|
|
Vorlesungs- und Modulverzeichnis nach Studiengängen >> Systeme der Informations- und Multimediatechnik - Master of Science with Honors (SIM-MA) >>
|
Statistische Signalverarbeitung (STASIP)- Dozent/in
- Prof. Dr.-Ing. Walter Kellermann
- Angaben
- Vorlesung
3 SWS, ECTS-Studium, ECTS-Credits: 5
nur Fachstudium, Sprache Englisch, Statistical Signal Processing
Zeit und Ort: Di 16:15 - 17:45, 0.151-115; Do 12:15 - 13:45, 0.154-115
- Studienfächer / Studienrichtungen
- WPF MT-MA-BDV 1-2
WF WING-BA-IKS 6
WF WING-MA 1-4
WPF SIM-MA 1-4
WF IuK-BA 6
WPF IuK-MA-KN-EEI 1-3
WPF IuK-MA-ÜTMK-EEI 1-3
WPF IuK-MA-MMS-EEI 1-3
WPF IuK-MA-ES-EEI 1-4
WF CE-MA-TA-IT ab 1
WF CE-BA-TW 6
WPF EEI-BA-INT 5-6
WPF EEI-MA-INT 1-4
PF CME-MA 2
WPF CE-MA-TA-IT ab 1
WPF SIM-DH 6-8
WPF WING-DH 6-8
WPF MT-MA-MEL 2-3
- Voraussetzungen / Organisatorisches
- Module ‚Signale und Systeme I‘ und ‚Signale und Systeme II‘, ‚Digitale Signalverarbeitung‘ oder gleichwertige
- Inhalt
- Zeitdiskrete Zufallsprozesse im Zeit- und Frequenzbereich
Zufallsvariablen (ZVn), Wahrscheinlichkeitsverteilungen und –dichten, Erwartungswerte; Transformation von ZVn; Vektoren normalverteilter ZVn; zeitdiskrete Zufallsprozesse (ZPe): Wahrscheinlichkeitsverteilungen und –dichten, Erwartungswerte, Stationarität, Zyklostationarität, Ergodizität, Korrelationsfunktionen und -matrizen, Spektraldarstellungen; ‚Principal Component Analysis‘, Karhunen-Loeve Transformation;Schätztheorie
Schätzkriterien; Prädiktion; klassische und Bayes’sche Parameterschätzung (inkl. MMSE, Maximum Likelihood, Maximum A Posteriori); Cramer-Rao-Schranke Lineare Signalmodelle
Nichtarametrische Modelle (Cepstrale Zerlegung, Paley-Wiener Theorem, Spektrale Glattheit); Parametrische Modelle: ‚Allpole‘-/‘Allzero‘-/‘Pole-zero‘-(AR/MA/ARMA) Modelle; ‚Lattice‘-Strukturen, Yule-Walker Gleichungen, PARCOR-Koeffizienten, Cepstraldarstellungen; Signalschätzung
Überwachte Signalschätzung, Problemklassen; Orthogonalitätsprinzip, MMSE-Schätzung, lineare MMSE-Schätzung für Gaußprozesse; Optimale FIR-Filter; Lineare Optimalfilter für stationäre Prozesse; Prädiktion und Glättung; Kalman-Filter; optimale Multikanalfilterung (Wiener-Filter, LCMV, MVDR, GSC); Adaptive Filterung
Gradientenverfahren; LMS-, NLMS-, APA- und RLS-Algorithmus und Ihr Konvergenzverhalten;
- Empfohlene Literatur
- • A. Papoulis, S. Pillai: Probability, Random Variables and Stochastic Processes; McGraw-Hill, 2002 (englisch)
• D. Manolakis, V. Ingle, S. Kogon: Statistical and Adaptive Signal Processing; McGraw-Hill, 2005 (englisch)
- ECTS-Informationen:
- Title:
- Statistical Signal Processing
- Credits: 5
- Contents
- Discrete-Time random processes in time domain and frequency domain
Random variables (RVs): probability distributions and densities, expectations; transformation of RVs; vectors of normally distributed RVs; discrete-time random processes (RPs): probability distributions and densities, expectations; stationarity, cyclostationarity, ergodicity, correlation functions and matrices, frequency-domain representations; principal component analysis, Karhunen-Loeve transform;Estimation theory
Estimation criteria; prediction; classical and Bayes estimation (incl. MMSE, Maximum Likelihood, Maximum A Posteriori); Cramer-Rao bound
Linear signal models
Nonparametric models (cepstral decomposition, Paley-Wiener theorem, spectral flatness); Parametric models: allpole /allzero/pole-zero-(AR/MA/ARMA) models; lattice structures, Yule-Walker equations, PARCOR coefficients, cepstral representation; Signal estimation
Supervised signal estimation, problem classfication; orthogonality principle, MMSE estimation, linear MMSE estimation for normal processes; optimum FIR filters; optimum lineare filters for stationary RPs; prediction, filtering, smoothing; Kalman filter; optimum multichannel filters (Wiener filter, LCMV, MVDR, GSC);
Adaptive Filtering
Gradient descent; LMS, NLMS , APA and RLS algorithm and its convergence;
- Literature
- • A. Papoulis, S. Pillai: Probability, Random Variables and Stochastic Processes; McGraw-Hill, 2002 (english)
• D. Manolakis, V. Ingle, S. Kogon: Statistical and Adaptive Signal Processing; McGraw-Hill, 2005 (english)
- Zusätzliche Informationen
- Erwartete Teilnehmerzahl: 35
- Zugeordnete Lehrveranstaltungen
- UE: Ergänzungen und Übungen zur statistischen Signalverarbeitung
-
Dozent/in: Dipl.-Ing. Stefan Meier
Zeit und Ort: Mi 16:15 - 17:45, H5
- Verwendung in folgenden UnivIS-Modulen
- Startsemester SS 2015:
- Statistische Signalverarbeitung (STASIP)
- Institution: Lehrstuhl für Multimediakommunikation und Signalverarbeitung
|
 |
|
|
UnivIS ist ein Produkt der Config eG, Buckenhof |
|
|