Engelska

Varje hösttermin

Kursen ger grundläggande kunskaper i statistisk signalbehandling och behandlar teorin kring oberoende och principiella komponenter samt hur dessa kan tillämpas inom området signalseparation. Inom praktiskt taget alla områden där sensorsystem används mottages icke önskade, eller flera önskade men överlagrade, signaler som påverkar överföringen av information negativt. Kursen i signalseparation behandlar metoder för att separera mottagna signalerna i ett brett perspektiv enbart med information ur de mottagna signalerna. 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.

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 Principalkomponenter (PCA). Tillämpningsområden: akustisk signalseparation och avfaltning, utvinning av signalkaraktäristik ur fler-kanals data, artifaktidentifiering ur Elektroencefalografi (EEG) och Magnetoencefalografi (MEG), prediktion av tidsseriedata m.h.a. ICA.

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

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

ha förmåga att ta del av litteratur och standardisering inom området

Föreläsningar

Laborationer

övningar

Skriftlig tentamen

Inlämningsuppgifter

Två obligatoriska inlämningsuppgifter ingår som del i examinationen

Underkänd, godkänd

ESS040 Digital signalbehandling ELLER ETI265 Signalbehandling i multimedia ELLER EITF15 Signalbehandling - teori och tillämpningar, eller motsvarande kurs

Grundläggande matematik, statistik och stokastiska processer

Hyvärinen, A., Karhunen, J. & Oja, E.: INDEPENDENT COMPONENT ANALYSIS. J. Wiley, 2001. ISBN 047140540X.

Kursansvarig: Nedelko Grbic nedelko.grbic@eit.lth.se

EITN55F

 -03-27

FN1/Anders Gustafsson