University of  Rome  "La Sapienza"

DIET -  Department of Information Engineering, Electronics and Telecommunications  

 

Informazioni corso: 

Circuiti e Algoritmi per l 'Elaborazione dei Segnali (Circuits and Algorithms for Signal Processing)

Prof. Aurelio Uncini  (info: aurel AT ieee DOT org)

Laurea Magistrale: Ing. Comunicazioni, Ing. Informatica, Ing. Elettronica

 

Possibile prosecuzione come Tesi di Laurea (anche presso aziende).

Par informazioni contattare direttamente il Docente (o l'ing. Scarpiniti) presso il suo ufficio.

 

Modalità di esame:

L'esame consiste in una prova preliminare orale (o scritta da svolgere durante il corso) e un elaborato di fine corso (tesina) da scegliere su argomenti del programma da svolgere da soli o in gruppo max 3 persone.

 

INFORMAZIONI

 

Inizio corso: 27 Febbraio 2013

Durata 13 settimane

 

Orario lezioni

Mercoledì  10:15 - 13:30 Aula  25

Giovedì       8:30 - 11:45 Aula  25

 


Tools

Links

International labs link

 

Motivazione

L’elaborazione numerica del segnale o digital signal processing (DSP) ha sempre giocato un ruolo primario nella scienza, nella tecnologia e nello sviluppo dei nuovi sistemi ad alto impatto sociale: si può affermare, al riguardo, che la Società dell’Informazione e della Comunicazione fonda le proprie basi scientifiche proprio nella elaborazione e nella trasmissione del segnale informativo. Si pensi, per esempio, alle moderne tecnologie di comunicazione digitale wired e wireless, alle innumerevoli modalità di fruizione dell’informazione multimediale e multimodale, alle tecnologie di ausilio alla diagnosi medica come la tomografia computerizzata (PET, fMRI, EEG/EMG ecc), ai sistemi di radio-localizzazione e posizionamento; allo studio, al monitoraggio e alla modellazione dei sistemi e dei fenomeni fisici complessi ecc.

In tale scenario, in continua evoluzione, la così detta elaborazione intelligente del segnale o intelligent signal processing (ISP) è una delle aree di ricerca emergenti, caratterizzata da solide radici teoriche, che ha suscitato un elevato interesse in una vasta area della comunità scientifica. Ciò è testimoniato anche dalla recente costituzione di alcuni comitati  internazionali per il coordinamento della ricerca scientifica su tali aree, quali il Machine Learning for Signal Processing TC patrocinato dalla IEEE Signal Processing Society e da altri comitati affini come, per esempio, il Signal Analysis for Machine Intelligence TC patrocinato dalla International Association for Pattern Recognition.

Un altro aspetto interessante collegato all’ISP consiste nell’intimo legame con le teorie di base delle Neuroscienze e della Teoria dell’Informazione. Negli ultimi tempi, infatti, sono emersi numerosi studi sulle regole di apprendimento per reti neurali artificiali basate proprio sugli stessi paradigmi legati alla Teoria dell’Informazione. Basti pensare alla affermazione (dovuta a Attneave - 1954), che asserisce

La principale funzione di una macchina percettiva consiste nell’eliminazione dell’informazione ridondante, procedendo così ad una descrizione o codifica dell’informazione stessa in una forma più economica rispetto a quella presente sui recettori.

L’applicabilità delle metodologie dell’ISP alla soluzione di problemi reali è molto estesa così come lo sono i settori d’interesse applicativo. I filtri adattativi, lineari e non lineari, sono ampiamente usati nelle tecniche di elaborazione dei segnali nei problemi di: modellazione, stima, rivelazione, separazione di sorgenti, equalizzazione di canale, nell’array processing ecc. Per esempio, nella modellazione di sistemi sono possibili applicazioni praticamente in tutti i settori a elevata tecnologia (biomedico, acustico, telecomunicazioni, meccanico, fisico, economico ecc). Le basi teoriche dell’ISP costituiscono, inoltre, un supporto insostituibile per le più attuali sfide scientifiche e tecnologiche quali, per esempio, la modellazione e la previsione dei fenomeni catastrofici naturali (uragani, terremoti, cambiamenti climatici ecc), la bioinformatica (decodifica del DNA ecc), l'intelligenza computazionale (reti neurali artificiali, ecc), la visione artificiale,  sistemi cosiddetti a fusione dati multisensoriale, ecc.

