Informações da Disciplina

 Preparar para impressão 

Júpiter - Sistema de Gestão Acadêmica da Pró-Reitoria de Graduação


Escola Politécnica
 
Eng de Sistemas Eletrônicos
 
Disciplina: PSI2533 - Modelagem em Processamento de Sinais
Modeling in Signal Processing

Créditos Aula: 4
Créditos Trabalho: 0
Carga Horária Total: 60 h
Tipo: Semestral
Ativação: 01/01/2006 Desativação: 30/01/2023

Objetivos
Apresentar os algoritmos e modelos mais importantes de filtragem adaptativa, de processamento de sinais de voz e de redes neurais e suas aplicações em controle, telecomunicações, estimação e predição.

To learn digital filter design technique and acquire working knowledge in order to apply them to filter synthesis from specifications as used in practical applications. The application of previously learned signal and transform concepts is required and the students are expected to crystallize them by this process. On the other hand, this subject provides the basic concepts for the realization of filters and adaptive models which will be dealt with by more advanced subjects.
 
Programa Resumido
1 - Filtragem Adaptativa: Aplicações básicas, Algoritmos LMS e RLS, Exemplos. 2- Análise e Síntese de Sinais de Voz: Modelo de Produção, Predição Linear (Linear Predictive Coding LPC). 3- Reconhecimento de Voz: Fundamentos de Reconhecimento de Padrões, Alinhamento Temporal Dinâmico (Dynamic Time Warping- DTW). 4- Arquiteturas Neurais e Algoritmos de Aprendizado. 5- Redes de Neurônios Artificiais em Processamento e Classificação de Sinais.

Modeling for Signal Processing1 - Adaptive Filtering: Basic Applications, LMS and RLS Algorithms. Examples. 2- Speech Analysis and Synthesis: Production Model, Linear Prediction, Linear Predictive Coding (LPC). 3- Speech Recognition: Fundamentals of Pattern Recognition, Dynamic Time Warping (DTW). 4- Neural Network Architectures and Learning Algorithms. 5- Artificial Neural Networks for Signal Processing and Classification.
 
Programa
1 - Filtragem Adaptativa: Aplicações básicas, Algoritmos LMS e RLS, Exemplos.
2 - Análise e Síntese de Voz.
2.1. Interpretação visual dos sinais de voz: Espectrogramas.
2.2. Introdução à Análise Preditiva Linear (LP).
2.3. Sistemas de Equações Normais.
2.4. Métodos de Solução das Equações Normais.
2.5. Interpretação Espectral da Predição Linear.
2.6. Modelos de Síntese.
2.7. Comparação entre sinal original e sinal sintetizado.
2.8. Representações Paramétricas Alternativas.
3- Reconhecimento de Voz.
3.1. Introdução.
3.2. Medidas de distorção.
3.3. Alinhamento Temporal Dinâmico (Dynamic Time Warping - DTW).
4- Arquiteturas Neurais e Algoritmos de Aprendizado. 5- Redes de Neurônios Artificiais em Processamento e Classificação de Sinais.

Syllabus - PSI2533 - Modeling for Signal Processing

1 - Adaptive Filtering: Basic Applications, LMS and RLS Algorithms. Examples.
2- Speech Analysis and Synthesis.
2.1. Visual interpretation of speech signals: Spectrograms.
2.2. Introduction to Linear Prediction (LP) Analysis.
2.3. Normal equations.
2.4. LP estimation methods.
2.5. Spectral interpretation for Linear Prediction.
2.6. Synthesis models.
2.7. Comparison between original and synthetic signals.
2.8. Other parametric representations.
3- Speech Recognition.
3.1. Introduction.
3.2. Distortion measures.
3.3. Dynamic Time Warping (DTW).
4- Neural Network Architectures and Learning Algorithms. 5- Artificial Neural Networks for Signal Processing and Classification.
 
Avaliação
     
Método
A média geral será (0,8P + 0,2E), onde P é a média aritmética de 3 provas e E é a média das notas dos exercícios computacionais.

The overall grade will be (0.8P + 0.2E), where P stands for the arithmetical average of 3 exams and E is the average for the exercises.
Critério
A média geral tem que ser maior ou igual a 5 para aprovação.

The overall passing grade must be greater than or equal to 5 .
Norma de Recuperação
1 (uma) prova de recuperação.

1 (one) additional exam.
 
Bibliografia
     
[01] A. V. Oppenheim, R. W. Schafer, Discrete-Time Signal Processing, Englewood Cliffs, Prentice Hall, 1989.[02] L. R. Rabiner, R. W. Schafer, Digital Processing of Speech Signals, Englewood Cliffs, Prentice-Hall, 1978.[03] S. Haykin, Neural Networks: A Comprehensive Foundation, Prentice- Hall, 1998.[04] P.S.R. Diniz, Adaptive filtering : algorithms and practical implementation, Kluwer Academic Publishers, 1997.[05] B. Gold and N. Morgan, Speech and Audio Signal Processing, New York: John Wiley & Sons, Inc., 2000.
 

Clique para consultar os requisitos para PSI2533

Clique para consultar o oferecimento para PSI2533

Créditos | Fale conosco
© 1999 - 2024 - Superintendência de Tecnologia da Informação/USP