48
Indefinito/Interdisciplinare
REGGIO DI CALABRIA
Dati Generali
Periodo di attività
Syllabus
Obiettivi Formativi
Obiettivi formativi
Il corso di Trattamento dei Segnali Ambientali si propone di introdurre agli studenti iscritti alla Laurea Magistrale in Ambiente e Territorio conoscenze di base ed applicative relative alla disciplina dell’elaborazione numerica dei segnali, con particolare riferimento ai segnali e dati di naturale ambientale. L’impostazione formale del corso fa riferimento alle modalità d’insegnamento tipiche delle discipline dell’Elettrotecnica e del SSD ING-IND/31. La parte concettuale del corso si affianca ad un’intensa attività di laboratorio che consente allo studente di impadronirsi delle tecniche di progettazione e sintesi di sistemi per l’elaborazione dei segnali ivi incluso l’utilizzo di MatLab e di toolboxes associati a tale codice. Il corso ha quindi una caratterizzazione metodologica-applicativa.
Obiettivi d’apprendimento
Conoscenza e comprensione degli aspetti applicativi dei circuiti numerici per l’elaborazione dei segnali. Capacità di applicare le conoscenze acquisite per la risoluzione di problemi complessi di trattamento di segnali ambientali anche con tecniche al calcolatore.
Capacità di analizzare sistemi complessi di estrazione d’informazione da dati di grande dimensione. Capacità di indagine e progettazione autonoma di elaboratori con tecniche innovative allo stato dell’arte. Acquisizione di abilità a lavorare in autonomia e in gruppo per la sintesi progettuale.
Prerequisiti
Sono necessarie conoscenze di base di matematica e teoria delle probabilità.
Metodi didattici
Il corso prevede una parte svolta con lezioni frontali tradizionali, una parte svolta in laboratorio/esercitazioni,
una parte seminariale.
Il corso è parzialmente mutuato verso il corso Circuiti e algoritmi per l'elaborazione dei segnali, DIIES.
Verifica Apprendimento
L'esame consta di una prova orale sugli argomenti trattati a lezione e sulla valutazione di un approfondimento
dello studente su un argomento a scelta fra quelli trattati a lezione.
La prova orale verifica il livello di conoscenza e di comprensione dei contenuti del corso e valuta
l'autonomia di giudizio, la capacità di apprendimento e l'abilità comunicativa dello studente.
L’esame si ritiene superato se lo studente dimostra, nel corso della prova orale, di conoscere e di aver
compreso almeno i concetti fondamentali, esponendoli in modo comprensibile. Per
conseguire una votazione elevata, lo studente deve dimostrare approfondita
conoscenza e ampia comprensione degli argomenti trattati, deve essere in grado
di utilizzarle in modo autonomo e di saper esporre le proprie conclusioni in
modo chiaro.
Il voto finale sarà attribuito considerando il risultato ottenuto nella prova scritta e l’esito della
discussione orale, secondo il seguente criterio di valutazione:
30 - 30 e lode: conoscenza
completa, approfondita e critica degli argomenti, ottima proprietà di
linguaggio, completa ed originale capacità interpretativa, piena capacità di
applicare autonomamente le conoscenze per risolvere i problemi proposti;
27 - 29: conoscenza
completa e approfondita degli argomenti, piena proprietà di linguaggio,
completa ed efficace capacità interpretativa, in grado di applicare
autonomamente le conoscenze per risolvere i problemi proposti;
24 - 26: conoscenza degli
argomenti con un buon grado di apprendimento, buona proprietà di linguaggio,
corretta e sicura capacità interpretativa, capacità di applicare in modo
corretto la maggior parte delle conoscenze per risolvere i problemi proposti;
21 - 23: conoscenza
adeguata degli argomenti, ma mancata padronanza degli stessi, soddisfacente
proprietà di linguaggio, corretta capacità interpretativa, limitata capacità di
applicare autonomamente le conoscenze per risolvere i problemi proposti;
18 - 20: conoscenza di base
degli argomenti principali, conoscenza di base del linguaggio tecnico, capacità
interpretativa sufficiente, capacità di applicare le conoscenze basilari
acquisite;
Insufficiente: non possiede
una conoscenza accettabile degli argomenti trattati durante il corso.
Testi
Uncini A., “ Elaborazione Adattiva dei Segnali”, Aracne Editore.
Principe, N. R. Euliano, W. C. Lefebvre, “Neural and Adaptive Systems: Fundamental through Simulations”, J. Wiley & Sons.
Bishop C.M., “Pattern Recognition and Machine Learning”, Oxford University Press.
Hyvarinen A., J. Karhunen, E. Oja, “Independent Component Analysis”, J. Wiley & Sons.
M. Akay, “Time Frequency and Wavelets in Biomedical Signal Processing”, Wiley-IEEE Press.
Materiale scaricabile dal web su indicazione del docente
Contenuti
Introduzione al trattamento dei Segnali (Crediti 2)
Generalità sul trattamento dei segnali, segnali analogici, campionamento e conversione AD e DA, segnali a tempo discreto (numerici), equazioni alle differenze lineari a coefficienti costanti, rappresentazione nel dominio del tempo e della frequenza, segnali aleatori multi-dimensionali, statistiche di ordine superiore al secondo, processi stocastici, concetti di teoria della stima, metodo della massima verosimiglianza, stima del minimo errore quadratico medio, metodo della massima probabilità a posteriori, elementi di teoria dell’informazione, entropia informazionale, informazione mutua, negentropia, correntropia, metodo di stima a massima entropia, metodi di ottimizzazione.
Rappresentazione di sistemi digitali mediante grafi e schemi a blocchi, strutture di rete fondamentali per sistemi FIR e IIR.
Algoritmi Adattivi e Pattern Recognition (Crediti 1)
Sistemi adattivi, stima del gradiente, metodi iterativi, apprendimento Hebbiano, reti di Kohonen ed auto-organizzanti.
Pattern recognition: formulazioni, classificatori lineari e non lineari, trattamento dell’incertezza, problemi rappresentativi in diversi ambiti di ricerca.
Analisi Multirisoluzione e Multidimensionale (Crediti 2)
Algoritmi avanzati per l’elaborazione dei segnali, studio serie temporali, Analisi nel dominio della frequenza, Trasformata di Fourier, Short-Time Fourier Transform, analisi di segnali nel dominio tempo-frequenza, elaborazione di segnali non stazionari, segnali e sistemi non lineari, trasformata Wavelet Continua e Discreta, decomposizione Wavelet, applicazioni pratiche della trasformata Wavelet, Principal Component Analysis (PCA), Independent Component Analysis (ICA), applicazioni pratiche PCA e ICA, serie temporali e dinamiche caotiche, circuiti elementari caotici.
Implementazione numerica degli algoritmi (Crediti 1)
Introduzione al MATLAB, nozioni preliminari, potenzialità e limiti del software, programmare con l’editor di MATLAB; introduzione all’uso dei Toolboxes: Signal Processing, Wavelet, Algoritmi PCA e ICA, ICA-lab, FAST-ICA.
Altre informazioni
N/A