Hoppa till huvudinnehållet
Inför kursvalEQ2401 Adaptiv signalbehandling 7,5 hpAdministrera Om kursen

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.

Välj termin och kursomgång

Välj termin och kursomgång för att se information från rätt kursplan och kursomgång.

* Informationen tillhör Kursplan EQ2401 (VT 2019–)

Innehåll och lärandemål

Kursinnehåll

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.

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

Kursupplägg

Ingen information tillagd

Kurslitteratur och förberedelser

Särskild behörighet

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

Rekommenderade förkunskaper

Rekommenderade förkunskaper motsvarande: EQ1220 Signalteori eller EQ1270 Signalbehandling

EQ2300 Digital Signalbehandling

Utrustning

Ingen information tillagd

Kurslitteratur

Ingen information tillagd

Examination och slutförande

När kurs inte längre ges har student möjlighet att examineras under ytterligare två läsår.

Betygsskala

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

Examination

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

Examinator beslutar, baserat på rekommendation från KTH:s samordnare för funktionsnedsättning, om eventuell anpassad examination för studenter med dokumenterad, varaktig funktionsnedsättning.

Examinator får medge annan examinationsform vid omexamination av enstaka studenter.

Övriga 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)

Möjlighet till komplettering

Ingen information tillagd

Möjlighet till plussning

Ingen information tillagd

Examinator

Profile picture Magnus Jansson

Etiskt förhållningssätt

  • Vid grupparbete har alla i gruppen ansvar för gruppens arbete.
  • Vid examination ska varje student ärligt redovisa hjälp som erhållits och källor som använts.
  • Vid muntlig examination ska varje student kunna redogöra för hela uppgiften och hela lösningen.

Ytterligare information

Kurswebb

Ytterligare information om kursen kan hittas på kurswebben via länken nedan. Information på kurswebben kommer framöver flyttas till denna sida.

Kurswebb EQ2401

Ges av

EECS/Intelligenta system

Huvudområde

Elektroteknik

Utbildningsnivå

Avancerad nivå

Påbyggnad

Ingen information tillagd

Övrig information

I denna kurs tillämpas EECS hederskodex, se: http://www.kth.se/eecs/utbildning/hederskodex.