Procesamiento avanzado de señales

A. Sistemas y señales continuas en ${\mathbb{R}}^2$

A.1. Sistemas 2D

A.2. Señales 2D

A.3. Impulso 2D

A.4. Convolución 2D

A.5. Transformada de Fourier 2D

A.6. Pares de Fourier 2D

A.7. Propiedades de la Transformada de Fourier 2D

A.8. Otras Transformadas 2D continuas

A.9. Extensión a ${\mathbb{R}}^n$

B. Sistemas y señales discretas en ${\mathbb{Z}}^2$

B.1. Sistemas 2D

B.2. Muestreo 2D

B.3. Señales 2D

B.4. Convolución 2D

B.5. 2D-DFT

B.6. Propiedades de la 2D-DFT

B.7. Otras Transformadas 2D discretas

B.8. Extensión a ${\mathbb{Z}}^n$

C. Señales y procesos estocásticos

C.1. Variables aleatorias

C.2. Procesos estocásticos

C.3. Autocorrelación

C.4. Propiedades de los procesos estocásticos

C.5. Densidad espectral de potencia

C.6. Sistemas lineales con entradas aleatorias estacionales

D. Modelos lineales de señal

D.1. Modelos de señal

D.2. Modelos lineales no paramétricos

D.3. Modelos de polos (all-pole)

D.4. Modelos de ceros (all-zero)

D.5. Modelos de polos y ceros (pole-zeros)

E. Estimación del espectro

E.1. Fundamentos de la estimación de espectro

E.2. Estimación no paramétrica: Periodograma

E.3. Estimación paramétrica

F. Filtros lineales óptimos

F.1. Filtros óptimos

F.2. Filtro Wiener-Kolmogorov

F.3. Predicción lineal

F.4. Filtros inversos y deconvolución

F.5. Filtros adaptados y autofiltros

F.6. Filtro Kalman

G. Filtros adaptativos

G.1. Principios de los filtros adaptativos

G.2. Método del descenso más pronunciado

G.3. Método de los mínimos cuadrados

H. Aplicaciones

H.1. Tomografía

H.2. Cancelación de ruido

H.3. Cancelación de eco

H.4. Restauración de imágenes mediante el filtro Wiener

H.5. Predicción del tiempo con filtros Kalman

---