SEMESTR – ZIMA
2017/2018 WYKŁAD
(S.162) PIĄTEK
[10:00-12:00] ĆWICZENIA (S.162)
PIĄTEK [12:00-14:00] LABORATORIUM (S.412/S.504)
ŚRODA [12:00-14:00] ŚRODA [14:00-16:00] Prowadzący
przedmiot : dr hab. inż. Przemysław Dymarski, prof. PW (P513) Kierownik
laboratorium : |
||||||||||||||||||||||||||||||||||||||
Klasy programowe : PZ-T (obowiązkowy na studiach II stopnia) Wymagane przedmioty
poprzedzające : SYMSE, CPS lub podobne na
kursie I stopnia Zalecane przedmioty
poprzedzające : PSYB Słowa kluczowe: analiza widmowa, analiza czasowo-częstotliwościowa,
transformaty dyskretne, DFT, DCT, MDCT, transformata Gabora, transformata
Karhunena-Loevego, falki, filtry adaptacyjne, detekcja, dyskryminatory, Ukryte
Modele Markowa, HMM Student
zapoznaje się z analizą częstotliwościową i czasowo-częstotliwościową
sygnałów (transformaty klasyczne i „rozciągnięte”, transformaty falkowe).
Nabiera umiejętności w zakresie wykorzystania transformat w zastosowaniach praktycznych,
m.in. w kompresji sygnałów audio. Opanowuje narzędzia statystycznej teorii
detekcji i filtracji adaptacyjnej, w zastosowaniu do wykrywania sygnałów na
tle szumów, przewidywania (predykcji) sygnałów, tłumienia echa i zakłóceń.
Ponadto zapoznaje się z technikami dyskryminacji statycznej (dyskryminatory
liniowe, SVM) i dynamicznej (HMM) w zastosowaniu do kompresji i rozpoznawania
mowy. Treść wykładu: 1. Analiza czasowo-częstotliwościowa sygnałów: - Krótkoczasowa
transformata Fouriera. Pojęcie okna czasowego, spektrogramy sygnałów. (2
godz.) - Transformata
Gabora. Elementarna funkcja Gabora. Metody wyznaczania funkcji okna i
współczynników rozwinięcia, transformata Zaka. (2 godz.) - Transformata
falkowa. Pojęcie falek, ciągłe przekształcenie falkowe, skalogram. Dyskretna
transformata falkowa, zastosowania. (2 godz.) 2. Zastosowanie transformat w technice kompresji sygnałów: - Od
Dyskretnej Transformaty Fouriera, poprzez Dyskretną Transformatę
Cosinusoidalną do zmodyfikowanych (rozciągniętych - extended) transformat
cosinusoidalnych (MDCT, LT, ELT). Zastosowanie w koderach audio (np. MP3) – 2
godz - Problem
koncentracji energii, dekorelacji, transformata Karhunena-Loevego – 1 godz - Kodery
transformaty a kwantyzatory wektorowe – 1 godz 3. Filtracja adaptacyjna i jej zastosowania: - Zagadnienie
predykcji, filtracji zakłóceń, tłumienia echa, identyfikacji układów
dynamicznych– jednolity opis matematyczny. Korekcja interferencji
międzysymbolowej – 2 godz - Filtr
Wienera i jego właściwości. Zastosowanie do identyfikacji kanału
transmisyjnego – 2 godz - Algorytmy
adaptacji: stochastycznego gradientu (SG), najmniejszej sumy kwadratów (LMS)
– 2 godz 4. Wykrywanie sygnałów na tle zakłóceń: - Elementy
statystycznej teorii detekcji, funkcje decyzyjne, weryfikacja hipotez (2
godz.) - Detektory
optymalne, detektory bayesowskie,
Neymana-Pearsona i mini-max, detekcja parametryczna, nieparametryczna
i „robust”. (2 godz.) - Detektory
dwudecyzyjne, charakterystyki operacyjne (krzywe ROC), detekcja SPFA. (2
godz.) - Wykrywanie
słabych sygnałów w środowisku silnych zakłóceń. (2 godz.) 5. Zagadnienia rozpoznawania i klasyfikacji: - Dyskryminatory
liniowe, zastosowanie w parametrycznych koderach mowy – 1 godz - Dyskryminatory
nieliniowe, na przykładzie maszyny wektorów wspierających (SVM) – 1 godz - Ukryte
Modele Markowa (HMM), rozpoznawanie mowy – 4 godz. Zakres ćwiczeń : Ćwiczenia audytoryjne obejmują
