ECTS
20 crédits
Composante
ENSEIRB-MATMECA
Code interne
ET9ISNA
Description
Niveau de connaissances (savoirs) :
N1 : débutant
N2 : intermédiaire
N3 : confirmé
N4 : expert
Les connaissances (savoirs) attendues à l'issue des enseignements de l'UE
* Connaître et comprendre différentes approches d'estimation exploitant les filtrages adaptatifs et optimaux (LMS, Kalman, etc.) appliqués à différents contextes applicatifs (pistage, rehaussement, etc.) : (C3, N4)
* Avoir développé une culture générale sur différents champs applicatifs, ce qui inclut une bonne connaissances des propriétés des signaux dédiées et des traitements associés (Radar, signaux biomédicaux, signaux GPS, centrale inertielle): (C5, N3)
* Approfondir les connaissances sur les méthodes avancées en apprentissage automatique sur les réseaux pour l'apprentissage profond (RNN, LSTM, GAN, AE et VAE): (C8,N3)
* Connaître les principes de la segmentation de l'image dans une chaîne de traitement : (C3, N2)
* Connaître la chaîne complète d'imagerie en intégrant les principes de géométrie projective 3D-2D : (C3, N4)
* Connaître les principes avancés des communications numériques dont la normes 5G : (C7,N4)
Les acquis d'apprentissage en termes de capacités, aptitudes et attitudes attendues à l'issue des enseignements de l'UE
* Etre en mesure d'exploiter les différents concepts de traitement du signal ou de l'image pour répondre au cahier des charges demandé : (C5, N3)
* Développer, simuler, évaluer et valider des approches de traitement du signal reposant sur des techniques de caractérisation, modélisation, estimation et détection dans le cadre d'une application donnée : (C3, N3)
* Evaluer l'utilité de chaque bloc de la chaîne radar, de la sélection de la forme d'onde au bloc d'information en passant par l'étage RF et le bloc de réception de traitement du signal : (C2, N2)
* Dimensionner chaque bloc d'une chaîne de communication numérique : (C4, N3)
* Prendre en compte les spécifications d'un standard de communication : (C9, N3)
* Aptitude à la mise en œuvre de chaîne de traitements pour des applications en apprentissage automatique : (C8, N3)
* Utiliser des API de vision par ordinateur 2D/3D en robotique, contrôle de drone, etc. : (C3, N3)
Liste des enseignements
Méthodes d'apprentissage avancées
Systèmes multi-antennes pour les communications 5G
Segmentation
Langage C pour le traitement du signal
Traitement du signal biomédical
IoT from sensors to cloud data processing
Systèmes de navigation GPS et inertielle
Vidéo 3D
Filtrage optimal
Codage correcteur d'erreurs pour la 5G
Traitement radar