Toto je tzv. shluknutý kurz. Skládá se z několika samostatných předmětů, které sdílejí výukové materiály, úkoly, testy apod. Níže si můžete zobrazit informace o jednotlivých předmětech tvořících tento shluk.

Statistické zpracování signálů - B2M37SSP

Hlavní kurz
Kredity 5
Semestry letní
Zakončení zkouška
Jazyk výuky čeština
Rozsah výuky 4P+0C
Anotace
Předmět poskytuje teoretické základy ve třech hlavních oblastech zpracování stochatických signálů: 1) teorie odhadu parametrů, 2) teorie detekce, 3) optimální a adaptivní filtrace. Zpracování stochatických signálů tvoří klíčový teoretický základ pro řadu aplikací - digitální komunikace, zpracování audio a video signálů, radar, rádiovou navigaci, měření a vyhodnocování experimentů, atd.
Cíle studia
Žádná data.
Osnovy přednášek
1. Odhady parametrů
1a. MVU estimátor, Cramer-Rao mez, kompositní hypotézy, vlastnosti estimátorů
1b. Postačující statistika
1c. Maximálně věrohodný odhad, EM algoritmus
1d. Bayesovské estimátory (MMSE, MAP)
2. Detekce
2a. Testování hypotéz (binární, násobná, kompositní)
2b. Deterministické signály
2c. Náhodné signály
3. Optimální a adaptivní filtrace
3a. Modelování signálů (ARMA, Padého approximace, ...)
3b. Toeplitzovy rovnice, Levinsonova-Durbinova rekurse
3c. MMSE filtry, Wienerův filtr
3d. Kalmánův filtr
3e. Metoda nejmenších čtverců (LS), rekursivní LS (RLS)
3f. Gradientní algoritmy a metoda největšího spádu
3g. Spektrální analýza
Osnovy cvičení
Žádná data.
Literatura
1. Steven Kay: Fundamentals of Statistical Signal Processing - Estimation theory
2. Steven Kay: Fundamentals of Statistical Signal Processing - Detection theory
3. Monson Hayes: Statistical digital signal processing and modeling
4. Ali Sayed: Fundamentals of Adaptive Filtering
5. S. M. Kay: Fundamentals of statistical signal processing-detection theory, Prentice-Hall 1998
Požadavky
Žádná data.

Statistické zpracování signálů - B2M37SSPA

Kredity 6
Semestry letní
Zakončení zápočet a zkouška
Jazyk výuky čeština
Rozsah výuky 4P+0C
Anotace
Předmět poskytuje teoretické základy ve třech hlavních oblastech zpracování stochatických signálů: 1) teorie odhadu parametrů, 2) teorie detekce, 3) optimální a adaptivní filtrace. Zpracování stochatických signálů tvoří klíčový teoretický základ pro řadu aplikací - digitální komunikace, zpracování audio a video signálů, radar, rádiovou navigaci, měření a vyhodnocování experimentů, atd.
Cíle studia
Žádná data.
Osnovy přednášek
1. Odhady parametrů
1a. MVU estimátor, Cramer-Rao mez, kompositní hypotézy, vlastnosti estimátorů
1b. Postačující statistika
1c. Maximálně věrohodný odhad, EM algoritmus
1d. Bayesovské estimátory (MMSE, MAP)
2. Detekce
2a. Testování hypotéz (binární, násobná, kompositní)
2b. Deterministické signály
2c. Náhodné signály
3. Optimální a adaptivní filtrace
3a. Modelování signálů (ARMA, Padého approximace, ...)
3b. Toeplitzovy rovnice, Levinsonova-Durbinova rekurse
3c. MMSE filtry, Wienerův filtr
3d. Kalmánův filtr
3e. Metoda nejmenších čtverců (LS), rekursivní LS (RLS)
3f. Gradientní algoritmy a metoda největšího spádu
3g. Spektrální analýza
Osnovy cvičení
Žádná data.
Literatura
1. Steven Kay: Fundamentals of Statistical Signal Processing - Estimation theory
2. Steven Kay: Fundamentals of Statistical Signal Processing - Detection theory
3. Monson Hayes: Statistical digital signal processing and modeling
4. Ali Sayed: Fundamentals of Adaptive Filtering
5. S. M. Kay: Fundamentals of statistical signal processing-detection theory, Prentice-Hall 1998
Požadavky
Žádná data.

Zpracování stochastických signálů - A8B37SSP

Kredity 6
Semestry letní
Zakončení zápočet a zkouška
Jazyk výuky čeština
Rozsah výuky 4P+0C
Anotace
Předmět poskytuje teoretické základy ve třech hlavních oblastech zpracování stochatických signálů: 1) teorie odhadu parametrů, 2) teorie detekce, 3) optimální a adaptivní filtrace. Zpracování stochatických signálů tvoří klíčový teoretický základ pro řadu aplikací - digitální komunikace, zpracování audio a video signálů, radar, rádiovou navigaci, měření a vyhodnocování experimentů, atd.
Cíle studia
Předmět poskytuje teoretické základy ve třech výše uvedených hlavních oblastech zpracování stochatických signálů a nabízí jednotící pohled na zdánlivě různé přístupy.
Osnovy přednášek
1. Odhady parametrů
1a. MVU estimátor, Cramer-Rao mez, kompositní hypotézy, vlastnosti estimátorů
1b. Postačující statistika
1c. Maximálně věrohodný odhad, EM algoritmus
1d. Bayesovské estimátory (MMSE, MAP)
2. Detekce
2a. Testování hypotéz (binární, násobná, kompositní)
2b. Deterministické signály
2c. Náhodné signály
3. Optimální a adaptivní filtrace
3a. Modelování signálů (ARMA, Padého approximace, ...)
3b. Toeplitzovy rovnice, Levinsonova-Durbinova rekurse
3c. MMSE filtry, Wienerův filtr
3d. Kalmánův filtr
3e. Metoda nejmenších čtverců (LS), rekursivní LS (RLS)
3f. Gradientní algoritmy a metoda největšího spádu
3g. Spektrální analýza
Osnovy cvičení
Předmět má jen přednášky
Literatura
1. Steven Kay: Fundamentals of Statistical Signal Processing - Estimation theory
2. Steven Kay: Fundamentals of Statistical Signal Processing - Detection theory
3. Monson Hayes: Statistical digital signal processing and modeling
4. Ali Sayed: Fundamentals of Adaptive Filtering
Požadavky
Žádné