ITALIANO

Principi di elaborazione dei segnali: concetti di base, proprietà, rappresentazione nel dominio del tempo e della frequenza, trasformate di Fourier, sistemi, sistemi lineari tempo invarianti, filtraggio di segnali. Ogni tecnica verrà illustrata tramite applicazioni pratiche utilizzando il linguaggio Python. Conoscenze di base sulle proprietà e sulla genesi di alcuni segnali biomedici (come ECG, EMG, EEG). Nozioni sulle metodologie per il trattamento e l'elaborazione numerica di tali segnali. Ogni tecnica verrà illustrata tramite applicazioni pratiche su segnali biomedici reali.

Marco Luise, Giorgio M. Vitetta, “Teoria dei Segnali”, Terza Edizione, McGraw-Hill, 2009.
R.M. Rangayyan, Biomedical signal analysis, IEEE Press, 2002

L’insegnamento mira a fornire una conoscenza approfondita e una comprensione dei concetti di base relativi alla descrizione e alla caratterizzazione dei segnali, nonché delle sfide che sorgono durante il processo di elaborazione.
Durante il corso, lo studente dovrà essere in grado di acquisire la capacità di applicare le tecniche di analisi acquisite in contesti specifici, come l'elaborazione dei segnali biomedici, di implementare tali tecniche ed algoritmi in programmi e di usare gli strumenti software adeguati.

Inoltre, obiettivo del corso sarà quello di fare in modo che lo studente sia in grado di motivare le scelte progettuali adottate, dimostrando una comprensione esaustiva dei principi teorici e delle loro applicazioni pratiche.

Al termine dell'insegnamento lo studente dovrà dimostrare:
- conoscenza delle nozioni base e i meccanismi dell’elaborazione dei segnali;
- competenze nella descrizione di un segnale negli appropriati domini e di estrarne i parametri fondamentali;
- competenze nell’utilizzo di strumenti software per l’elaborazione automatica dei segnali.

Fondamenti di Informatica (conoscenze dei fondamenti di programmazione di calcolatori elettronici).

Il corso prevede per ciascun modulo ore teoriche (24 ore) in cui verranno illustrate i principi dell’elaborazione dei segnali (I modulo) e concetti base dell’analisi dei segnali biomedici (II modulo); ed ore (12 ore) in laboratorio in cui verranno presentati vari tool di sviluppo oltreché la risoluzione di esercizi e problemi applicativi.
Data la presenza di una prova d’esame pratica è consigliata la frequenza alle lezioni di laboratorio.

L’esame si compone di due prove: una prova pratica ed una prova orale.
La prova pratica mira ad accertarsi delle competenze legate all’analisi ed allo sviluppo di programmi per l’elaborazione del segnale. La prova viene superata se quanto scritto è corretto e soddisfa i requisiti richiesti nella traccia. La prova pratica potrà essere tenuta sotto forma di elaborato da consegnare e da discutere all’esame e/o in forma di prova a tempo al calcolatore.
La prova orale mira a valutare le capacità di ragionamento sugli argomenti del corso la verifica delle conoscenze dello studente anche attraverso il collegamento di contenuti trasversali e la capacità espositiva.
Non sono previste prove di esonero durante il corso.
Gli studenti dovranno presentarsi alla prova muniti di documento di riconoscimento. Non sarà consentita la consultazione di materiale didattico e/o elettronico personale (smartphone, tablet, etc..).

È previsto il caricamento on-line di materiale didattico, esercitazioni e programmi di esempio.

Elaborazione dei segnali (I modulo)
Introduzione: concetto di segnale. Classificazione dei segnali: segnali tempo continuo e tempo discreto, segnali ampiezza continua e ampiezza discreta. Operazioni elementari sui segnali: cambiamento di scala sulle ampiezze e sui tempi, traslazione temporale, somma e prodotto.

Analisi dei segnali nel dominio del tempo: media temporale e sue proprietà. Concetto di potenza e di energia e relative proprietà. Potenza ed energia mutua.

Sistemi lineari tempo invarianti (LTI): proprietà dei sistemi: linearità, tempo invarianza, causalità, dispersività, stabilità.

Analisi dei segnali nel dominio della frequenza: dallo sviluppo in serie alla trasformata di Fourier, trasformata di Fourier per segnali, proprietà della trasformata di Fourier, convoluzione, correlazione. Analisi spettrale

Digitalizzazione di segnali: campionamento di un segnale: teorema del campionamento di Nyquist-Shannon, ricostruzione, aliasing e filtraggio anti-aliasing. Campionamento e ricostruzione non ideale (reale, naturale, tenuta, interpolazione lineare, troncamento).

Filtraggio: tecniche di filtraggio, progettazione di filtri FIR e IIR.


Elaborazioni di segnali biomedici (II modulo)
Introduzione: proprietà e genesi dei principali segnali biomedici, schema generale di un sistema di misura biomedico. Classificazione dei segnali biomedici.

Segnale Elettrocardiografico (ECG): aspetti fisiopatologici e metodi di elaborazione, variabilità del ritmo cardiaco (HRV), principali rumori sovrapposti e progettazione di tecniche di filtraggio per ridurle.

Segnale Vocale: aspetti fisiopatologici e metodi di elaborazione. Analisi acustica: estrazione di parametri acustici e analisi spettrografica, rumore sovrapposto e tecniche di rimozione di quest’ultimo.

Segnale Elettroencefalografico (EEG): i ritmi fondamentali, fattori di influenza sull’EEG, potenziali evocati, filtraggio, estrazione e stima di parametri.

Per entrambi i moduli è previsto l’implementazione di programmi scritti in linguaggio Python.

Italian

Fundamentals of signal processing: basic concepts, properties, time and frequency domain representation, Fourier transforms, systems, linear time-invariant systems, and signal filtering. Each technique is demonstrated through practical applications using the Python programming language. Basic knowledge of the properties and origins of certain biomedical signals (such as ECG, EMG, EEG). An introduction to the methods of processing and numerical treatment of these signals. Each technique will be demonstrated through practical applications to biomedical signals.

Marco Luise, Giorgio M. Vitetta, “Teoria dei Segnali”, Terza Edizione, McGraw-Hill, 2009.
R.M. Rangayyan, Biomedical signal analysis, IEEE Press, 2002

The course aims to provide an in-depth knowledge and understanding of the fundamental concepts related to the description and characterisation of signals, as well as the challenges that arise during the processing phase.

During the course, students are expected to develop the ability to apply the acquired analytical techniques in specific contexts, such as biomedical signal processing, to implement these techniques and algorithms in programs, and to use appropriate software tools.

In addition, the course aims to ensure that students can justify their design choices by demonstrating a comprehensive understanding of the theoretical principles and their practical applications.

On completion of the course students should be able to demonstrate that they have:
-Knowledge of the fundamental concepts and mechanisms of signal processing;
-Competence in describing a signal in the appropriate domains and extracting its fundamental parameters;
-Ability to use software tools for automatic processing of signals.

Fundamentals of Programming

For each module, the course includes theory hours (24 hours), in which the fundamentals of signal processing (Module I) and basic concepts of biomedical signal analysis (Module II) are explained, and laboratory hours (12 hours), in which various development tools are presented and exercises and application problems are solved.
Due to the presence of a practical examination, attendance at the laboratory lectures is recommended.

The examination consists of two tests: a practical test and an oral test.
The practical test is aimed at ascertaining skills in the analysis and development of signal processing programmes. The test is passed if what is written is correct and meets the requirements set out in the outline. The practical test may be held in the form of a paper to be handed in and discussed at the examination and/or in the form of a computer time trial.
The oral test is aimed at assessing the student's reasoning skills on the topics of the course, the verification of the student's knowledge also through the linking of transversal content and expository ability.
No exemption tests are scheduled during the course.
Students must present themselves at the test with an identity document. Consultation of personal teaching and/or electronic material (smartphones, tablets, etc.) will not be permitted.

Online uploads of teaching materials, tutorials and sample programmes are provided.

Signal Processing (I Module)
Introduction: signal concept. Classification of signals: continuous and discrete time signals, continuous and discrete amplitude signals. Elementary operations on signals: amplitude and time scaling, time translation, sum and product.

Analysis of signals in the time domain: time average and its properties. Concepts of power and energy and their properties. Power and reciprocal energy.

Linear time invariant systems (LTI): properties of systems: linearity, time invariance, causality, dispersivity, stability.

Signal analysis in the frequency domain: from series development to Fourier transform, Fourier transform for signals, properties of the Fourier transform, convolution, correlation. Spectral analysis

Signal digitisation: sampling a signal: Nyquist-Shannon sampling theorem, reconstruction, aliasing and anti-aliasing filtering. Non-ideal sampling and reconstruction (real, natural, hold, linear interpolation, truncation).

Filtering: Filtering techniques, FIR and IIR filter design.


Biomedical Signal Processing (Module II)
Introduction: properties and origin of the main biomedical signals, general scheme of a biomedical measurement system. Classification of biomedical signals.

Electrocardiographic (ECG) signal: physiopathological aspects and processing methods, heart rate variability (HRV), main superimposed noises and design of filtering techniques to reduce them.

Voice signal: pathophysiological aspects and processing methods. Acoustic analysis: extraction of acoustic parameters and spectrographic analysis, superimposed noise and techniques for its removal.

Electroencephalographic (EEG) signal: basic rhythms, factors affecting the EEG, evoked potentials, filtering, parameter extraction and estimation.


The implementation of programs written in the Python is planned for both modules.