Análise Estatística e Processamento de Sinal

Código:

M465

Sigla:

M465

Áreas Científicas
Classificação	Área Científica
OFICIAL	Matemática

Ocorrência: 2009/2010 - 1S

Ativa?	Sim
Página Web:	http://elearning.fc.up.pt/aulasweb0607/course/view.php?id=112310
Unidade Responsável:	Departamento de Matemática Aplicada
Curso/CE Responsável:	Mestrado em Engenharia Geoespacial

Ciclos de Estudo/Cursos

Sigla	Nº de Estudantes	Plano de Estudos	Anos Curriculares	Créditos UCN	Créditos ECTS	Horas de Contacto	Horas Totais
M:EG	1	PE do Mestrado em Engenharia Geográfica	1	-	7,5	70	202,5
M:ENM	2	PE do Mestrado em Engenharia Matemática	1	-	7,5	70	202,5
			2
M:M	0	PE do Mestrado em Matemática	1	-	7,5	70	202,5
			2
M:MAO	2	PE Mestrado em MAOPI	1	-	7,5	70	202,5
M:SIG	0	PE do Mestrado em Sistemas de Informação Geográfic	1	-	7,5	70	202,5

Língua de trabalho

Português

Objetivos

Proporcionar conhecimentos para a análise e processamento digital de sinais estocásticos e de identificação de sistemas.

Programa

Módulo de Sinal - MS
Métodos Probabilísticos em Sinais e Sistemas: Processos estocásticos em tempo discreto. Caracterização e análise nos domínios do tempo e frequência. Estacionariedade e ergodicidade. Modelos lineares.
Estimação espectral: Métodos paramétricos e não paramétricos. Introdução aos métodos em tempo-frequência.
Aplicação a um caso de estudo.

Módulo de - MI
Descrição matemática de sistemas lineares discretos e análise de estabilidade. Sistemas de Wiener. Métodos de identificação para sistemas adaptativos: recursivos e não recursivos. Análise de identificabilidade e de sensibilidade paramétrica. Aplicação a um caso de estudo.

Observações Bibliográficas

- D. G. Manolakis, V. K. Ingle, S. M. Kogan. Statistical and Adaptive Signal Processing, Spectral Estimation, Signal Modeling, Adaptive Filtering and Array Processing, Artech House, 2005.
- Shiavi, Applied Statistical Signal Analysis, Academic Press 2007.
- M. H. Hayes. Statistical Digital Signal Processing and Modeling, Wiley, 1996.
- D.J. Higham, N.J. Higham, N.J., Matlab guide, SIAM, 2000
- Ljung, Systems Identification: Theory and Users, Prentice Hall, 1999.
- T. Soderstrom, P. Stoica, System Identification, Prentice-Hall, 1989.

Métodos de ensino e atividades de aprendizagem

Em cada um dos módulos a disciplina privilegia a compreensão dos conceitos e métodos com utilização efectiva de dados simulados e dados experimentais. Privilegia-se o aperfeiçoamento das competências de comunicação oral e escrita.
A disciplina tem uma forte componente computacional com utilização de MATLAB, ou outro ambiente de programação adequado.

Software

Matlab

Tipo de avaliação

Avaliação distribuída sem exame final

Componentes de Avaliação

Descrição	Tipo	Tempo (Horas)	Peso (%)	Data Conclusão
Participação presencial (estimativa)	Participação presencial	70,00
	Total:	-	0,00

Obtenção de frequência

Classificação mínima de 10 valores no conjunto dos trabalhos e projectos realizados.

Fórmula de cálculo da classificação final

Em cada um módulos: Trabalhos (T-30%) e Projecto individual(P-70%). A avaliação da componente de Projecto, inclui a discussão(30%), a apresentação final(20%) e o relatório escrito (50%).

Provas e trabalhos especiais

Não aplicável. Idêntica para todos os alunos.