Signalseparation - oberoende komponenter
Signal Separation - Independent Components

BMEN16F, 7,5 högskolepoäng

Gäller från och med: Höstterminen 2019
Beslutad av: Professor Thomas Johansson
Datum för fastställande: 2019-06-05

Allmänna uppgifter

Avdelning: Biomedicinsk teknik
Kurstyp: Gemensam kurs, avancerad nivå och forskarnivå
Kursen ges även på avancerad nivå med kurskod: BMEN15
Undervisningsspråk: Engelska

Syfte

Kursen ger grundläggande kunskaper i statistisk signalbehandling och behandlar teorin kring oberoende och principiella komponenter samt hur dessa kan tillämpas inom området signalseparation. Det traditionella sättet att analysera, filtrera, komprimera och separera en kombination av signaler genom andra ordningens statistik (e.g. korrelationsbaserade metoder) utökas till att innehålla högre ordningens statistik (e.g. högre än andra ordningens moment). Detta leder till konceptet oberoende komponenter, i kontrast till okorrelerade komponenter.

Mål

Kunskap och förståelse

För godkänd kurs skall doktoranden

• kunna tillämpa teorin kring oberoende komponenter för modellering av signaler och system
• kunna tillämpa teorin kring oberoende komponenter för främst signalseparation och analys av signalkaraktäristik

Färdighet och förmåga

För godkänd kurs skall doktoranden

• ha goda färdigheter i att formulera problem för modellering av system av linjärkombinerade signaler
• ha goda färdigheter i att använda oberoende komponenter för separation av linjärkombinerade signaler

Värderingsförmåga och förhållningssätt

För godkänd kurs skall doktoranden ha förmåga att ta del av litteratur och standardisering inom området

Kursinnehåll

Följande moment tas upp i kursen: linjär representation av flervariabeldata, stokastiska vektorer, statistiskt oberoende, högre ordningens moment, gradienter och optimering, algoritmer för optimering med och utan bivillkor, estimeringsteori inom signalseparation, minsta-kvadrat och maximumlikelihood metoder, informationsteori, entropi, kumulanter, definition av, samt likheter och skillnader mellan, principiella och oberoende komponenter, metoder för att finna de oberoende komponenterna (ICA), främst: ICA ur maximering av icke-Gaussianitet, ICA ur maximum likelihood estimering, ICA ur minimering av mutual information, ICA ur icke-linjör dekorrlering och icke-linjär PCA. Tillämpningsområden: akustisk signalseparation och avfaltning, utvinning av signalkaraktäristik ur fler-kanals data, artifaktidentifiering ur EEG och MEG, prediktion av tidsseriedata mha ICA.

Kurslitteratur

Hyvärinen, A., Karhunen, J. & Oja, E.: Independent Component Analysis. Wiley-Interscience, 2001. ISBN 9780471405405.

Kursens undervisningsformer

Undervisningsformer: Föreläsningar, övningar, projekt

Kursens examination

Examinationsformer: Skriftlig tentamen, skriftlig rapport, inlämningsuppgifter. Examination sker i form av sluttentamen samt genom delprov under kursens gång. Slutbetyg erhålls då tentamen inkl. delprov och projekt är godkända.
Betygsskala: Underkänd, godkänd
Examinator:

Antagningsuppgifter

Förutsatta förkunskaper: ESS040,EITF75 Digital signalbehandling ELLER ETI265, EITA50 Signalbehandling i multimedia ELLER EITF15 Signalbehandling - teori och tillämpningar

Kurstillfällesinformation

Kontaktinformation och övrigt

Kursansvarig: Frida Sandberg <frida.sandberg@bme.lth.se>
Hemsida: www.bme.lth.se