CIRCUITI E ALGORITMI PER IL TRATTAMENTO DEI SEGNALI: FONDAMENTI E APPLICAZIONI

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 di Soft Computing (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.

Ultimo aggiornamento: 26-09-2024

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

Ultimo aggiornamento: 12-09-2024

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.

Ultimo aggiornamento: 26-09-2024

Sono necessarie conoscenze di base di matematica e teoria delle probabilità.

Ultimo aggiornamento: 12-09-2024

Il corso prevede una parte svolta con lezioni frontali tradizionali, una parte svolta in laboratorio/esercitazioni,

una parte seminariale.

Ultimo aggiornamento: 26-09-2024

N/A

Ultimo aggiornamento: 26-09-2024

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.

Lo studente dovrà rispondere ad una serie di domande scritte le cui risposte verranno discusse durante l'esame orale.

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.

Ultimo aggiornamento: 26-09-2024

I contenuti del corso hanno un impatto sui SDG: 3, 4, 7, 9, 12, 13

Ultimo aggiornamento: 26-09-2024