Insegnamento ELABORAZIONE DEI DATI DI MISURA
| Nome del corso di laurea | Ingegneria elettronica per l'internet-of-things |
|---|---|
| Codice insegnamento | 70A00106 |
| Curriculum | Elettronica per l'internet of things |
| Docente responsabile | Paolo Carbone |
| Docenti |
|
| Ore |
|
| CFU | 9 |
| Regolamento | Coorte 2021 |
| Erogato | Erogato nel 2022/23 |
| Erogato altro regolamento | |
| Attività | Caratterizzante |
| Ambito | Ingegneria elettronica |
| Settore | ING-INF/07 |
| Anno | 2 |
| Periodo | Secondo Semestre |
| Tipo insegnamento | Obbligatorio (Required) |
| Tipo attività | Attività formativa monodisciplinare |
| Lingua insegnamento | ITALIANO |
| Contenuti | Procedure, metodi e sistemi per la elaborazione di dati affetti da incertezza ai fini della stima di parametri di interesse dell'utilizzatore. |
| Testi di riferimento | Materiale didattico messo a disposizione dal docente. S. Kay, Fundamentals of Statistical Signal Processing: Estimation Theory - Prentice Hall, 1993 Louis Scharf, Statistical Signal Processing, Pearson, 1991. |
| Obiettivi formativi | L'insegnamento si prefigge di fornire le conoscenze e le competenze necessarie per la definizione e l'uso di tecniche di stima applicate a dati di misura affetti da incertezza. Al termine dell'insegnamento lo studente sarà in grado di: - selezionare il miglior stimatore per la risoluzione di un problema di stima - realizzare un sistema di misura che impieghi tale stimatore per la risoluzione di problemi di stima tipici dell'ingegneria elettronica |
| Prerequisiti | Nessuno |
| Metodi didattici | Lezioni frontali, sessioni pratiche in aula, esercizi da svolgere in modo autonomo, sviluppo di attività progettuale |
| Altre informazioni | Per informazioni su misure dispensative attuabili per studenti con DSA e/o disabilità si veda la pagina: http://www.unipg.it/disabilita-e-dsa |
| Modalità di verifica dell'apprendimento | Il voto finale si compone dalla pesatura dei due seguenti contributi: - Esame finale (50%) - Progetto (voto al gruppo, 50%) La prova finale sarà una prova scritta. Il voto al risultato del progetto è assegnato al gruppo di lavoro, a seguito della discussione degli esiti con l'intero gruppo. La prova finale contiene esercizi da svolgere e domande a risposta chiusa, a scelta multipla. La prova orale è facoltativa. Nel caso in cui l'insegnamento sia erogato totalmente in modalità online, l'esame finale sarà orale e non scritto. Per informazioni sui servizi di supporto agli studenti con disabilità e/o DSA visita la pagina http://www.unipg.it/disabilita-e-dsa |
| Programma esteso | Introduzione al corso e obiettivi formativi. Esempi di applicazione di tecniche di stima per l'elaborazione di dati di misura nei cari contesti applicativi dell'elettronica per l'Internet of Things. Il metodo Monte Carlo. Stimatori a minima varianza. Limite di Cramer-Rao, Modelli lineari, Stimatori BLUE, Stimatori a massima verosimiglianza, Stima ai minimi quadrati, metodo dei momenti, stimatori Bayesiani, filtro di Kalman. Al fine di trasferire conoscenze e competenze, gli studenti affronteranno, in gruppo, la progettazione di un sistema di misura. Alle lezioni tecniche saranno affiancate lezioni sulla gestione dei progetti e sull'ingegneria dei sistemi al fine di fornire conoscenze utili per la realizzazione del progetto. |