Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 47 vistas

    Lab1 ProcesamientoDigital 2021-II

    Cargado por

    Sebastian De Valdenebro
    Este documento presenta las instrucciones para el Laboratorio 1 de Procesamiento Digital de Señales. Los objetivos son eliminar ruido de una señal a través del promedio de varias señales afectadas por ruido e implementar y evaluar la función de correlación de señales discretas. Se describen los materiales requeridos y la programación en Python. El procedimiento incluye cuantización de señales, correlación/convolución de señales 2D, y los requisitos para el informe.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    Lab1 ProcesamientoDigital 2021-II

    Cargado por

    Sebastian De Valdenebro
    47 vistas4 páginas
    Este documento presenta las instrucciones para el Laboratorio 1 de Procesamiento Digital de Señales. Los objetivos son eliminar ruido de una señal a través del promedio de varias señales afectadas por ruido e implementar y evaluar la función de correlación de señales discretas. Se describen los materiales requeridos y la programación en Python. El procedimiento incluye cuantización de señales, correlación/convolución de señales 2D, y los requisitos para el informe.

    Título original

    Lab1_ProcesamientoDigital_2021-II

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento presenta las instrucciones para el Laboratorio 1 de Procesamiento Digital de Señales. Los objetivos son eliminar ruido de una señal a través del promedio de varias señales afectadas por ruido e implementar y evaluar la función de correlación de señales discretas. Se describen los materiales requeridos y la programación en Python. El procedimiento incluye cuantización de señales, correlación/convolución de señales 2D, y los requisitos para el informe.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    47 vistas4 páginas

    Lab1 ProcesamientoDigital 2021-II

    Cargado por

    Sebastian De Valdenebro
    Este documento presenta las instrucciones para el Laboratorio 1 de Procesamiento Digital de Señales. Los objetivos son eliminar ruido de una señal a través del promedio de varias señales afectadas por ruido e implementar y evaluar la función de correlación de señales discretas. Se describen los materiales requeridos y la programación en Python. El procedimiento incluye cuantización de señales, correlación/convolución de señales 2D, y los requisitos para el informe.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    de 4

    Laboratorio 1

    Procesamiento Digital de Señales

    28 de julio de 2021

    Hernán Darı́o Benı́tez Restrepo

    Pontificia Universidad Javeriana- Seccional Cali


    Departamento de Electrónica y Ciencias de la Computación
    Temas

    Eliminación de ruido de una señal a través del promedio de varias señales, Correlación de
    señales,

    1. Objetivos
    1. Eliminar ruido de una señal a través del promedio de varias señales afectadas por ruido.
    2. Implementar y evaluar la función de correlación de señales discretas.

    2. Materiales
    1. Distribución de Python Anaconda: www.anaconda.com
    2. Jupyter Notebook: https://jupyter.org/
    3. Paquetes de computación cientı́fica, cálculo numérico y análisis de datos en Python 3: Scipy,
    Numpy, Matplotlib y Pandas.

    3. Introducción
    En este laboratorio se evalúan los resultados del programa 3 y 6 según ABET:

    3 La habilidad para comunicar efectivamente en un rango amplio de audiencias.


    6 La habilidad para desarrollar y conducir experimentación apropiada, analizar en interpretar
    datos y usar el juicio basado en ingenierı́a para extraer conclusiones.

    4. Programación en Python
    De acuerdo con estudios y recomendaciones de las asociaciones profesionales Institute of Elec-
    trical and Electronics Engineers (IEEE) y Association for Computing Machinery (ACM) Python
    es uno de los lenguajes de programación más usados en la actualidad [1, 2]. Este lenguaje es fácil
    de aprender y ofrece la posibilidad de escribir código limpio y bien estructurado. Python puede
    ser usado para aplicaciones web y de escritorio, inteligencia artificial, ciencia de datos y redes de
    servidores. Este lenguaje de programación tiene un gran soporte ofrecido por la comunidad de desa-
    rrolladores y ofrece varias bibliotecas open-source, frameworks, y módulos. Por ejemplo, Python

