TRATTAMENTO DEI SEGNALI AMBIENTALI

Introduzione al trattamento dei Segnali (Crediti 2)

Generalità sul trattamento dei segnali, segnali analogici, campionamento e conversione AD e DA, segnali a tempo discreto (numerici), equazioni alle differenze lineari a coefficienti costanti, rappresentazione nel dominio del tempo e della frequenza, segnali aleatori multi-dimensionali, statistiche di ordine superiore al secondo, processi stocastici, concetti di teoria della stima, metodo della massima verosimiglianza, stima del minimo errore quadratico medio, metodo della massima probabilità a posteriori, elementi di teoria dell’informazione, entropia informazionale, informazione mutua, negentropia, correntropia, metodo di stima a massima entropia, metodi di ottimizzazione.

Rappresentazione di sistemi digitali mediante grafi e schemi a blocchi, strutture di rete fondamentali per sistemi FIR e IIR.

Algoritmi di Soft Computing (Crediti 1)

Algoritmi Genetici ed Evolutivi: generalità e metodologie d’impiego, operatori di riproduzione cross-over e mutazione, spazio di ricerca e Fitness Landscape, Teorema dello Schema, Building block hypothesis, diagramma di flusso di AG.

Sistemi adattivi, stima del gradiente, metodi iterativi, apprendimento Hebbiano, reti di Kohonen ed auto-organizzanti, reti dinamiche ricorrenti, reti di Hopfield.

Pattern recognition: formulazioni, classificatori lineari e non lineari, trattamento dell’incertezza, problemi rappresentativi in diversi ambiti di ricerca.

Analisi Multirisoluzione e Multidimensionale (Crediti 2)

Algoritmi avanzati per l’elaborazione dei segnali, studio serie temporali, Analisi nel dominio della frequenza, Trasformata di Fourier, Short-Time Fourier Transform, analisi di segnali nel dominio tempo-frequenza, elaborazione di segnali non stazionari, segnali e sistemi non lineari, trasformata Wavelet Continua e Discreta, decomposizione Wavelet, applicazioni pratiche della trasformata Wavelet, Principal Component Analysis (PCA), Independent Component Analysis (ICA), applicazioni pratiche PCA e ICA, serie temporali e dinamiche caotiche, circuiti elementari caotici.

Implementazione numerica degli algoritmi (Crediti 1)

Introduzione al MATLAB, nozioni preliminari, potenzialità e limiti del software, programmare con l’editor di MATLAB; introduzione all’uso dei Toolboxes: Genetic Algorithm, Neural Networks, Fuzzy Logic, Signal Processing, Wavelet, Algoritmi PCA e ICA, EEGLAB, ICA-lab, FAST-ICA.

Ultimo aggiornamento: 19-09-2023

Uncini A., “ Elaborazione Adattiva dei Segnali”, Aracne Editore.

Principe, N. R. Euliano, W. C. Lefebvre, “Neural and Adaptive Systems: Fundamental

through Simulations”, J. Wiley & Sons.

Bishop C.M., “Pattern Recognition and Machine Learning”, Oxford University Press.

Hyvarinen A., J. Karhunen, E. Oja, “Independent Component Analysis”, J. Wiley & Sons.

M. Akay, “Time Frequency and Wavelets in Biomedical Signal Processing”, Wiley-IEEE Press.

Materiale scaricabile dal web su indicazione del docente.

Ultimo aggiornamento: 19-09-2023

Il corso si propone di introdurre a gli studenti alle conoscenze di base ed applicative relative alla disciplina dell’elaborazione numerica dei segnali, con particolare riferimento ai segnali e dati di natura biomedica. L’impostazione formale del corso fa riferimento alle modalità d’insegnamento tipiche delle discipline del SSD ING-IND/31.

La parte concettuale del corso si affianca ad un’intensa attività di laboratorio che consente allo studente di impadronirsi delle tecniche di progettazione e sintesi di sistemi per l’elaborazione dei segnali ivi incluso l’utilizzo di MatLab e di toolboxes associati a tale codice. Il corso introduce infine lo studente alle misure sperimentali di biosegnali mediante attività di Laboratorio che prevedono l’utilizzo del sistema di acquisizione BIOPAC System Advanced Lab. Con il completamento della frequenza al corso lo studente acquisisce le seguenti competenze:

- Conoscenza e comprensione di tecniche avanzate per l’elaborazione del segnale.

- Conoscenza dei fondamenti di elettrofisiologia e degli aspetti caratteristici dei biosegnali.

Ultimo aggiornamento: 19-09-2023

L’acquisizione delle competenze da parte degli studenti verrà accertata mediante:

Elaborato individuale inerente le tecniche avanzate per l’elaborazione del segnale per problematiche ambientali.

Discussione orale

Ultimo aggiornamento: 19-09-2023