AKTS - İstatistiksel Sinyal İşleme
İstatistiksel Sinyal İşleme (EE422) Ders Detayları
| Ders Adı | Ders Kodu | Dönemi | Saati | Uygulama Saati | Laboratuar Hours | Kredi | AKTS |
|---|---|---|---|---|---|---|---|
| İstatistiksel Sinyal İşleme | EE422 | Alan Seçmeli | 3 | 0 | 0 | 3 | 5 |
| Ön Koşul Ders(ler)i |
|---|
| EE303 ve EE213 |
| Dersin Dili | İngilizce |
|---|---|
| Dersin Türü | Seçmeli Dersler |
| Dersin Seviyesi | Lisans |
| Ders Verilme Şekli | Yüz Yüze |
| Dersin Öğrenme ve Öğretme Teknikleri | Anlatım, Gösteri, Tartışma, Soru Yanıt, Uygulama-Alıştırma. |
| Dersin Öğretmen(ler)i |
|
| Dersin Amacı | Elektrik ve elektronik mühendisliği öğrencilerine rastgele niteliğe sahip olan sinyallerle çalışmaya yönelik temel becerileri kazandırmaktır. |
| Dersin Eğitim Çıktıları |
Bu dersi başarıyla tamamlayabilen öğrenciler;
|
| Dersin İçeriği | Rastgele sürece giriş, sezim ve kestirim kuramı, maksimum değişintili yansız kestirim, Cramer-Rao alt sınırı, genel minimum değişintili yansız kestirimi, en iyi doğrusal yansız kestirimi, en büyük olabilirlik kestirimi, en küçük kareler kestirim yöntemleri, ikinci derece moment analizi, Bayes filozofisi, Bayes kestiricisi ve haberleşme ve radar sis |
Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları
| Hafta | Konular | Ön Hazırlık |
|---|---|---|
| 1 | Giriş, sezim ve kestirim uygulamalarına ve tarihine genel bir bakış, matrisler, olasılık ve istatistiksel analiz gibi matematiksel kavramları gözden geçirme | Bu haftanın konularına göz atmak |
| 2 | Giriş ve Gözden Geçirme | Bir önceki haftanın konularını tekrar etmek ve bu haftanın konularına göz atmak |
| 3 | Yeterlilik ve En Küçük Değişintili Yansız (MVUB) Kestiriciler | Bu haftanın konularına göz atmak |
| 4 | Neyman-Pearson Sezicisi: Sınıflandırılan Testler, İkili hipotezlerin Test Edilmesi, Neyman-Pearson Lema, İkili iletişim, Uyumlu Süzgeçler | Bu haftanın konularına göz atmak |
| 5 | Neyman-Pearson Sezicileri | Bir önceki haftanın konularını tekrar etmek ve bu haftanın konularına göz atmak |
| 6 | Bayes Sezicileri: Hipotez testleri için bayes riskleri, En Küçük-En Büyük testler, M-Ortagonal Sinyaller, Olabilirlik Oranları | Bu haftanın konularına göz atmak |
| 7 | Bayes Sezicileri | Bir önceki haftanın konularını tekrar etmek ve bu haftanın konularına göz atmak |
| 8 | En Büyük Olabilirlik Kestiricileri: En Büyük Olabilirlik Kuralı, Fisher Matrisi ve Cramer-Rao Sınırı, Doğrusal İstatistiksel Model, Sinyal Alt Uzayının En büyük Olabilirlik Tanınması | Bu haftanın konularına göz atmak |
| 9 | En Büyük Olabilirlik Kestiricileri | Bir önceki haftanın konularını tekrar etmek ve bu haftanın konularına göz atmak |
| 10 | Bayes Kestiricileri: Parametre Kestirimi için Bayes Riski,Bayes Risk Kestiricilerinin Hesaplanmaı, Ardışık Bayes, Kalman Süzgeci, Wiener Süzgeci | Bu haftanın konularına göz atmak |
| 11 | Bayes Kestiricileri | Bir önceki haftanın konularını tekrar etmek ve bu haftanın konularına göz atmak |
| 12 | En Küçük Ortalama Karesel Hata (MMSE) Kestiricileri: Koşullu Beklenti ve Ortogonallik, Doğrusal MMSE Kesatiricileri, Doğrusal Öngörü, Kalman Süzgeci | Bu haftanın konularına göz atmak |
| 13 | En Küçük Ortalama Karesel Hata (MMSE) Kestiricileri | Bir önceki haftanın konularını tekrar etmek ve bu haftanın konularına göz atmak |
| 14 | En Küçük Kareler | Bu haftanın konularına göz atmak |
| 15 | Dönem sonu sınav çalışmaları | Dönem içi konuların tekrarı |
| 16 | Dönem sonu sınav çalışmaları | Dönem içi konuların tekrarı |
Kaynaklar
| Ders Kitabı | 1. Statistical Signal Processing:Detection, Estimation and Time Series Analysis, Louis L. Scharf, Addison-Wesley, 1991. |
|---|---|
| Diğer Kaynaklar | 2. Fundamentals of Statistical Signal Processing: Estimation Theory, S. M. Kay, Prentice Hall, 1993. |
Değerlendirme System
| Çalışmalar | Sayı | Katkı Payı |
|---|---|---|