    1
    ofrece Django y Flask, que son bibliotecas populares para el desarrollo web ası́ como TensorFlow,
    Keras, y SciPy para aplicaciones de ciencia de datos y procesamiento digital de señales.
    Para programar las rutinas de los laboratorios del curso se usará la aplicación web open-source
    Jupyter Notebook ası́ como las bibliotecas para análisis cientı́fico de datos como pandas, numpy,
    scipy y matplotlib. En el sitio web: www.python.org se pueden encontrar guı́as y tutoriales. Es
    importante tener en cuenta que hay dos ramas incompatibles de Python, Python 2 y Python 3.
    En los laboratorios se usará Python 3. El estudiante puede seguir estas guı́as introductorias a la
    programación en Python: [3, 4, 5]

    5. Procedimiento
    1. Descargue el Jupyter notebook SNQR-Estudiantes.py desde la carpeta Datos para labora-
    torios y código del sitio del curso https://auladigital.javerianacali.edu.co/. Este notebook
    servirá como referencia para programar las rutinas del laboratorio y es uno de los archivos
    que se deben entregar para evaluación.
    2. 40 %-Objetivo 6- Error de cuantización en conversión A/D de una señal senoidal
    2π
    Sea una señal v[n] = asin(nω) con ω = 8000 , n=0:8000.

    a) Escriba un programa en Python para cuantizar la señal v con amplitudes A=1 usando
    las longitudes de palabra o número de bits b=3 y b=8. Use la operación de redondeo.
    Grafique la secuencias de error e(n) = xq (n) − x(n) y la señal antes y después de ser
    cuantizada.
    b) Determine a partir de las secuencias de error eq (n) en cada caso anterior:
    Media y varianza
    Densidad de probabilidad p(e(n)), puede usar la rutina hist del paquete matplotlib.pyplot
    Secuencia de autocorrelación ree (l)
    c) Analice estos resultados y explique las desviaciones con respecto al modelo teórico des-
    crito en clase.

    3. (40 %)Objetivo 6-Correlación/convolución de señales 2D

    a) Elabore un programa en Python que detecte un rostro en una imagen usando la opera-
    ción de convolución entre el rostro y la imagen que contiene varios rostros. La correlación
    y la convolución se relacionan a través de la siguiente expresión:

    rxy = x(l) ∗ y(−l) (1)


    en donde el operador * indica la convolución. Use como referencia el programa FacesEs-
    tudiantes.py que se encuentra en la sección Datos para laboratorios y código del sitio
    del curso https://auladigital.javerianacali.edu.co/. Este programa es uno de los archivos
    que se debe entregar para evaluación.
    b) Use una imagen que contenga varios rostros como la mostrada en la Figura 1. En el
    laboratorio debe usar una imagen diferente, puede ser una tomada por usted. Luego
    recorte un rostro de esa imagen y a través de la operación de convolución (use la rutina
    filter2D de la librerı́a optimizada para visión de computador OpenCV ) señale los sitios
    de la imagen en donde se encuentran los rostros.
    c) Analice y explique las causas y los posibles errores obtenidos en la detección de los
    rostros. Por ejemplo, los falso positivos (i.e regiones de la imagen que no son rostros
    pero que fueron detectadas como tal) y falsos negativos (rostros no detectados).

    2
    Figura 1: Equipo de fútbol de Islandia. Eurocopa 2019

    6. Informe
    1. Nombre los notebooks de Jupyter poniendo los primeros apellidos de los integrante al principio.
    Ej: EscobarVargasSQNR.py y EscobarVargasFaces.py .
    2. Presente un informe impreso claro y ordenado en donde se consigne el procedimiento, los
    programas, las demostraciones, las figuras, las respuestas, las justificaciones y los resulta-
    dos obtenidos. Igualmente incluya conclusiones, observaciones, y la literatura consultada. El
    informe debe seguir la numeración de la guı́a y no debe superar 8 páginas.

