Curso Cuatrimestral Online de PSAVC

Información Importante
- Requisitos técnicos y solución a problemas conocidos
- Foro de AVISOS y de PREGUNTAS TÍPICAS (FAQs)
- Resolución de dudas
Presentación del curso de PSAVC
- ¿Cómo es PSAVC/TRS?
Tema 1: Introducción al procesado de señal. Notación matricial.
- Apuntes del Tema 1
- Repaso y ampliación de VA’s (parte 1)
- Ejercicios propuestos del Tema 1
- Repaso y ampliación de VA’s (parte 2)
- Repaso de procesos
- Notación Matricial con procesos (parte 1)
- Corrección de los ejercicios 6, 7 y 8 del Tema 1
- Notación Matricial con procesos (parte 2)
- Corrección del ejercicio 10
- Modelos racionales: Modelo AR(P)
- Corrección ejercicios de modelos racionales
Tema 3: Teoría de la estimación
- Material del tema 3
- Introducción a la teoría de la estimación
- Medidas de bondad
- Corrección ejercicio 3.1
- Ejercicio 3.4 (parte 1)
- Ejercicio 3.4 (parte 2)
- Límite de Cramer-Rao y estimador eficiente
- Corrección Ejercicio 3.7
- Estimación MAP y ML
- Corrección Ejercicio 3.13
- Corrección Ejercicio 3.12
- Corrección Ejercicio 3.35
- Optimización de una función escalar respecto a un parámetro
- Solución ejercicio estimación parámetros de una exponencial
- Best Linear Unbiased Estimator (BLUE)
- Matriz de Fisher
- Ejercicio 3.13 (con complejos)
- Aclaración matriz de Fisher caso complejo
- Ejercicio 3.8
- Ejercicios extra de parciales y finales
Tema 4: Estimación Lineal (Filtro de Wiener)
- Apuntes del tema
- Índice e introducción
- Ecuaciones principales del filtro de Wiener
- Solución IIR vs FIR
- Propiedades del error
- Significado de la salida del filtro de Wiener
- Filtro de Wiener FIR: notación vectorial
- Aplicaciones del filtro de Wiener (parte 1)
- Aplicaciones del filtro de Wiener (parte 2: Cancelador de ecos, ejercicio 4.12)
- Examen parcial primavera 2003
- Solución parcial primavera 2003
- Aplicaciones del filtro de Wiener (parte 3: Predicción Lineal)
- Ejercicio 4.10
- Solución de mínimos cuadrados (Least Squares)
Tema 5: Sistemas Adaptativos
- Apuntes e índice del tema
- Introducción
- Algoritmo Gradient Descent (parte 1: definición)
- Algoritmo Gradient Descent (parte 2: convergencia y velocidad)
- Algoritmo LMS y NLMS
- Examen Final Enero 2005. Ejercicio 3
- Demostración Cota de convergencia algoritmo GD
- Demostración Número de pasos para la convergencia
- Demostración Desajuste del algoritmo LMS
- Segundos parciales de PSAVC
Tema 2: Teoría de la detección
- Material del tema 2
- Introducción: Test de hipótesis
- Corrección ejercicio nivel de continua
- Detectores: Neyman-Pearson, MAP y mínimo riesgo Bayesiano
- Ejercicio 2.1
- Ejercicio 2.7
- Ejercicio 2.9
- Lecciones de matemáticas avanzadas
- Ejercicio propuesto: Diseño de un radar pulsado
- Corrección ejercicio del radar
Tema 6: Estimación espectral (sólo telecos)
- Apuntes del tema
- Índice y estimadores de la autocorrelación
- Correlograma y periodograma
- Ejercicio 3 del Parcial de abril de 2015
- Barlett/Welch y Blackman-Tuckey
- Banco de filtros
- Estimador de Capón
Material Intensivo Final
- Ejercicio 4.22
- Cuestionario Teórico
- Exámenes finales de PSAVC
- Examen Final reav julio 2019. Ejercicio 1
- Examen Final reav julio 2019. Ejercicio 2
- Examen Final reav julio 2019. Ejercicio 3
- Examen Final enero 2018. Ejercicio 2
Material Adicional: Procesos Aleatorios
- Caracterización de procesos aleatorios
- Estacionariedad y cicloestacionariedad
- Listas de problemas de procesos
- Corrección de los ejercicios de procesos
- Procesos y SLIs
- Corrección de los ejercicios de procesos (parte 2)
Abrir Todo · Cerrar todo

Información del curso

Curso instructor

Luis Esteve Autor: Luis Esteve

Información Importante

Requisitos técnicos y solución a problemas conocidos

Foro de AVISOS y de PREGUNTAS TÍPICAS (FAQs)

Resolución de dudas

Presentación del curso de PSAVC

¿Cómo es PSAVC/TRS?

