EQ2810 Estimeringsteori, forskarförberedande 6,0 hp
This is an introductory course to statistical estimation theory given from a signal processing perspective. The course covers fundamental concepts such as sufficient statistics, the Rao-Blackwell theorem and the Cramer-Rao lower bound on estimation accuracy. Furthermore, the most common estimation methods are treated, including maximum likelihood, least-squares, minimum variance and Bayesian estimation.
This is a graduate level course that can be taken by undergraduate students who are admitted. There are two versions of the course, 6 and 12 ECTS.
Välj termin och kursomgång
Välj termin och kursomgång för att se aktuell information och mer om kursen, såsom kursplan, studieperiod och anmälningsinformation.
Kursval
Gäller för kursomgång
HT 2023 Start 2023-08-28 programstuderande
Anmälningskod
50780
Innehåll och lärandemål
Kursinnehåll
Introduction, minimum variance estimation, Cramer-Rao bound. General minimum variance and best linear unbiased estimation. Maximum likelihood estimation, least squares, method of moments, Bayesian estimation. Extensions for complex data and parameters.
Lärandemål
This is an introductory course to statistical estimation theory given from a signal processing perspective. The aim is to provide the basic principles and tools which are useful to solve many estimation problems in signal processing and communications. It will also serve as the necessary prerequisite for more advanced texts and research papers in the area. The course will cover fundamental concepts such as sufficient statistics, the Rao-Blackwell theorem and the Cramer-Rao lower bound on estimation accuracy. Furthermore, the most common estimation methods are treated, including maximum likelihood, least-squares, minimum variance, method of moments and Bayesian estimation. The course assumes some familiarity with basic matrix theory and statistics.
Kurslitteratur och förberedelser
Särskild behörighet
För fristående kursstuderande: 180hp samt engelska B eller motsvarande
Rekommenderade förkunskaper
EQ2300 Digital Signal Processing grade 4 or 5 and the permission of the examiner.
EQ2820 Matrix Algebra, accelerated program is recommended but not required.
Utrustning
Kurslitteratur
"Fundamentals of Statistical Signal Processing: Estimation Theory," Kay, Steven M. ISBN 0133457117.
Examination och slutförande
När kurs inte längre ges har student möjlighet att examineras under ytterligare två läsår.
Betygsskala
Examination
- LAB1 - Laboration, 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 handläggare av stöd till studenter med 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
Attending the lectures is mandatory
Homework assignments oral examination (not required if the homeworks are correct) project assignment.
Möjlighet till komplettering
Möjlighet till plussning
Examinator
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
Kursrum i Canvas
Ges av
Huvudområde
Utbildningsnivå
Påbyggnad
Kontaktperson
Övrig information
Given in P1 every odd year.
I denna kurs tillämpas EECS hederskodex, se:
http://www.kth.se/eecs/utbildning/hederskodex.