Procesamiento de Señales en Python

Presentación

El campo del procesamiento de la señal presenta herramientas indispensables para el tratamiento de las señales temporales presentes en toda la industria. Dado que estas señales provienen de distintos sensores que miden dimensiones o variables de diferente naturaleza, estos deben ser tratados adecuadamente. Aún más, tales señales están inmersas en ruido o contienen artefactos que si no son tratadas adecuadamente pueden llevar a una mala toma de decisiones. Dichas señales correctamente tratadas pueden servir como datos de entrada para optimizar otro tipo de sistemas tales como los obtenidos por aquellos propios del campo de Aprendizaje Máquina.

Por otro lado, Python se alza como un lenguaje de programación que viene siendo utilizado por casi todas las grandes empresas para desarrollar diferentes aplicaciones.

Entonces, en el presente curso se revisa la teoría del procesamiento de la señal y se muestra con ejemplos muy prácticos cómo se pueden implementar los diferentes pasos para el procesamiento de la señal en el entorno de Python.

Objetivos

• El principal objetivo del curso es dar una visión del uso de los algoritmos de procesamiento de la señal utilizando Python como plataforma de implementación.
• Además, se busca que los participantes apliquen el análisis espectral de las señales para entender los diferentes componentes de la señal y su evolución en el tiempo.

Dirigido a

Estudiantes y profesionales con conocimientos de procesamiento de la señal y formación básica en programación e interesados en utilizar Python como una poderosa herramienta para el procesamiento de la señal.

Contenido

Introducción a Python:

• • Variables, expresiones, declaraciones; y funciones.
  • Dibujo de datos.
  • Módulos para el procesamiento de la señal.
  • Manejo de bases de datos.
  • Ejemplos: Dibujos de señales en 2D y 3D.

Teorema del muestreo

• • Muestreo y reconstrucción de las señales.
  • Ejemplo: Muestreo de señales de EEG, EKG.

Dominios transformados

• • Transformada de Fourier.
    • Transf. para tiempo discreto.
    • Transformada Rápida de Fourier.
  • Introducción al análisis espectral.
    • Enventanado.
    • Espectrograma.
  • Introducción a la transformada Wavelet.
  • Ejemplos: Análisis espectral de las señales de sensores en motores industriales.

Diseño de filtros digitales

• • Implementación de Filtros FIR e IIR.
  • Ejemplos: Atenuación de ruido y eliminación de artefactos en audio, bio-señales, etc. Detección de potenciales evocados en señales EEG.

Expositor

M.Sc. Juan José Choquehuanca Zevallos

Egresado de la Universidad Nacional de San Agustín. Posee estudios de maestría en la Universidad Carlos III de Madrid, España. Se especializa en el procesamiento de datos espaciales y temporales utilizando técnicas de aprendizaje automático. Posee publicaciones en el campo del procesamiento de la señal en revistas indizadas y congresos. Actualmente se desempeña como docente de la Universidad Católica San Pablo.

Metodología

Teórica-Práctica.

Requisitos de admisión

El alumno debe cumplir con los siguientes requisitos:

• Conocimientos básicos de programación.
• Ficha de datos (personales, profesional, académicos, entre otros).
• Copia simple de DNI o carné de extranjería.
• Comprobante de pago.

Creditaje

01 crédito de formación disciplina interno para las carreras profesionales de:

• Ingeniería Electrónica y Telecomunicaciones.
• Ingeniería Mecatrónica.

Duración

12 sesiones.

Calendario

Inversión

• Inversión: S/ 280.00
• Cierre de inscripciones: 03 de junio.
• Descuentos:
  • 20% de descuento a comunidad UCSP.
  • 10% de descuento corporativo (3 personas).
  • 10% de descuento para los Colegiados del Colegio de Ingenieros del Perú.
  • 10% de descuento para los miembros de la Cámara de Comercio e Industria de Arequipa.
  • 10% de descuento para estudiantes universitarios de pregrado y postgrado.

Certificación

Certificado virtual otorgado por el área de Formación Continua de la Escuela de Postgrado y el Departamento de Ingeniería Eléctrica y Electrónica.

Organiza