Catálogo - Pós-Graduação - ITA
Catálogo - Pós-Graduação - ITA
Catálogo - Pós-Graduação - ITA
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
ET-235/2007 – Codificação Digital de Sinais<br />
Requisito recomendado: não há. Requisito exigido: não há. Horas semanais:<br />
4-0-8. Representação digital de sinais contínuos. Discretização no tempo:<br />
amostragem. Discretização em amplitudes e codificação digital: quantização<br />
linear, preditiva (diferencial e delta), não-linear e adaptável. Codificação de<br />
sinais por transformadas ortogonais. Codificação digital de voz e vídeo.<br />
Bibliografia: JAYANT, N.S. and NOLL, P., Digital coding of waverforms,<br />
Englewood Cliffs: Prentice-Hall, 1984. Artigos Selecionados.<br />
ET-236/2007 - Processos Estocásticos<br />
Requisitos recomendados: ELE-33, ELE 34, ter cursado ou estar cursando ET-<br />
286. Requisito exigido: não há. Revisão de probabilidade e variáveis aleatórias.<br />
Definição e caracterização estatística de processos aleatórios de tempo<br />
contínuo e tempo discreto, estacionariedade em sentido amplo e estrito.<br />
Exemplos de processos estocásticos de tempo contínuo e discreto: processos<br />
gaussianos, processos de Poisson, processo de Wiener de tempo contínuo,<br />
ruído branco, processo de Bernoulli, processo de Wiener de tempo discreto,<br />
processos de Markov de tempo discreto com estado discreto e estado<br />
contínuo. Estimação de estados em cadeias ocultas de Markov de estado<br />
discreto. Continuidade, diferenciabilidade e integrabilidade de processos<br />
estocásticos no sentido de mínimos quadrados. Sistemas lineares de tempo<br />
contínuo e discreto com entradas estocásticas. Caracterização spectral e<br />
modelagem de processos estacionários de tempo contínuo e discreto. Filtros<br />
de Wiener de tempo discreto e contínuo, filtros de Wiener para predição e<br />
suavizamento, identificação de modelos autoregressivos. Processos ergódigos<br />
e teoremas de ergodicidade. Bibliografia: PAPOULIS, A.; PILLAI, S. U.,<br />
Probability, random variables and stochastic processes. 4. ed., New York, NY:<br />
McGraw Hill, 2002; STARK, H.; WOODS, J. W., Probability and random<br />
processes with applications to signal processing. 3. ed. Upper Saddle River, NJ:<br />
Prentice Hall Inc., 2002.<br />
ET-237/2007 – Processamento Estatístico de Sinais<br />
Requisito recomendado: não há. Requisito exigido: ET-236 ou equivalente.<br />
Horas semanais: 4-0-6. Estimação bayesiana: conceitos gerais, estimadores<br />
MAP e MMSE, estimadores bayesianos seqüenciais, filtro de Kalman e filtro<br />
estendido de Kalman, filtros de partículas. Estimadores de máxima<br />
verossimilhança (ML): definição, propriedades de estimadores, matriz de<br />
informação de Fisher e limite de Cramér-Rao, estimação ML de parâmetros em<br />
vetores média e matrizes de covariância estruturadas, aplicações em<br />
identificação de sistemas e análise modal. Detecção: testes Neyman-Pearson,<br />
testes de Bayes e Minimax, estatísticas suficientes, detecção de sinais<br />
determinísticos conhecidos em ruído gaussiano, detecção de sinais aleatórios<br />
em ruído gaussiano, introdução a testes de hipóteses compostas, testes UMP e<br />
GLRT, detecção de sinais determinísticos com parâmetros desconhecidos em<br />
ruído gaussiano. Bibliografia: SCHARF, L., Statistical signal processing:<br />
Detection, estimation and time series analysis. Reading, Ma: Addison-Wesley<br />
145