Veranstaltung: Statistische Signalverarbeitung

Nummer:
141222
Lehrform:
Vorlesung und Übungen
Medienform:
rechnerbasierte Präsentation, Tafelanschrieb
Verantwortlicher:
Prof. Dr.-Ing. Georg Schmitz
Dozenten:
Prof. Dr.-Ing. Georg Schmitz (ETIT), wiss. Mitarbeiter (ETIT)
Sprache:
Deutsch
SWS:
4
LP:
5
Angeboten im:
Wintersemester

Termine im Wintersemester

  • Beginn: Mittwoch den 10.10.2018
  • Vorlesung Mittwochs: ab 10:15 bis 11.45 Uhr im ID 03/419
  • Übung Dienstags: ab 08:15 bis 09.45 Uhr im ID 03/419

Prüfung

Termin nach Absprache mit dem Dozenten.

Prüfungsform:mündlich
Prüfungsanmeldung:FlexNow
Datum:None
Dauer:30min

Ziele

Die Studierenden haben die Fähigkeit erworben, wichtige Standardverfahren der stochastischen Signalverarbeitung auf Problemstellungen anzuwenden. Hierzu wurden die fachspezifischen Grundkenntnisse erworben. Durch die Übungen in Kleingruppen an Rechnern sind die Studierenden befähigt, das Erlernte im Team praktisch umzusetzen.

Inhalt

Die Vorlesung 'Statistische Signalverarbeitung' stellt stochastische Signalmodelle, und einige wichtige ingenieurtech­nische Anwendungen stochastischer Signale vor. Zunächst werden die für Signalmodelle wichtigsten stochastischen Prozesse wie weißes Rauschen, Poisson-Prozesse oder Markov-Ketten diskutiert. Bei den An­wendungen konzentriert sich die Vorlesung auf zeitdiskrete Optimalfilterverfahren. Hierbei steht das Kalman Filter im Mittelpunkt, das für das Beispiel der Ein-Schritt Prädiktion hergeleitet wird. Anschließend werden ausgewählte Methoden der Verarbeitung stochastischer Signale behandelt: Hierzu gehören insbesondere parametrische und nichtparametrische Spektral­schätzung, Maximum-Likelihood Schätzer, Detektoren und adaptive Filter (LMS, RLS).

Voraussetzungen

keine

Empfohlene Vorkenntnisse

Kenntnisse stochastischer Signale, die denen entsprechen, die in der Vorlesung "Stochastische Signale" im Bachelor-Studiengang Elektrotechnik und Informationstechnik vermittelt werden.