Consulta de Guías Docentes



Academic Year/course: 2019/20

30333 - Digital Signal Processing Applications


Syllabus Information

Academic Year:
2019/20
Subject:
30333 - Digital Signal Processing Applications
Faculty / School:
110 - Escuela de Ingeniería y Arquitectura
Degree:
330 - Complementos de formación Máster/Doctorado
438 - Bachelor's Degree in Telecommunications Technology and Services Engineering
ECTS:
6.0
Year:
438 - Bachelor's Degree in Telecommunications Technology and Services Engineering: 3
438 - Bachelor's Degree in Telecommunications Technology and Services Engineering: 4
330 - Complementos de formación Máster/Doctorado: XX
Semester:
438 - First semester
330 - Second semester
438 - First semester
Subject Type:
ENG/Complementos de Formación
Module:
---

1. General information

2. Learning goals

3. Assessment (1st and 2nd call)

4. Methodology, learning tasks, syllabus and resources

4.1. Methodological overview

The learning process designed for this subject is based on:

  • M1: Participative lecture (40 hours). Presentation by the lecturer of the main contents of the course. This activity will take place in the classroom. Theoretical knowledge is provided to the students in such a way that it will allow them to achieve all the specified learning outcomes and all the specified competencies. To provide students with practical knowledge about the use of signal analysis tools and systems, a number of practical examples with Matlab software will take place in the classroom. This course is designed to provide students with theoretical knowledge enabling them to achieve the specified learning outcomes and competences.
  • M4: Supervised practical work (14 hours). As the subject progresses, the lecturer will request deliveries associated with the resolution of practical problems in teams for several parts of the syllabus. Results must be submitted in time and in the correct format, according to the instructions of the lecturer. This activity is designed to consolidate all specified learning outcomes and competencies as well as their development. The results of these tasks are one of the evaluation activities (T1).
  • M11: Supervision of practical works (1 hora). While performing practical work each team must meet regularly with the lecturer in order to follow up on the work, assess the project progress and to get the answer to the questions that could have arisen. ). Learning outcomes and competencies that students acquire through this activity are shared by activity M4. This is one of the evaluation activities (T1).
  • M9 y M15: Work associated with Laboratory Sessions. (M9) involves 10 hours in the computer classroom, distributed in 5 practical sessions. The efficient achievement of the sessions time requires some previous preparation of the work and some after-lab work with the obtained results to settle the concepts (M15). Through these activities, all specified learning outcomes and competencies are strengthened and reinforced. Students will learn how to use specific tools to implement and simulate digital signal processing systems. In the documentation delivered, each student will be able to find a detailed description of the activities to be performed in and out of the lab, as well as the way in which the student must demonstrate the acquisition of the relevant results and competences since this work belongs also to one of the evaluation activities (T2). 
  • M10: Office tutor hours. Time for personalized attention to students with the aim of reviewing and discussing the materials and topics presented in both theoretical and practical classes.
  • M11: Evaluation. Set of theoretical-theoretical written tests and reports used in the evaluation of student’s progress. The details are in the section on evaluation activities

