|
|
Lecture directory >> School of Engineering >> Lectures for all students of the Faculty of Engineering >>
|
Lab Course Statistical Signal Processing (PrSTASIP)- Lecturer
- Annika Briegleb, M. Sc.
- Details
- Praktikum
Online
, certificate, compulsory attendance, ECTS studies, ECTS credits: 2,5
nur Fachstudium, Sprache Englisch, Registration is only possible via the tool of the department EEI: https://www.studon.fau.de/cat2637009.html, Further information can be found on StudOn
Zeit: Wed 8:00 - 12:00
- Fields of study
- WPF ASC-MA ab 1 (ECTS-Credits: 2,5)
WPF CME-MA ab 1 (ECTS-Credits: 2,5)
WPF EEI-MA-INT ab 1 (ECTS-Credits: 2,5)
- Contents
- 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
- Contents
- 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, Maximale Teilnehmerzahl: 12
www: https://www.studon.fau.de/crs1647199.html
- Verwendung in folgenden UnivIS-Modulen
- Startsemester WS 2021/2022:
- Laborpraktikum Statistische Signalverarbeitung (PrSTASIP)
- Department: Chair of Multimedia Communications and Signal Processing (Prof. Dr. Kaup)
|
|
|