Signalseparation - oberoende komponenter
Signal Separation - Independent Components

EITN55F, 7,5 högskolepoäng

Gäller från och med: Höstterminen 2014
Beslutad av: FN1/Anders Gustafsson
Datum för fastställande: 2015-03-27

Allmänna uppgifter

Avdelning: Inst för elektro- och informationsteknik
Kurstyp: Gemensam kurs, avancerad nivå och forskarnivå
Kursen ges även på avancerad nivå med kurskod: EITN55
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. 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.

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 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.

Kurslitteratur

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

Kursens undervisningsformer

Undervisningsformer: Föreläsningar, laborationer, övningar

Kursens examination

Examinationsformer: Skriftlig tentamen, inlämningsuppgifter. Två obligatoriska inlämningsuppgifter ingår som del i examinationen
Betygsskala: Underkänd, godkänd
Examinator:

Antagningsuppgifter

Förkunskapskrav: ESS040 Digital signalbehandling ELLER ETI265 Signalbehandling i multimedia ELLER EITF15 Signalbehandling - teori och tillämpningar, eller motsvarande kurs
Förutsatta förkunskaper: Grundläggande matematik, statistik och stokastiska processer

Övrig information

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

Kurstillfällesinformation

Kontaktinformation och övrigt

Kursansvariga:
Hemsida: http://www.eit.lth.se/index.php?ciuid=868&L=