4.2. Learning tasks

  • Introduction to the Course.
    • Techniques and Applications of Digital Signal Processing. (M1: Participative Lectures; M11: Evaluation)
    • Characterization of discrete-time processes. (M1: Participative Lectures; M11: Evaluation)
  • Estimation and Detection.
    • Parameter estimation. (M1: Participative Lectures; M9 y M15: Work associated with Laboratory Sessions; M11: Evaluation).
    • Spectral estimation. (M1: Participative Lectures; M9 y M15: Work associated with Laboratory Sessions; M11: Evaluation).
    • Event detection. (M1: Participative Lectures; M9 y M15: Work associated with Laboratory Sessions; M11: Evaluation).
    • Applications. (M1: Participative Lectures; M9 y M15: Work associated with Laboratory Sessions; M4: Supervised practical work. M11: Evaluación).
  • Optimal Linear Filtering.
    • Wiener optimal linear FIR filtering. (M1: Participative Lectures; M9 y M15: Work associated with Laboratory Sessions; M11: Evaluation).
    • Adaptive Filtering. (M1: Participative Lectures; M11: Evaluation).
    • Applications. (M1: Participative Lectures; M9 y M15: Work associated with Laboratory Sessions; M4: Supervised practical work. M11: Evaluation).
  • Orthogonal transforms and data compression.
    • Orthogonal transforms (M1: Participative Lectures; M9 y M15: Work associated with Laboratory Sessions; M11: Evaluation).
    • Compresión de datos. (M1: Participative Lectures; M9 y M15: Work associated with Laboratory Sessions; M11: Evaluation).
    • Aplicaciones. (M1: Participative Lectures; M9 y M15: Work associated with Laboratory Sessions; M4: Supervised practical work. M11: Evaluation)
  • Non-linear filtering.
    • Basic techniques of non-linear filtering. (M4: Supervised practical work. M11: Evaluation)
    • Applications. (M4: Supervised practical work. M11: Evaluation)

4.3. Syllabus

The course will address the following topics: 

  • 1. Introduction
    • 1.1. Techniques and Applications of Digital Signal Processing.
    • 1.2. Characterization of discrete-time processes.
  • 2. Estimation and Detection
    • 2.1. Parameter estimation.
    • 2.2. Spectral estimation.
    • 2.3. Event detection.
    • 2.4. Applications.
  • 3. Optimal linear filtering
    • 3.1. FIR Wiener optimal filtering.
    • 3.2. Adaptive filtering.
    • 3.3. Applications.
    • 3.4. Modeling: prediction of speech signals, equalization, etc.
  • 4. Orthogonal transforms and data compression
    • 4.1. Orthogonal transforms.
    • 4.2. Data compression.
    • 4.3. Applications.
  • 5. Non-linear Filtering.
    • 5.1. Basic techniques of non-linear filtering.
    • 5.2. Applications.

4.4. Course planning and calendar

The course schedule, including classroom and laboratory sessions will be determined by the academic calendar stablished by the Center for the corresponding course. 

4.5. Bibliography and recommended resources

http://biblos.unizar.es/br/br_citas.php?codigo=30333&year=2019


Curso Académico: 2019/20

30333 - Aplicaciones de procesado digital de señal


Información del Plan Docente

Año académico:
2019/20
Asignatura:
30333 - Aplicaciones de procesado digital de señal
Centro académico:
110 - Escuela de Ingeniería y Arquitectura
Titulación:
330 - Complementos de formación Máster/Doctorado
438 - Graduado en Ingeniería de Tecnologías y Servicios de Telecomunicación
Créditos:
6.0
Curso:
438 - Graduado en Ingeniería de Tecnologías y Servicios de Telecomunicación: 4
330 - Complementos de formación Máster/Doctorado: XX
438 - Graduado en Ingeniería de Tecnologías y Servicios de Telecomunicación: 3
Periodo de impartición:
438 - Primer semestre
330 - Segundo semestre
438 - Primer semestre
Clase de asignatura:
Complementos de Formación
Materia:
---

1. Información Básica

1.1. Objetivos de la asignatura

La asignatura y sus resultados previstos responden a los siguientes planteamientos y objetivos:

El objetivo de la asignatura Aplicaciones de Procesado Digital de Señales es dotar al alumno de metodologías avanzadas para la síntesis y evaluación de los sistemas digitales más utilizados en aplicaciones de procesado de señal.  La asignatura se centra en el procesado estadístico de señales, modelando éstas como procesos estocásticos. Se enfatiza el uso de los sistemas estudiados en aplicaciones concretas así como consideraciones prácticas de su implementación. Las aplicaciones fundamentales consideradas son el procesado de señal en sistemas de comunicaciones, sistemas de procesado del habla, procesado de señales biomédicas, radar y procesado de imágenes.

