The course is taught in English.
Nella prima parte dell'insegnamento si introducono le nozioni principali dell'elaborazione e analisi di segnali casuali. Si considerano in particolare i tipi di rumore che si incontrano più frequentemente nei sistemi fisici, e si discutono le principali tecniche per caratterizzarli, rimuoverli e predirli, tra le quali la stima spettrale, l'analisi tempo-frequenza, ed il filtro di Kalman.
Nella seconda parte si trattano le tematiche principali relative alla codifica video: i principi di base della codifica a motocompensazione, i formati video, i principali standard di codifica delle classi MPEG e H.26x, principi di error resilience, esempi di sistemi di streaming video anche su reti peer-to-peer.

- Conoscenza delle principali classi di processi casuali, sia stazionari che non stazionari
- Conoscenza delle principali tecniche per caratterizzare e stimare le proprietà di processi casuali stazionari e non stazionari, tra cui media, varianza, autocorrelazione, e spettro di potenza.
- Conoscenza del concetto di predittore lineare ottimo e ricorsivo
- Capacità di classificare i processi casuali in funzione delle loro proprietà
- Capacità di applicare algoritmi per la stima delle proprietà di processi casuali stazionari e non stazionari
- Capacità di progettare un predittore lineare ottimo e ricorsivo
- Conoscenza dei principi di base della codifica video motocompensata
- Conoscenza dei principali standard di codifica video
- Conoscenza dei concetti di codifica scalabile, multi-vista, 3D
- Conoscenza delle principali tecniche di error resilience
- Conoscenza dei sistemi di streaming video
La capacità di applicare le conoscenze acquisite sarà verificata mediante esercitazioni in laboratorio.

- Analisi reale e complessa di funzioni a una e più variabili
- Calcolo delle probabilità
- Nozioni base di elaborazione dei segnali, tra cui analisi in frequenza, concetto di sistema lineare tempo-invariante (LTI), filtraggio di processi casuali
- Nozioni di base di teoria dell'informazione (entropia, codifica senza perdite, codifica con perdite, teoria della rate-distortion)
- Nozioni di base di codifica predittiva

- Introduzione ai processi casuali a tempo discreto (10 ore)
- Processi casuali nonstationari (8 ore)
- Introduzione alla teoria della stima (8 ore)
- Stima spettrale (8 ore)
- Analisi tempo-frequenza (8 ore)
- Il filtro di Kalman (8 ore)
- Codifica video motocompensata: stima del movimento, 'block matching' (principi e algoritmi pratici) (6 ore)
- Formati di codifica video (4 ore)
- Standard di codifica video: MPEG-1/2, MPEG-4, H.261, H.263 (6 ore)
- Lo standard H.265/AVC (6 ore)
- La codifica video scalabile. Introduzione, scalabilità in MPEG-2, H.264/SVC (6 ore)
- Altri standard di codifica: H.264/MVC (multiview video coding), 3DTV (6 ore)
- Principi di error resilience: codifica 'layered', protezione ineguale dagli errori, codifica a descrizioni multiple, 'error concealment' (8 ore)
- Sistemi di video streaming (4 ore)
- Video streaming su reti peer-to-peer (4 ore)

Nella prima parte dell'insegnamento sono previsti laboratori di programmazione software dove i metodi insegnati a lezione vengono implementati e validati in ambiente Matlab. Il tempo dedicato ai laboratori è all'incirca pari a quello destinato alle lezioni in aula.
Nella seconda parte sono previsti alcuni laboratori didattici per validare le prestazioni dei principali algoritmi visti a lezione (circa un terzo delle ore).

[1] A. Papoulis and S. U. Pillai, 'Probability, Random Variables and Stochastic Processes,' McGraw Hill, 2002.
[2] D. G. Manolakis, V. K. Ingle, and S. M. Kogon, 'Statistical and Adaptive Signal Processing: Spectral Estimation, Signal Modeling, Adaptive Filtering and Array Processing,' Artech House, 2005.
[3] A. Gelb, 'Applied Optimal Estimation,' MIT Press, 1974.
Per quanto riguarda la seconda parte dell'insegnamento, non esistono libri di testo ma sarà necessario basarsi sugli appunti e sul materiale didattico che sarà messo a disposizione dal docente sul portale della didattica.

L'esame, sia per la prima che per la seconda parte dell'insegnamento, è basato su di un test a risposta multipla. Ad ogni risposta corretta viene assegnato un punteggio, ed il voto finale è la somma dei punteggi acquisiti.