http://ocw.cs.pub.ro/courses/ 2026-05-14T08:18:43+03:00 http://ocw.cs.pub.ro/courses/ http://ocw.cs.pub.ro/courses/lib/tpl/arctic/images/favicon.ico text/html 2025-12-11T07:50:37+03:00 http://ocw.cs.pub.ro/courses/ps/sidebar?rev=1765432237&do=diff cursuri index * Laboratorul 1 - Introducere in Python * Laboratorul 2 - Semnale și sisteme de bază * Laboratorul 3 - Semnale în domeniul frecvență * Laboratorul 4 - Shiftarea în fază/timp și filtrarea semnalelor periodice * Laboratorul 5 - Semnale digitale - procesarea simplă, eşantionarea și subeşantionarea * Laboratorul 6 - SNR, decibeli și DFT * Laboratorul 7 - DFT în detaliu: DFT leakage, zero-padding * Laboratorul 8 - RTL-SDR * Laboratorul 9 - Convoluți… text/html 2023-11-07T06:23:11+03:00 http://ocw.cs.pub.ro/courses/ps/tema_2021?rev=1699330991&do=diff 21 Noiembrie 23:59 [ pdf] [Date] % Tema PS 2021 % Autor: Andrei Nicolicioiu clear all close all % [audio_train,labels_train, audio_test,labels_test] = load_data(); load('data.mat') plot_figs = true % For faster results use just a fraction of each audio file % The results will be poorer but the speed would improve % select a fraction of alpha percents of each file alpha = 1 / 1000; b = floor(size(audio_train,1) / 2 - alpha * size(audio_train,1) / 2 + 1); e = floor(size(audio_train,… text/html 2023-11-07T17:07:19+03:00 http://ocw.cs.pub.ro/courses/ps/tema_2022?rev=1699369639&do=diff 22 Noiembrie 15:59 [ pdf] [Date][filtre] % Tema PS 2022 % Autor: Andrei Nicolicioiu clear; close all; %% detectie: ex 1-2 % TODO: creati semnalele x si h precum este descris in ex. 2 % x = ... % h = ... indice = detect(x, h, true); %% clasificare: ex 3-5 load('data.mat') load('filters.mat') plot_figs = true % Pentru a calcula rezultatele mai rapid, putem folosi doar o fractiune din % fiecare semnal audio. Rezulatele vor fi mai proaste, insa viteza va % creste alpha = 1 / 10.0; … text/html 2024-11-03T21:52:51+03:00 http://ocw.cs.pub.ro/courses/ps/tema_2023?rev=1730663571&do=diff Temă 21 Noiembrie 23:59 [ pdf] [Date] sklearnPyCharm Python Packagesscikit-learn pip install -U scikit-learn import numpy as np from get_features import get_features from sklearn.neighbors import KNeighborsClassifier import scipy def main(): # load data from matfile 'data.mat' data = scipy.io.loadmat('data.mat') audio_train, audio_test = data['audio_train'].T, data['audio_test'].T labels_train, labels_test = data['labels_train'], data['labels_test'… text/html 2024-11-04T22:28:21+03:00 http://ocw.cs.pub.ro/courses/ps/tema_2024?rev=1730752101&do=diff Temă Această temă are termen limită de predare 17 Noiembrie 23:59, până când va fi încărcată pe curs.upb.ro și va fi prezentată la laborator. Dacă tema va fi încărcată după termenul limită va avea o penalizare de minim 30%, apoi câte 10% pentru fiecare zi peste termenul limită. text/html 2025-11-12T16:08:55+03:00 http://ocw.cs.pub.ro/courses/ps/tema_2025?rev=1762956535&do=diff Temă Această temă are termen limită de predare 26 Noiembrie 2025, ora 23:59, pe curs.upb.ro. Va fi prezentată la laborator. Dacă tema va fi încărcată după termenul limită va avea o penalizare de minim 30%, apoi câte 10% pentru fiecare zi peste termenul limită. text/html 2019-10-28T14:50:04+03:00 http://ocw.cs.pub.ro/courses/ps/todo_tema?rev=1572267004&do=diff Temă Această temă are timp de lucru 2 săptămâni, începând de pe 18 noiembrie, va fi încărcată pe cs.curs.pub.ro și va fi prezentată la laborator în săptămâna 3-7 decembrie. Tema este un bonus care valorează 2 laboratoare urmând să completeze punctajul lipsă pe laborator sau proiect.