Přehled studia | Přehled oborů | Všechny skupiny předmětů | Všechny předměty | Seznam rolí | Vysvětlivky               Návod

---

A8B37SSP	Zpracování stochastických signálů
Role:	PO	Rozsah výuky:	4P+0C
Katedra:	13137	Jazyk výuky:	CS
Garanti:	Sýkora J.	Zakončení:	Z,ZK
Přednášející:	Sovka P., Sýkora J.	Kreditů:	6
Cvičící:	Sýkora J.	Semestr:	L

Anotace:

Předmět poskytuje teoretické základy ve třech hlavních oblastech zpracování stochatických signálů: 1) teorie odhadu parametrů, 2) teorie detekce, 3) optimální a adaptivní filtrace. Zpracování stochatických signálů tvoří klíčový teoretický základ pro řadu aplikací - digitální komunikace, zpracování audio a video signálů, radar, rádiovou navigaci, měření a vyhodnocování experimentů, atd.

Cíle studia:

Předmět poskytuje teoretické základy ve třech výše uvedených hlavních oblastech zpracování stochatických signálů a nabízí jednotící pohled na zdánlivě různé přístupy.

Obsah:

Odhady parametrů, MVU estimátor, Cramer-Rao mez, kompositní hypotézy, vlastnosti estimátorů. Postačující statistika. Maximálně věrohodný odhad, EM algoritmus. Bayesovské estimátory (MMSE, MAP). Detekce. Testování hypotéz Parametrické metody, typy a vztahy. Použití metody nejmenších čtverců pro návrh filtrů. Optimální filtrace - Wienerův a Kalmánův filtr. Spektrální analýza a adptivní filtrace.

Osnovy přednášek:

1.

Odhady parametrů

1a. MVU estimátor, Cramer-Rao mez, kompositní hypotézy, vlastnosti estimátorů 1b. Postačující statistika 1c. Maximálně věrohodný odhad, EM algoritmus 1d. Bayesovské estimátory (MMSE, MAP)

2.

Detekce

2a. Testování hypotéz (binární, násobná, kompositní) 2b. Deterministické signály 2c. Náhodné signály

3.

Optimální a adaptivní filtrace

3a. Modelování signálů (ARMA, Padého approximace, ...) 3b. Toeplitzovy rovnice, Levinsonova-Durbinova rekurse 3c. MMSE filtry, Wienerův filtr 3d. Kalmánův filtr 3e. Metoda nejmenších čtverců (LS), rekursivní LS (RLS) 3f. Gradientní algoritmy a metoda největšího spádu 3g. Spektrální analýza

Osnovy cvičení:

Předmět má jen přednášky

Literatura:

1.		Steven Kay: Fundamentals of Statistical Signal Processing - Estimation theory
2.		Steven Kay: Fundamentals of Statistical Signal Processing - Detection theory
3.		Monson Hayes: Statistical digital signal processing and modeling
4.		Ali Sayed: Fundamentals of Adaptive Filtering

Požadavky:

Žádné

Poznámka:

Zpracování stochastických signálů

Předmět je zahrnut do těchto studijních plánů:

Plán	Obor	Role	Dop. semestr
BPOES_2020	Před zařazením do oboru	PO	6
BPOES	Před zařazením do oboru	PO	6

---

Stránka vytvořena 13.9.2024 17:51:00, semestry: Z/2024-5, Z/2025-6, Z,L/2023-4, L/2024-5, připomínky k informační náplni zasílejte správci studijních plánů

Návrh a realizace: I. Halaška (K336), J. Novák (K336)