Análise Estatística e Processamento de Sinal

Código:

M4062

Sigla:

M4062

Nível:

400

Áreas Científicas
Classificação	Área Científica
OFICIAL	Matemática

Ocorrência: 2016/2017 - 1S

Ativa?	Sim
Página Web:	https://moodle.up.pt/course/view.php?id=292
Unidade Responsável:	Departamento de Matemática
Curso/CE Responsável:	Mestrado em Engenharia Matemática

Ciclos de Estudo/Cursos

Sigla	Nº de Estudantes	Plano de Estudos	Anos Curriculares	Créditos UCN	Créditos ECTS	Horas de Contacto	Horas Totais
M:AST	2	Plano de Estudos oficial desde_2013/14	1	-	6	56	162
			2
M:CC	1	PE a partir do ano letivo de 2014	1	-	6	56	162
M:EG	5	Plano de Estudos do M: ENG.GEO_2013-2014	1	-	6	56	162
M:ENM	2	Plano de Estudos do M:Engenharia Matemática_2013-2014	1	-	6	56	162
M:M	3	Plano de Estudos do M:Matemática	1	-	6	56	162
			2

Língua de trabalho

Português - Suitable for English-speaking students

Objetivos

Proporcionar conhecimentos para a análise e processamento digital de sinais estocásticos, abordando de uma forma global a modelação, a estimação espectral e a filtragem óptima e adaptativa.

Resultados de aprendizagem e competências

 

O estudante deverá ser capaz de:

-rever tópicos essenciais de processamento digital de sinal, incluindo a amostragem e a utilização de transformadas.

-caracterizar sinais  aleatórios discretos nos domínios do tempo, frequência e tempo-frequência/escala, formular modelos adequados, estimar os parâmetros e avaliar a qualidade das estimativas.

-usar a teoria de estimação linear ótima, filtragem de Kalman  e de Wiener, na resolução de problemas em áreas técnicas, como  telecomunicações e processamento de sinal, mas também noutras disciplinas como finanças e estatística.

- usar os algoritmos de processamento de sinal adaptativo para extrair informação relevante de sinais em ruído: ênfase em algoritmos recursivos para sinais e sistemas variantes no tempo, aplicação em casos de estudo variados como finanças e aplicações biomédicas.

- selecionar de forma crítica os métodos a aplicar em casos de estudo concretos e interpretar os resultados obtidos.

 

 

 

Modo de trabalho

Presencial

Programa

Processos estocásticos em tempo discreto. Caracterização e análise nos domínios do tempo e frequência. Estacionariedade e ergodicidade. Modelos lineares. Análise espectral paramétrica e não paramétrica. Introdução à análise em tempo-frequência/escala e wavelets. Fundamentos de processamento de sinal ótimo e adaptativo. Algoritmos de mínimos quadrados e recursivos. Introdução a novos paradigmas na análise estatística de sinais.

 Aplicação e ilustração dos métodos e algoritmos estudados a casos de estudo.

Bibliografia Obrigatória

000039792. ISBN: 0-471-59431-8 (- M. H. Hayes. Statistical Digital Signal Processing and Modeling, Wiley, 1996. )
000089741. ISBN: 0-12-088581-6 (- Shiavi, Applied Statistical Signal Analysis, Academic Press 2007.)
000080761. ISBN: 1-58053-610-7 (- 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.)

Bibliografia Complementar

Semmlow John L.; Biosignal and medical image processing. ISBN: 9781466567368 (Biosignal and medical image processing / John L. Semmlow, Benjamin Griffel)
Vaseghi Saeed V.; Advanced digital signal processing and noise reduction. ISBN: 9780470754061 (Advanced digital signal processing and noise reduction / Saeed V. Vaseghi)

Observações Bibliográficas

Other bibliography: Being of interest, in particular for some of the case studies, complementary specific references or papers may be included in the bibliography list.

Métodos de ensino e atividades de aprendizagem

Aulas TP para apresentação da matéria ilustrada com exemplos variados e orientadas para a resolução de problemas /projeto, com uma forte componente de computação laboratorial em Matlab (ou R).

A orientação da disciplina previlegia a compreensão dos conceitos e métodos e a sua utilização efectiva na análise de dados simulados e de dados experimentais. Será feita uma utilização intensiva de meios computacionais avançados. Privilegia-se o aperfeiçoamento das competências de comunicação oral e escrita.

Software

Matlab
R

Palavras Chave

Ciências Físicas > Matemática > Estatística
Ciências Físicas > Matemática > Matemática aplicada
Ciências Físicas > Matemática > Matemática aplicada > Matemática para a engenharia

Tipo de avaliação

Avaliação distribuída sem exame final

Componentes de Avaliação

Designação	Peso (%)
Prova oral	50,00
Trabalho escrito	50,00
Total:	100,00

Obtenção de frequência

Classificação não inferior a 8 valores nos Trabalhos
Classificação não inferior a 8 valores no Projecto

Fórmula de cálculo da classificação final

Trabalhos (T-50%) e Projecto individual (P-50%). 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.

Avaliação especial (TE, DA, ...)

Não aplicável. Idêntica para todos os alunos.

Melhoria de classificação

A componente T não é susceptível de melhoria.
A melhoria da componente P é feita segundo as normas e prazos do ano letivo corrente.