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 3 0 0 3 5
Ön Koşul Ders(ler)i
EE 213 ve EE 303
Dersin Dili İngilizce
Dersin Türü N/A
Dersin Seviyesi Fen Bilimleri Yüksek Lisans
Ders Verilme Şekli Yüz Yüze
Dersin Öğrenme ve Öğretme Teknikleri Anlatım, Gösteri, Tartışma, Soru Yanıt, Uygulama-Alıştırma.
Dersin Koordinatörü
Dersin Öğretmen(ler)i
Dersin Asistan(lar)ı
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;
  • Bir kestiriciyi karakterize edebilme
  • İstenen ihtiyaçlara gore istatistiksel DSP algoritmalarını tasarlayabilme
  • Vektörel uzay yöntemlerini istatistiksel sinyal işleme problemlerine uygulayabilme
  • Wiener süzgeç teorisini anlayabilmenin yanında ayrık ve sürekli Wiener süzgeçler tasarlayabilme
  • Kalman süzgeç teorisini anlayabilmenin yanında ayrık ve sürekli Kalman süzgeçler tasarlayabilme
  • Stokastik DSP algoritmaların geliştirilmesi ve test edilmesinde Matlab gibi bilgisayar araçlarını kullanabilme
  • Dönem projesi hazırlayabilme
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 ve Mühendislik bilgisini, ileri düzey sistemlere uygulayabilmek. X
2 Elektrik ve Elektronik Mühendisliği'nin temel alanlarında uzun soluklu araştırma ve geliştirme çalışmaları gerçekleştirebilmek. X
3 Modern mühendislik araçlarını, tekniklerini ve imkânlarını, tasarım ve diğer mühendislik uygulamalarında kullanabilmek. X
4 Yenilikçilik ve girişimcilik alanlarında aktif araştırmacılar mezun etmek.
5 Araştırma sonuçlarını etkin şekilde raporlayabilmek ve sunabilmek.
6 Bilgi kaynaklarına erişme ve bilim/teknolojideki güncel gelişmeleri izleme başarımını arttırabilmek.
7 Profesyonel ve etik sorumluluğu kavrayabilmek.
8 Hem Türkçe hem de İngilizce etkin iletişim başarımını arttırabilmek.
9 Proje yönetiminde başarımı arttırabilmek.
10 Disiplinler arası proje takımlarında başarıyla çalışabilmek.

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