materiał przedstawiony na wykładzie w formie zadań i problemów,
rozwiązywanych przez studentów w trakcie zajęć. Laboratorium : Laboratorium
obejmuje 6 dwugodzinnych ćwiczeń, w trakcie których studenci wykonują w
zespołach dwuosobowych pomiary i obliczenia. 1. Reprezentacje
ortogonalne sygnałów (T. Czarnecki) 2. Generowanie
i analiza sygnałów pseudolosowych (T. Czarnecki) 3. Wyznaczanie
charakterystyk operacyjnych detektorów (T. Czarnecki) 4. Transformaty
w kompresji sygnałów fonicznych: porównanie transformat DFT, DCT, MDCT
(zwanej też ELT). Zastosowanie w koderze sygnału audio (P. Dymarski) 5. Filtracja
adaptacyjna: predyktory liniowe, algorytmy adaptacji: metoda stochastycznego
gradientu, metoda najmniejszej sumy kwadratów. Zastosowanie w koderze ADPCM
(P. Dymarski) 6. Statyczne i dynamiczne rozpoznawanie wzorców: Dyskryminator liniowy Fishera i jego zastosowanie do rozpoznawania klas sygnałów: mowa dźwięczna, bezdźwięczna, szum otoczenia. HMM w rozpoznawaniu mowy: projektowanie Ukrytych Modeli Markowa dla rozpoznawania izolowanych słów (P.Dymarski)
LABORATORIUM POSIADA 8 STANOWISK (PO DWIE OSOBY PRZY JEDNYM
STANOWISKU). STUDENCI PROSZENI SĄ O WPISYWANIE SIĘ NA LISTĘ W ZESPOŁACH
2-OSOBOWYCH. LISTA WYWIESZONA PRZED P502. PIERWSZEŃSTWO MAJĄ OSOBY BĘDĄCE
Z DANEJ GRUPY. Termin dodatkowy
godz. 12-14 i 14-16; 24.01.2018. Termin dodatkowy przysługuje osobom, które z
przyczyn losowych (choroba) nie mogły uczestniczyć w zajęciach. Termin ten
musi być uzgodniony wcześniej z kierownikiem laboratorium i prowadzącym dane
ćwiczenie. Kolokwium : Kolokwium 1: 24.11.2017 Kolokwium 2: 19.01.2018 Kolokwium poprawkowe: 26.01.2018 Sposoby weryfikacji zakładanych efektów kształcenia: Kolokwium
sprawdzające na ćwiczeniach: 2x13 pkt. Oceny
z ćwiczeń laboratoryjnych: 6x4 pkt Zaliczenie
przedmiotu minimum 25 pkt. Materiały dydaktyczne : 1. P. Wojtaszczyk, „Teoria falek”, PWN, Warszawa 2000. 2. J.T. Białasiewicz, „Falki i aproksymacje”, WNT, Warszawa
2000. 3. S.W. Smith „Cyfrowe przetwarzanie sygnałów – poradnik dla
inżynierów i naukowców” – BTC, 2007 4. T.P.Zieliński „Cyfrowe przetwarzanie sygnałów – od teorii
do zastosowań” - WKiŁ 5. L.Rutkowski „Filtry adaptacyjne i przetwarzanie sygnałów”
- WNT 6. A. Jakubiak, D. Radomski, „Sygnały i systemy”, Oficyna
Wydawnicza PW, Warszawa 2012. 7. A. Jakubiak, „Metody detekcji sygnałów na tle zakłóceń”,
OWPW (w druku). 8. J.Wojciechowski „Sygnały i systemy” – WkiŁ 2008 9. J.Szabatin „Przetwarzanie sygnałów” – W-wa 2003 10. K.Sayood “Kompresja danych – wprowadzenie”, Wyd. RM, W-wa
2002 11. A.Drozdek “Wprowadzenie do kompresji danych” 12. N.S.Jayant, P.Noll "Digital coding
of waveforms" 13. A.Gersho, R.M.Gray "Vector
quantization and signal compression" 14. W Kasprzak „Rozpoznawanie obrazów i sygnałów mowy”, W-wa
2009 15. W. Kwiatkowski
„Metody automatycznego rozpoznawania wzorców” 16. P.Dymarski (ed.) „Hidden Markov Models – Theory and applications” -
Intech 2011, Open source (dostępna w Internecie) 17. A.M. Kondoz “Digital speech” 18. L.Hanzo, F.Clare, A.Somerville,
J.P.Woodward: “Voice compression and communications” 19. P.Vary, R.Martin „Digital speech
transmission”, Wiley 2005 20. W.Skarbek
”MULTIMEDIA – algorytmy i standardy kompresji” 21. T.P. Zieliński, P.Korohoda, R.Rumian (ed) „Cyfrowe przetwarzanie sygnałów w telekomunikacji – podstawy,
multimedia, transmisja" – PWN, 2014 |
||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||
WYNIKI |