Architetture e programmazione dsp

L'obiettivo dell'insegnamento è offrire allo studente un quadro completo delle conoscenze relative alle metodologie e alle tecnologie necessarie e sufficienti per affrontare e realizzare sistemi di natura dedicata (embedded), con un approccio sistemistico. Tramite il metodo dell'elaborazione del segnale (signal processing) lo studente potrà conoscere i tre livelli di rappresentazione dell'informazione nei sistemi dedicati, il livello analogico (fisico sensoriale), il livello a segnali misti (analogico/digitale) e il livello digitale (digital signal processing, DSP). Oltre al metodo di elaborazione algoritmico (hardcomputing) lo studente potrà conoscere e applicare i metodi dell'elaborazione sfumata delle informazioni di segnale (softcomputing) per l'interazione con informazioni di natura imprecisa e non lineare. L'inferenza basata sulla logica fuzzy e sui paradigmi del neural computing faranno parte delle conoscenze teoriche e metodologiche che lo studente acquisirà durante l'insegnamento.
Obiettivo dell'insegnamento è anche consentire allo studente di consolidare le conoscenze acquisite tramite la pratica applicativa basata sui metodi della simulazione e della prototipazione rapida basata su piattaforme di sviluppo a standard industriale e allo stato dell'arte. Lo studio della natura computazionale dei metodi del signal processing, soprattutto relativamente alla dimensione numerica, fornirà allo studente le conoscenze relative alle soluzioni di architetture computazionali specifiche dell'elaborazione numerica del segnale (DSP) finalizzate a conseguire le prestazioni dell'esecuzione in tempo reale delle applicazioni.

Alla fine dell'insegnamento lo studente avrà un'esaustiva conoscenza della natura dell'informazione di segnale nelle sue diverse dimensioni di misura (spazio-temporale e frequenziale) e del trattamento numerico di tale informazione finalizzato all'applicazione su piattaforme computazionali di uso generale (MCUs) e application specific (ASP). La conoscenza dei metodi del softcomputing gli consentirà di affrontare problematiche di sviluppo difficilmente affrontabili con i metodi dell'hardcomputing (metodi algoritmici). Inoltre la conoscenza della natura dei metodi computazionali (hard e soft) consentiranno allo studente di scegliere l'architettura di computing ottimale.