Modulazione Analogica:

Il segnale analitico e la rappresentazione dei segnali passa-banda; Proprietà di autocorrelazione e spettri di potenza dei segnali della Modulazione; Modulazione lineare su portante sinusoidale; DSB, AM, SSB, VSB, QAM; Modulazione lineare in presenza di rumore; Modulazione angolare: FM e PM; Modulatori e demodulatori; La modulazione angolare in presenza di rumore.

Modulazione Numerica:

Il problema della modulazione numerica; Rappresentazione nello spazio dei segnali; Trasmissione di forme d’onda su canale AWGN; Il ricevitore ottimo per il canale AWGN; Analisi dei principali formati di modulazione numerica (ASK, PSK, FSK, QAM); Valutazione della probabilità di errore.

Teoria dell’Informazione e Codici:

La proprietà di equiripartizione asintotica (AEP); Sequenze tipiche; Sorgenti discrete con memoria; Stazionarietà; Tasso entropico; Catene di Markov; Caratterizzazione delle catene di Markov; Risoluzione di alcuni esempi per la probabilità dello stato stazionario; Entropia delle catene di Markov; Cenni sulle catene di Markov nascoste; Codifica Lempel-Ziv; Esempi di codifica; La disuguaglianza di Fano; Ricezione a Massima Verosimiglianza (ML); Schema generale di codifica di canale; Il teorema inverso della codifica di canale; Introduzione intuitiva al teorema della codifica di canale; Il teorema della codifica per il caso binario (Secondo Teorema di Shannon).

Elaborazione Numerica dei Segnali:

Il campionamento dei segnali tempo-continuo; Interpolazione cardinale e campionamento ideale; Generalità sui sistemi lineari tempo-discreto; Richiami sulla Z-trasformata e sulla trasformata di Fourier di una sequenza; Risposta impulsiva; Filtri IIR e FIR; Forma canonica con poli e zeri; Progetto di filtri IIR mediante piazzamento di poli e zeri; Esempi; Progetto di filtri FIR mediante il metodo della finestra; Progetto di filtri IIR da prototipi analogici; Metodo della approssimazione delle derivate; Metodo della trasformazione bilineare; Metodo dell’invarianza all’impulso; Metodo dell’invarianza al gradino; Metodo dell’invarianza ad un interpolatore generico; Trasformazioni di filtri analogico-analogico; Trasformazioni di filtri numerico-numerico; Progetto di filtri mediante il metodo dei minimi quadrati; Il filtro di Wiener; Proprietà decorrelanti della Trasformata di Fourier tempo-continuo; Proprietà decorrelanti della trasformata di Fourier tempodiscreto; Proprietà decorrelanti della DFT per sequenze periodiche; Formulazione matriciale della DFT; Proprietà della DFT per matrici circolanti; Trasformate discrete decorrelanti; Fattorizzazione di Cholesky; Decomposizione spettrale e DKLT; Proprietà di compattazione dell’energia; Applicazione alla compressione; Genesi delle trasformate coseno e seno; Altre trasformate discrete; Ottimalità della trasformata coseno; Trasformate discrete 2D separabili.

Elementi di Machine Learning:

Introduzione ai sistemi di apprendimento automatico, Il Percettrone; Formulazione Bayesiana della decisione binaria; Algoritmi al Gradiente; Percettrone Multistrato; L’algoritmo di backpropagation; Strutture convolutive multistrato; Applicazioni.