The course is taught in Italian.
Nella prima parte dell'insegnamento si definiscono le proprietà principali dei processi casuali a tempo discreto, e si presentano le tecniche principali di stima e predizione di tali proprietà. Nella seconda parte dell'insegnamento si forniscono le nozioni di base di teoria dell'informazione e codici.

- Conoscenza delle principali classi di processi casuali a tempo discreto
- Conoscenza delle principali tecniche per caratterizzare e stimare le proprietà di processi casuali a tempo discreto, 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 a tempo discreto
- Capacità di progettare un predittore lineare ottimo e ricorsivo
Al termine delle lezioni, gli studenti possiederanno le nozioni fondamentali di teoria dell'informazione, codifica di sorgente e di canale.
La capacità di applicare le conoscenze acquisite sarà verificata mediante esercitazioni in aula e in laboratorio, e nella fase di esame orale. L'esame orale e la stesura della tesina permetteranno anche di migliorare le capacità di comunicazione.

- 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), e filtraggio di processi casuali
- Nozioni di base sulle modulazioni digitali

- Introduzione ai processi casuali a tempo discreto (12 ore)
- Introduzione alla teoria della stima (6 ore)
- Stima a massima verosimiglianza (8 ore)
- Stima Bayesiana (4 ore)
- Stima spettrale classica (6 ore)
- Predittori (8 ore)
- Filtro di Kalman (8 ore)
- Introduzione alla teoria dell'informazione. Misure di informazione. Teorema del data processing (18 ore)
- Introduzione alla codifica di sorgente e alla compressione (10 ore)
- Introduzione alla codifica di canale. Codici a blocco per la correzione degli errori (20 ore).

Nella prima parte del corso 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 uguale a quello destinato alle lezioni in aula. Per la parte di teoria dell'informazione, verranno svolte esercitazioni in aula.

Per la prima parte del corso si consigliano i seguenti testi di riferimento:
[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 la parte di teoria dell'informazione, Il materiale didattico (lucidi) sarà fornito dal docente titolare dell'insegnamento e messo a disposizione sul sito web del portale della didattica.
Si suggeriscono i seguenti testi per consultazione:
[4] S. B. Wicker. 'Error control systems for digital communication and storage'
[5] David J.C. MacKay. 'Information Theory, Inference, and Learning Algorithms'. Cambridge University Press. (http://www.inference.phy.cam.ac.uk/mackay/itila/book.html)

Per la prima parte del corso l'esame è orale. Per la seconda parte verrà proposta una tesina.