At bringe deltagerne i stand til at arbejde med detektion af
ændringer i signaler med anvendelse af stringent matematisk
beskrivelse og på internationalt niveau.
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.
Litteraturhenvisninger:
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.
Mulighed for GRØN DYST deltagelse:
Kontakt underviseren for information om hvorvidt dette kursus giver
den studerende mulighed for at lave eller forberede et projekt som
kan deltage i DTUs studenterkonference om bæredygtighed,
klimateknologi og miljø (GRØN DYST). Se mere på http://www.groendyst.dtu.dk
