Gäller från och med: Höstterminen 2018
Beslutad av: Professor Thomas Johansson
Datum för fastställande: 2018-10-08
Avdelning: Biomedicinsk teknik
Kurstyp: Gemensam kurs, avancerad nivå och forskarnivå
Kursen ges även på avancerad nivå med kurskod: EITN60
Undervisningsspråk: Engelska
Kursen ger grundläggande kunskaper i statistisk signalbehandling och behandlar teorin kring optimala metoder och hur dessa kan tillämpas. Kursen ger lösningsmetodiker för problem inom signalbehandling där system behöver ställa in sig själv och kunna följa förändringar i sin omgivning. Studenten skall ges tillräckliga insikter om teori och handhavande för att självständigt kunna formulera det matematiska problemet, lösa det och implementera lösningen för användning med verkliga signaler
Kunskap och förståelse
För godkänd kurs skall doktoranden
Färdighet och förmåga
För godkänd kurs skall doktoranden
Värderingsförmåga och förhållningssätt
För godkänd kurs skall doktoranden
Områden som behandlas är: Optimal filtrering -Wiener filter -Linjär prediktering -Levinson-Durbin algoritmen Grundläggande om adaptiva filter -Vägen från optimala till adaptiva filter -Kostnadsfunktioner, kvadratiska minimeringsproblem och iterativa strategier -Konvergens- och trackingförmåga, implementationsaspekter -Inkopplingsstrukturer vad gäller identifiering, avfaltning och störningsundertryckning. LMS-filter familjen -Princip och härledning -Konvergensanalys och inställningsförfarande -Varianter inklusive Normalized LMS, Leaky LMS, Fast LMS, Sign LMS -MATLAB-beskrivning av algoritmerna -LMS i fixtalsaritmetik. RLS-filter familjen -Princip och härledning -Inställningsförfarande -Aspekter vid användning -MATLAB-beskrivning -Numeriska egenskaper.
Haykin, S.: Adaptive Filter Theory. Pearson Education, 2014. ISBN 9780273764083.
Undervisningsformer: Föreläsningar, laborationer, övningar, projekt. Övningar 14 timmar, MATLAB-övningar 14 timmar och 2 laborationer à 4 timmar
Examinationsformer: Skriftlig tentamen, skriftlig rapport
Betygsskala: Underkänd, godkänd
Examinator:
Förutsatta förkunskaper: ESS040, EITF75 Digital signalbehandling eller ETI265, EITA50 Signalbehandling i multimedia eller EITF15 Signalbehandling - teori och tillämpningar.
Kursansvarig: Frida Sandberg <frida.sandberg@bme.lth.se>
Hemsida: http://bme.lth.se/course-pages/optimal-och-adaptiv-signalbehandling/optimum-and-adaptive-signal-processing/