Risorse bibliografiche
 Risorsa bibliografica obbligatoria Risorsa bibliografica facoltativa
 Scheda Riassuntiva
 Anno Accademico 2017/2018 Scuola Scuola di Ingegneria Industriale e dell'Informazione Insegnamento 093267 - DIGITAL SIGNAL PROCESSING Cfu 10.00 Tipo insegnamento Monodisciplinare Docente Spagnolini Umberto

Corso di Studi Codice Piano di Studio preventivamente approvato Da (compreso) A (escluso) Insegnamento
Ing Ind - Inf (Mag.)(ord. 270) - MI (474) TELECOMMUNICATION ENGINEERING - INGEGNERIA DELLE TELECOMUNICAZIONI*AZZZZ093267 - DIGITAL SIGNAL PROCESSING
Ing Ind - Inf (Mag.)(ord. 270) - MI (476) ELECTRONICS ENGINEERING - INGEGNERIA ELETTRONICA*AZZZZ093267 - DIGITAL SIGNAL PROCESSING
Ing Ind - Inf (Mag.)(ord. 270) - MI (487) MATHEMATICAL ENGINEERING - INGEGNERIA MATEMATICA*AZZZZ093267 - DIGITAL SIGNAL PROCESSING

 Programma dettagliato e risultati di apprendimento attesi
 The course focuses on statistical signal processing and covers the following topics: Review of basics: matrix and linear algebra; quadratic and constrained optimization problems. Introduction to the estimation problem and models: definitions, performance, sufficient statistics, linear and non-linear models. Estimators: minimum variance unbiased estimation (MVUE), best linear unbiased estimation (BLUE), maximum likelihood estimation (MLE), least squares method. Cramer Rao lower bound. Bayesian estimators: a-posteriori estimation (MAP, MMSE and LMMSE); Wiener filter; linear prediction and Yule-Walker equations. Adaptive filters: LMS, RLS methods, convergence analysis and step-size selection. Spectral analysis: sample autocorrelation and power spectrum; non-parametric method (periodogram); parametric methods (MA, AR, ARMA models, and line spectra). Bayesian tracking: dynamic model and Kalman filter; examples of positioning. Estimation and processing of 2D signal: 2D Fourier transform properties; sampling and aliasing; 2D filters and examples from physical models (diffusion and wavefield propagation); array processing and direction of arrivals (DOA) estimation. Montecarlo simulation and numerical analysis.

 Note Sulla Modalità di valutazione
 Written and (optional) oral exam. During the semester it will be assigned up to 3 homeworks (Hws) involving some Matlab-based computer simulations to be delivered without time-constraints, solution of at least 1 Hw is mandatory.

 Bibliografia
 U.Spagnolini, Statistical Signal Processing in Engineering, Editore: Wiley Ed. (ISBN: 978-1-119-29397-2), Anno edizione: 2017Note:Notes/slides on the book can be downloaded from the folder of the course shared with students during the semester P. Stoica and R. L. Moses, Introduction to spectral analysis, Editore: Prentice Hall, Anno edizione: 1997

 Software utilizzato
 Nessun software richiesto

 Mix Forme Didattiche
Tipo Forma Didattica Ore didattiche
lezione
60.0
esercitazione
40.0
laboratorio informatico
0.0
laboratorio sperimentale
0.0
progetto
0.0
laboratorio di progetto
0.0

 Informazioni in lingua inglese a supporto dell'internazionalizzazione
 Insegnamento erogato in lingua Inglese Disponibilità di materiale didattico/slides in lingua inglese Disponibilità di libri di testo/bibliografia in lingua inglese Possibilità di sostenere l'esame in lingua inglese Disponibilità di supporto didattico in lingua inglese
 schedaincarico v. 1.9.1 / 1.9.1 Area Servizi ICT 25/04/2024