ECTS - University of Pisa
Lo studente avrà un quadro sintetico ma easustivo riguardo alle applicazioni dei sistemi sensoristici all'interno di una vasta gamma di sistemi elettronici, con particolare enfasi a sistemi innovativi quali robot, reti di sensori, veicoli autonomi e dispositivi indossabili. Verranno inoltre fornite conoscenze approfondite sulle architetture più diffuse di sistemi sensoriali, sui parametri prestazionali che li caratterizzano e sugli strumenti di modellazione e simulazione. Lo studente approfondirà la conoscenza di alcune tipologie di sensori la cui diffusione è attualmente in forte crescita, quali i biosensori, i sensori magnetici e i sensori ottici. Infine, lo studente acquisirà conoscenze di base su alcuni importanti metodologie di analisi di dati prodotti da matrici di sensori, quali le reti neurali.
The student will initially get a synthetic, yet complete view of sensor electronic systems for different applications, with enphasys on robot, sensor networks, autonomous vehicle, and wearable devices. The course will then provide a robust and complete knowledge of the main sensor system architectures, operation and performance parameters, modelling and simulation tools. Typologies of sensors at the forefront of commercial applications and research studies will be investigated in detail, such as, biosensors, photonic sensors, magnetic sensors. Further, the main approaches for the elaboration of data acquired from array of sensors will be studied, such as classification algorithms and neural networks.
Esame Orale
Assement of the knowledge will be achieved through an oral test.
Capacità di modellare e progettare complessi sistemi sensoriali lineari e non lineari in ambiente simulink. Capacità di selezionare la tipologia più idonea di sensore sulla base della grandezza da rilevare e le condizioni al contorno dettate dalle specifiche. Capacità di scrivere semplici programmi di analisi dei dati sensoriali mediante tecniche di classificazione basate su metodi statistici e reti neurali.
Ability to design and modelling linear and non-linear sensor systems with high complexity in Simulink environment. Ability to select the best suitable sensor among those available in the market on the basis of the required physical parameters to be measured and technological specification to be matched. Ability to write simple software code for elaboration of sensor data through statistical and non statistical methods, such as classification algorithms and neuronal nethworks.
Discussione di un progetto di modellazione di un sistema sensoriale
Discussion of a project concerning the modelling of a sensor system
Lo studente saprà operare la scelta delle tipologie di sensori, sei componenti eletrronici di interfaccia e degli strumenti di analisi più opportuni per la realizzazione di un sistema sensoriale.
The student will be able to select the most suitable sensors, driving/readout electronic components, and data analysis methods for the design/fabrication of a sensor system.
Durante l'esame allo studente verrà richiesto di confrontarsi con casi reali di implementazione di sistemi sensoriali.
Assessment of student behavior will be achieved through the discussion of real-world sensing system implementation cases.
Sono consigliate: conoscenze di base riguardo a sistemi eletronici analogici e digitali generici; conoscenze di base riguardanti le principali tipologie di sensori.
Basic knowledge of generic analog and digital electronic systrems and of the main sensor typologies are suggested.
lezioni frontali, alternando proiezione di lucidi e lavagna (fisica o tablet). Sono previste esercitazioni al calcolatore che gli studenti sono invitati ad eseguire sul proporio computer sotto la guida del docente.
Lectures, using charts and/or balckboard (either physical or tablet). Simulations under the supervision fo the teacher, for which the students are invited to use their laptop.
Il corso è organizato in diverse sezioni, ciascuna dedicata ad aspetti specifici dei sistemi sensoriali. Gli argomenti, organizazzati per sezioni sono esposti nell'elenco seguente.
1) Applicazione dei sistemi sensoriali in alcuni sistemi innovativi: veicoli autonomi, sistemi domotici, robots, sistemi diagnostici portatili e indossabili. Classificazione dei sensori sulla base della granzezza da rilevare e del tipo di grandezza di uscita. Cenno alle più diffuse interfacce per sensori, con particolare riferimento a dispositivi commerciali monolitici.
2) Architettura di un sistema sensoriale. Parametri prestazionali. Cause di errore nel processo di acquisizione e parametri relativi. Elementi di propagazione degi errori applicati al calcolo dell'accuratezza e risoluzione di un sistema sensoriale complesso.
3) Approfondimento su alcune classi di sensori di importanza strategica: biosensori per marcatori clinici, sensori magnetici in veicoli elettrici, sensori ottici per la visione artificiale e per la termografia.
4) Breve introduzione all'ambiente Matlab. Metodi di modellazione e simulazione di sistemi sensoriali basati sull'ambiente Simulink/Simscape. Breve introduzione al linguaggio Python. Utilizzo di librerie Python e Matlab per l'analisi di dati da sensori in tempo reale con tecniche di classificazione statistica e reti neuronali convoluzionali.
The course is organized in different sections, each on specifically devoted to study the different aspects of sensor systems. Topics of each section are here below highlighted:
1) Key sensor system applications: autonomous vehicle, domotics, robots, wearable, and portable diagnostics. Sensor classification based on input parameters to be monitored and output signals. Key sensor electronic interfaces, with specific reference to monolithic commercial electronic systems.
2) Sensor system architectures: performance parameters. Error sources and relative parameters in the signal acquisition process. Error propagation on accuracy and resolution parameters of a complex sensor system.
3) Study of sensors typologies of strategic importance: biosensors for clinical markers, optical sensors for artificial vision and thermography, magnetic sensors for electric vehicles.
4) Introduction to Matlab environment: modelling and simulation of sensor systems in Simulink/Simscape. Introduction to Python environment. Use of Python and Matlab library for sensor data elaboration in real-time with statistic classification methods and convolutional neuronal networks.
Maretiale fornito dai docenti.
Lecture notes, exercises, and further material provided by the teacher.
I docenti forniranno materiale didattico sotto forma di dispense e raccolte di slides in modo da rendere possibile il raggiungimento di una adeguata preparazione anche a studenti non frequentanti.
Charts and lecture notes will be provided by teachers to forster non-attending student preparation
Esame orale
Oral test
Il corso è di nuova attivazione e la pagina web è in fase di allestimento.
This is a brand new course and the website is stil under construction.
