Guida degli insegnamenti
Syllabus
Partially translatedTradotto parzialmente
Stefania CECCHI
Lingua di erogazione: ITALIANOLessons taught in: ITALIAN
Laurea Magistrale - [IM11] INGEGNERIA ELETTRONICA (Curriculum: Sistemi Elettronici e Nanotecnologie) Master Degree (2 years) - [IM11] ELECTRONICS ENGINEERING (Curriculum: Sistemi Elettronici e Nanotecnologie)
Dipartimento: [040040] Dipartimento Ingegneria dell'InformazioneDepartment: [040040] Dipartimento Ingegneria dell'Informazione
Anno di corsoDegree programme year : 2 - Secondo Semestre
Anno offertaAcademic year: 2023-2024
Anno regolamentoAnno regolamento: 2022-2023
Crediti: 9
Ore di lezioneTeaching hours: 72
TipologiaType: C - Affine/Integrativa
Settore disciplinareAcademic discipline: ING-IND/31 - ELETTROTECNICA
ITALIANO
Italian
Teoria dei circuiti a tempo discreto, filtri digitali, filtri adattativi
Circuit Theory, Digital filters, Adaptive filters
Lezioni frontali, 72 ore di cui
- Lezioni di Teoria, 58 ore
- Esercitazioni, 12 ore
- Laboratorio, 2 ore
Frontal lecture, 72 hours divided as
-Theory lessons, 58 hours
-Exercises, 12 hours
-Laboratory exercises, 2 hours
L’insegnamento mira a far conoscere e comprendere le tecniche
avanzate di Digital Signal Processing (DSP) applicate all’elaborazione di
segnali audio digitali. In particolare, lo studente acquisirà conoscenze nel
settore dell’elaborazione multirate e dei banchi filtri adattativi, mettendo
in grado lo studente di progettare e realizzare applicazioni in tempo reale
nel campo dell'Audio Processing.
Capacità di applicare conoscenze e comprensione.
Lo studente dovrà saper progettare e realizzare applicazioni nel campo
dell'Audio Processing utilizzando tecniche avanzate di Digital Signal
Processing (DSP) per l’elaborazione di segnali audio digitali. Il
raggiungimento di queste capacità applicative si esprimerà attraverso la
realizzazione di un progetto di classe relativo allo sviluppo di un algoritmo
in tempo reale su un’opportuna piattaforma software/hardware.
Competenze trasversali.
La partecipazione al progetto di classe, che verrà sviluppato in gruppi di
lavoro e che porterà alla progettazione di un algoritmo per l’elaborazione
in tempo reale di un segnale audio digitale e alla stesura di una relazione
finale, contribuirà a migliorare sia il grado di autonomia di giudizio dello
studente, sia la capacità comunicativa, che la capacità di apprendimento
in autonomia dello studente.
Knowledge and Understanding.
To know and understand advanced Digital Signal Processing (DSP)
techniques applied to audio processing. In particular, the students will
acquire knowledge in the field of multirate digital signal processing and
adaptive filter banks, allowing the development of a real-time application
in the field of audio processing.
Capacity to apply Knowledge and Understanding.
The student will be able to design and develop real time applications in
the field of audio processing exploiting advanced Digital Signal
Processing (DSP) techniques applied to audio processing. Such skills will
be acquired also through the participation in a practical classroom project
relative to the real time development on a selected software/hardware
platform.
Transversal Skills.
The participation of the student in the classroom project will be
developed in workgroups and it will culminate in the development of a
real time application for audio processing and in the writing of a final
technical report. These activities will contribute to provide the student
with better judgement skills, to strengthen the ability to synthetize and
communicate the obtained results, and to develop autonomous learning
and analysis proficiency.
Lezioni di teoria (58 ore)
Richiami di teoria dei circuiti a tempo discreto. Circuiti multirate e banchi
filtri.
Banchi filtri DFT, banchi filtri QMF, banchi filtri paraunitari, banchi filtri a
Testi in inglese
LANGUAGE Italian
modulazione coseno, Wavelet.
Richiami sui filtri adattativi. Banchi filtri adattativi ed eliminazione
dell’aliasing attraverso diverse soluzioni implementative.
Applicazione di banchi filtri adattativi: Dispositivi di riproduzione ed
acquisizione sonora, Tecniche di equalizzazione dell'ambiente sonoro,
Algoritmi avanzati per l'audio 3d in scenari immersivi, Tecniche di
riproduzione multicanale, Elaborazione multicanale per sistemi di audio
conferenza, Algoritmi per la cancellazione attiva del rumore.
Implementazione in tempo reale di banchi filtri adattativi e loro utilizzo in
applicazioni reali.
Esercitazioni (12 ore)
Implementazione in tempo reale di algoritmi per l'elaborazione del
segnale audio, Filtraggi in tempo reale, Banchi filtri e banchi filtri
adattativi
Laboratorio (2 ore)
Visita alla camera semianecoica con illustrazione di alcune
strumentazioni
Theory lessons (58 h)
Review of circuit theory concepts, Multirate system and filter banks.
