Module also offered within study programmes:
General information:
Name:
Advanced Signal Processing
Course of study:
2015/2016
Code:
BIT-1-701-s
Faculty of:
Geology, Geophysics and Environmental Protection
Study level:
First-cycle studies
Specialty:
-
Field of study:
Applied Computer Science
Semester:
7
Profile of education:
Academic (A)
Lecture language:
English
Form and type of study:
Full-time studies
Responsible teacher:
prof. dr hab. inż. Leśniak Andrzej (lesniak@uci.agh.edu.pl)
Academic teachers:
prof. dr hab. inż. Leśniak Andrzej (lesniak@uci.agh.edu.pl)
Module summary

Description of learning outcomes for module
MLO code Student after module completion has the knowledge/ knows how to/is able to Connections with FLO Method of learning outcomes verification (form of completion)
Social competence
M_K001 rozumie potrzebę i zna możliwości ciągłego dokształcania się i podnoszenia kwalifikacji zawodowych i osobistych IT1A_K01 Test
Skills
M_U001 potrafi łączyć algorytmy obliczeniowe i tworzyć własne w celu rozwiązywania zagadnień dotyczących przetwarzania sygnałów IT1A_U15 Execution of laboratory classes
M_U002 potrafi zastosować zasady rozumowania algorytmicznego do rozwiązywania problemów. IT1A_U16 Execution of laboratory classes
Knowledge
M_W001 ma wiedzę w zakresie metod matematycznych i numerycznych niezbędną do rozwiązywania zagadnień obliczeniowych IT1A_W08 Test
M_W002 ma zaawansowaną wiedzę na temat analizy i przetwarzania sygnałów IT1A_W25 Test
FLO matrix in relation to forms of classes
MLO code Student after module completion has the knowledge/ knows how to/is able to Form of classes
Lecture
Audit. classes
Lab. classes
Project classes
Conv. seminar
Seminar classes
Pract. classes
Zaj. terenowe
Zaj. warsztatowe
Others
E-learning
Social competence
M_K001 rozumie potrzebę i zna możliwości ciągłego dokształcania się i podnoszenia kwalifikacji zawodowych i osobistych + - + - - - - - - - -
Skills
M_U001 potrafi łączyć algorytmy obliczeniowe i tworzyć własne w celu rozwiązywania zagadnień dotyczących przetwarzania sygnałów + - + - - - - - - - -
M_U002 potrafi zastosować zasady rozumowania algorytmicznego do rozwiązywania problemów. - - + - - - - - - - -
Knowledge
M_W001 ma wiedzę w zakresie metod matematycznych i numerycznych niezbędną do rozwiązywania zagadnień obliczeniowych + - - - - - - - - - -
M_W002 ma zaawansowaną wiedzę na temat analizy i przetwarzania sygnałów + - - - - - - - - - -
Module content
Lectures:

1. Eigendecomposition methods for signal processing.
2. Singular value decomposition in signal processing.
3. Adaptive Filtering
4. Kalman filters
5. MCMC modelling

Laboratory classes:

During computer exercises practical implementation of the processing techniques introduced during lectures. The input data will be a seismic traces, seismoacoustic signals, sequences of seismic/acoustic activities, geologic and environmental data.
All exercises will be performed in Matlab system.

Student workload (ECTS credits balance)
Student activity form Student workload
Summary student workload 80 h
Module ECTS credits 3 ECTS
Participation in lectures 15 h
Realization of independently performed tasks 15 h
Participation in laboratory classes 30 h
Preparation for classes 20 h
Additional information
Method of calculating the final grade:

Ocena końcowa = 100% oceny z ćwiczeń

Prerequisites and additional requirements:

Wiedza z zakresu podstaw Teorii Sygnałów dla studiów Informatyki Stosowanej

Recommended literature and teaching resources:

1. Moon, T. K. , Sterling, W. C., Mathematical methods and algorithms for signal processing, Prentica Hall, 2000
2. Poularikas, A. D., Adaptive Filtering Primer with MATLAB, Taylor & Francis, 2006
3. Time frequency signal analysis and processing : a comprehensive reference / ed. Boualem Boashash. Elsevier 2003
4. Wavelet transforms and time-frequency signal analysis / ed.Lokenath Debnath, wyd. Birkhäuser, 2001.

Scientific publications of module course instructors related to the topic of the module:

Additional scientific publications not specified

Additional information:

Wymagane jest by student samodzielne opracował praktyczne realizacje poznanych algorytmów w języku Matlab (co najmniej 12 prostych algorytmów)

udział „praktycznych” punktów ECTS: 2
udział „teoretycznych” punktów ECTS: 1

Podstawowym terminem uzyskania zaliczenia jest koniec zajęć w danym semestrze. Student może przystąpić do poprawkowego zaliczenia dwukrotnie, w terminie wyznaczonym przez prowadzącego zajęcia.
Student który bez usprawiedliwienia opuścił więcej niż 20% zajęć może zostać pozbawiony przez prowadzącego możliwości poprawkowego zaliczania.