2011/2012 - 6 CFU

Laurea Magistrale in Ingegneria Elettronica e delle Telecomunicazioni


Programma


Elaborazione dei segnali a campionamento variabile. Analisi in frequenza e nel dominio z. Traslazione frazionaria del passo di campionamento. Interconnessione di sovracampionatori e sottocampionatori. Realizzazioni polifase e relative applicazioni.
Banchi di filtri. Condizioni di perfetta ricostruzione. Applicazioni dei banchi di filtri. Analisi e sintesi di segnali in sottobande. Rappresentazioni multirisoluzione. Trasformata wavelet. Elementi di teoria della stima. Stima e predizione lineare. Stimatori consistenti. Stima della sequenza di autocovarianza. Modelli AR, MA, ARMA. Stime spettrali parametriche e non parametriche.

Approccio classico alla teoria della stima: stimatori non polarizzati a minima varianza, limite di Cramer-Rao, best linear unbiased estimators, maximum likelihood estimation, modelli lineari, stima ai minimi quadrati. Approccio Bayesiano: caso di stimatori lineari. Filtri di Kalman.


Rivelazione ottima di segnali. Teoria della decisione. Modello statistico della decisione. Il problema della rivelazione. Criterio di Neyman-Pearson e rivelatore LRT. Criterio MAP. Rischio Bayesiano. Ipotesi binaria e ipotesi multiple. Filtro adattato. Rivelazione di segnali deterministici o aleatori con parametri noti o incogniti. GLRT: test del rapporto di verosimiglianza generalizzato. Disturbi con parametri noti o incogniti con statistica Gaussiana o non Gaussiana.


For foreign students


Testi di riferimento

  1. ‣Steven M. Kay, Fundamentals of statistical signal processing - Estimation theory, Prentice Hall, 1993

  2. ‣Steven M. Kay, Fundamentals of statistical signal processing - Detection theory, Prentice Hall, 1993

  3. ‣Appunti delle lezioni