Questo sito utilizza cookie tecnici propri e di terze parti, necessari al suo funzionamento, e, con il tuo consenso, cookie di profilazione ed altri strumenti di tracciamento di terze parti, utili per esporre video ed analizzare il traffico al fine di misurare l'efficacia delle attività di comunicazione istituzionale. Puoi rifiutare i cookie non necessari e di profilazione cliccando su "Solo cookie tecnici". Puoi scegliere di acconsentirne l'utilizzo cliccando su "Accetta tutti" oppure puoi personalizzare le tue scelte cliccando su "Personalizza".
Per maggiori informazioni consulta la nostra privacy policy.

Solo cookie tecnici Personalizza Accetta tutti

vai al contenuto vai al menu principale vai alla sezione Accessibilità vai alla mappa del sito
Login  Docente | Studente | Personale | Italiano  English
 
Home page Home page

Circuiti e algoritmi per l'elaborazione adattiva dei segnali: principi e applicazioni

Corso Ingegneria Elettrica ed Elettronica LM-29
Curriculum Circuiti e sistemi elettronici
Orientamento Orientamento unico
Anno Accademico 2022/2023
Crediti 12
Settore Scientifico Disciplinare ING-IND/31
Anno Secondo anno
Unità temporale Secondo semestre
Ore aula 96
Attività formativa Attività formative affini ed integrative

Canale unico

Docente Cosimo IERACITANO
Obiettivi Il corso ha l’obiettivo di avviare lo studente ala conoscenza degli strumenti principali per il trattamento (o elaborazione) di segnali unidimensionali e multidimensionali (analisi e sintesi temporale, spaziale, frequenziale, tempo-frequenziale), ivi incluse le immagini di provenienza da diversi sensori (i.e., infrarosso, satellitare, da apparecchiature biomedicali, da drone, ...). L’elaborazione dei segnali verte su concetti di base di elaborazione numerica con l'ausilio di tecniche statistiche e analitico-numeriche implementabili al calcolatore. Obiettivo fondamentale del corso è la comprensione e l’utilizzo di “tools” e strumenti standard a livello internazionale per la soluzione al calcolatore di problemi complessi principalmente di natura stocastica. In particolare, è suggerito l’uso estensivo di MatLab, o codici equivalenti, anche attraverso la presentazione di esercitazioni specifiche.

Obiettivi formativi specifici:
Conoscenza dei principali modelli deterministici e probabilistici per i segnali di natura elettrofisiologica.
Conoscenza delle principali tecniche algoritmiche per il trattamento di segnali biomedici.
Capacità di utilizzare codici di calcolo per l’elaborazione di segnali numerici.
Abilità di strutturare un problema complesso di modellistica in termini di approcci computazionali.
Conoscenza di terminologia specifica internazionale per le tematiche trattate.

Modalità di valutazione
La prova d'esame consiste in una prova orale articolata in diversi aspetti, focalizzati alla verifica della maturazione complessiva del candidato e all’accertamento del raggiungimento degli obiettivi specifici. La prova ha l’obiettivo di misurare le capacità critiche sviluppate dallo studente e il livello di approfondimento della conoscenza avanzata degli algoritmi di trattamento dei segnali per applicazioni ambientali e/o di natura biomedica. La prova orale consiste anche nella discussione pubblica di un elaborato di corso preparato dallo studente (o da piccoli gruppi di studenti) di concerto col docente, nel corso della quale si accertano le capacità comunicative acquisite con riferimento alla presentazione di ricerche o progetti sviluppati nel corso. Nel corso della presentazione, il candidato dovrà altresì eventualmente mostrare la capacità di lavorare in team su applicazioni specifiche del settore.

Il voto finale sarà attribuito considerando il risultato ottenuto nella prova scritta e l’esito della discussione orale, secondo il seguente criterio di valutazione:
30 - 30 e lode: conoscenza completa, approfondita e critica degli argomenti, ottima proprietà di linguaggio, completa ed originale capacità interpretativa, piena capacità di applicare autonomamente le conoscenze per risolvere i problemi proposti;
27 - 29: conoscenza completa e approfondita degli argomenti, piena proprietà di linguaggio, completa ed efficace capacità interpretativa, in grado di applicare autonomamente le conoscenze per risolvere i problemi proposti;
24 - 26: conoscenza degli argomenti con un buon grado di apprendimento, buona proprietà di linguaggio, corretta e sicura capacità interpretativa, capacità di applicare in modo corretto la maggior parte delle conoscenze per risolvere i problemi proposti;
21 - 23: conoscenza adeguata degli argomenti, ma mancata padronanza degli stessi, soddisfacente proprietà di linguaggio, corretta capacità interpretativa, limitata capacità di applicare autonomamente le conoscenze per risolvere i problemi proposti;
18 - 20: conoscenza di base degli argomenti principali, conoscenza di base del linguaggio tecnico, capacità interpretativa sufficiente, capacità di applicare le conoscenze basilari acquisite;
Insufficiente: non possiede una conoscenza accettabile degli argomenti trattati durante il corso.