1.2. Contexto y sentido de la asignatura en la titulación

La asignatura de Aplicaciones del Procesado Digital de Señales se imparte en el 5o cuatrimestre del grado en Ingeniería de Tecnologías y Servicios de Telecomunicación. Se trata de una asignatura obligatoria dentro del itinerario de la tecnología específica de Sistemas de Comunicación.  Junto con la asignatura Comunicaciones audiovisuales (8º cuatrimestre) conforma la materia Tratamiento de Información.

Los objetivos de esta asignatura se construyen sobre los resultados del aprendizaje obtenidos en las asignaturas de la Materia “Señal y Comunicaciones”: Señales y Sistemas (2º cuatrimestre), Teoría de la Comunicación (3er cuatrimestre), Propagación y Medios de Transmisión (4º cuatrimestre) y Comunicaciones Digitales (4º cuatrimestre).

Los estudiantes ya disponen de conocimientos de las herramientas básicas para el estudio de sistemas y señales deterministas en los distintos dominios de análisis: temporal, frecuencial y transformado (2º cuatrimestre, Señales y Sistemas), y están familiarizados con los sistemas de procesado digital de señal en tiempo real y la programación de algoritmos para su implementación (3º cuatrimestre, Procesado Digital de Señales). También conocen los elementos que forman parte de un sistema de comunicaciones y las señales asociada a dicho sistema, incluyendo las que lo perturban (ruido), (3º cuatrimestre, Teoría de la Comunicación y 4º cuatrimestre, Comunicaciones Digitales).

Las técnicas de procesado digital introducidas en esta asignatura se utilizarán en otras posteriores correspondientes a la tecnología específica de Sistemas de Telecomunicación, como Comunicaciones Audiovisuales, 6º cuatrimestre, y Servicios y sistemas de Telecomunicación, 6º cuatrimestre, así como las optativas que se oferten centradas en las aplicaciones del procesado de señal.

1.3. Recomendaciones para cursar la asignatura

Los profesores encargados de impartir la docencia pertenecen al Área de Teoría de la Señal y Comunicaciones.

Es recomendable que el alumno haya cursado las asignaturas de Señales y Sistemas, Probabilidad y Procesos, Procesado digital de señales, Teoría de la Comunicación y Comunicaciones Digitales, impartidas en los dos primeros cursos del grado en Ingeniería de Tecnologías y Servicios de Telecomunicación.

2. Competencias y resultados de aprendizaje

2.1. Competencias

Al superar la asignatura, el estudiante será más competente para...

C3: Combinar los conocimientos generalistas y los especializados de Ingeniería para generar propuestas innovadoras y competitivas en la actividad profesional.

C4: Resolver problemas y tomar decisiones con iniciativa, creatividad y razonamiento crítico.

C5: Comunicar y transmitir conocimientos, habilidades y destrezas en castellano.

C6: Usar las técnicas, habilidades y herramientas de la Ingeniería necesarias para la práctica de la misma.

C8: Trabajar en un grupo multidisciplinar y en un entorno multilingüe.

C10: Aprender de forma continuada y desarrollar estrategias de aprendizaje autónomo.

ST1: Construir, explotar y gestionar las redes, servicios, procesos y aplicaciones de telecomunicaciones, entendidas éstas como sistemas de captación, transporte, representación, procesado, almacenamiento, gestión y presentación de información multimedia, desde el punto de vista de los sistemas de transmisión.

ST6: Analizar, codificar, procesar y transmitir información multimedia empleando técnicas de procesado analógico y digital de señal.

2.2. Resultados de aprendizaje

El estudiante, para superar esta asignatura, deberá demostrar los siguientes resultados...

R1. Conoce las particularidades, semejanzas y diferencias de los diversos tipos de señales unidimensionales y multidimensionales (señales de información visual, de voz, sonoras, radar, señales biológicas…).