| Devam/Katılım | - | - |
| Laboratuar | - | - |
| Uygulama | - | - |
| Alan Çalışması | - | - |
| Derse Özgü Staj | - | - |
| Küçük Sınavlar/Stüdyo Kritiği | - | - |
| Ödevler | 14 | 15 |
| Sunum | - | - |
| Projeler | - | - |
| Rapor | - | - |
| Seminer | - | - |
| Ara Sınavlar/Ara Juri | 2 | 40 |
| Genel Sınav/Final Juri | 1 | 30 |
| Toplam | 17 | 85 |
| Yarıyıl İçi Çalışmalarının Başarı Notu Katkısı | 70 |
|---|---|
| Yarıyıl Sonu Çalışmalarının Başarı Notuna Katkısı | 30 |
| Toplam | 100 |
Kurs Kategorisi
| Temel Meslek Dersleri | X |
|---|---|
| Uzmanlık/Alan Dersleri | |
| Destek Dersleri | |
| İletişim ve Yönetim Becerileri Dersleri | |
| Aktarılabilir Beceri Dersleri |
Dersin Öğrenim Çıktılarının Program Yeterlilikleri ile İlişkisi
| # | Program Yeterlilikleri / Çıktıları | Katkı Düzeyi | ||||
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | ||
| 1 | Matematik, fen bilimleri ve Elektrik-Elektronik Mühendisliği disiplinine özgü konularda yeterli bilgi birikimine sahip olur; bu alanlardaki kuramsal ve uygulamalı bilgileri, karmaşık mühendislik problemlerinin çözümünde kullanır. | X | ||||
| 2 | Karmaşık mühendislik problemlerini saptar, tanımlar, formüle eder ve çözer; bu amaçla uygun analiz ve modelleme yöntemlerini seçer ve uygular. | X | ||||
| 3 | Karmaşık bir sistemi, süreci, cihazı veya ürünü gerçekçi kısıtlar ve koşullar altında, belirli gereksinimleri karşılayacak şekilde tasarlar; bu amaçla modern tasarım yöntemlerini uygular. (Gerçekçi kısıtlar ve koşullar tasarımın niteliğine göre ekonomi, çevre sorunları, sürdürülebilirlik, üretilebilirlik, etik, sağlık, güvenlik, sosyal ve politik sorunlar gibi ögeleri içerir.) | X | ||||
| 4 | Mühendislik uygulamalarında karşılaşılan karmaşık problemlerin analizi ve çözümü için gerekli olan modern teknik ve araçları seçer ve kullanır; bilişim teknolojilerini etkin bir şekilde kullanır. | X | ||||
| 5 | Karmaşık mühendislik problemlerinin veya disipline özgü araştırma konularının incelenmesi için deney tasarlar, deney yapar, veri toplar, sonuçları analiz eder ve yorumlar. | X | ||||
| 6 | Disiplin içi ve çok disiplinli takımlarda etkin biçimde çalışır; bireysel çalışma yeteneğini geliştirir. | X | ||||
| 7 | Sözlü ve yazılı etkin iletişim kurar; en az bir yabancı dil bilgisine sahip olur; etkin rapor yazar, yazılı raporları anlar, tasarım ve üretim raporları hazırlar, etkin sunum yapar, açık ve anlaşılır talimat verir ve alır. | X | ||||
| 8 | Yaşam boyu öğrenmenin gerekliliği konusunda farkındalık kazanır; bilgiye erişir, bilim ve teknolojideki gelişmeleri izler ve kendini sürekli yeniler. | X | ||||
| 9 | Etik ilkelere uygun davranır, mesleki ve etik sorumluluk sahibi olur ve mühendislik uygulamalarında kullanılan standartlar hakkında bilgi sahibi olur. | X | ||||
| 10 | Proje yönetimi, risk yönetimi ve değişiklik yönetimi gibi iş hayatındaki uygulamalar hakkında bilgi sahibi olur; girişimcilik ve yenilikçilik konusunda farkındalık kazanır; sürdürülebilir kalkınma hakkında bilgi edinir. | X | ||||
| 11 | Mühendislik uygulamalarının evrensel ve toplumsal boyutlarda sağlık, çevre ve güvenlik üzerindeki etkilerini bilir; çağın mühendislik alanına yansıyan sorunları anlar ve mühendislik çözümlerinin hukuksal sonuçları konusunda farkındalık kazanır. | X | ||||
ECTS/İş Yükü Tablosu
| Aktiviteler | Sayı | Süresi (Saat) | Toplam İş Yükü |
|---|---|---|---|
| Ders saati (Sınav haftası dahildir: 16 x toplam ders saati) | 16 | 3 | 48 |
| Laboratuar | |||
| Uygulama | |||
| Derse Özgü Staj | |||
| Alan Çalışması | |||
| Sınıf Dışı Ders Çalışma Süresi | 14 | 3 | 42 |
| Sunum/Seminer Hazırlama | |||
| Projeler | |||
| Raporlar | |||
| Ödevler | 2 | 2 | 4 |
| Küçük Sınavlar/Stüdyo Kritiği | |||
| Ara Sınavlara/Ara Juriye Hazırlanma Süresi | 2 | 10 | 20 |
| Genel Sınava/Genel Juriye Hazırlanma Süresi | 1 | 20 | 20 |
| Toplam İş Yükü | 134 | ||