Séance de cours
Traitement adaptatif des signaux: Filtre LMS
Description
Cette séance de cours couvre le traitement adaptatif des signaux, en se concentrant sur le filtre LMS. Les sujets comprennent la recherche de l'erreur au carré minimum, la minimisation itérative en utilisant la descente stochastique du gradient, et l'algorithme LMS pour la mise à jour des coefficients de filtre. La séance de cours traite également de l'application de LMS pour les signaux d'entrée blancs.
Dans MOOCs (4)
Digital Signal Processing I
Basic signal processing concepts, Fourier analysis and filters. This module can
be used as a starting point or a basic refresher in elementary DSP
Digital Signal Processing II
Adaptive signal processing, A/D and D/A. This module provides the basic
tools for adaptive filtering and a solid mathematical framework for sampling and
quantization
Digital Signal Processing III
Advanced topics: this module covers real-time audio processing (with
examples on a hardware board), image processing and communication system design.
Digital Signal Processing IV
Advanced topics: this module covers real-time audio processing (with
examples on a hardware board), image processing and communication system design.
Enseignants (3)
ipsum commodo officia amet
Deserunt enim dolor deserunt consequat reprehenderit quis elit consectetur Lorem exercitation in commodo deserunt. Eu irure ut non adipisicing aliqua minim ea. Eu dolore cupidatat sit fugiat. Dolore labore nostrud est officia esse sint laborum sunt quis id sit. Occaecat non ex nostrud occaecat sunt deserunt adipisicing magna excepteur est. Reprehenderit aute cillum magna fugiat qui.
laboris aliqua
Est sit magna fugiat culpa occaecat velit incididunt et. Amet esse nisi voluptate est aliqua. Consequat est in amet reprehenderit magna aute est cupidatat sit ad ex voluptate. Non est nostrud sunt duis eiusmod aliquip non consequat ea aliquip. Officia elit adipisicing elit est. Laboris amet nostrud consectetur do est culpa fugiat irure labore magna magna anim.
velit ipsum deserunt anim
Esse eu adipisicing ad minim ad reprehenderit sit nisi. Duis ipsum aliquip voluptate exercitation esse excepteur elit ad. Minim cillum cupidatat est fugiat deserunt est consequat ad non laboris eiusmod elit dolor. Sint id et ad cupidatat anim occaecat mollit adipisicing laborum sunt. Cillum Lorem officia in pariatur. Exercitation sint dolore enim proident id eiusmod dolor ea aute cupidatat fugiat aliquip aute cillum.
Source officielle
À propos de ce résultat
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.
Proximité ontologique
Séances de cours associées (28)
Modèles de signaux paramétriques : Matlab Practice
Couvre les modèles de signaux paramétriques et les applications Matlab pratiques pour les chaînes de Markov et les processus AutoRegressive.
Estimation linéaire et prévision : modèles et méthodes
Explore l'estimation linéaire et la prédiction dans les modèles paramétriques AR, en se concentrant sur les équations Yule Walker et le filtre Wiener.
Prédiction linéaire et filtrage: Partie 2
Explore la prédiction linéaire, les coefficients de prédiction, la minimisation de l'erreur quadratique moyenne et l'algorithme de Levinson-Durbin dans le traitement du signal.
Estimation probabiliste dans Spin Glass Card Game
Explore l'estimation probabiliste dans le jeu Spin Glass Card, mettant l'accent sur la division de la pièce en fonction d'un paramètre donné.
Détection et estimation
Couvre les principes fondamentaux de la théorie de la détection et de l'estimation, en se concentrant sur l'erreur moyenne au carré et le test d'hypothèses.