R2. Conoce varios campos de aplicación del procesado digital de la señal y comprende los problemas que se plantean en cada uno de ellos, identificando las tareas básicas de procesado de señal que pueden ayudar a solucionarlos.

R3. Sabe caracterizar procesos estocásticos discretos en los dominios temporal y transformado y su interacción con sistemas lineales e invariantes en el tiempo.

R4. Comprende y sabe utilizar los conceptos básicos generales de estimación de parámetros en procesos: ergodicidad, criterios de optimización, evaluación de prestaciones: sesgo y varianza de un estimador, intervalos de confianza.

R5. Conoce y sabe aplicar los estimadores básicos para los momentos de primer y segundo orden de procesos estocásticos así como para su espectro.

R6. Conoce los métodos básicos de detección de eventos y algunas de sus aplicaciones.

R7. Comprende el concepto de filtrado lineal óptimo y su implementación adaptativa.

R8. Sabe plantear y aplicar correctamente sistemas de filtrado lineal óptimo para diversos fines: filtrado y cancelación de ruido, modelado, predicción, ecualización.

R9. Conoce y sabe aplicar correctamente los métodos más usuales de compresión de datos para distintos tipos de señales.

R10. Comprende y sabe aplicar correctamente métodos básicos de filtrado no lineal.

R11. Sabe implementar y aplicar sobre señales las técnicas estudiadas de procesado digital de la señal así como interpretar los resultados obtenidos.

2.3. Importancia de los resultados de aprendizaje

La importancia de los resultados de aprendizaje diseñados para esta asignatura radica en la destreza que el alumno adquiere para el diseño, análisis e implementación de sistemas de procesado estadístico de señales digitales, incluyendo estimación y detección, filtrado óptimo y adaptativo, compresión de datos y filtrado no lineal, que son la base de un gran número de aplicaciones en distintos ámbitos de las tecnologías y servicios de telecomunicación. En la asignatura se abordarán algunas de estas aplicaciones.  En esta asignatura se pretende asimismo dotar al alumno de capacidad crítica para la evaluación de distintas alternativas que se le presentarán a la hora de implementar sistemas de procesado digital.

3. Evaluación

3.1. Tipo de pruebas y su valor sobre la nota final y criterios de evaluación para cada prueba

El estudiante deberá demostrar que ha alcanzado los resultados de aprendizaje previstos mediante las siguientes actividades de evaluacion

  • E1: Examen final (60%).

Examen escrito, con puntuación de 0 a 10 puntos, común para todos los grupos de la asignatura. La prueba se divide en dos partes:

  • E.1.1: Cuestiones téorico-prácticas: 50% de la nota del examen final, y duración estimada 1h 30 min.
  • E.1.2: Problemas prácticos: 50% de la nota del examen final, y duración estimada 2 h.

El alumno ha de obtener una puntuación mínima total de 4.5 puntos sobre 10 en el examen final.  Se dispondrá de una prueba global en cada una de las convocatorias establecidas a lo largo del curso, en las fechas y horarios determinados por la Escuela.

  • E2: Exámenes parciales.

Durante el curso el alumno dispondrá de dos pruebas escritas con cuestiones teórico-prácticas que equivaldrán cada una al 25% de la nota del examen final (E1), y que liberarán la parte correspondiente en el examen final (E1.1) si el alumno lo desea. La nota final correspondiente a esta parte será la última evaluada.  Por lo tanto, si se opta por realizar la parte E1.1 del examen final completo, se perderá la nota obtenida en estas calificaciones parciales.  La duración aproximada de las mismas será de 45 minutos.

  • T1: Trabajos prácticos tutorizados (15%).

Puntuación de 0 a 10 puntos. En la evaluación de los trabajos tutorizados propuestos a lo largo del cuatrimestre se tendrá en cuenta tanto la memoria presentada, como la idoneidad y originalidad de la solución propuesta. 

  • T2: Prácticas de laboratorio (25%).

Puntuación de 0 a 10 puntos. La evaluación de las prácticas se realizará a través de los informes presentados en las mismas, así como del trabajo realizado en el laboratorio.
 

 

Los alumnos que no realicen las actividades de evaluación T1 y T2 en las fechas asignadas deberán presentarse a una prueba alternativa en la misma fecha del examen final.

 

 

4. Metodología, actividades de aprendizaje, programa y recursos

4.1. Presentación metodológica general

El proceso de aprendizaje que se ha diseñado para esta asignatura se basa en lo siguiente:

Con objeto de que los alumnos alcancen los resultados de aprendizaje descritos anteriormente y adquieran las competencias diseñadas para esta asignatura, se proponen las siguientes metodologías de enseñanza-aprendizaje:

  • M1: Clase magistral participativa (40 horas). Exposición por parte del profesor de los principales contenidos de la asignatura. Esta actividad se realizará en el aula de forma presencial. Para facilitar al alumno el aprendizaje práctico sobre la utilización de las herramientas de análisis de señales y sistemas se realizarán en el aula numerosos ejemplos prácticos con un software Matlab. Esta asignatura está diseñada para proporcionar a los alumnos los conocimientos teóricos que les permitan alcanzar los resultados de aprendizaje y las competencias especificadas.
  • M4: Trabajos prácticos tutorados (14 horas). Según se avance en el desarrollo de la asignatura, el profesor irá solicitando entregas asociadas a la resolución en grupo de problemas prácticos correspondientes a las diversas partes del temario. Se rendirá cuenta de los resultados en la forma y fecha indicada por el profesor para cada entrega. Esta actividad está diseñada para consolidar todos los resultados de aprendizaje y competencias especificados y su desarrollo y resultado constituye una de las actividades de evaluación (T1).
  • M11: Supervisión de los trabajos prácticos tutorados (1 hora). Durante la realización de los trabajos prácticos cada grupo de alumnos se reunirá periódicamente con el profesor para la supervisión del estado del trabajo, la evaluación del avance del mismo y la resolución de dudas. Los resultados de aprendizaje y competencias que el alumno adquiere mediante esta actividad son comunes a la actividad M4. Esta actividad constituye una parte de una de las actividades de evaluación (T1).
  • M9 y M15: Trabajo asociado a prácticas de laboratorio. La parte presencial (M9) supone 10 horas en aula informática, distribuidas en 5 sesiones prácticas de 2 horas de duración. El aprovechamiento correcto de las prácticas requiere también de cierto trabajo previo de preparación de las mismas y de cierto trabajo posterior de análisis de resultados y asentamiento de conceptos (M15). Mediante estas actividades se afianzan y refuerzan todos los resultados de aprendizaje y competencias especificados. Aprenderán a utilizar herramientas de cálculo para implementar y simular sistemas de procesado digital de señales. En los guiones de cada práctica se detallarán de forma específica las actividades concretas a realizar (presenciales y no presenciales) y la forma en la que el alumno ha de demostrar la adquisición de los resultados y competencias correspondientes, puesto que este trabajo también constituye una de las actividades de evaluación (T2).  
  • M10: Tutoría. Horario de atención personalizada al alumno con el objetivo de revisar y discutir los materiales y temas presentados en las clases tanto teóricas como prácticas.
  • M11: Evaluación. Conjunto de pruebas escritas teórico-prácticas y presentación de informes o trabajos utilizados en la evaluación del progreso del estudiante. El detalle se encuentra en la sección correspondiente a las actividades de evaluación