Programma N.D.
Testi docente N.D.
Erogazione tradizionale No
Erogazione a distanza No
Frequenza obbligatoria No
Valutazione prova scritta No
Valutazione prova orale No
Valutazione test attitudinale No
Valutazione progetto No
Valutazione tirocinio No
Valutazione in itinere No
Prova pratica No
Docente FABIO LA FORESTA
Obiettivi Il corso ha l’obiettivo di avviare lo studente ala conoscenza degli strumenti principali per il trattamento (o elaborazione) di segnali unidimensionali e multidimensionali (analisi e sintesi temporale, spaziale, frequenziale, tempo-frequenziale), ivi incluse le immagini di provenienza da diversi sensori (i.e., infrarosso, satellitare, da apparecchiature biomedicali, da drone, ...). L’elaborazione dei segnali verte su concetti di base di elaborazione numerica con l'ausilio di tecniche statistiche e analitico-numeriche implementabili al calcolatore. Obiettivo fondamentale del corso è la comprensione e l’utilizzo di “tools” e strumenti standard a livello internazionale per la soluzione al calcolatore di problemi complessi principalmente di natura stocastica. In particolare, è suggerito l’uso estensivo di MatLab, o codici equivalenti, anche attraverso la presentazione di esercitazioni specifiche.

Obiettivi formativi specifici:
Conoscenza dei principali modelli deterministici e probabilistici per i segnali di natura elettrofisiologica.
Conoscenza delle principali tecniche algoritmiche per il trattamento di segnali biomedici.
Capacità di utilizzare codici di calcolo per l’elaborazione di segnali numerici.
Abilità di strutturare un problema complesso di modellistica in termini di approcci computazionali.
Conoscenza di terminologia specifica internazionale per le tematiche trattate.

Modalità di valutazione
La prova d'esame consiste in una prova orale articolata in diversi aspetti, focalizzati alla verifica della maturazione complessiva del candidato e all’accertamento del raggiungimento degli obiettivi specifici. La prova ha l’obiettivo di misurare le capacità critiche sviluppate dallo studente e il livello di approfondimento della conoscenza avanzata degli algoritmi di trattamento dei segnali per applicazioni ambientali e/o di natura biomedica. La prova orale consiste anche nella discussione pubblica di un elaborato di corso preparato dallo studente (o da piccoli gruppi di studenti) di concerto col docente, nel corso della quale si accertano le capacità comunicative acquisite con riferimento alla presentazione di ricerche o progetti sviluppati nel corso. Nel corso della presentazione, il candidato dovrà altresì eventualmente mostrare la capacità di lavorare in team su applicazioni specifiche del settore.

Il voto finale sarà attribuito considerando il risultato ottenuto nella prova scritta e l’esito della discussione orale, secondo il seguente criterio di valutazione:
30 - 30 e lode: conoscenza completa, approfondita e critica degli argomenti, ottima proprietà di linguaggio, completa ed originale capacità interpretativa, piena capacità di applicare autonomamente le conoscenze per risolvere i problemi proposti;
27 - 29: conoscenza completa e approfondita degli argomenti, piena proprietà di linguaggio, completa ed efficace capacità interpretativa, in grado di applicare autonomamente le conoscenze per risolvere i problemi proposti;
24 - 26: conoscenza degli argomenti con un buon grado di apprendimento, buona proprietà di linguaggio, corretta e sicura capacità interpretativa, capacità di applicare in modo corretto la maggior parte delle conoscenze per risolvere i problemi proposti;
21 - 23: conoscenza adeguata degli argomenti, ma mancata padronanza degli stessi, soddisfacente proprietà di linguaggio, corretta capacità interpretativa, limitata capacità di applicare autonomamente le conoscenze per risolvere i problemi proposti;
18 - 20: conoscenza di base degli argomenti principali, conoscenza di base del linguaggio tecnico, capacità interpretativa sufficiente, capacità di applicare le conoscenze basilari acquisite;
Insufficiente: non possiede una conoscenza accettabile degli argomenti trattati durante il corso.

