Bi0440 Lineární a adaptivní zpracování dat

Přírodovědecká fakulta
podzim 2009
Rozsah
2/0. 2 kr. (plus ukončení). Ukončení: zk.
Vyučující
doc. Ing. Daniel Schwarz, Ph.D. (přednášející)
Garance
prof. RNDr. Ladislav Dušek, Ph.D.
RECETOX – Přírodovědecká fakulta
Kontaktní osoba: doc. Ing. Daniel Schwarz, Ph.D.
Rozvrh
Út 14:00–15:50 F01B1/709
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
Cíle předmětu
Množství dat, která reprezentují procesy, projevy a činnosti živých systémů, narůstá spolu s rapidním vývojem digitálních technologií, jež nám tato data umožňují pořizovat, přenášet a ukládat. Zvyšuje se tak i význam metod z oblasti digitálního zpracování a analýzy signálů, jejichž cílem je zvýrazňování signálů v šumu nebo transformace naměřených dat tak, aby mohly být objeveny jejich skryté vlastnosti. V dané oblasti tento předmět vysvětluje lineární a adaptivní techniky zpracování dat. Na konci tohoto kurzu bude student schopen porozumět a vysvětlit metody pro lineární a adpativní zpracování a analýzu signálů. Student bude schopen navrhnout a použít vlastní lineární systém pro potlačování šumu a zkreslení v naměřených datech;
Osnova
  • P1: signály, časové řady, posloupnosti, data. klasifikace signálů, vlastnosti. vzorkovací věta, aliasing – zatím jako dogma. Kvantování.
  • P2: systémy: klasifikace, příklady, vlastnosti, superpozice, kauzalita, stabilita, LTI, konvoluce, impulsní charakteristika – tj. popis systému v časové oblasti.
  • P3: systémy: analýza ve frekvenční oblasti, Fourierovy řady, ideální filtry-propusti, Fourierova transformace, DTFT, frekvenční charakteristika, násobení ve frekvenční oblasti –tj. popis systému ve frekvenční oblasti.
  • P4: vzorkování, aliasing podrobně, ne jako dogma. Periodicita v čase, diskrétnost ve frekvenční oblasti a naopak.
  • P5: lineární filtrace, lineární časově invariantní, kauzální filtry, impulzová odezva. Z-transformace, přenosová funkce vs. frekvenční charakteristika. Nuly, póly. Stabilita.
  • P6: lineární filtrace – pokračování. Popis diskrétní soustavy pomocí Z transformace. Terminologické překryvy {AR, MA, ARMA} s {IIR, FIR}. Signály a systémy – úvod či opakování: klasifikace a příklady signálů, klasifikace a příklady systémů;
  • P7: odhad signálu v šumu, princip zprůměrování. SNR
  • P8: odhad signálu v šumu – pokračování / procvičování kumulačních technik
  • P9: náhodné procesy a modely časový řad – Box-Jenkins metodika zpracování časových řad
  • P10: adaptivní zpracování dat. Lineární predikce, optimální filtrace. Princip adaptivní filtrace a LMS algoritmus.
  • P11: Autoregresní procesy a lineární predikce – bělící filtr. Varianty adaptivních LMS filtrů
  • P12: Adaptivní filtrace – metoda RLS.
  • P13: časově-frekvenční analýza pomocí vlnkové transformace. Nelineární filtrace pro vyhlazování.
Literatura
  • DEVASAHAYAM, Suresh R. Signals and systems in biomedical engineering : signal processing and physiological systems modeling. 1st ed. New York: Kluwer Academic/Plenum Publishers, 2000, xvi, 337. ISBN 0306463911. info
  • DRONGELEN, Wim van. Signal processing for neuroscientists : introduction to the analysis of physiological signals. Amsterdam: Academic Press, 2007, ix, 308. ISBN 9780123708670. info
  • Wavelets and their applications. Edited by Michel Misiti. London: ISTE, 2006, 330 s. ISBN 9781905209316. info
Výukové metody
teoretická příprava kombinována s počítačovým procvičováním s využitím matematického prostředí Matlab.
Metody hodnocení
ústní zkouška
Další komentáře
Studijní materiály
Předmět je vyučován každoročně.
Předmět je zařazen také v obdobích jaro 2008 - akreditace, podzim 2010 - akreditace, jaro 2006, jaro 2007, jaro 2008, jaro 2009, podzim 2010, podzim 2011, podzim 2011 - akreditace, podzim 2012, podzim 2013, podzim 2014, podzim 2015, podzim 2016, podzim 2017, podzim 2018, podzim 2019, podzim 2020, podzim 2021.