Drukuj Eksport do pliku (MS Word)
Nazwa przedmiotu:
Filtracja optymalna i statystyczne przetwarzanie sygnałów
Koordynator przedmiotu:
dr inż. Zbigniew Gajo
Status przedmiotu:
Fakultatywny ograniczonego wyboru
Poziom kształcenia:
Studia II stopnia
Program:
Elektronika
Grupa przedmiotów:
Przedmioty techniczne - zaawansowane
Kod przedmiotu:
FOPT
Semestr nominalny:
2 / rok ak. 2019/2020
Liczba punktów ECTS:
4
Liczba godzin pracy studenta związanych z osiągnięciem efektów uczenia się:
95, w tym: wykłady-30 ćwiczenia laboratoryjne-15 przygotowanie do kolokwiów-10 przygotowanie do sprawdzianów i zadań laboratoryjnych-10 przygotowanie do egzaminu-15 egzamin-5 konsultacje, konwersatoria, rozwiązywanie zadań domowych-10
Liczba punktów ECTS na zajęciach wymagających bezpośredniego udziału nauczycieli akademickich:
2
Język prowadzenia zajęć:
polski
Liczba punktów ECTS, którą student uzyskuje w ramach zajęć o charakterze praktycznym:
2
Formy zajęć i ich wymiar w semestrze:
  • Wykład30h
  • Ćwiczenia0h
  • Laboratorium15h
  • Projekt0h
  • Lekcje komputerowe0h
Wymagania wstępne:
Podstawowa wiedza z zakresu metod opisu i przetwarzania sygnałów dyskretnych ze szczególnym uwzględnieniem sygnałów losowych (przedmiot CYPS na studiach I stopnia). Elementarna wiedza z zakresu rachunku prawdopodobieństwa i statystki matematycznej (np. przedmiot MWS)
Limit liczby studentów:
36
Cel przedmiotu:
Celem przedmiotu jest zapoznanie słuchaczy z podstawami teoretycznymi detekcji sygnałów w warunkach różnorodnych zakłóceń, estymacji parametrów sygnałów, filtracji optymalnej Wienera i Kalmana oraz modelowania parametrycznego sygnałów losowych.
Treści kształcenia:
Detekcja sygnałów Sformułowanie zagadnienia detekcji. Przypomnienie podstawowych faktów z teorii testowania hipotez statystycznych i statystycznej teorii decyzji. Detekcja deterministycznych (znanych) sygnałów w białym szumie. Detektor korelacyjny i filtr dopasowany. Koherentna detekcja sygnałów w systemach FSK i PSK (ew. QAM). Detekcja sygnałów deterministycznych o nieznanych parametrach. Niekoherentna detekcja sygnałów FSK. Detekcja sygnałów losowych o znanych i nieznanych parametrach probabilistycznych w białym szumie. Informacja o detekcji sygnałów w szumie kolorowym oraz w szumie niegaussowskim. Detektory lokalnie optymalne Estymacja sygnałów Przypomnienie podstawowych faktów z teorii estymacji parametrycznej. Estymator największej wiarygodności i estymator bayessowski Estymacja przebiegu sygnału. Optymalna estymacja w sensie średniokwadratowym. Filtr Wienera i jego zastosowania. Estymacja sygnału niestacjonarnego. Dyskretny filtr Kalmana. Nieliniowy filtr Kalmana i rozszerzony filtr Kalmana Modelowanie sygnałów Model (metoda) Prony’ego i jej modyfikacje. Modelowanie parametryczne sygnałów losowych – modele AR, MA, ARMA Liniowa predykcja i jej związek z modelem AR. Rekursje Levinsona i filtry drabinkowe Estymacja widma Metoda periodogramów (krótkie przypomnienie) i jej optymalny charakter dla sygnałów harmonicznych. Metoda maximum entropii. Parametryczne metody estymacji widma (ARMA, AR, MA) Estymacja częstotliwości metodami podprzestrzeni. Metody MUSIC, ESPRIT i metoda Pisarenki
Metody oceny:
Zaliczenie przedmiotu odbywa się na podstawie egzaminu końcowego oraz laboratorium. Z ćwiczeń laboratoryjnych można uzyskać łącznie 40pkt., na egzaminie 60 pkt.. Warunkiem zaliczenia przedmiotu jest uzyskanie łącznie powyżej 50 pkt. Progi punktowe i skala ocen są następujące: 51 – 60 ocena 3 61 – 70 ocena 3.5 71 – 80 ocena 4 81 – 90 ocena 4.5 91 – 100 ocena 5
Egzamin:
tak
Literatura:
[1] S.M. Kay – Fundamentals of Statistical Signal Processing, Vol. I & II, Prentice Hall,1998 [2] M.H. Hayes - Statistical Digital Signal Processing and Modeling, Wiley & Sons, 1996 [3] L.L. Scharf - Statistical Signal Processing. Detection,estimation and time series analysis, Addison Wesley, 1991 [4] M.D. Srinath, P.K. Rajasekaran, R. Visvanathan – Introduction to Statistical Signal Processing with Applications, Prentice Hall,1996
Witryna www przedmiotu:
www.studia.elka.pw.edu.pl
Uwagi:

Efekty uczenia się

Profil ogólnoakademicki - wiedza

Charakterystyka FOPT_W01
Ugruntowana wiedza teoretyczna nt. metod detekcji sygnałow i estymacji ich parametrów
Weryfikacja: egzamin, kolokwium, zadania laboratoryjne
Powiązane charakterystyki kierunkowe: K_W01, K_W03
Powiązane charakterystyki obszarowe:
Charakterystyka FOPT_W02
Ugruntowana , podbudowana teoretycznie wiedza nt. filtracji optymalnej sygnałów losowych
Weryfikacja: egzamin, kolokwium, zadania laboratoryjne
Powiązane charakterystyki kierunkowe: K_W01
Powiązane charakterystyki obszarowe:
Charakterystyka FOPT_W03
Ugruntowana podbudowana teoretycznnie wiedza nt. modelowania parametrycznego sygnałów losowych oraz metod estymacji widmowej gęstości mocy
Weryfikacja: egzamin, kolokwium, zadanie laboratoryjne
Powiązane charakterystyki kierunkowe: K_W01, K_W03
Powiązane charakterystyki obszarowe:

Profil ogólnoakademicki - umiejętności

Charakterystyka FOPT_U01
Potrafi zaimpementowac w srodowisku MATLAB detektor korelacyjny sygnałów PSK lub FSK
Weryfikacja: zadania laboratoryjne
Powiązane charakterystyki kierunkowe: K_U15, K_U07, K_U10
Powiązane charakterystyki obszarowe:
Charakterystyka FOPT_U02
Potrafi zrealizować w środowisku MATLAB prosty układ odszumiania sygnałów
Weryfikacja: zadanie laboratoryjne
Powiązane charakterystyki kierunkowe: K_U07, K_U10, K_U15
Powiązane charakterystyki obszarowe:
Charakterystyka FOPT_U03
Potrafi wyznaczać parametry modelu sygnału losowego oraz wyznaczać tą drogą estymatory estymatory widmowej gęstości mocy
Weryfikacja: egzamin, kolokwium, zadanie laboratoryjne
Powiązane charakterystyki kierunkowe: K_U07, K_U10, K_U15
Powiązane charakterystyki obszarowe:
Charakterystyka FOPT_U04
Potrafi ocenić i analizować przydatność poznanych metod detekcji i estymacji w zależezności od probabilistycznego charakteru sygnału losowego
Weryfikacja: egzamin, kolokwium, zadanei projektowe
Powiązane charakterystyki kierunkowe: K_U07, K_U10, K_U15
Powiązane charakterystyki obszarowe: