Corsi di Laurea Corsi di Laurea Magistrale Corsi di Laurea Magistrale
a Ciclo Unico
INGEGNERIA
INGEGNERIA ELETTRONICA
Insegnamento
STIMA E FILTRAGGIO
IN04119565, A.A. 2011/12

Informazioni valide per gli studenti immatricolati nell'A.A. 2010/11

Principali informazioni sull'insegnamento
Corso di studio Corso di laurea magistrale in
INGEGNERIA ELETTRONICA
IN0520, ordinamento 2008/09, A.A. 2011/12
N0
porta questa
pagina con te
Crediti formativi 9.0
Tipo di valutazione Voto
Denominazione inglese ESTIMATION AND FILTERING
Sito della struttura didattica http://moodle.dei.unipd.it/
Obbligo di frequenza No
Lingua di erogazione ITALIANO
Sede PADOVA
Corso singolo NON è possibile iscriversi all'insegnamento come corso singolo
Corso a libera scelta È possibile utilizzare l'insegnamento come corso a libera scelta

Docenti
Responsabile STEFANO PINZONI ING-INF/04

Mutuante
Codice Insegnamento Responsabile Corso di studio
IN04119565 STIMA E FILTRAGGIO STEFANO PINZONI IN0527

Dettaglio crediti formativi
Tipologia Ambito Disciplinare Settore Scientifico-Disciplinare Crediti
AFFINE/INTEGRATIVA Attività formative affini o integrative ING-INF/04 9.0

Organizzazione dell'insegnamento
Periodo di erogazione Secondo semestre
Anno di corso II Anno
Modalità di erogazione frontale

Tipo ore Crediti Ore di
didattica
assistita
Ore Studio
Individuale
LEZIONE 9.0 72 153.0

Calendario
Inizio attività didattiche 05/03/2012
Fine attività didattiche 16/06/2012
Visualizza il calendario delle lezioni Lezioni 2019/20 Ord.2019

Commissioni d'esame
Commissione Dal Al Membri
3 2012 01/10/2012 15/03/2014 PINZONI STEFANO (Presidente)

Syllabus
Prerequisiti: Elementi di teoria della probabilità, variabili aleatorie e processi stocastici.
Elementi di teoria dei segnali e dei sistemi: uso delle trasformate.
Modelli dinamici in forma di stato.
Risultati di apprendimento previsti: Conoscenza e capacità di utilizzo delle principali metodologie di elaborazione statistica dei segnali aleatori, con applicazioni a vari settori dell'ingegneria.
Contenuti:
Programma: Stima Bayesiana, stimatori lineari a minima varianza d'errore.
Filtri lineari per la stima di segnali aleatori: predittori, interpolatori e ricostruttori.
Filtri di Wiener-Kolmogorov. Fattorizzazione spettrale e modelli ARMA.
Controllo stocastico a minima varianza.
Modelli di stato. Filtro di Kalman e sua implementazione. Filtro di Kalman esteso.
Uso del software MATLAB.
Testi di riferimento: G. Picci, Filtraggio statistico (Wiener, Levinson, Kalman) e applicazioni. Padova: Lib. Progetto, 2007. Cerca nel catalogo
Metodi didattici: Tradizionale.
Metodi di valutazione: Homework, relazioni MATLAB, prova scritta.
Altro: