Identifying Data 2022/23
Subject (*) Signal Acquisition and Processing Code 614G03011
Study programme
Grao en Intelixencia Artificial
Descriptors Cycle Period Year Type Credits
Graduate 2nd four-month period
 First Basic training 6
Language
Spanish
Teaching method Face-to-face
Prerequisites
Department Enxeñaría de Computadores
Coordinador
Dapena Janeiro, Adriana
 E-mail
adriana.dapena@udc.es
Lecturers
Dapena Janeiro, Adriana
Vazquez Araujo, Francisco Javier
 E-mail
adriana.dapena@udc.es
francisco.vazquez@udc.es
Web
General description Na materia, o estudantado adquirirá as bases necesarias para comprender e levar a cabo a adquisición e o tratamento de sinais dixitais de diversos tipos e orixes. O estudantado aprenderá a traballar con sensores e sistemas encaixados, que se utilizan cada vez máis como fontes de datos para moitos desenvolvementos e aplicacións de intelixencia artificial.

Study programme competencies
Code Study programme competences
A7 Comprender las necesidades de adquisición, almacenamiento y procesamiento de datos en el contexto de Internet de las Cosas y sus principales plataformas.
B2 Que el alumnado sepa aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posea las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio.
B5 Que el alumnado haya desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía.
B7 Capacidad para resolver problemas con iniciativa, toma de decisiones, autonomía y creatividad.
B10 Capacidad para concebir nuevos sistemas computacionales y/o evaluar el rendimiento de sistemas existentes, que integren modelos y técnicas de inteligencia artificial.
C2 Capacidad de trabajo en equipo, en entornos interdisciplinares y gestionando conflictos.
C3 Capacidad para crear nuevos modelos y soluciones de forma autónoma y creativa, adaptándose a nuevas situaciones. Iniciativa y espíritu emprendedor.

Learning aims
Learning outcomes Study programme competences
Adquirir as bases matemáticas necesarias para a adquisición e o procesado de sinais dixitais. A7
 B5
B7
B10
Ser capaz de adquirir sinais reais utilizando hardware específico. A7
 B7
B10
 C2
Entender o concepto de frecuencia e aprender a deseñar e aplicar filtros dixitais. A7
 B2
B5
Aprender a realizar operacións sobre sinais dixitais e a obter información destas. A7
 B2
B10
 C3
Programar sistemas encaixados para adquirir e preprocesar tanto sinais unidimensionales, tales como temperatura, presenza de persoas, audio, etc., como multidimensionales- imaxe e vídeo. A7
 B2
B5
B7
B10
 C2
C3
Programar algoritmos clásicos e de intelixencia artificial para o tratamento de sinal computacionalmente lixeiros, e por tanto adecuados aos recursos de cómputo limitados que caracterizan aos sistemas encaixados de baixo consumo de potencia. A7
 B2
B5
B10
 C2
C3
Deseñar e despregar múltiples sistemas encaixados, conformando redes de sensores. A7
 B2
B5
B7
 C2
C3
Dotar aos sistemas encaixados ou ás redes de sensores coa capacidade de interacción coa nube. A7
 B2
B7
 C2
C3

Contents
Topic Sub-topic
Sinais e sistemas Tipos de sinais
Operacións
Tipos de sistemas
Propiedades dos sistemas
Filtrado de sinais Suma de convolución
Filtrado no dominio do tempo
Transformada discreta de Fourier
Filtrado no dominio da frecuencia
Filtrado adaptativo
Adquisición de sinais Mostraxe
Cuantificación
Codificación
Sistemas basados en sensores Sensores
Sistemas encaixados
Redes de sensores

Planning
Methodologies / tests Competencies Ordinary class hours Student’s personal work hours Total hours
Guest lecture / keynote speech A7 B5 20 10 30
Objective test A7 B2 B5 B7 C3 3 8 11
Problem solving A7 B2 B5 B7 C2 C3 10 17 27
Laboratory practice A7 B2 B5 B7 B10 C2 C3 30 50 80
 
Personalized attention 2 0 2
 
(*)The information in the planning table is for guidance only and does not take into account the heterogeneity of the students.

Methodologies
Methodologies Description
Guest lecture / keynote speech Exposición didáctica, usando diapositivas e o taboleiro, dos contidos teóricos da materia. Resolución de exemplos.
Objective test Exame sobre os contidos da materia que combinará preguntas de teoría coa resolución de problemas.
Problem solving Resolución de problemas e cuestións por parte do estudantado de forma individual ou en grupos.
Laboratory practice O estudantado realizará prácticas de laboratorio de programación en octave ou matlab, e programación de microcontroladores.

Personalized attention
Methodologies
Guest lecture / keynote speech
Laboratory practice
Problem solving
Description
Sesión maxistral: Atender e resolver dúbidas relacionadas coa materia teórica exposta nas clases.

Prácticas de laboratorio: Atender e resolver dúbidas relacionadas coas prácticas propostas ou realizadas no laboratorio.

Solución de problemas: Atender e resolver dúbidas relacionadas cos problemas propostos ou resoltos en clase.

En todos os casos usaranse preferentemente horas de titoría individuais, correo electrónico, Teams, ou a través dos espazos de comunicación da ferramenta Moodle. Estes dous últimos casos serán particularmente adecuados para os alumnos con dispensa académica de exención de asistencia.

Para os alumnos matriculados a tempo parcial os horarios de titorías poderán adaptarse segundo as necesidades.

Assessment
Methodologies Competencies Description Qualification
Laboratory practice A7 B2 B5 B7 B10 C2 C3 Avaliación mediante tests nas clases de prácticas (10) e mediante a entrega de prácticas (30). 40
Objective test A7 B2 B5 B7 C3 Avaliación final de coñecementos teóricos e prácticos e de resolución de problemas que se realizará o día fixado no calendario de exames 50
Problem solving A7 B2 B5 B7 C2 C3 Avaliación mediante tests nas clases de problemas ou de teoría. 10
 
Assessment comments

Para aprobar a materia tense que cumprir que: nota final maior ou igual que 5, tendo un mínimo de 2 puntos na proba obxectiva. Se non se obtén devandito mínimo de 2 puntos, a nota máxima final será igual a 4.

Na segunda oportunidade unicamente reavalíase a proba obxectiva de teoría-problemas (5 puntos) e os tests (2 puntos). Para a nota da entrega de prácticas (3 puntos) mantense a que se obtivese durante o curso.

Para a oportunidade adiantada de avaliación manteranse os mesmos criterios que para a segunda oportunidade do curso anterior.

Os criterios e actividades de avaliación así como a puntuación establecida para o estudantado matriculado a tempo parcial e con dispensa académica de exención de docencia serán os mesmos que os esixidos ao resto do alumnado agás os tests que serán avalados xunto coa proba obxectiva. Neste caso, a complexidade e contido das avaliacións serán similares aos establecidos para o resto de estudantes.

Detección de plaxios ou copia de traballos: a realización fraudulenta das probas ou actividades de avaliación implicará directamente a cualificación de suspenso '0' na materia na oportunidade correspondente.

Sources of information
Basic https://octave.org/ (). .
Margolis, Michael (). Arduino Cookbook. O'Reilly Media
Haykin, Simon (). Neural networks: a comprehensive foundation. Mcmillan
Pallàs Areny, Ramón (). Sensores y acondicionadores de señal. Marcombo
Oppenheim, Alan V. (). Tratamiento de señales en tiempo. Pearson

Complementary


Recommendations
Subjects that it is recommended to have taken before
Programming I/614G03006
Discrete Mathematics/614G03003
Introduction to Computers/614G03012

Subjects that are recommended to be taken simultaneously
Programming II/614G03007

Subjects that continue the syllabus

Other comments


(*)The teaching guide is the document in which the URV publishes the information about all its courses. It is a public document and cannot be modified. Only in exceptional cases can it be revised by the competent agent or duly revised so that it is in line with current legislation.