第一学期课程：
图像处理
图像处理是指使用算法对数字图像进行分析、修改、操作和提取信息。图像处理是一个日益相关且迅速发展的领域，它支撑着我们日常生活中的众多应用，从更传统的图像增强方法到最先进的计算机视觉开发。
本课程通过将信号处理技术扩展到图像来介绍图像处理的基本原理。它将为学生打下坚实的基础，使他们能够构建图像处理问题的解决方案。本课程以基本单变量时间序列分析的先验知识为基础，介绍了视觉、图像和运算符以及各种图像变换的基本概念。然后，本课程将考虑如何应用先前提出的概念来解决图像处理中的一些关键挑战，包括图像增强、图像恢复和图像分割方面的问题。然后，课程最终会考虑上述技术的扩展，包括它们在多光谱图像中的应用。
数字通信基础
本课程的目的是让学生全面了解信息论与数字通信系统设计的关系，并提供在这些系统上执行设计计算的知识和技能。学生将使用标准数学方法对数字通信系统进行建模和分析，并预测性能指标，例如接收到的 SNR 和预期误码率。
离散时间信号分析
学生将学习对随机过程描述的信号和系统进行统计分析的理论和实际应用。该主题将从时域和频域两个方面进行探讨，重点是研究分析工具对结果分析的影响。本课程深入介绍了离散傅立叶变换及其在频谱估计中的作用，以及有限脉冲响应滤波器的设计及其在信号识别中的作用。特别是处理分析系统的分辨率和动态范围等问题，让学生了解如何将理论应用于工程问题。
概率、估计理论和随机信号（PETARS）
概率、估计理论和随机信号课程介绍了在 MSc 信号处理和通信计划中分析和描述高级信号处理算法所需的基本统计工具。它提供了一个统一的数学框架，作为描述随机事件和信号的基础，以及如何描述随机过程的关键特征。
该课程涵盖概率论，考虑随机变量和向量的概念，如何操纵它们，并介绍估计理论。事实证明，许多估计问题以及信号处理问题都可以简化为优化或集成中的练习。虽然这些问题可以使用确定性数值方法来解决，但本课程介绍了蒙特卡洛技术的概念，这是强大的随机优化和积分算法的基础。这些方法依赖于能够从任意分布中采样数字或变量。因此，本课程将讨论理解这些方法所必需的各种技术，如果时间允许，考虑了随机数生成技术。本课程的随机信号方面考虑通过随机或随机过程来表示真实世界的信号。将自相关和自协方差等统计量的概念从随机向量扩展到随机过程（时间序列），并开发了频域分析框架。本课程还研究系统和变换对时间序列的影响，以及如何使用它们来帮助设计强大的统计信号处理算法以完成特定任务。将自相关和自协方差等统计量的概念从随机向量扩展到随机过程（时间序列），并开发了频域分析框架。本课程还研究系统和变换对时间序列的影响，以及如何使用它们来帮助设计强大的统计信号处理算法以完成特定任务。将自相关和自协方差等统计量的概念从随机向量扩展到随机过程（时间序列），并开发了频域分析框架。本课程还研究系统和变换对时间序列的影响，以及如何使用它们来帮助设计强大的统计信号处理算法以完成特定任务。
该课程介绍了使用参数模型表示信号的概念；它扩展了用于确定最佳模型参数的统计估计理论的广泛主题。特别是，引入了用于统计参数估计的贝叶斯范式。重点放在将这些概念与最先进的应用程序和信号相关联。本课程提供理学硕士课程中高级信号、图像和通信课程所需的基础知识。
具有重大挑战的工程研究方法
本课程旨在让学生掌握工程研究的基本技能，包括两部分：
研究方法：通过前 10 周的讲座，学生将学习完成研究项目所需的基本主题，如文献调查、项目规划和报告、时间管理、甘特图、剽窃和知识产权问题、研究成果的展示等。
大挑战项目：在第 2 周，学生将面临一项大挑战，要求他们进行文献综述、确定具体问题并提出/设计问题的解决方案。该项目要求他们使用他们在本课程中学到的所有技能和工具。虽然项目是个人的，但学生们组成论坛，讨论挑战的各个方面并交流想法。最终的可交付成果，也是课程作业评估，是一份 6 页的报告，格式为期刊论文，将在第 11 周提交
