Logo UAB

Tractament Digital del Senyal

Codi: 102687 Crèdits: 12
2024/2025
Titulació Tipus Curs
2500898 Enginyeria de Sistemes de Telecomunicació OB 3

Professor/a de contacte

Nom:
Jose Antonio Lopez Salcedo
Correu electrònic:
jose.salcedo@uab.cat

Equip docent

Francisco Jose Fabra Cervellera

Idiomes dels grups

Podeu consultar aquesta informació al final del document.


Prerequisits

Es recomana haver cursat amb aprofitament les assignatures de Càlcul, Àlgebra, Estadística, Senyals i Sistemes Discrets i Fonaments de Comunicacions.


Objectius

Un cop cursada l'assignatura, l'alumnat haurà de ser capaç de:

  • Fer servir amb facilitat l'àlgebra de vectors i matrius.
  • Operar amb sèries numèriques i processos estocàstics.
  • Manipular amb rigor diferents eines probabilístiques.
  • Estimar els paràmetres d'un model a partir de les mostres del senyal observades a la seva sortida.
  • Estimar la densitat espectral de potència d'un procés aleatori.
  • Dissenyar filtres òptims en el sentit MMSE i implementar-los de forma eficient mitjançant algorismes iteratius/adaptatius.
  • Aplicar tècniques de processament del senyal a situacions reals.

Competències

  • Actitud personal
  • Aplicar tècniques de processament de senyal determinista i estocàstic en el disseny de subsistemes de comunicacions i en l'anàlisi de dades.
  • Aprendre nous mètodes i tecnologies a partir dels coneixements bàsics i dels tecnològics, i tenir versatilitat per adaptar-se a noves situacions.
  • Fer mesures, càlculs, valoracions, taxacions, peritatges, estudis, informes, planificació de tasques i altres treballs anàlegs en l'àmbit dels sistemes de telecomunicació.
  • Hàbits de pensament.
  • Hàbits de treball personal

Resultats d'aprenentatge

  1. Adaptar els coneixements i les tècniques del tractament digital de senyal en funció de les característiques dels sistemes i els serveis de comunicació així com dels escenaris de treball, ja siguin fixos o mòbils.
  2. Adaptar-se a situacions imprevistes.
  3. Analitzar els avantatges i els inconvenients de diferents alternatives tecnològiques o d'implementació de sistemes de comunicacions des del punt de vista del tractament digital de senyal.
  4. Analitzar i especificar els paràmetres fonamentals dels subsistemes de comunicacions des del punt de vista de la transmissió, la recepció i el tractament digital de senyals.
  5. Aplicar el filtratge estadístic adaptatiu i la teoria de control en el disseny d'algoritmes dinàmics per a la codificació, el processament i la transmissió d'informació multimèdia. Aplicar el processament de senyal multicanal en el disseny de sistemes de comunicacions fixos i mòbils basats en agrupacions d'antenes.
  6. Aplicar el processament de senyal estadístic per a estimar paràmetres de sincronització en receptors digitals de comunicacions i de radionavegació.
  7. Aplicar la teoria de la detecció i la teoria de l'estimació en el disseny de receptors de comunicacions.
  8. Aprendre de manera autònoma nous coneixements relacionats amb el processament digital de senyal orientats a concebre i desenvolupar sistemes de comunicacions.
  9. Descriure els principis de funcionament dels sistemes de radionavegació, la seva arquitectura i les tècniques per combatre les seves fonts d'error.
  10. Desenvolupar el pensament científic.
  11. Desenvolupar estratègies d'aprenentatge autònom.
  12. Desenvolupar la capacitat d'anàlisi i de síntesi.
  13. Desenvolupar la curiositat i la creativitat.
  14. Desenvolupar models matemàtics per simular el comportament de subsistemes de comunicacions i per avaluar-ne i predir-ne les prestacions.
  15. Desenvolupar un pensament i un raonament crítics.
  16. Generar propostes innovadores i competitives en l'activitat professional.
  17. Gestionar el temps i els recursos disponibles.
  18. Gestionar la informació incorporant de manera crítica les innovacions del propi camp professional, i analitzar les tendències de futur.
  19. Proposar solucions innovadores per a problemes relacionats amb la transmissió, la recepció i el tractament digital de senyals.
  20. Ser capaç d'analitzar, codificar, processar i transmetre informació multimèdia emprant tècniques de processament analògic i digital de senyal.
  21. Treballar en entorns complexos o incerts i amb recursos limitats.

Continguts

1. Introducció

  • Processos aleatoris discrets, representació freqüencial.
  • Fonaments d'àlgebra matricial.
  • La matriu d'autocorrelació.

2. Teoria de l'estimació

  • Fonaments i metodologia orientada a model.
  • Aproximació clàssica vs. bayesiana.
  • Propietats desitjables dels estimadors. Criteri MVU.
  • Estimació de màxima versemblança. Criteri ML.
  • Cota de Cramér-Rao.
  • Mètodes subòptims d'estimació.
  • Aplicacions a sistemes de comunicació i de posicionament.

