View syllabus
DIGITAL COMMUNICATIONS
LUCA SANGUINETTI
Academic year2020/21
CourseCOMPUTER SCIENCE AND NETWORKING
Code919II
Credits12
PeriodSemester 1
LanguageItalian

ModulesAreaTypeHoursTeacher(s)
FUNDAMENTAL OF SIGNALS AND SYSTEMSING-INF/03LEZIONI48
LUCA SANGUINETTI unimap
FUNDAMENTALS OF DIGITAL COMMUNICATIONSING-INF/03LEZIONI48
MARCO MORETTI unimap
Obiettivi di apprendimento
Learning outcomes
Conoscenze

Gli obiettivi del corso sono:


  1. di fornire agli studenti le conoscenze necessarie all'analisi dei segnali (deterministici e aleatori) e dei sistemi;
  2. di introdurre le conoscenze necessarie al trasferimento dei dati nei sistemi di comunicazioni;
  3. di introdurre le tecniche di trasmissione e codifica che sono alla base dei moderni sistemi di comunicazione;
  4. di fornire agli studenti le conoscenze necessarie per sviluppare software in MATLAB necessario all'analisi dei segnali/sistemi e alla simulazione di sistemi di comunicazioni.


 

Knowledge

The objectives of the course are:

  • to provide students with the knowledge necessary for the analysis of signals (deterministic and random) and systems;
  • to introduce the knowledge necessary for data transfer in communication systems;
  • to introduce the transmission and coding techniques that are at the basis of modern communication systems;
  • to provide students with the knowledge necessary to develop software in MATLAB necessary for the analysis of signals / systems and the simulation of communication systems.
Modalità di verifica delle conoscenze

Durante l'esame finale lo studente deve essere in grado di dimostrare sia il livello di conoscenza e di comprensione del materiale del corso che le conoscenze acquiste durante le ore di laboratorio.

Metodo di verifica

  • Esame finale (orale)
  • Semplice progetto in Matlab relativo ad uno degli argomenti del corso.

 

Assessment criteria of knowledge

During the final exam the student must be able to demonstrate both the level of knowledge and understanding of the course material and the knowledge acquired during the laboratory hours.

Verification method:

  • Final exam (oral)
  • Simple Matlab project related to one of the course topics.
Capacità

Lo studente che supera con successo l'esame avrà acquisito le conoscenze necessarie all'analisi dei segnali e sistemi e le tecnologie di base per il trasferimento dei dati nei sistemi di comunicazioni.

Skills

The student who successfully passes the exam will have acquired the knowledge necessary for the analysis of signals and systems and the basic technologies for data transfer in communications systems.

Modalità di verifica delle capacità

Valutazione di piccoli progetti di programmazione assegnati durante il corso e esame finale orale.

Assessment criteria of skills

Evaluation of small programming projects assigned during the course and final oral exam.

Comportamenti

Gli studenti apprenderanno le tecniche fondamentali per l'analisi dei segnali/sistemi e la trasmissione dei dati nei sistemi di comunicazione, e alcuni risultati allo stato dell'arte.

Behaviors

Students will learn the fundamental techniques for signal / systems analysis and data transmission in communication systems, and some state of the art results.

Modalità di verifica dei comportamenti

La verifica viene effettuata in occasione della prova orale ma anche durante il corso, sia nell'ambito delle lezioni teoriche che delle esercitazioni in MATLAB.

Assessment criteria of behaviors

The verification is carried out on the occasion of the oral test but also during the course, both in the context of the theoretical lessons and the exercises in MATLAB.

Prerequisiti (conoscenze iniziali)

Conoscenze di base di analisi matematica e teoria della probabilità. Conoscenze di base del linguaggio di programmazione MATLAB.

Prerequisites

Basic knowledge of mathematical analysis and probability theory. Basic knowledge of the MATLAB programming language.

