Processamento Estatístico de Sinal

Código:

EEC4002

Sigla:

EEC4002

Nível:

400

Áreas Científicas
Classificação	Área Científica
OFICIAL	Engenharia Eletrotécnica e de Computadores

Ocorrência: 2022/2023 - 1S

Ativa?	Sim
Página Web:	https://moodle.up.pt/course/view.php?id=4187
Unidade Responsável:	Departamento de Engenharia Eletrotécnica e de Computadores
Curso/CE Responsável:	Mestrado em Engenharia Física

Ciclos de Estudo/Cursos

Sigla	Nº de Estudantes	Plano de Estudos	Anos Curriculares	Créditos UCN	Créditos ECTS	Horas de Contacto	Horas Totais
M:EF	8	Plano Oficial a partir de 2021_M:EF	2	-	6	39	162

Língua de trabalho

Português - Suitable for English-speaking students

Objetivos

Obter conhecimentos em:

1. Processamento de sinal de sistemas com incertezas, modelizadas por variáveis aleatórias.
2. Modelização de sistemas estocásticos.
3. Estimação de estado em sistemas estocásticos.
4. Análise espectral para fins de estimação.

Resultados de aprendizagem e competências

A frequência bem sucedida nesta unidade curricular permitirá aos estudantes a utilização esclarecida de técnicas e tecnologias de processamento estatístico de sinal, em áreas como a classificação, reconhecimento, interpretação, anotação e recomendação de sinal multimédia, assim como em outras áreas envolvendo a estimação de parâmetros e a aprendizagem automática, nomeadamente em controlo, comunicação e bio-medicina. A metodologia adotada na UC fomenta também o aprofundamento das competências de inovação nestas áreas.

Modo de trabalho

Presencial

Programa

1. Sinais e sistemas em tempo discreto.
a. Análise de Fourier
b. Transformada Z
c. Sinais discretos aleatórios

2. Modelização básica de sinal
a. Método de mínimos quadrados
b. Métodos de Padé, Prony e Shanks

3. A recursão de Levinson
a. A decomposição de Cholesky
b. Inversão de matrizes Toeplitz
c. Algoritmo recursivo de Levinson

4. Filtros Lattice (FIR, IIR)
a. Filtros FIR e IIR lattice
b .Métodos Lattice para modelização all-pole
c .Modelização estocástica

5. Filtros de Kalman
a. Algoritmia
b. Modelização
c. Implementação

6. Estimação espectral
a. Métodos não-paramétricos (periodograma, método de Welch)
b. Estimação de mínima-variância espectral
c. Método de máxima entropia
d. Estimação de frequência usando análise própria (MUSIC, ESPRIT)
e. Estimação espectral de componentes principais

Bibliografia Obrigatória

Alan V. Oppenheim; Discrete-time signal processing. ISBN: 0-13-083443-2
Monson H. Hayes; Statistical digital signal processing and modeling. ISBN: 0-471-59431-8

Métodos de ensino e atividades de aprendizagem

Esta unidade curricular envolverá a apresentação teórica de conteúdos, a discussão/resolução de problemas ilustrativos, alguns dos quais na forma de mini-testes sujeitos a avaliação (25%), trabalhos práticos implicando programação Matlab e que também serão avaliados (25%), e um exame final (50%)

Software

Matlab

Tipo de avaliação

Avaliação distribuída com exame final

Componentes de Avaliação

Designação	Peso (%)
Exame	50,00
Teste	25,00
Trabalho escrito	25,00
Total:	100,00

Componentes de Ocupação

Designação	Tempo (Horas)
Estudo autónomo	90,00
Frequência das aulas	52,00
Trabalho escrito	20,00
Total:	162,00

Obtenção de frequência

É obtida frequência através da satisfação das duas seguintes condições:
1. Participação em pelo menos 75% das aulas.
2. Obtenção de classificação de 25% ou mais na componente distribuída da avaliação.

Fórmula de cálculo da classificação final

A classificação final resulta da soma pesada de:
25% Mini-testes sujeitos a avaliação;
25% Trabalhos práticos;
50% Exame final.