel professor i per comprovar i avaluar els resultats en equip, amb assessorament de professors auxiliars. També l´ús de la guia d´estudi permet realitzar controls d´autoavaluació (tipus test) que faran saber a l´alumne el grau d´adquisició de coneixements de cada capítol del curs.

Al llarg del curs, tant els alumnes com els professors proposen tallers o debats sobre determinats punts mitjançant trobades virtuals a on el professor pot interactuar remotament amb un grup reduït d´alumnes interessats en la temàtica. En aquestes trobades el professor pot mostrar alguns exemples pràctics en SciLab, així com resoldre dubtes teòrics a partir de la compartició de documents en format electrònic.

Avaluació

S´avaluarà el treball de l´alumne a partir de exàmens, treballs fets a casa, informes/treballs fets en grup, treballs pràctics amb l´ordinador, informes de laboratori i amb la participació al laboratori i a classe.
A. Exàmens
D. Treballs fets a casa
G. Treballs pràctics amb ordinador
K. Informes de laboratori
M. Participació en el campus virtual

L´obtenció de la nota final inclou l´aportació d´una nota d´avaluació continuada, que es va obtenint progressivament al llarg de tot el semestre. En aquest cas, la nota de l´assignatura serà el resultat de ponderar una nota semestral (60%) i la nota d´avaluació continuada (40%), sempre i quan es doni la condició indispensable que la nota semestral sigui superior a un 3.5 (sobre 10). Donada aquesta condició, la nota de l´assignatura serà la obtinguda segons la ponderació abans indicada, si la nota semestral per separat és inferior a la nota ponderada. En cas de no ser-ho, la nota final de l´assignatura serà directament la nota semestral.

La nota semestral constarà d´una part de teoria (80%) i una altra de pràctiques (20%). La part teòrica es calcularà a partir dels exercicis realitzats a l´examen (80%). La nota de pràctiques constarà dels resultats dels problemes pràctics plantejats a l´examen (10%) i del resultat de la presentació d´una memòria a on es mostraran els resultats assolits a les proves fetes al laboratori i es respondran qüestions relacionades amb les pràctiques (10%).

La nota d´avaluació continuada serà el resultat de sumar les notes associades a diverses activitats: problemes proposats per entregar i activitat als fòrums de debat que s´obriran per a cada capítol del temari.

Criteris avaluació

Objectiu 1:
- L´estudiant ha de demostrar un coneixement general bàsic sobre les tècniques de processament més avançat estudiades (disseny de filtres digitals, filtrat òptim i adaptatiu i xarxes neuronals artificials), així com de la seva interrelació i implicació mútua entre els diferents blocs conceptuals desenvolupats [A, D, G].

Objectiu 2:
- L´estudiant ha de demostrar capacitat d´anàlisi i síntesi per a resoldre exercicis, per optar per diferents possibles formes de resolució i per escollir per les opcions més senzilles, ràpides, econòmiques i elegants que permetin arribar al resultat demanat en cada cas segons les restriccions de partida [A, D].

Objectiu 3:
- L´estudiant ha de demostrar habilitat i domini bàsic de l´ús de l´ordinador i del programari de pràctiques (MATLAB), així com dels diferents mòduls i funcions tractats al llarg de les diferents activitats pràctiques [G].
- L´estudiant ha de demostrar capacitat de treball en equip i capacitat d´aplicar coneixements a la pràctica [G, K].

Objectiu 4:
- L´estudiant ha de treballar en un entorn d´aprenentatge Online amb diverses fonts documentals (problemes, guia d´estudi, bibliografia associada, transparències, fòrums de debat i de problemes) i demostrar capacitat d´aprenentatge, capacitat d´adaptació a l´entorn i de comunicació amb d´altres persones no expertes (alumnes), i sobretot habilitat per gestionar tota la informació subministrada de forma clara i eficient [M].

Bibliografia bàsica

Oppenheim, Alan V; Schafer, Ronald W., Discrete-Time Signal Processing, Prentice-Hall, New Jersey, 1999

Socoró, Joan Claudi; Cobo, Germán; Sevillano, Xavier; Apunts de Processament digital del senyal II, Enginyeria La Salle, 2011

Morán, José Antonio; Socoró, Joan Claudi; Cobo, Germán; Sevillano, Xavier; Guia d´estudi de Processament digital del senyal II, Enginyeria La Salle, 2011

Socoró, Joan Claudi; Cobo, Germán; Morán, José Antonio; Calzada, Àngel; Monzó, Carlos; Sevillano, Xavier; Problemes de Processament digital del senyal II, Enginyeria La Salle, 2011

Trilla, Alexandre; Sevillano, Xavier; Pràctiques de Processament digital del senyal II, Enginyeria La Salle, 2011

Material complementari

Haykin, Simon, Neural Networks, Prentice-Hall, New Jersey, 1999

Proakis, John G.; Manolakis, Dimitris G., Digital Signal Processing, Macmillan Publishing Company, New York, 1992

Haykin, Simon, Adaptive filter theory, Prentice-Hall, New Jersey, 1991