EQ2401 Adaptiv signalbehandling 7,5 hp

Adaptive Signal Processing

Kursen lär ut adaptiva signalbehandlingsmetoder för att extrahera information från brusiga signaler. Tyngdpunkten ligger på rekursiva modellbaserade skattningsmetoder för signaler och system vars egenskaper förändras i tiden. Tillämpningar inom exempelvis kommunikation, reglerteknik och medicin diskuteras.

Kursen ger de grundläggande begreppen för adaptiv signalbehandling.  Introduktion till adaptiva strukturer, minsta medel-kvadrat-metoden och minsta-kvadrat-metoden. Wiener-filtrering.  Tillståndsmodeller och optimal (Kalman-) filtrering. Stokastiska gradientmetoder, LMS (least mean squares) och RLS (recursive least squares) metoderna.

Analys av adaptiva metoder: Inlärningskurvan, konvergensegenskaper, stabilitet, "excess mean square error", missanpassning. Varianter av LMS och RLS.

  • Utbildningsnivå

    Avancerad nivå
  • Huvudområde

    Elektroteknik
  • Betygsskala

    A, B, C, D, E, FX, F

Kurstillfällen/kursomgångar

VT19 för programstuderande

VT20 för programstuderande

Lärandemål

Efter kursen ska studenten kunna:

•                     Utveckla och applicera optimala minsta-medel-kvadrat (minimum mean square) skattare och speciellt linjära skattare. Att förstå och beräkna deras förväntade prestanda och verifiera detta.

•                     Designa, implementera och applicera Wiener filter (FIR, icke-kausala, kausala) och utvärdera deras prestanda. 

•                     Designa, implementera och applicera de olika adaptiva filterna på givna tillämpningsproblem. 

•                     Analysera prestanda och avgöra fördelar respektive nackdelar med de olika metoderna.

•                     Använda den teoretiska förståelsen till att exempelvis göra felsökning då metoderna inte fungerar som förväntat.

•                    Rapportera lösningsgången och resultaten vid lösandet av givna problem med ovanstående filtreringsmetoder

Kursens huvudsakliga innehåll

Kursen lär ut adaptiva signalbehandlingsmetoder för att extrahera information från brusiga signaler. Tyngdpunkten ligger på rekursiva modellbaserade skattningsmetoder för signaler och system vars egenskaper förändras i tiden. Tillämpningar inom exempelvis kommunikation, reglerteknik och medicin diskuteras.

Kursen ger de grundläggande begreppen för adaptiv signalbehandling.  Introduktion till adaptiva strukturer, minsta medel-kvadrat-metoden och minsta-kvadrat-metoden. Wiener-filtrering.  Tillståndsmodeller och optimal (Kalman-) filtrering. Stokastiska gradientmetoder, LMS (least mean squares) och RLS (recursive least squares) metoderna.

Analys av adaptiva metoder: Inlärningskurvan, konvergensegenskaper, stabilitet, "excess mean square error", missanpassning. Varianter av LMS och RLS.

Behörighet

För fristående kursstuderande: 180hp  samt engelska B eller motsvarande.

Rekommenderade förkunskaper

Rekommenderade förkunskaper motsvarande: EQ1220 Signalteori eller EQ1270 Signalbehandling

EQ2300 Digital Signalbehandling

Litteratur

Annonseras på kurshemsidan innan kursstart.

Examination

  • PRO1 - Projekt 1, 1,5, betygsskala: P, F
  • PRO2 - Projekt 2, 1,5, betygsskala: P, F
  • TEN1 - Tentamen, 4,5, betygsskala: A, B, C, D, E, FX, F

Krav för slutbetyg

2 projektuppgifter (PRO1, 1,5 hp, betyg P/F; PRO2, 1,5 hp, betyg P/F) utförda och rapporterade i grupper av högst 2 studenter på utsatt tid.

En skriftlig tentamen (TENA, 4,5 hp, betyg A-F)

Ges av

EECS/Intelligenta system

Examinator

Magnus Jansson <janssonm@kth.se>

Versionsinformation

Kursplan gäller från och med VT2019.
Examinationsinformation gäller från och med VT2019.