Kursplan för

Optimal och adaptiv signalbehandling
Optimum and Adaptive Signal Processing

BMEN15F, 7,5 högskolepoäng

Gäller från och med: Höstterminen 2018
Beslutad av: Professor Thomas Johansson
Datum för fastställande: 2018-10-08

Allmänna uppgifter

Avdelning: Biomedicinsk teknik
Kurstyp: Gemensam kurs, avancerad nivå och forskarnivå
Kursen ges även på avancerad nivå med kurskod: EITN60
Undervisningsspråk: Engelska

Syfte

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

Mål

Kunskap och förståelse

För godkänd kurs skall doktoranden

Färdighet och förmåga

För godkänd kurs skall doktoranden

Värderingsförmåga och förhållningssätt

För godkänd kurs skall doktoranden

Kursinnehåll

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.

Kurslitteratur

Haykin, S.: Adaptive Filter Theory. Pearson Education, 2014. ISBN 9780273764083.

Kursens undervisningsformer

Undervisningsformer: Föreläsningar, laborationer, övningar, projekt. Övningar 14 timmar, MATLAB-övningar 14 timmar och 2 laborationer à 4 timmar

Kursens examination

Examinationsformer: Skriftlig tentamen, skriftlig rapport
Betygsskala: Underkänd, godkänd
Examinator: Universitetslektor Martin Stridh

Antagningsuppgifter

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

Kurstillfällesinformation

Startdatum: 2022-08-29
Slutdatum: 2022-10-29
Kursfart: Halvfart

Anmälningsinformation

Anmälan via epost till kursansvarig

Kontaktinformation och övrigt

Kursansvarig: Martin Stridh <martin.stridh@bme.lth.se>
Hemsida: http://bme.lth.se/course-pages/optimal-och-adaptiv-signalbehandling/optimum-and-adaptive-signal-processing/
Övrig information: Vid färre än 16 deltagare kan kursen komma att ges med reducerad undervisning och större inslag av självstudier.


Fullständig visning