Descripción
La asignatura de Procesado digital de la señal II es la continuación de la predecesora Procesado digital de la señal I, e introduce al alumno en técnicas avanzadas del procesado digital de la señal. En primer lugar, se estudian las herramientas y las técnicas básicas del diseño de filtros digitales selectivos, tanto de filtros FIR (método de las ventanas) como de filtros IIR (diseño digital basado en filtros analógicos y herramientas de conversión de prototipos). En segundo lugar, se hace una introducción a la teoría del filtrado óptimo y adaptativo, con la que se pueden afrontar problemas de procesado lineal como, por ejemplo, la estimación de sistemas dinámicos, la cancelación de ruido o la predicción en base a las estadísticas de las señales observadas. Para acabar, se hace una introducción a las redes neuronales, estructuras de procesado de señal inspiradas en la neurona y que permiten afrontar problemas no lineales como son la clasificación y detección de patrones.
Tipo asignatura
Optativa
Semestre
Segundo
Créditos
5.00
Conocimientos previos

Teorema del muestreo para señales de banda limitada y caracterización temporal y frecuencial de señales y sistemas analógicos. Caracterización temporal (convolución, respuesta impulsional) y frecuencial (TFSD, DFT) de sistemas discretos. Transformada Z.

Objetivos

Los graduados de nuestro programa de Procesado digital de la señal II adquieren los conocimientos y desarrollan las habilidades que se indican a continuación:

1. Adquirir los conocimientos sobre la caracterización y el estudio de señales y sistemas de tiempo discreto, haciendo especial énfasis en los filtros digitales selectivos en frecuencia, en técnicas de filtrado óptimo y adaptativo y en redes neuronales artificiales, para llevar a la práctica la implementación, análisis y diseño de sistemas de tratamiento digital de señal y de reconocimiento de patrones.
2. Identificar, formular y resolver problemas de procesado digital de señal e imagen en un entorno multidisciplinar de manera individual o como a miembro de un equipo.
3. Analizar, diseñar y utilizar sistemas, procedimientos y algoritmos para conseguir los requisitos establecidos en un problema de procesado digital de señal, mediante el uso de herramientas de software libre para la simulación, análisis y desarrollo de aplicaciones dentro de este ámbito (SciLab) y analizando e interpretando los resultados obtenidos .
4. Utilizar las técnicas y nuevas herramientas de aprendizaje Online (campus virtual, guía de estudio, compartición de documentos, foros)

Contenidos

1 Diseño de filtros digitales
1.1 Introducción al diseño de filtros digitales
1.2 Diseño de filtros FIR con el método de las ventanas
1.3 Método de diseño de filtros FIR con la ventana Kaiser
1.4 Diseño de filtros IIR a partir de filtros analógicos
1.5 Filtros analógicos habituales para el diseño de filtros digitales
1.6 Transformaciones frecuenciales

2 Filtrado óptimo y filtros adaptativos
2.1 Introducción al problema de la estimación
2.2 Estimación lineal óptima. El filtro de Wiener
2.3 Introducción al los filtros adaptativos

3 Redes neuronales
3.1 Introducción a las redes neuronales
3.2 Los perceptrones
3.3 Las redes de funciones de base radial (RBF)
3.4 Los mapas autoorganizados
3.5 Las redes LVQ
3.6 Aplicaciones de las redes neuronales

Metodología

En esta asignatura se usan dos metodologías alternativas, según el perfil que el alumno haya escogido en el proceso de matrícula. La metodología presencial se diferencia de la semipresencial en el desarrollo de unas clases magistrales dadas por el profesor, donde se suministra la base teórica suficiente para que el alumno pueda afrontar el estudio de los diferentes bloques conceptuales. En la metodología semipresencial es el alumno quien adquiere un papel mucho más activo, accediendo a los contenidos teóricos mediante una guía de estudio electrónica que le sirve como pauta pera avanzar en el proceso de aprendizaje (referencias a bibliografía, etc.).

A partir de los contenidos eminentemente teóricos de la asignatura, ambas metodologías comparten el resto de aspectos, los cuales se resumen en: demostraciones prácticas, clases de problemas, talleres o clases de prácticas, y todo el estudio personal que el alumno realiza con la resolución de problemas más avanzados y consulta de ejemplos demostrativos desde casa.