4.2. Actividades de aprendizaje

  • Introducción a la temática de la asignatura.
    • Técnicas y Aplicaciones de Procesado Digital de Señales. (M1: Clase magistral participativa; M11: Evaluación)
    • Caracterización de procesos en tiempo discreto. (M1: Clase magistral participativa; M11: Evaluación)
  • Estimación y Detección.
    • Estimación de parámetros. (M1: Clase magistral participativa; M9 y M15: Trabajo asociado a prácticas de laboratorio;M11: Evaluación)
    • Estimación espectral.(M1: Clase magistral participativa ; M9 y M15: Trabajo asociado a prácticas de laboratorio; M11: Evaluación)
    • Detección de eventos.(M1: Clase magistral participativa; M9 y M15: Trabajo asociado a prácticas de laboratorio; M11: Evaluación)
    • Aplicaciones. (M1: Clase magistral participativa; M9 y M15: Trabajo asociado a prácticas de laboratorio; M4: Trabajos prácticos tutorados; M11: Evaluación)
  • Filtrado lineal óptimo.
    • Filtrado óptimo de Wiener FIR. (M1: Clase magistral participativa; M9 y M15: Trabajo asociado a prácticas de laboratorio; M11: Evaluación)
    • Filtrado adaptativo. (M1: Clase magistral participativa; M11: Evaluación)
    • Aplicaciones. (M1: Clase magistral participativa; M9 y M15: Trabajo asociado a prácticas de laboratorio; M4: Trabajos prácticos tutorados; M11: Evaluación)
  • Transformadas ortogonales y compresión de datos.
    • Transformadas ortogonales. (M1: Clase magistral participativa; M9 y M15: Trabajo asociado a prácticas de laboratorio;M11: Evaluación)
    • Compresión de datos. (M1: Clase magistral participativa; M9 y M15: Trabajo asociado a prácticas de laboratorio;M11: Evaluación)
    • Aplicaciones. (M1: Clase magistral participativa; M9 y M15: Trabajo asociado a prácticas de laboratorio; M4: Trabajos prácticos tutorados; M11: Evaluación)
  • Filtrado no lineal.
    • Técnicas básicas de filtrado no lineal. (M4: Trabajos prácticos tutorados; M11: Evaluación)
    • Aplicaciones. (M4: Trabajos prácticos tutorados; M11: Evaluación)

4.3. Programa

1. Introducción

1.1.      Técnicas y Aplicaciones de Procesado Digital de Señales.

1.2.      Caracterización de procesos en tiempo discreto.

2. Estimación y Detección

2.1.      Estimación de parámetros.

2.2.      Estimación espectral.

2.3.      Detección de eventos.

2.4.      Aplicaciones.

3. Filtrado lineal óptimo

3.1.      Filtrado óptimo de Wiener FIR.

3.2.      Filtrado adaptativo.

3.3.      Aplicaciones.

3.4.     Modelado: predicción de señales de voz, ecualización de señales de comunicaciones

4. Transformadas ortogonales y compresión de datos

4.1.     Transformadas ortogonales.

4.2.     Compresión de datos.

4.3.     Aplicaciones.

5. Filtrado no lineal.

5.1.      Técnicas básicas de filtrado no lineal.

5.2.      Aplicaciones.

4.4. Planificación de las actividades de aprendizaje y calendario de fechas clave

Calendario de sesiones presenciales y presentación de trabajos

El calendario de la asignatura, tanto de las sesiones presenciales en el aula como de las sesiones de laboratorio, estará determinado por el calendario académico que el centro establezca para el curso correspondiente.

La asignatura se imparte en el primer cuatrimestre del tercer curso de la titulación. Entre las principales actividades previstas se encuentran la exposición de los contenidos teóricos, el planteamiento y resolución de problemas, la realización de prácticas de laboratorio y la realización de trabajos prácticos tutorizados relacionados con los contenidos de la asignatura.

Las fechas de inicio y fin de las clases teóricas y de problemas, así como las fechas de realización de las prácticas de laboratorio y las pruebas de evaluación global serán las fijadas por la Escuela de Ingeniería y Arquitectura. Las fechas de entrega y seguimiento de los trabajos prácticos tutorizados se darán a conocer con suficiente antelación en clase y en la página web de la asignatura en el anillo digital docente, https://moodle.unizar.es/

4.5. Bibliografía y recursos recomendados

http://biblos.unizar.es/br/br_citas.php?codigo=30333&year=2019