Tema 1: Introducción al procesado de señal. Notación matricial.

Apuntes del Tema 1

Repaso y ampliación de VA’s (parte 1)

Ejercicios propuestos del Tema 1

Repaso y ampliación de VA’s (parte 2)

Repaso de procesos

Notación Matricial con procesos (parte 1)

Corrección de los ejercicios 6, 7 y 8 del Tema 1

Notación Matricial con procesos (parte 2)

Corrección del ejercicio 10

Modelos racionales: Modelo AR(P)

Corrección ejercicios de modelos racionales

Tema 3: Teoría de la estimación

Material del tema 3

Introducción a la teoría de la estimación

Medidas de bondad

Corrección ejercicio 3.1

Ejercicio 3.4 (parte 1)

Ejercicio 3.4 (parte 2)

Límite de Cramer-Rao y estimador eficiente

Corrección Ejercicio 3.7

Estimación MAP y ML

Corrección Ejercicio 3.13

Corrección Ejercicio 3.12

Corrección Ejercicio 3.35

Optimización de una función escalar respecto a un parámetro

Solución ejercicio estimación parámetros de una exponencial

Best Linear Unbiased Estimator (BLUE)

Matriz de Fisher

Ejercicio 3.13 (con complejos)

Aclaración matriz de Fisher caso complejo

Ejercicio 3.8

Ejercicios extra de parciales y finales

Tema 4: Estimación Lineal (Filtro de Wiener)

Apuntes del tema

Índice e introducción

Ecuaciones principales del filtro de Wiener

Solución IIR vs FIR

Propiedades del error

Significado de la salida del filtro de Wiener

Filtro de Wiener FIR: notación vectorial

Aplicaciones del filtro de Wiener (parte 1)

Aplicaciones del filtro de Wiener (parte 2: Cancelador de ecos, ejercicio 4.12)

Examen parcial primavera 2003

Solución parcial primavera 2003

Aplicaciones del filtro de Wiener (parte 3: Predicción Lineal)

Ejercicio 4.10

Solución de mínimos cuadrados (Least Squares)

Tema 5: Sistemas Adaptativos

Apuntes e índice del tema

Introducción

Algoritmo Gradient Descent (parte 1: definición)

Algoritmo Gradient Descent (parte 2: convergencia y velocidad)

Algoritmo LMS y NLMS

Examen Final Enero 2005. Ejercicio 3

Demostración Cota de convergencia algoritmo GD

Demostración Número de pasos para la convergencia

Demostración Desajuste del algoritmo LMS

Segundos parciales de PSAVC

Tema 2: Teoría de la detección

Material del tema 2

Introducción: Test de hipótesis

Corrección ejercicio nivel de continua

Detectores: Neyman-Pearson, MAP y mínimo riesgo Bayesiano

Ejercicio 2.1

Ejercicio 2.7

Ejercicio 2.9

Lecciones de matemáticas avanzadas

Ejercicio propuesto: Diseño de un radar pulsado

Corrección ejercicio del radar

Tema 6: Estimación espectral (sólo telecos)

Apuntes del tema

Índice y estimadores de la autocorrelación

Correlograma y periodograma

Ejercicio 3 del Parcial de abril de 2015

Barlett/Welch y Blackman-Tuckey

Banco de filtros

Estimador de Capón

Material Intensivo Final

Ejercicio 4.22

Cuestionario Teórico

Exámenes finales de PSAVC

Examen Final reav julio 2019. Ejercicio 1

Examen Final reav julio 2019. Ejercicio 2

Examen Final reav julio 2019. Ejercicio 3

Examen Final enero 2018. Ejercicio 2

Material Adicional: Procesos Aleatorios

Caracterización de procesos aleatorios

Estacionariedad y cicloestacionariedad

Listas de problemas de procesos

Corrección de los ejercicios de procesos

Procesos y SLIs

Corrección de los ejercicios de procesos (parte 2)