3. Estimació espectral

  • Mètodes no-paramètrics.
  • Mètode de Capon o mínima variança.
  • Mètodes paramètrics.
  • Mètodes de super-resolució.
  • Aplicacions a codificació de veu i processament del senyal multi-antena.

4. Filtrat de Wiener i filtrat adaptatiu

  • Estimació minimum mean square error (MMSE).
  • Predicció lineal.
  • Mètode d'steepest descent.
  • Condicions de convergència.
  • Mètode de Least Mean Square (LMS).
  • Aplicacions a cancelació de soroll

 


Activitats formatives i Metodologia

Títol Hores ECTS Resultats d'aprenentatge
Tipus: Dirigides      
Classes de laboratori 25 1 4, 3, 5, 7, 6, 20, 9, 11, 14
Classes de problemes 15 0,6 1, 4, 3, 5, 7, 6, 8, 20, 9, 15, 14, 10, 12, 19
Classes de teoria 60 2,4 4, 3, 5, 7, 6, 20, 9, 13, 14, 10, 12
Tipus: Supervisades      
Tutories 15 0,6 5, 7, 6, 20, 9, 15
Tipus: Autònomes      
Estudi 100 4 1, 4, 3, 5, 7, 6, 8, 20, 9, 15, 11, 14, 10, 12, 18, 19
Preparació classes laboratori 30 1,2 1, 4, 3, 8, 15, 11, 14, 12, 16, 18, 19
Resolució de problemes 40 1,6 1, 4, 3, 5, 7, 6, 8, 20, 9, 15, 14, 10, 12, 19

Activitats dirigides:

  • Classes de teoria: exposició dels continguts teòrics
  • Classes de problemes: resolució de problemes relacionats amb la teoria, amb participació de l'alumnat.
  • Pràctiques de laboratori: aplicació de les tècniques presentades a les classes de teoria mitjançant exercicis amb Matlab.
  • Realització de proves d'avaluació.


Activitats autònomes

  • Estudi dels continguts teòrics i pràctics de l'assignatura. Preparació dels problemes. Preparació dels exàmens.
  • Treballs pràctics: realització i aprofundiment de les pràctiques de laboratori. Preparació de la memòria de cada pràctica.

Nota: es reservaran 15 minuts d'una classe, dins del calendari establert pel centre/titulació, per a la complementació per part de l'alumnat de les enquestes d'avaluació de l'actuació del professorat i d'avaluació de l'assignatura/mòdul.


Avaluació

Activitats d'avaluació continuada

Títol Pes Hores ECTS Resultats d'aprenentatge
Examen 1 35% 2,5 0,1 1, 4, 3, 5, 7, 6, 8, 20, 9, 14, 12, 18, 19
Examen 2 35% 2,5 0,1 1, 2, 4, 3, 5, 7, 6, 8, 20, 9, 14, 12, 18, 19
Laboratori: examen de coneixements pràctics 4% 1 0,04 1, 2, 4, 3, 17
Laboratori: informes pràctiques 26% 9 0,36 1, 4, 3, 5, 7, 8, 20, 15, 13, 11, 10, 12, 16, 17, 18, 19, 21

Avaluació continuada

Consta d'un examen a meitat de semestre (Examen1) i un altre examen al final de semestre (Examen2). La nota promig d'aquests dos exàmens configura la nota de teoria d'avaluació continuada:

NotaTeoria = [(0.35 x Nota Examen1) + (0.35 x Nota Examen2) ] / 0.7

Per altra banda, la nota de pràctiques ve donada pel promig entre la nota dels informes de pràctiques, la nota dels informes "in-situ" i la nota de l'examen de laboratori segons:

NotaPràctiques = [(0.26 x NotaInformesPràctiques) + (0.04 x NotaExamenLaboratori)] / 0.3

 

A partir de les notes de teoria i laboratori, la nota final de l'assignatura es calcula segons:

Si (NotaTeoria >= 3.5) && (NotaPràctiques >= 3.5)   --> NotaFinal = (0.7 x NotaTeoria) + (0.3 x NotaPràctiques)

Si (NotaTeoria < 3.5)  || (NotaPràctiques < 3.5)    --> NotaFinal = min{NotaTeoria, NotaPràctiques}

Per tant, cal que l'estudiant tregui una nota de teoria i de pràctiques igual o superior a 3.5 per a poder fer promig.

 

Avaluació única

Aquesta assignatura no preveu el sistema d’avaluació única.

