Ficha Unidade Curricular (FUC)
Informação Geral / General Information
Carga Horária / Course Load
Área científica / Scientific area
Telecomunicações
Departamento / Department
Departamento de Ciências e Tecnologias da Informação
Ano letivo / Execution Year
2024/2025
Pré-requisitos / Pre-Requisites
Esta disciplina não tem pré-requisitos formais em termos de aprovação em cadeiras anteriores. Contudo, é aconselhável que os estudantes tenham bons conhecimentos de cálculo diferencial e integral, de cálculo com números e funções complexas, e conhecimentos de análise espectral (transformadas tempo-frequência).
Objetivos Gerais / Objectives
O objetivo da UC é fornecer uma introdução às ferramentas e às técnicas de análise e processamento de sinais aleatórios que surgem nos sistemas de telecomunicações assim como no processamento computacional de informação. A UC introduz os conceitos fundamentais de teoria de probabilidades, fundamentais para a análise e processamento deste tipo de sinais.
Objetivos de Aprendizagem e a sua compatibilidade com o método de ensino (conhecimentos, aptidões e competências a desenvolver pelos estudantes) / Learning outcomes
Com esta UC, o estudante deverá ficar apto a atingir os seguintes objetivos de aprendizagem (OA): OA1- Manipular probabilidades, variáveis aleatórias discretas e contínuas, incluindo a transformação de uma variável aleatória noutra diferente; OA2- Caracterizar e manipular sinais aleatórios, incluindo o ruído, bem como aplicar operações de filtragem; OA3- Analisar e modelar a aleatoriedade dos sinais de informação em sistemas de comunicação.
Conteúdos Programáticos / Syllabus
CP1 - Introdução ao espaço amostral e probabilidades. CP2 - Variáveis aleatórias com aplicações à engenharia de telecomunicações e informática. CP3 - Modelos de probabilidade com aplicações à engenharia de telecomunicações e informática. CP4 - Sinais aleatórios e ruído com aplicações à engenharia de telecomunicações e informática.
Demonstração da coerência dos conteúdos programáticos com os objetivos de aprendizagem da UC / Evidence that the curricular units content dovetails with the specified learning outcomes
A interligação entre os conteúdos programáticos (CP) e os objetivos de aprendizagem realiza-se da seguinte forma: Os CP1 introduzem os conceitos e ferramentas básicas para análise de variáveis aleatórias discretas e contínuas. Os CP2 implicam uma compreensão mais avançada da manipulação de probabilidades, variáveis aleatórias discretas e contínuas, incluindo a transformação de uma variável aleatória noutra variável aleatória diferente; Os CP3 referem-se à caracterização e manipulação de sinais aleatórios, incluindo o ruído, assim como a operação de filtragem desses sinais. Os CP4 são referentes à análise e modelação da aleatoriedade dos sinais de informação em sistemas de comunicação.
Avaliação / Assessment
A avaliação pode ser realizada através de uma das duas formas seguintes. A) Avaliação ao longo do semestre: consiste em dois trabalhos de grupo (máximo de dois estudantes por grupo) em MATLAB e dois testes escritos. O 1º teste é intercalar, a realizar durante o semestre, e o 2º teste é realizado na data do exame de 1ª época. A nota final na UC é obtida considerando um peso de 30% para a média simples das notas dos trabalhos e 70% para a média simples da nota dos testes. A nota mínima de cada teste é 8,0 valores e nota média dos dois testes tem de ser igual ou superior a 9,5 valores. A nota mínima em cada trabalho é 8,0 valores. A avaliação através da opção A só é possível na 1ª época de avaliação, de acordo com a regulamentação geral da avaliação no Iscte. B) Avaliação por Exame: prova escrita com um peso de 100% a realizar ou na 1ª época de exames, ou na 2ª época de exames, ou na época especial de exames (para os estudantes que a ela têm acesso nos termos dos regulamentos do Iscte).
Metodologias de Ensino / Teaching methodologies
Esta disciplina inclui aulas teóricas (T), onde a matéria teórica é apresentada, e aulas teórico-práticas (TP), usadas para consolidar os conhecimentos adquiridos através do estudo de exemplos, demonstrações computacionais em MATLAB, e exercícios práticos. As aulas desenrolam-se de acordo com as seguintes metodologias de ensino-aprendizagem: - Exposição e discussão. - Resolução de exercícios. - Apresentação de demonstrações computacionais e programação em MATLAB. Para além disso é também necessária a seguinte componente: - Trabalho autónomo do aluno. O aluno deve dedicar de 4 a 6 horas semanais em trabalho autónomo para (i) consulta da bibliografia indicada e revisão da matéria, (ii) resolução de exercícios/problemas e na realização de experiências computacionais com MATLAB.
Demonstração da coerência das metodologias de ensino e avaliação com os objetivos de aprendizagem da UC / Evidence that the teaching and assessment methodologies are appropriate for the learning outcomes
As metodologias de ensino visam o desenvolvimento das principais competências de aprendizagem dos alunos que permitam atingir cada um dos objetivos de aprendizagem. As principais interligações entre as metodologias de ensino e os respetivos objetivos de aprendizagem (OA) são as seguintes: - Aulas teóricas: OA1, OA2, OA3. - Aulas teórico-práticas: OA1, OA2, OA3. O documento de Planeamento de Unidade Curricular (PUC), detalhado para cada aula, evidencia a relação entre os métodos pedagógicos de ensino e os objetivos de aprendizagem. A relação entre cada instrumento de avaliação e os objetivos de aprendizagem é a seguinte: - Trabalho de grupo: OA1, OA2, OA3. - Exame final: OA1, OA2, OA3. A metodologia de avaliação (quer na opção A com avaliação ao longo do semestre, quer com a opção B de apenas um exame escrito) permite avaliar os estudantes nos três objetivos de aprendizagem (OA1, OA2, OA3). O trabalho autónomo dos estudantes abarca também todos os objetivos de aprendizagem (OA1, OA2, OA3).
Observações / Observations
A documentação necessária ao acompanhamento dos conteúdos lecionados na unidade curricular está disponível na plataforma Moodle do ISCTE-IUL, sendo constituída por “slides”, apontamentos, e outros texto de apoio (em Português ou em Inglês), assim como código MATLAB. Os resultados das avaliações serão publicados na mesma plataforma Moodle. A assiduidade não é contabilizada para a avaliação desta disciplina.
Bibliografia Principal / Main Bibliography
- A. B. Carlson, P. Crilly, Communication Systems - An Introduction to Signals and Noise in Electrical Communication, 5th Edition, Chapters 8 and 9. - G. Dolecek, Random Signals and Processes Primer with MATLAB, Springer, 2012. - A. Cartaxo, Slides of Theory Classes of Random Signals in Telecommunications and Computer Engineering (Chapter 1 to Chapter 4) , 2021. - A. Cartaxo, Problems of Random Signals in Telecommunications and Computer Engineering (with solutions), 2021.
Bibliografia Secundária / Secondary Bibliography
- Steven Kay, Intuitive Probability and Random Processes using MATLAB, 1st edition, Springer, 2006. - A. Papoulis and S. U. Pillai, Probability, Random Variables, and Stochastic Processes, 4th edition, McGraw-Hill, New York, 2002. - A. Leon-Garcia, Probability, Statistics, and Random Processes for Electrical Engineering, 3rd edition, Pearson, Prentice Hall, 2008. - Sheldon M. Ross, Introduction to Probability and Statistics for Engineers and Scientists, 6th edition, Academic Press, 2020.
Data da última atualização / Last Update Date
2024-07-30