Moduł oferowany także w ramach programów studiów:
Informacje ogólne:
Nazwa:
Advanced Signal Processing
Tok studiów:
2015/2016
Kod:
BIT-1-701-s
Wydział:
Geologii, Geofizyki i Ochrony Środowiska
Poziom studiów:
Studia I stopnia
Specjalność:
-
Kierunek:
Informatyka Stosowana
Semestr:
7
Profil kształcenia:
Ogólnoakademicki (A)
Język wykładowy:
Angielski
Forma i tryb studiów:
Stacjonarne
Osoba odpowiedzialna:
prof. dr hab. inż. Leśniak Andrzej (lesniak@uci.agh.edu.pl)
Osoby prowadzące:
prof. dr hab. inż. Leśniak Andrzej (lesniak@uci.agh.edu.pl)
Krótka charakterystyka modułu

Opis efektów kształcenia dla modułu zajęć
Kod EKM Student, który zaliczył moduł zajęć wie/umie/potrafi Powiązania z EKK Sposób weryfikacji efektów kształcenia (forma zaliczeń)
Wiedza
M_W001 ma wiedzę w zakresie metod matematycznych i numerycznych niezbędną do rozwiązywania zagadnień obliczeniowych IT1A_W08 Kolokwium
M_W002 ma zaawansowaną wiedzę na temat analizy i przetwarzania sygnałów IT1A_W25 Kolokwium
Umiejętności
M_U001 potrafi łączyć algorytmy obliczeniowe i tworzyć własne w celu rozwiązywania zagadnień dotyczących przetwarzania sygnałów IT1A_U15 Wykonanie ćwiczeń laboratoryjnych
M_U002 potrafi zastosować zasady rozumowania algorytmicznego do rozwiązywania problemów. IT1A_U16 Wykonanie ćwiczeń laboratoryjnych
Kompetencje społeczne
M_K001 rozumie potrzebę i zna możliwości ciągłego dokształcania się i podnoszenia kwalifikacji zawodowych i osobistych IT1A_K01 Kolokwium
Matryca efektów kształcenia w odniesieniu do form zajęć
Kod EKM Student, który zaliczył moduł zajęć wie/umie/potrafi Forma zajęć
Wykład
Ćwicz. aud
Ćwicz. lab
Ćw. proj.
Konw.
Zaj. sem.
Zaj. prakt
Zaj. terenowe
Zaj. warsztatowe
Inne
E-learning
Wiedza
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 + - - - - - - - - - -
Umiejętności
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. - - + - - - - - - - -
Kompetencje społeczne
M_K001 rozumie potrzebę i zna możliwości ciągłego dokształcania się i podnoszenia kwalifikacji zawodowych i osobistych + - + - - - - - - - -
Treść modułu zajęć (program wykładów i pozostałych zajęć)
Wykład:

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

Ćwiczenia laboratoryjne:

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.

Nakład pracy studenta (bilans punktów ECTS)
Forma aktywności studenta Obciążenie studenta
Sumaryczne obciążenie pracą studenta 80 godz
Punkty ECTS za moduł 3 ECTS
Udział w wykładach 15 godz
Samodzielne studiowanie tematyki zajęć 15 godz
Udział w ćwiczeniach laboratoryjnych 30 godz
Przygotowanie do zajęć 20 godz
Pozostałe informacje
Sposób obliczania oceny końcowej:

Ocena końcowa = 100% oceny z ćwiczeń

Wymagania wstępne i dodatkowe:

Wiedza z zakresu podstaw Teorii Sygnałów dla studiów Informatyki Stosowanej

Zalecana literatura i pomoce naukowe:

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.

Publikacje naukowe osób prowadzących zajęcia związane z tematyką modułu:

Nie podano dodatkowych publikacji

Informacje dodatkowe:

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.