 

Recuperació

L'estudiant que hagi suspés l'avaluació continuada podrà presentar-s'hi a l'examen de recuperació que es durà a terme dintre del període d'exàmens publicat per l'Escola. A aquest examen, l'estudiant podrà recuperar la part corresponent a l'Examen1, la part corresponent a l'Examen2, o totes dues alhora. La nota que s'obtingui a cada part de l'examen de recuperació (nota ExamenRecup1, nota ExamenRecup2) substituirà la nota que tingués l'estudiant a l'examen d'avaluació continuada corresponent. La nota de teoria recuperada es calcularà doncs segons:

NotaTeoriaRecup = [(0.35 x Nota {Examen1 o ExamenRecup1}) + (0.35 x Nota {Examen2 o ExamenRecup2})] / 0.7

La nota final de l'assignatura es calcularà segons:

Si (NotaTeoriaRecup >= 3.5) && (NotaPràctiques >= 3.5) --> NotaFinal (0.7 x NotaTeoriaRecup) + (0.3 x NotaPràctiques)

Si (NotaTeoriaRecup < 3.5)   --> NotaFinal = NotaTeoriaRecup

 

Normativa de pràctiques

  • L'assistència a totes les pràctiques de laboratori és obligatòria.
  • L'informe de cada sessió de pràctiques s'haurà d'entregar obligatòriament en el moment de finalitzar la sessió. Qualsevol retard en l'entrega dels informes es veurà penalitzat en la nota del mateix. Tanmateix, el professor de pràctiques anirà evaluant “in-situ” el progrés real i l’aprofitament de la sessió de l’alumnat i això tindrà un impacte en la nota del propi informe.

 

Alumnes repetidors

Si en cursos passats van aprovar la part de laboratori de l'assignatura, se'ls hi mantindrà la mateixa nota i no caldrà que tornin a repetir el laboratori. Si algun/a estudiant repetidor/a vol tornar a fer les pràctiques, caldrà que ho informi explícitament al professor responsable. En cas contrari, no cal informar alprofessor doncs la opció demantindre la nota es pressuposa per defecte.

 

Consideració de "No Avaluable"

L'estudiant que no es presenti a cap dels exàmens (ni els dos exàmens d'avaluació continuada ni tampoc al de recuperació) tindrà la consideració de "No Avaluable".

 

Consideracions addicionals

Sense perjudici d'altres mesures disciplinàries que s'estimin oportunes, i d'acord amb la normativa vigent, es qualificaran amb un zero les irregularitats comeses per l'estudiant que puguin conduir a una variació de la qualificació d'un acte d'avaluació. Per tant, copiar o deixar copiar una pràctica o qualsevol altra activitat d'avaluació implicarà suspendre aquesta pràctica o activitat d'avaluació amb un 0 i no es podrà recuperar en el mateix curs acadèmic. Si aquesta activitat té una nota mínima associada, aleshores l'assignatura quedarà suspesa.

Si l'estudiant reincideix i comet irregularitats a diversos actes d'avaluació de l'assignatura, l'assignatura quedarà suspesa amb una nota final de 0 en virtut del punt 10 de l'article 116 de la Normativa Acadèmica.


Bibliografia

Bàsica:

  • S. M. Kay, Fundamentals of statistical signal processing. Estimation theory, vol. I, Prentice-Hall, 1993. (temes 1 i 2)
  • M. H. Hayes, Statistical digital signal processing and modeling, John Wiley and Sons, 1996. (temes 1, 3 i 4)
  • P. Stoica and R. Moses, Spectral analysis of signals, Prentice-Hall, 2005. (tema 3)
  • S. Haykin, Adaptive filter theory, Pearson, 2013. (tema 4)


Complementària:

  • D. G. Manolakis, V. K. Ingle, S. M. Kogen, Statistical and adaptive signal processing: spectral estimation, signal modeling, adaptive filtering and array processing, Artech-House, 2005. (temes 1, 3 i 4)
  • S. M. Kay, Fundamentals of statistical signal processing. Practical algorithm development, vol. III, Pearson, 2013. (temes 1, 2 i 3)
  • S. Lawrence Marple, Digital spectral analysis, Dover Publications, 2019. (tema 3)
  • B. Widrow and S. D. Stearns, Adaptive signal processing, Prentice-Hall, 2985. (tema 4)
  • A. Hjorungnes, Complex-Valued Matrix Derivatives: With Applications in Signal Processing and Communications, Cambridge University Press, 2011.
  • Fonaments previs:
    • S. M. Kay, Intuitive probability and random processes using Matlab, Springer, 2006.
    • V. K. Ingle and J. G. ProakisManolakis, Digital signal processing using Matlab, Cengage Learning, 2012.

Programari

  • A les sessions de pràctiques es farà servir el programari MATLAB.
  • Els informes de pràctiques es recomana que es redactin fent servir LaTeX, per exemple, fent servir l'editor en línia Overleaf.

Llista d'idiomes

Nom Grup Idioma Semestre Torn
(PAUL) Pràctiques d'aula 331 Català/Espanyol primer quadrimestre matí-mixt
(PAUL) Pràctiques d'aula 332 Català/Espanyol primer quadrimestre matí-mixt
(PLAB) Pràctiques de laboratori 331 Català/Espanyol primer quadrimestre matí-mixt
(PLAB) Pràctiques de laboratori 332 Català/Espanyol primer quadrimestre matí-mixt
(PLAB) Pràctiques de laboratori 333 Català/Espanyol primer quadrimestre matí-mixt
(TE) Teoria 330 Català/Espanyol primer quadrimestre matí-mixt