Detail předmětu
Pokročilé zpracování signálů
FIT-MZSAk. rok: 2014/2015
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.
Jazyk výuky
Počet kreditů
Garant předmětu
Zajišťuje ústav
Výsledky učení předmětu
Prerekvizity
Způsob a kritéria hodnocení
Osnovy výuky
- Osnova přednášek:
- Formalizovaná inverzní filtrace a restaurace signálů. Wienerův filtr v klasické a diskretní formulaci
- Vázaná dekonvoluce, dekonvoluce s optimalizací impulsní odezvy, metoda maximální aposteriorní pravděpodobnosti.
- Kálmánova filtrace, skalární a vektorová formulace, modelování systému na bázi Kálmánova filtru.
- Koncept adaptivní filtrace a identifikace, algoritmy adaptivní filtrace.
- Typické aplikace adaptivní filtrace: identifikace a modelování systémů, lineární adaptivní predikce, adaptivní potlačování šumu a rušení
- Multitaktní systémy číslicového zpracování signálů, multitaktní banky filtrů
- Nelineární filtrace: polynomiální filtry, třídicí filtry, homomorfická filtrace a dekonvoluce, nelineární přizpůsobené filtry
- Zpracování signálů neuronovými sítěmi: učící se neuronové filtry a klasifikátory, restaurace zpětnovazebními neuronovými sítěmi
- Časově-frekvenční analýza, vlnková transformace a její aplikace ve zpracování a kompresi signálů
- Koncept vícerozměrného signálu a spektra, 2D a 3D Fourierova transformace, diskrétní unitární vícerozměrné transformace: kosínová, Hadamardova a Walshova, Haarova a 2D vlnková transformace
- Aplikace signálových přístupů pro formalizované zpracování obrazů: restituční a restaurační postupy, formalizovaná segmentace obrazů
- Tomografické rekonstrukce obrazu z jednorozměrných projekcí
- Analýza pohybu a 3D rekonstrukce ze stereo dat
- Simulace diskretního Wienerova filtru a ověření účinnosti ve stacionárním případě
- Simulace Kálmánova filtru 3. řádu a porovnání s Wienerovým filtrem ve stacionárním prostředí
- Simulace adaptivních filtrů typu RLS a LMS v aplikaci pro modelování systému, porovnání obou výsledků ve stacionárním a pomalu proměnném prostředí
- Vlnková transformace: použití pro analýzu a vyčištění signálu, ověření komprimačních schopností
- Restaurace rozostřeného a zašuměného obrazu pseudoinverzí a 2D Wienerovým filtrem: porovnání výsledků
- Rekonstrukce 2D obrazu z tomografických dat (1D projekcí) prostřednictvím frekvenční oblasti, zhodnocení artefaktů
- Učící se 2D neuronový filtr, použití pro texturní analýzu. Porovnání s příznakově orientovanou klasifikací
Osnova počítačových cvičení:
Učební cíle
Vymezení kontrolované výuky a způsob jejího provádění a formy nahrazování zameškané výuky
Základní literatura
Doporučená literatura
Zařazení předmětu ve studijních plánech
- Program IT-MGR-2 magisterský navazující
obor MBI , 0 ročník, letní semestr, volitelný
obor MBS , 0 ročník, letní semestr, volitelný
obor MIN , 0 ročník, letní semestr, volitelný
obor MIS , 0 ročník, letní semestr, volitelný
obor MMI , 0 ročník, letní semestr, volitelný
obor MMM , 0 ročník, letní semestr, volitelný
obor MPV , 0 ročník, letní semestr, volitelný
obor MSK , 0 ročník, letní semestr, volitelný
obor MGM , 0 ročník, letní semestr, volitelný