Finalità

Istituito per la prima volta nel 1988; “Circuiti e algoritmi per l’elaborazione numerica dei segnali”, è ormai in corso ‘storico’ del gruppo ‘Circuiti’. La principale  finalità del corso è quella di introdurre le metodologie basilari per l’Intelligent Signal Processing e per il trattamento adattativo di segnali uni e multi dimensionali (provenienti da schiere di sensori omogenei e non). Vengono introdotti, in particolare, algoritmi e architetture circuitali avanzate per l'elaborazione robusta e adattativa di segnali: lineari e non-lineari, on-line e batch; con metodi super visionati e non supervisionati (blind signal processing).

 

Il corso prevede, in parallelo alla parte teorica, la sperimentazione (anche in laboratorio) di almeno una applicazione (da discutere eventualmente come tesina) come, per esempio: la cancellazione adattativa del rumore, la predizione, l’equalizzazione di canali di comunicazione, cancellazione dell’eco acustico, array processing adattativo, signal enhancement, beamforming, separazione e/o estrazione cieca dei sorgenti (in vari contesti applicativi) ecc; implementate in real-time su PC e/o piattaforme DSP dedicate.

Programma di massima

La principale finalità di CAES è quella di fornire strumenti avanzati per lo studio e la determinazione di strutture circuitali e algoritmi robusti disegnati in base alle caratteristiche dei segnali da elaborare. Il corso introduce la tematica del filtraggio adattativo, lineare e non lineare, di segnali uni e multi dimensionali. Vengono introdotti algoritmi di apprendimento supervisionati e non supervisionati, on-line e batch.

 

Principali argomenti trattati: introduzione alla elaborazione adattativa dei segnali lineare e non lineare; filtraggio ottimo lineare con approccio stocastico e deterministico; cenni agli algoritmi di apprendimento non convenzionali; algoritmi e circuiti robusti per la soluzione di sistemi LS; algoritmi adattativi del primo ordine; algoritmi a regressione sequenziale; algoritmi adattativi a blocchi, nel dominio trasformato e in sottobande; filtri adattativi ricorsivi; algoritmi per il filtraggio spazio-temporale; metodi di analisi delle componenti principale e indipendenti; spazio curvato di Riemann e gradiente naturale; filtri adattativi non lineari; rappresentazione di sistemi non lineari con serie di Volterra; introduzione alle reti neurali artificiali; filtri adattativi non lineari.

 

Note sulla modalità di erogazione del corso

In parallelo alla parte teorica è prevista la sperimentazione, anche in laboratorio, di almeno una applicazione, da discutere eventualmente come elaborato di fine corso, come, per esempio: la cancellazione adattativa a attiva del rumore, la predizione, l’equalizzazione di canali di comunicazione, cancellazione dell’eco acustico, algoritmi adattativi per array microfonici, la localizzazione e l’inseguimento di sorgenti (acustiche), miglioramento della qualità dei segnali, la separazione ed estrazione “alla cieca” dei sorgenti (in vari contesti applicativi) ecc; implementate in tempo reale su PC e piattaforme DSP dedicate.

 

Tesi di Laurea e Dottorato di Ricerca

Gli argomenti trattati nel corso sono attualmente oggetto di studio e di ricerca. Sono disponibili, pertanto, numerose Tesi di Laurea di carattere sperimentale che potrebbero dare accesso a centri di ricerca avanzata  in ambito nazionale ed internazionale. Sono, inoltre, attive collaborazioni con importanti realtà aziendali.  



Riferimenti:

Testo di riferimento

 

Testi di approfondimento

Articoli di approfondimento