Biomedical and industrial signal processing
A.A. 2018/2019
Obiettivi formativi
The course is a one semester advanced class in signal processing with specific application to biomedical signals, taught in English. The course will start with a review of digital signal processing fundamentals, to then move to the study of biomedical signals and techniques meant for their analysis. At the end of the course, the students will be able to acquire and process biomedical digital signals while extracting information ready to be use in applications.
Biomedical and Industrial Signal Processing è un corso avanzato di elaborazione numerica dei segnali, con particolare enfasi ai segnali di origine biologica. Il corso è tenuto in inglese e inizia con una review dei concetti fondamentali di digital signal processing (per permettere anche a chi non ha mai frequentato un corso base di DSP di seguire le lezioni), per poi continuare con lo studio dei principali segnali di origine biologica e delle tecniche specifiche per la loro analisi. Alla fine del corso, gli studenti saranno in grado di acquisire ed elaborare segnali di origine biologica, al fine di estrarre caratteristiche da utilizzare in applicazioni pratiche.
Biomedical and Industrial Signal Processing è un corso avanzato di elaborazione numerica dei segnali, con particolare enfasi ai segnali di origine biologica. Il corso è tenuto in inglese e inizia con una review dei concetti fondamentali di digital signal processing (per permettere anche a chi non ha mai frequentato un corso base di DSP di seguire le lezioni), per poi continuare con lo studio dei principali segnali di origine biologica e delle tecniche specifiche per la loro analisi. Alla fine del corso, gli studenti saranno in grado di acquisire ed elaborare segnali di origine biologica, al fine di estrarre caratteristiche da utilizzare in applicazioni pratiche.
Risultati apprendimento attesi
Non definiti
Periodo: Secondo semestre
Modalità di valutazione: Esame
Giudizio di valutazione: voto verbalizzato in trentesimi
Corso singolo
Questo insegnamento non può essere seguito come corso singolo. Puoi trovare gli insegnamenti disponibili consultando il catalogo corsi singoli.
Programma e organizzazione didattica
Linea Milano - disponibile in streaming da Crema
Responsabile
Periodo
Secondo semestre
STUDENTI FREQUENTANTI
Programma
Introduzione
· Proprietà dei segnali biologici
· Caratterizzazione statistica dei segnali
· Processi stocastici (cenni)
· Sistemi lineari tempo invarianti (LTI), risposta in frequenza e funzione di trasferimento.
· Filtri con risposta all'impulso finite e infinita (FIR & IIR). Progettazione di filtri FIR a fase lineare con il metodo delle finestre. Progettazione di filtri IIR tramite collocazione diretta di poli e zeri. Filtri IIR classici.
· Processi stocastici autoregressivi (AR) come modello di segnali. Selezione dell'ordine del modello AR.
· Elementi di teoria della stima: accuracy, trueness, precision.
Analisi spettrale
· Stime spettrali non-parametriche e parametriche
· Analisi spettrale di serie campionate in modo non uniforme
Separazione di sorgenti
· Riduzione del rumore in presenza di pattern ripetuti tramite tecniche di media. Exponential averaging.
· Cross-correlazione e matched filters
Correlazioni di lungo periodo e segnali frattali
· Processi a lunga memoria. Stima dell'esponente di scaling a partire da serie temporali
Entropia e regolarità di un segnale
· Entropia come misura del tasso di creazione di nuova informazione.
· Entropia come misura di regolarità
· Stimatori pratici di entropia
· Proprietà dei segnali biologici
· Caratterizzazione statistica dei segnali
· Processi stocastici (cenni)
· Sistemi lineari tempo invarianti (LTI), risposta in frequenza e funzione di trasferimento.
· Filtri con risposta all'impulso finite e infinita (FIR & IIR). Progettazione di filtri FIR a fase lineare con il metodo delle finestre. Progettazione di filtri IIR tramite collocazione diretta di poli e zeri. Filtri IIR classici.
· Processi stocastici autoregressivi (AR) come modello di segnali. Selezione dell'ordine del modello AR.
· Elementi di teoria della stima: accuracy, trueness, precision.
Analisi spettrale
· Stime spettrali non-parametriche e parametriche
· Analisi spettrale di serie campionate in modo non uniforme
Separazione di sorgenti
· Riduzione del rumore in presenza di pattern ripetuti tramite tecniche di media. Exponential averaging.
· Cross-correlazione e matched filters
Correlazioni di lungo periodo e segnali frattali
· Processi a lunga memoria. Stima dell'esponente di scaling a partire da serie temporali
Entropia e regolarità di un segnale
· Entropia come misura del tasso di creazione di nuova informazione.
· Entropia come misura di regolarità
· Stimatori pratici di entropia
Prerequisiti
The grading of the class is performed through a written examination (plus an optional quick oral interview where the results of the written examination are discussed), which can be substituted with a project assigned under request by the instructor. The written examination will contain both questions meant to verify the knowledge of the topics studied during the semester and exercises, on the lines of those assigned as homework or solved during the class.
Materiale di riferimento
STUDENTI NON FREQUENTANTI
Books & Materials:
There is yet no single text covering the breath and depth of the issues in this course. Reference materials will be provided for the different parts of the course and will consist in:
- lecture notes (PDF of slides)
- Single chapters of books
- Freely available materials.
There is yet no single text covering the breath and depth of the issues in this course. Reference materials will be provided for the different parts of the course and will consist in:
- lecture notes (PDF of slides)
- Single chapters of books
- Freely available materials.
Prerequisiti
The grading of the class is performed through a written examination (plus an optional quick oral interview where the results of the written examination are discussed). The written examination will contain both questions meant to verify the knowledge of the topics studied during the semester and exercises, on the lines of those assigned as homework or solved during the class.
ING-INF/06 - BIOINGEGNERIA ELETTRONICA E INFORMATICA - CFU: 6
Lezioni: 48 ore
Docente:
Sassi Roberto
Docente/i
Ricevimento:
Su appuntamento (concordato per email o telefono)
Dipartimento di Informatica, via Celoria 18, stanza 6004 (6 piano, ala Ovest), Milano o remoto via Microsoft Teams