DFT filter banks, QMF filter banks, paraunitary filter banks, Cosine
modulation filter banks, Wavelet.
Review of adaptive filters. Adaptive filters banks and aliasing problems.
Application of adaptive
filters banks: Digital Audio devices, Audio equalization algorithms, 3d
Audio algorithms for
immersive scenarios, Multichannel audio reproduction system,
Audio/video teleconferencing systems, Active noise cancellation
algorithms, . Real time implementation of multirate adaptive filters
banks.
Exercises (12h)
Real time implementation of audio signal processing algorithms, real time
filtering, filter banks, adaptive filter banks
Laboratory (2h)
Visit to the semi-anechoic chamber and description of professional audio
instrumentation.
La valutazione avviene tramite la presentazione e la discussione di una
relazione tecnica finale relativa allo svolgimento di un progetto. Il
progetto prevede lo sviluppo di un algoritmo per l’elaborazione digitale in
tempo reale di un segnale audio utilizzando le nozioni acquisite durante
le lezioni.
Criteri di valutazione dell'apprendimento.
Lo studente o la studentessa dovrà dimostrare di aver compreso i concetti teorici illustrati
durante le lezioni e di saperli applicare in maniera autonoma nello
svolgimento del progetto assegnato. Inoltre, attraverso la discussione
finale dell'elaborato, dovrà dimostrare di saper esporre in maniera chiara
e sintetica i concetti appresi e sviluppati.
Criteri di misurazione dell'apprendimento.
La prova finale viene valutata in 30esimi, con eventuale lode. Il voto
minimo per il superamento dell'esame è 18/30.
Criteri di attribuzione del voto finale.
La votazione minima, pari a diciotto, viene assegnata allo studente o alla studentessa che
dimostri di essere in grado di analizzare e risolvere correttamente i
problemi che gli vengono posti, dimostrando una sufficiente conoscenza
delle tecniche approfondite durante le lezioni. La votazione massima, pari
a trenta, è assegnata allo studente che dimostri piena autonomia nello
svolgimento del progetto di classe, risolvendo le difficoltà tecniche
incontrate e dimostrando tramite opportune prove sperimentali, le
caratteristiche funzionali dell'algoritmo realizzato. La lode viene riservata
gli studenti e alle studentesse che nel superare con voto pieno la prova abbiano mostrato
uno spiccato rigore scientifico ed una particolare brillantezza espositiva.
Learning Evaluation Methods.
The learning evaluation methodology consists of the presentation and
discussion of a final technical report relative to a project focused on the
development of a real time DSP algorithm exploiting the technical
background acquired during the lectures.
Learning Evaluation Criteria.
The student is required to show an adequate comprehension of the
concepts discussed during the lectures and to be able to apply them in an
autonomous way in the fulfilment of the classroom project. Moreover, it is
required that the student is able to clearly explain and synthetize the
development and the results of the project through the discussion of the
final report.
Learning Measurement Criteria.
The evaluation is performed according to 30-point scale, 18 being the
minimum passing grade.
Final Mark Allocation Criteria.
To obtain the minimum passing grade, the student is required to show
his/her ability in analyzing and correctly solving the proposed project by
using the technical background acquired during the lectures. The
maximum grade is obtained when the student demonstrates his/her
ability to autonomously develop the classroom project, solving technical
issues and showing the functional properties of the algorithms through
suitable experimental tests. cum Laude is added to the maximum grade
when the student shows a scientific attitude in the project development
and an outstanding level in the project presentation.
1) P.P. Vaidyanathan, "Multirate systems and filter banks" Prentice Hall
Signal Processing Series, Alan V. Oppenheim Series Editor 2) R.R.
Crochiere, L.R. Rabiner, "Multirate Digital Signal Processing", Prentice Hall
Signal Processing Series, Alan V. Oppenheim Series Editor 3) Kong-Aik
Lee, Woon-Seng Gan, and Sen M. Kuo. Subband Adaptive Filtering:
Theory and Implementation. Wiley Publishing, 2009. 4) Materiale
didattico elettronico disponibile su piattaforma moodle di Ateneo
https://learn.univpm.it
1) P.P. Vaidyanathan, "Multirate systems and filter banks" Prentice Hall
Signal Processing Series, Alan V. Oppenheim Series Editor 2) R.R.
Crochiere, L.R. Rabiner, "Multirate Digital Signal Processing", Prentice Hall
Signal Processing Series, Alan V. Oppenheim Series Editor 3) Kong-Aik
Lee, Woon-Seng Gan, and Sen M. Kuo. Subband Adaptive Filtering:
Theory and Implementation. Wiley Publishing, 2009. 4) Lecture slides
https://learn.univpm.it
Le informazioni contenute nella presente scheda assumono carattere definitivo solo a partire dall'A.A. di effettiva erogazione dell'insegnamento. Academic year 2023-2024
Università Politecnica delle Marche
P.zza Roma 22, 60121 Ancona
Tel (+39) 071.220.1, Fax (+39) 071.220.2324
P.I. 00382520427