Navigation

Laborpraktikum Statistische Signalverarbeitung

Lecturers

Details

Time and place:

  • Wed 8:00-12:00
  • Single appointment on 18.11.2020 10:15-11:00

Fields of study

  • WPF ASC-MA from SEM 1
  • WPF CME-MA from SEM 1
  • WPF EEI-MA-INT from SEM 1

Content

Nach einer Einführung in den Gebrauch der Programmiersprache Python werden Experimente und
Übungen zu folgenden Themen der Statistischen Signalverarbeitung durchgeführt:

  • Grundlegende Eigenschaften von Zufallsvariablen und stochastischer Prozesse

  • Eigenschaften von Korrelationsmatrizen, Hauptachsentransformation, KLT

  • Parametrische und nicht-parametrische lineare Signalmodelle

  • MMSE-Signalschätzung

  • Kalman-Filterung mit Anwendungen zur Signalquellenverfolgung

  • Optimale Mehrkanalfilterung,

  • Einführung in die adaptive Filterung.

In der zweiten Phase des Praktikums werden die Studierenden in kleinen Projektgruppen (max. 3 Studierende) selbstständig eine forschungsrelevante Problemstellung analysieren und mögliche Lösungssansätze erarbeiten, implementieren und evaluieren.

Recommended Literature

Neben dem Skriptum zur Vorlesung "Statistical Signal Processing” werden folgende Referenzen zur ergänzenden und vertiefenden Lektüre empfohlen: A. Papoulis, S.U. Pillai: "Probability, Random Variables and Stochastic Processes”, 4th edition. Prentice Hall, Englewood Cliffs, NJ, 2007. S.M. Kay: "Fundamentals of Statistical Signal Processing, Volume I: Estimation Theory”. Prentice Hall, Englewood Cliffs, NJ, 1993. A.V. Oppenheim, R.V. Schafer: Digital Signal Processing. Prentice Hall, Englewood Cliffs, NJ, 1975.

ECTS information

Title

Lab Course Statistical Signal Processing

Credits

2,5

Content:

After an introduction to scientific programming with Python, experiments and exercises related to the following topics are carried out during the laboratory course:
- Fundamental properties of random variables and stochastic processes
- Properties of correlations matrices, Principal Component Analyis, KLT
- Parametric and non-parametric linear signal models
- MMSE signal estimation
- Kalman filtering with applications to source tracking
- Optimum multichannel filtering
- Introduction to adaptive filtering.

In the second phase of the lab course, the students will work in small project teams on relevant research problems.

Literature:

Besides the lecture notes "Statistical Signal Processing”, the following references are recommended for further reading: A. Papoulis, S.U. Pillai: "Probability, Random Variables and Stochastic Processes”, 4th edition. Prentice Hall, Englewood Cliffs, NJ, 2007. S.M. Kay: "Fundamentals of Statistical Signal Processing, Volume I: Estimation Theory”. Prentice Hall, Englewood Cliffs, NJ, 1993. A.V. Oppenheim, R.V. Schafer: Digital Signal Processing. Prentice Hall, Englewood Cliffs, NJ, 1975.

Additional information

Expected participants: 12

www: https://www.studon.fau.de/crs1647199.html