FACOLTA' DI INGEGNERIA       Universita' di Pavia
Home
  Didattica > Insegnamenti1314 > Digital signal processing Translate this page in English
Organizzazione e Sedi
Immatricolarsi ai C.d.L.
Immatricolarsi ai C.d.L.M.
Orientamento
Didattica
Prenotazione Aule
Master
Esami: Iscrizioni online
Ricerca Scientifica
Servizi
Rapporti con Imprese
Tirocini didattici
Eventi e Iniziative
Bandi e Offerte lavoro
Esami di Stato
Mobilità/Erasmus
Rapporti di riesame
Assicurazione Qualità
Guida dello Studente
Scorciatoie
Cerca nel sito
Digital signal processing

Insegnamento Anno Accademico 13-14

Docente/i: Paolo Ettore Gamba  

Denominazione del corso: Digital signal processing
Codice del corso: 503116
Corso di laurea: Electronic Engineering
Sede: Pavia
Settore scientifico disciplinare: ING-INF/03
L'insegnamento è affine per: Electronic Engineering
Crediti formativi: CFU 9
Sito web del corso: http://tlclab.unipv.it/sito_tlc/downloads.do?catId=ENS

Obiettivi formativi specifici

Capacità di trattare matematicamente segnali e sistemi tempo-discreti. Saper calcolare la trasformata Z di segnali rappresentati mediante equazioni alle differenze. Saper progettare semplici filtri numerici, di tipo sia FIR sia IIR, per segnali deterministici e stocastici. Saper analizzare un segnale discreto mediante tecniche di stima spettrale.

Programma del corso

Introduzione alla teoria dei segnali numerici
Segnali a tempo discreto, ripasso del teorema del campionamento, sistemi numerici lineari invarianti alle traslazioni.

Analisi dei segnali numerici nel dominio della frequenza e della trasformata Z
Definizione e proprietà della trasformata Z, definizione e proprietà della trasformata di Fourier a tempo discreto (DTFT), definizione e proprietà della trasformata discreta di Fourier (DFT); la trasformata di Fourier veloce (FFT).

Progetto di filtri numerici
Progetto di filtri numerici a risposta impulsiva finita (FIR) e ricorsivi (IIR), tecniche di finestratura.

Analisi spettrale
Analisi tutti zeri, analisi tutti poli, stima spettrale MA, AR, ARMA.

Predizione lineare, stima e filtraggio ottimo
Predizione lineare e analisi MA, AR e ARMA, stime con rumore, filtro di Wiener, filtraggio adattivo, algoritmi LMS, RLS, Kalman.

Prerequisiti

Nozioni impartite nei corsi precedenti di telecomunicazioni e matematica.

Tipologia delle attività formative

Lezioni (ore/anno in aula): 68
Esercitazioni (ore/anno in aula): 0
Attività pratiche (ore/anno in aula): 0

Materiale didattico consigliato

A.V. Oppenheim, R.W.Schafer. Elaborazione numerica dei segnali. AFranco Angeli Editore, 1983. .

Modalità di verifica dell'apprendimento

L’esame consiste in una prova scritta e in una prova orale.

Copyright © Facoltà di Ingegneria - Università di Pavia