Popis předmětu - B2M31ADAA

Přehled studia | Přehled oborů | Všechny skupiny předmětů | Všechny předměty | Seznam rolí | Vysvětlivky               Návod
B2M31ADAA Adaptivní metody zpracování signálů Rozsah výuky:2p+2c
Garanti:Bortel R. Role:PV Jazyk výuky:CS
Vyučující:Bortel R., Sovka P. Zakončení:Z,ZK
Zodpovědná katedra:13131 Kreditů:6 Semestr:Z

Anotace:

Tento předmět prezentuje základní principy adaptivních algoritmů pro filtraci, estimaci, predikci, dekorelaci, separaci a beamforming. Absolvent bude obeznámen se základními principy navrhu a analýzy adaptivních systémů.

Cíle studia:

Cílem předmětu je získat základní znalosti z oblasti adaptivních algoritmů pro filtraci, dekorelaci, separaci a beamformingu.

Obsah:

Algoritmy pro adaptivní estimaci a predikci, filtraci, redukci šumů, dekorelaci, separaci a beamforming. Je analyzováno jejich chování, různé způsoby implementace a praktické aplikace. Dále jsou vysvětleny algoritmy pro adaptivní dekorelaci a separaci vícerozměrných signálů. Nakonec jsou probrány techniky pro adaptivní tvarování přijímací charakteristiky řady senzorů (beamforming).

Osnovy přednášek:

1. Blokové algoritmy pro estimaci
2. Blokové algoritmy pro predikci
3. LMS a RLS algoritmy a jejich použití pro estimaci a predikci
4. Konvergence LMS a RLS algoritmů
5. Struktury pro implementaci adaptivních filtrů
6. Použití adaptivních algoritmů pro kompresi signálu
7. Použití adaptivních filtrů pro potlačování šumu
8. Kalmanova filtrace
9. Mřížkové filtry a částicové filtry
10. Adaptivní algoritmy pro dekorelaci vícerozměrných signálů
11. Adaptivní algoritmy pro separaci vícerozměrných signálů
12. Adaptivní beamforming - algoritmy LCMV a MVDR
13. Adaptivní beamforming - algoritmus MUSIC
14. Rezerva

Osnovy cvičení:

1. Implementace blokových algoritmů pro estimaci
2. Implementace blokových algoritmů pro predikci
3. Implementace LMS a RLS algoritmů
4. Konvergence LMS a RLS algoritmů
5. Porovnání různých struktur pro implementaci adaptivních filtrů
6. Vokodér
7. Adaptivního potlačení úzkopásmového šumu
8. Aplikace Kalmanovy filtrace
9. Použití mřížkových a částicových filtrů
10. Implementace dekorelace vícerozměrných signálů
11. Implementace separaci vícerozměrných signálů
12. Aplikace algoritmů LCMV a MVDR
13. Aplikace algoritmu MUSIC
14. Rezerva

Literatura:

Sayed, A.H., Adaptive Filters, Wiley-IEEE Press, 2008. Bellanger, M.B., Adaptive Digital Filters, Marcel Dekker, NY 2001. Hyvarinen, A, Karhunen, J, Oja, E. Independent Component Analysis, John Wiley & Sons, 2004.

Požadavky:

Znalosti základů číslicového zpracování signálů. Především znalost spektrální analýzy a neadaptivní lineární filtrace. Znalosti práce s Matlabem.

Webová stránka:

https://moodle.fel.cvut.cz/course/view.php?id=2646

Klíčová slova:

adaptivní filtrace, algoritmy LMS a RLS, slepá separace, beamforming

Předmět je zahrnut do těchto studijních plánů:

Plán Obor Role Dop. semestr
MPEK2_2018 Audiovizuální technika a zpracování signálů PV 3
MPEK4_2018 Technologie internetu věcí PV 3


Stránka vytvořena 23.5.2019 09:51:55, semestry: Z,L/2020-1, L/2019-20, Z,L/2018-9, Z/2019-20, připomínky k informační náplni zasílejte správci studijních plánů Návrh a realizace: I. Halaška (K336), J. Novák (K336)
Za obsah odpovídá: doc. Ing. Ivan Jelínek, CSc.