Indicazioni metodologiche

Modalità di svolgimento delle lezioni: lezioni frontali, con ausilio di slide (in Inglese)

Modalità di apprendimento:

  • partecipazione alle lezioni
  • studio individuale
  • attività di laboratorio

Presenza alle lezioni: Consigliata

Metodi di insegnamento:

  • Lezioni frontali con il supporto di slide
  • Discussione con gli studenti
  • Lezioni di laboratorio

Forme aggiuntive di interazione con gli studenti:

  • ore di ricevimento per spiegazioni aggiuntive e approfondimenti
  • e-mail nel caso di semplici dubbi da parte dello studente
Teaching methods

Lectures: lectures, with the help of slides (in English)

Learning mode:

  • participation in the lessons
  • individual study
  • Laboratory activities

Attendance at lessons: Recommended

Teaching methods:

  • Frontal lessons with the support of slides
  • Discussion with students
  • Laboratory lessons

Additional forms of interaction with students:

  • Reception hours for additional explanations and insights
  • e-mail in case of simple doubts on the part of the student
Programma (contenuti dell'insegnamento)

Il programma del corso è il seguente:

  1. Fourier Analysis of Signals and Systems: The Fourier Transform, Transmission of Signals through Linear Time-Invariant System, Canonical Representation of Band-Pass Signals, Linear Modulation Theory, Numerical Computation of the Fourier Transform

2. Probability Theory and Bayesian Inference: Probability Theory, Random Variables, The Gaussian Distribution, The Central Limit Theorem, Bayesian Inference

3. Stocastic Processes: Definition, Strictly Stationary and Weakly Stationary Processes, Ergodic Processes, Transmission of a Weakly Stationary Process through a Linear Time-invariant Filter, Power Spectral Density of a Weakly Stationary Process, The Gaussian Process, Noise

4. Basics of Information Theory: Entropy, Lossless Data Compression Algorithms, Channel Capacity

5. Conversion of Analog Waveforms into Coded Pulses: Sampling Theory, Pulse-Amplitude Modulation, Phase-Shift Keying Techniques, Quadrature Amplitude Modulation

6. Signaling over Fading Channels: large scale and small scale fading. Orthogonal Frequency Division Multiplexing, Spread Spectrum Signals.

7. Error Control Coding: Linear Block Codes, Convolutional Codes, Turbo Codes, Low-Density Parity -Check Codes

8. Cellular networks: 3G, 4G, 5G and their multiplexing and multiple access technologies.

 

Syllabus

1. Fourier Analysis of Signals and Systems: The Fourier Transform, Transmission of Signals through Linear Time-Invariant System, Canonical Representation of Band-Pass Signals, Linear Modulation Theory, Numerical Computation of the Fourier Transform

2. Probability Theory and Bayesian Inference: Probability Theory, Random Variables, The Gaussian Distribution, The Central Limit Theorem, Bayesian Inference

3. Stocastic Processes: Definition, Strictly Stationary and Weakly Stationary Processes, Ergodic Processes, Transmission of a Weakly Stationary Process through a Linear Time-invariant Filter, Power Spectral Density of a Weakly Stationary Process, The Gaussian Process, Noise

4. Basics of Information Theory: Entropy, Lossless Data Compression Algorithms, Channel Capacity

5. Conversion of Analog Waveforms into Coded Pulses: Sampling Theory, Pulse-Amplitude Modulation, Phase-Shift Keying Techniques, Quadrature Amplitude Modulation

6. Signaling over Fading Channels: large scale and small scale fading. Orthogonal Frequency Division Multiplexing, Spread Spectrum Signals.

7. Error Control Coding: Linear Block Codes, Convolutional Codes, Turbo Codes, Low-Density Parity -Check Codes

8. Cellular networks: 3G, 4G, 5G and their multiplexing and multiple access technologies.

Bibliografia e materiale didattico

Le lezioni faranno uso delle slides, aclune note aggiuntive preparate dai docenti, e da ulteriore materiale didattico che sarà presentato durante in corso, fra cui il seguente libro di testo:

  • Simon Haykin Digital Communication Systems, Wiley.
Bibliography

Slides presented during the lectures and other reference material that will be indicated during the course, including the folling book:

  • Simon Haykin Digital Communication Systems, Wiley.
Indicazioni per non frequentanti

I docenti hanno predisposto delle slides a supporto dello studio individuale per i non frequentanti. Al fine di milgiorare l'apprendimento, gli studenti non frequentanti sono inoltre invitati a contattare i docenti (via email) per spiegazioni aggiuntive (e/o approfondimenti).

Non-attending students info

The teachers prepared slides to support the individual study for non-attending students. In order to improve learning, non-attending students are also invited to contact the teachers (via email) for additional explanations (and / or insights).

Modalità d'esame

Esame orale, e progetto individuale in Matlab.

Assessment methods

Oral exam, and individual project in Matlab.

Updated: 31/07/2020 16:33