At bringe deltagerne i stand til at arbejde med detektorer af ændringer i signaler med anvendelse af stringent matematisk beskrivelse.
Læringsmål:
En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:
kende en række teknins vigtige fordelingsfunktioner og deres egenskaber
beskrive detektorer baseret på Neuman-Pearson antagelse
Beskrive detektorer baserede på Bayes hypothese
beskrive detektorer for deterministiske signaler, herunder matched filtre
designe detektorer for tilfældige signalse (støj) og forstå dektorernes egenskaber
beskrive algoritmer for enkelt og sammensat hypothese tests
designe detektorer for signaler i hvid eller farvet støj
forstå hvordan detektorer designes til kendte eller ukendte signaler
Kursusindhold:
Kurset indeholder: vigtige sandsynlighedsfordelinger, statistisk beslutningsteori 1, deterministiske og tilfældige signaler, statistisk beslutningstrori 2, deterministiske signalse med ukendte parametre, tilfældige signaler med ukendte parametre, ukndte støjparametre, ikke-gausisk støj, detektering af ændringer i model, udvidelser til vektor-signaler.
Litteratur:
S. M. Kay: Fundamentals of Statistical Signal Processing - volume 2: Detection theory. Prentice Hall,1998.
Bemærkninger:
Kurset henvender sig til ph.d. studerende inden for automation, signalbehandling, kommunikation, informatik og matematisk modellering hvor detektion af signaler i støj er vigtigt.
