Název:

Pokročilé zpracování signálů

Zkratka:MZS
Ak.rok:2011/2012
Semestr:letní
Studijní plán:
ProgramOborRočníkPovinnost
IT-MGR-2MBI-volitelný
IT-MGR-2MBS-volitelný
IT-MGR-2MGM-volitelný
IT-MGR-2MGM.-volitelný
IT-MGR-2MIN-volitelný
IT-MGR-2MIN.-volitelný
IT-MGR-2MIS-volitelný
IT-MGR-2MIS.-volitelný
IT-MGR-2MMI-volitelný
IT-MGR-2MMM-volitelný
IT-MGR-2MPS-volitelný
IT-MGR-2MPV-volitelný
IT-MGR-2MSK-volitelný
Vyučovací jazyk:čeština
Kredity:6 kreditů
Ukončení:zápočet+zkouška (písemná)
Výuka:
hod./sempřednáškasem./cvičenílab. cvičenípoč. cvičeníjiná
Rozsah:3900260
 zkouškatestycvičenílaboratořeostatní
Body:7000300
Garant:Jan Jiří, prof. Ing., CSc., UBMI
Přednášející:Jan Jiří, prof. Ing., CSc., UBMI
Fakulta:Fakulta elektrotechniky a komunikačních technologií VUT v Brně
Pracoviště:Ústav biomedicínského inženýrství FEKT VUT v Brně
 
Cíle předmětu:
Porozumění vyšším metodám zpracování signálů a jejich souvislostem.
Anotace:
Neuronové sítě (dopředné a zpětnovazební sítě a Kohonenovy mapy) a jejich využití pro zpracování signálů. Formalizovaná optimální restaurace signálů ve sjednoceném pohledu: Wienerův filtr, Wiener-Levinsonův filtr, Kálmánova filtrace a restaurace signálu, modelování zdrojů. Adaptivní filtrace a identifikace, algoritmy adaptace, typizace aplikací adaptivních filtrů. Nelineární filtrace: polynomiální a třídicí filtry, homomorfická filtrace a dekonvoluce, nelineární přizpůsobené filtry. Typické aplikace uvedených metod.
Požadované prerekvizitní znalosti a dovednosti:
Jsou požadovány znalosti na úrovni bakalářského studia, zejména v oblasti číslicového zpracování signálů.
Získané dovednosti, znalosti a kompetence:
Znalost hlavních vyšších metod zpracování signálů a schopnost je aplikovat.
Osnova přednášek:
  1. Formalizovaná inverzní filtrace a restaurace signálů. Wienerův filtr v klasické a diskretní formulaci
  2. Vázaná dekonvoluce, dekonvoluce s optimalizací impulsní odezvy, metoda maximální aposteriorní pravděpodobnosti.
  3. Kálmánova filtrace, skalární a vektorová formulace, modelování systému na bázi Kálmánova filtru.
  4. Koncept adaptivní filtrace a identifikace, algoritmy adaptivní filtrace.
  5. Typické aplikace adaptivní filtrace: identifikace a modelování systémů, lineární adaptivní predikce, adaptivní potlačování šumu a rušení
  6. Multitaktní systémy číslicového zpracování signálů, multitaktní banky filtrů
  7. Nelineární filtrace: polynomiální filtry, třídicí filtry, homomorfická filtrace a dekonvoluce, nelineární přizpůsobené filtry
  8. Zpracování signálů neuronovými sítěmi: učící se neuronové filtry a klasifikátory, restaurace zpětnovazebními neuronovými sítěmi
  9. Časově-frekvenční analýza, vlnková transformace a její aplikace ve zpracování a kompresi signálů
  10. Koncept vícerozměrného signálu a spektra, 2D a 3D Fourierova transformace, diskrétní unitární vícerozměrné transformace: kosínová, Hadamardova a Walshova, Haarova a 2D vlnková transformace
  11. Aplikace signálových přístupů pro formalizované zpracování obrazů: restituční a restaurační postupy, formalizovaná segmentace obrazů
  12. Tomografické rekonstrukce obrazu z jednorozměrných projekcí
  13. Analýza pohybu a 3D rekonstrukce ze stereo dat
Osnova počítačových cvičení:
  1. Simulace diskretního Wienerova filtru a ověření účinnosti ve stacionárním případě
  2. Simulace Kálmánova filtru 3. řádu a porovnání s Wienerovým filtrem ve stacionárním prostředí
  3. Simulace adaptivních filtrů typu RLS a LMS v aplikaci pro modelování systému, porovnání obou výsledků ve stacionárním a pomalu proměnném prostředí
  4. Vlnková transformace: použití pro analýzu a vyčištění signálu, ověření komprimačních schopností
  5. Restaurace rozostřeného a zašuměného obrazu pseudoinverzí a 2D Wienerovým filtrem: porovnání výsledků
  6. Rekonstrukce 2D obrazu z tomografických dat (1D projekcí) prostřednictvím frekvenční oblasti, zhodnocení artefaktů
  7. Učící se 2D neuronový filtr, použití pro texturní analýzu. Porovnání s příznakově orientovanou klasifikací
Literatura referenční:
  1. Madisetti, V.K., Williams, D.B. (ed.): The Digital Signal Processing Handbook, CRC & IEEE Press, USA, 1998, ISBN 0-8493-8572-5
  2. Vích, R., Smékal, Z.: Číslicové filtry, Academia Praha 2000, ISBN 80-200-0761-X
  3. Mulgrew, B., Grant, P., Thompson, J.: Digital Signal Processing - Concepts & Applications, MacMillan Press Ltd., UK, 1999, ISBN 0-333-74531-0
  4. Banks, S., Signal Processing, Image Processing and Pattern Recognition, Prentice Hall Int., UK, Ltd., 1990
  5. Jain, A.K.: Fundamentals of Digital Image Processing, Prentice Hall Int. Edit., 1989
  6. Jan, J.: Číslicová filtrace, analýza a restaurace signálů, Nakl. VUT Brno 1997, ISBN 80-214-0816-2
  7. Gonzales, R.C., Wintz, P.: Digital Image Processing, 2nd ed., Addison-Wesley Publ. Comp., 1987
  8. Pratt, W.K.: Digital Image Processing, 2nd ed., J. Wiley & Sons, 1991
  9. Rosenfeld, A., Kak, A.C.: Digital Picture Processing, 2nd. edit., Academic Press, 1982
  10. Schalkoff, R.J.: Digital Image Processing and Computer Vision, J. Wiley & Sons, 1989
Literatura studijní:
  1. Jan, J.: Číslicová filtrace, analýza a restaurace signálů, Nakl. VUT Brno 1997, ISBN 80-214-0816-2, 2. vydání, 2001
  2. Jan, J.: Digital Signal Filtering, Analysis and Restoration, IEE London, United Kingdom 2000, 407+14 pp., ISBN 0 85296 760 8
  3. Gonzales, R.C. , Wintz, P.: Digital Image Processing, 2nd ed., Addison-Wesley Publ. Comp., 1987
Kontrolovaná výuka:
Kontrolována je aktivní účast v počítačových laboratořích, minimální účast pro zápočet 4 ze 7 cvičení, nenahrazuje se.
Průběžná kontrola studia:
Aktivní účast při počítačové laboratorní výuce a řešení zadaných úkolů v laboratorních cvičeních budou bodově hodnoceny (celkem do výše 30 bodů).
Podmínky zápočtu:
Zisk nejméně 15 bodů z počítačových laboratorních cvičení.