    3. El objetivo ABET 3 es el 20 % de la nota y se calificará de acuerdo a la rúbrica adjunta a


    esta guı́a.
    4. Tenga en cuenta las siguientes recomendaciones generales para el informe:

    Rotule con el nombre de la variable y las unidades todos los ejes de las gráficas
    Cuando inserte una tabla o una figura asegúrese de analizarla y hacer referencia a ella
    en el texto.
    Realice una revisión ortográfica y gramatical del reporte antes de entregarlo. Las faltas
    ortográficas, la mala redacción y los errores gramaticales se toman en cuenta para la
    calificación del reporte.
    Las conclusiones deben ser concretas, especı́ficas y estar soportadas por análisis y resul-
    tados presentados en el reporte.

    5. Este laboratorio se debe desarrollar en parejas y el informe se debe escribir siguiendo el


    formato de DOS COLUMNAS de la IEEE para conferencias IEEE Manuscript template for
    conference proceedings. Habrá un disminución del 50 % de la nota en el objetivo 3 si no se
    sigue el formato exigido. El uso del formato IEEE en LATEXes recomendado.
    6. En una sección después de las conclusiones se debe escribir los temas que cada
    integrante del grupo trabajó. Durante la sustentación cada integrante debe poder
    responder por todos los temas abordados en el laboratorio.

    3
    7. Los informes de laboratorio deben ser entregados durante los primeros 5 minutos
    de la hora del laboratorio, después de este plazo se calificará el reporte sobre 3.0.
    No se reciben informes después de finalizada la clase.
    8. Comprima el notebook .py, la imagen tomada para probar la rutina de la detección de rostros,
    y el informe en pdf en un solo archivo. Nombre este archivo usando los apellidos de los
    integrantes (ej. EscobarVargasLab1PDS.zip ). Cargue este archivo comprimido en el black
    board. El profesor ejecutará el Jupyter notebook para cada uno de los puntos de prueba y
    verificará que su funcionamiento corresponda con los resultados reportados en el informe. Las
    rutinas deben ser cargadas al sistema antes de las 9:05 A.M del dı́a de entrega.
    Si este requisito no se cumple o si la rutina no se ejecuta adecuadamente la
    calificación del punto correspondiente tendrá como calificación máxima 3.0.

    Fecha de entrega y envı́o de rutinas

    El dı́a jueves 19 de agosto a las 9:00 A.M habrá una sesión dirigida para resolver dudas
    con respecto a los puntos del informe.
    Se debe cargar el informe en pdf y los archivos en el aula digital el dı́a jueves 26 de agosto
    antes de las 9:00 A.M.
    Nota:

    a) Para facilitar la sustentación ante el profesor, realice scripts donde se definan los datos y
    se invoquen las funciones desarrolladas.
    b) La omisión de alguno de los ı́tems en el informe representa una disminución de la nota.
    c) Las funciones elaboradas deberán conservarse para su utilización en prácticas posteriores.

    Referencias
    [1] IEEE Computer. https://www.computer.org/publications/tech-news/trends/
    programming-languages-you-should-learn-in-2020, 2020.

    [2] Communications of the ACM. https://cacm.acm.org/news/


    246398-top-programming-languages-2020/fulltext, 2020.
    [3] Allen B. Downey. Think Python. 2016.
    [4] D. Kroese, Z. Botev, T. Taimre, and R. Vaisman. Data science and ma-
    chine learning. Appendix D Python Primer. CRC Press, https://acems.org.au/
    data-science-machine-learning-book-available-download edition, 2020.
    [5] W3Schools. https://www.w3schools.com/python/python_intro.asp, 2021.

    También podría gustarte

    pFad - Phonifier reborn

    Pfad - The Proxy pFad of © 2024 Garber Painting. All rights reserved.

    Note: This service is not intended for secure transactions such as banking, social media, email, or purchasing. Use at your own risk. We assume no liability whatsoever for broken pages.


    Alternative Proxies:

    Alternative Proxy

    pFad Proxy

    pFad v3 Proxy

    pFad v4 Proxy