Programma ACQUISIZIONE ED ELABORAZIONE DI BIOSEGNALI (3 CFU)
Elementi di elettrofisiologia, generazione e aspetti caratteristici dei biosegnali, nozioni di strumentazione biomedicale, sistemi elettronici per la misura e il condizionamento dei biosegnali. Sistemi di acquisizione e conversione A/D, interfacce di acquisizione, sensori per la registrazione di biosegnali, registrazione di biosegnali: il sistema ECG a 12-derivazioni, il sistema EEG 10-20 Jasper, EMG ad aghi ed EMG di superficie, misure di biosegnali mediante laboratorio didattico BIOPAC. Implementazione di algoritmi per l’analisi multirisoluzione e multidimensionale dei biosegnali, modelli per la simulazione di sistemi biologici, elaborazione numerica di biosegnali, progettazione ed implementazione di circuiti per il trattamento dei biosegnali, esercitazioni di laboratorio.
Testi docente 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.
Erogazione tradizionale
Erogazione a distanza
Frequenza obbligatoria No
Valutazione prova scritta No
Valutazione prova orale No
Valutazione test attitudinale No
Valutazione progetto
Valutazione tirocinio No
Valutazione in itinere No
Prova pratica No
Erogazione 36M061 TRATTAMENTO DEI SEGNALI AMBIENTALI in Ingegneria per la gestione sostenibile dell'ambiente e dell'energia LM-30 LM-30 MORABITO FRANCESCO CARLO
Docente Francesco Carlo MORABITO
Obiettivi N.D.
Programma Introduzione al trattamento dei Segnali (CFU 1)

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 e di Analisi Multirisoluzione e Multidimensionale (CFU 2)

Sistemi adattivi, stima del gradiente, metodi iterativi, apprendimento Hebbiano, reti auto-organizzanti.
Pattern recognition: formulazioni, classificatori lineari e non lineari, trattamento dell’incertezza, problemi rappresentativi in diversi ambiti di ricerca.
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 PCA e ICA.

Implementazione numerica degli algoritmi (CFU 1)

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

Introduzione ai segnali ambientali (CFU 1)

Nozione di segnale ambientale; tecniche di rilievo di segnali e dati ambientali; manipolazione di database di natura ambientale; elementi di data mining; gestione delle informazioni e dati ambientali.

Tecniche di elaborazione dei segnali ambientali (CFU1)

Sistemi di acquisizione e conversione A/D; interfacce di acquisizione; sensori per la registrazione di segnali ambientali; raccolta e selezione di campioni; sistemi statistici per il trattamento di dati ambientali; trattamento outliers; Teoria della decisione statistica.
Implementazione di algoritmi per l’analisi multi-risoluzione e multidimensionale di segnali ambientali; modelli per la simulazione di sistemi ambientali; elaborazione numerica di segnali ambientali; rumore; progettazione ed implementazione di circuiti e sistemi per il trattamento di segnali ambientali esempi di dati meteorologici e satellitari; esercitazioni di laboratorio.
Testi docente Principe, Eliano, Neural and Adaptive Systems, IEEE
Bishop, Statistical Pattern Recognition, Oxford University Press
Materiale del corso fornito dal docente
Audio-lezioni del docente
Erogazione tradizionale No
Erogazione a distanza No
Frequenza obbligatoria No
Valutazione prova scritta No
Valutazione prova orale No
Valutazione test attitudinale No
Valutazione progetto No
Valutazione tirocinio No
Valutazione in itinere No
Prova pratica No

Ulteriori informazioni

Nessun avviso pubblicato
Nessuna lezione pubblicata
Codice insegnamento online non pubblicato

Impostazione cookie

Cerca nel sito

 

Posta Elettronica Certificata

Direzione

Tel +39 0965.1693217/3252

Fax +39 0965.1693247

Indirizzo e-mail


Protocollo

Tel +39 0965.1693422

Fax +39 0965.1693247

Indirizzo e-mail

Didattica e orientamento

Tel +39 0965.16933385

Fax +39 0965.1693247

Indirizzo e-mail

Indirizzo e-mail

Segreteria studenti

Tel +39 0965.1691475

Fax +39 0965.1691474

Indirizzo e-mail

Amministrazione

Tel +39 0965.1693214

Fax +39 0965.1693247

Indirizzo e-mail


Ricerca

Tel +39 0965.1693422

Fax +39 0965.1693247

Indirizzo e-mail

Social

Facebook

Twitter

YouTube

Instagram