Procesamiento Digital de Señales (DSP)

Bienvenidos al curso de Procesamiento Digital de Señales (DSP), un espacio diseñado para aprender y aplicar técnicas de análisis y manipulación de señales en Python. Este repositorio contiene todo el material necesario: clases teóricas, laboratorios de simulación, proyectos y recursos adicionales.

Objetivo del Curso

Este curso tiene como objetivo desarrollar competencias en modelado, análisis y procesamiento de señales en los dominios de tiempo y frecuencia, utilizando Python como herramienta de implementación. Los estudiantes aprenderán a:

• Representar y manipular señales en el dominio del tiempo y frecuencia.
• Implementar transformadas de Fourier y wavelets.
• Diseñar y aplicar filtros digitales.
• Utilizar técnicas de detección y clasificación en señales.

Contenidos del Curso

El curso se divide en cuatro bloques principales, cada uno con módulos específicos para desarrollar un conjunto de habilidades en el análisis de señales:

1. Representación y Análisis de Señales

   • Manipulación básica de señales en Python.
   • Muestreo y teorema de Nyquist.
   • Representación en dominio de frecuencia.
   • Transformada rápida de Fourier (FFT).

2. Descomposición y Análisis en el Dominio Tiempo-Frecuencia

   • Transformada de Fourier de Tiempo Corto (STFT).
   • Transformada Wavelet Discreta (DWT).
   • Transformada Wavelet Continua (CWT).
   • Aplicaciones prácticas y análisis comparativo.

3. Filtrado de Señales

   • Diseño de filtros digitales.
   • Filtros de paso bajo, paso alto, y bandas.
   • Filtrado en tiempo real.
   • Aplicaciones de filtrado en eliminación de ruido y análisis de señales biomédicas.

4. Detección y Regresión en Señales

   • Modelos de regresión y ajuste de curvas.
   • Clasificación y detección con el detector Bayesiano.
   • Métodos basados en vecindades y KNN.
   • Aplicaciones avanzadas en procesamiento de señales.

Configuración del Entorno

Para trabajar con los laboratorios y ejercicios del curso, necesitarás instalar la biblioteca dsp-utils. Puedes encontrar el repositorio de esta biblioteca en python-dsp-utils y usar el siguiente comando para instalarla:

pip install dsp-utils

Además, puedes instalar jupyterlab si prefieres ejecutar los laboratorios en cuadernos de Jupyter:

pip install jupyterlab

Recursos y Material Adicional

Este repositorio incluye vínculos a proyectos y recursos adicionales en GitHub que complementan y expanden los temas cubiertos en el curso:

• PythonPathway: Serie de tutoriales de Python en niveles Básico, Intermedio y Avanzado. Aprende desde conceptos fundamentales hasta técnicas avanzadas para desarrollar habilidades sólidas en Python.
• python-dsp-utils: Conjunto de utilidades para procesamiento digital de señales en Python. Este recurso contiene funciones y herramientas específicas que se utilizarán a lo largo del curso para simplificar el desarrollo de proyectos.

Estructura de Carpetas

• lecturas/ – Notas y recursos teóricos.
• proyectos/ – Proyectos finales de los estudiantes.
• notebooks/ – Cuadernos de Jupyter con ejemplos prácticos y laboratorios.

Metodología

La metodología del curso es activa y práctica. Cada tema incluye:

• Teoría y ejercicios guiados para asentar las bases.
• Laboratorios en Python donde aplicarás los conceptos en casos de estudio reales.
• Proyecto final en el que trabajarás con señales reales, implementando un análisis completo de principio a fin.

Evaluación

1. Laboratorios de Simulación (50%)

   • Entrega 1: Semana 6 (Representación y Análisis de Señales).
   • Entrega 2: Semana 15 (Filtrado y Detección).

2. Proyecto Final (50%)

   • Entrega Propuesta: Semana 7 (Definición de objetivos y elección de datos).
   • Entrega Final: Semana 16 (Implementación y presentación de resultados).