| TSKS15 |
Detektion och estimering av signaler, 6 hp
/Detection and Estimation of Signals/
För:
D
I
Ii
IT
MMAT
SY
Y
|
| |
Prel. schemalagd
tid:
Rek. självstudietid: 160
|
| |
Utbildningsområde: Teknik
Huvudområde: Elektroteknik Nivå (G1,G2,A): A
|
| |
Mål:
IUAE-matris
Efter genomgången kurs skall studenten kunna
- med adekvat terminologi, väl strukturerat och logiskt sammanhängande, kunna redogöra för och genomföra beräkningar som relaterar till klassisk och Bayesiansk estimerings? och detektionsteori och specifikt till begreppen Neyman-Peason-satsen, felsannolikhet, beslutsregioner, maximum-likelihood, linjära och olinjära modeller, Fisher-information, Cramer-Rao-gränsen, cirkulärsymmetriskt brus, brusvitning, MMSE och LMMSE, GLRT, modellselektion, koherent och icke-koherent detektion,
komposit hypotestestning, "nuisance parameters"
- kunna beskriva, tillämpa, implementera i ett vedertaget programspråk, samt uppvisa ingenjörsmässig förståelse för den teori och de metoder som behandlas i kursen
|
| |
Förkunskaper: (gäller studerande antagna till program som kursen ges inom, se 'För:' ovan)
Linjär algebra, sannolikhetslära, en kurs motsvarande signaler,
information och kommunikation
OBS! Tillträdeskrav för icke programstudenter omfattar vanligen också tillträdeskrav för programmet och ev. tröskelkrav för progression inom programmet, eller motsvarande.
|
| |
Påbyggnadskurser
Kurser inom digital signalbehandling, sensorfusion, avancerad statistisk teori, maskininlärning, och kommunikationsteknik.
|
| |
Organisation:
Kursen består av föreläsningar, lektioner samt en serie
datorlaborationer. Datorlaborationerna examineras muntligen och individuellt, i laborationssal.
|
| |
Kursinnehåll:
Binära hypotestest, Neyman-Pearsonsatsen, felsannolikhet. M-värda detektionsproblem. Bayes kostnad och minimum-felsannolikhet. "Nuisance parameters." Klassisk estimering: maximum-likelihood. Cramer-Rao gränsen, Slepian-Bangs formel, effektivitet. Linjära, vektorvärda modeller med gaussiskt brus. Olinjära modeller. Brusvitning, komplexvärt data, gaussiskt brus, cirkulär-symmetriskt brus. Bayesiansk estimering: MMSE och LMMSE. Komposit hypotestestning: GLRT och Bayesianska metoder, modellordningsdetektion. "ndlig-dimensionella basexpansioner av vågformer. Prestandaberäkningar, asymptotiska egenskaper hos skattningar. Tillämpningar inom amplitud- och fasestimering, frekvensskattningar, vinkel ("angle-of-arrival")-estimering, skattning av tidsfördröjningar, positionering, koherent och ickekoherent detektion av vågformer.
|
| |
Kurslitteratur:
S. Kay, Statistical Signal Processing: Estimation Theory and
Statistical Signal Processing: Detection Theory, Prentice?Hall.
|
| |
Examination: |
TEN1
LAB1
|
Skriftlig tentamen (U,3,4,5)
Datorlaborationer (U,G)
|
4 hp
2 hp
|
| |
|
|
|