Las clases magistrales y el estudio personal con la guía de estudio se complementan con clases de problemas y con demostraciones prácticas. Esto permite aumentar la comprensión por medio de ejemplos prácticos visuales con el entorno de simulación SciLab y ofrecer al alumno la posibilidad de discutir y profundizar en determinados conceptos clave, así como desarrollar la puesta en práctica de los conocimientos, la capacidad resolutiva y creativa para afrontar problemas nuevos y la habilidad para poner en común y trabajar en equipo.

A lo largo del curso se proponen trabajos y problemas teóricos y/o prácticos que el alumno deberá resolver de forma personal. Los alumnos disponen también de un software para realizar los trabajos y las prácticas propuestas por el profesor y para comprobar y evaluar los resultados en equipo, con el asesoramiento de profesores auxiliares. También el uso de la guía de estudio permite realizar controles de autoevaluación (tipo test) que harán saber al alumno el grado de adquisición de los conocimientos de cada capítulo del curso.

A lo largo del curso, tanto alumnos como profesores proponen talleres o debates sobre determinados puntos mediante encuentros virtuales donde el profesor puede interactuar remotamente con un grupo reducido de alumnos interesados en la temática. En estos encuentros el profesor puede mostrar algunos ejemplos prácticos en SciLab, así como resolver dudas teóricas a partir de la compartición de documentos en formato electrónico.

Evaluación

Se evaluará el trabajo del alumno a partir de exámenes, trabajos hechos en casa, informes/trabajos hechos en grupo, trabajos prácticos con el ordenador, informes de laboratorio y con la participación en el laboratorio y en clase.
A. Exámenes
D. Trabajos hechos en casa
G. Trabajos prácticos con el ordenador
K. Informes de laboratorio
M. Participación en el campus virtual

La nota final incluye la aportación de una nota de evaluación continua, que se obtiene de forma progresiva a lo largo de todo el semestre. En este caso, la nota de la asignatura será el resultado de ponderar una nota semestral (60%) y la nota de evaluación continua (40%), siempre y cuando se de la condición indispensable de que la nota semestral sea superior a un 3.5 (sobre 10). Bajo esta condición, la nota de la asignatura será la obtenida según la ponderación antes indicada, si la nota semestral por separado es inferior a la nota ponderada. En caso contrario, la nota final de la asignatura será directamente la nota semestral.

La nota semestral constará de una parte de teoría (80%) y otra de prácticas (20%). La parte teórica se calculará a partir de los ejercicios realizados en el examen (80%). La nota de prácticas constará de los resultados de los problemas prácticos planteados en el examen (10%) y de la evaluación de una memoria del trabajo práctico realizado (10%).

La nota de evaluación continua se calculará mediante la suma de las notas asociadas a diversas actividades: problemas propuestos para entregar y actividad en los fórums de debate que se abrirán para cada capítulo del temario.

Criterios evaluación

Objetivo 1:
- El estudiante debe demostrar un conocimiento general básico sobre el procesado más avanzado estudiadas (diseño de filtros digitales, filtrado óptimo y adaptativo y redes neuronales artificiales), así como de la su interrelación e implicación mutua entre los diferentes bloques conceptuales desarrollados [A, D, G].

Objetivo 2:
- El estudiante debe demostrar capacidad de análisis y síntesis para resolver ejercicios, para optar por diferentes posibles formas de resolución y por escoger por las opciones más sencillas, rápidas, económicas y elegantes que permitan llegar al resultado deseado en cada caso según las restricciones de partida [A, D].

Objetivo 3:
- El estudiante ha de demostrar habilidad y dominio básico del ordenador y de los programas de prácticas (SciLab), así como de los diferentes módulos y funciones tratados a lo largo de las diferentes prácticas [G].
- El estudiante debe demostrar capacidad de trabajo en equipo y capacidad de aplicar conocimientos a la práctica [G,K].

Objetivo 4:
- El estudiante ha de trabajar en un entorno de aprendizaje Online con diversas fuentes documentales (problemas, guía de estudio, bibliografía asociada, transparencias, foros de debate y de problemas) y demostrar capacidad de aprendizaje, capacidad de adaptación al entorno y de comunicación con otras personas no expertas (alumnos), y sobretodo habilidad para gestionar tota la información suministrada de forma clara y eficiente [M].

Bibliografía básica

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 complementario

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