Přehled studia |
Přehled oborů |
Všechny skupiny předmětů |
Všechny předměty |
Seznam rolí |
Vysvětlivky
Návod
Anotace:
The course provides fundamentals in three main domains of the statistical signal processing: 1) estimation theory, 2) detection theory, 3) optimal and adaptive filtering. The statistical signal processing is a core theory with many applications ranging from digital communications, audio and video processing, radar and radio navigation, measurement and experiment evaluation, etc.
Osnovy přednášek:
1a. MVU estimator, Cramer-Rao lower bound, composite hypothesis, performance criteria
1b. Sufficient statistics
1c. Maximum Likelihood estimator, EM algorithm
1d. Bayesian estimators (MMSE, MAP)
2a. Hypothesis testing (binary, multiple, composite)
2b. Deterministic signals
2c. Random signals
| 3. | | Optimal and adaptive Filtration |
3a. Signal modeling (ARMA, Padé approximation, ...)
3b. Toeplitz equation, Levinson-Durbin recursion
3c. MMSE filters, Wiener filter.
3d. Kalman filter.
3e. Least Squares, RLS
3f. Steepest descent and stochastic gradient algorithms.
3g. Spectrum estimation
Osnovy cvičení:
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 |
| 5. | | S. M. Kay: Fundamentals of statistical signal processing-detection theory, Prentice-Hall 1998 |
Požadavky:
Předmět je zahrnut do těchto studijních plánů:
| Stránka vytvořena 3.12.2024 17:51:08, semestry: L/2024-5, L/2023-4, Z/2024-5, Z/2025-6, připomínky k informační náplni zasílejte správci studijních plánů |
Návrh a realizace: I. Halaška (K336), J. Novák (K336) |