AKTS - İstatistiksel Sinyal İşleme
İstatistiksel Sinyal İşleme (EE422) Ders Detayları
| Ders Adı | Ders Kodu | Dönemi | Saati | Uygulama Saati | Laboratuar Hours | Kredi | AKTS |
|---|---|---|---|---|---|---|---|
| İstatistiksel Sinyal İşleme | EE422 | Alan Seçmeli | 3 | 0 | 0 | 3 | 5 |
| Ön Koşul Ders(ler)i |
|---|
| EE303 ve EE213 |
| Dersin Dili | İngilizce |
|---|---|
| Dersin Türü | Seçmeli Dersler |
| Dersin Seviyesi | Lisans |
| Ders Verilme Şekli | Yüz Yüze |
| Dersin Öğrenme ve Öğretme Teknikleri | Anlatım, Gösteri, Tartışma, Soru Yanıt, Uygulama-Alıştırma. |
| Dersin Öğretmen(ler)i |
|
| Dersin Amacı | Elektrik ve elektronik mühendisliği öğrencilerine rastgele niteliğe sahip olan sinyallerle çalışmaya yönelik temel becerileri kazandırmaktır. |
| Dersin Eğitim Çıktıları |
Bu dersi başarıyla tamamlayabilen öğrenciler;
|
| Dersin İçeriği | Rastgele sürece giriş, sezim ve kestirim kuramı, maksimum değişintili yansız kestirim, Cramer-Rao alt sınırı, genel minimum değişintili yansız kestirimi, en iyi doğrusal yansız kestirimi, en büyük olabilirlik kestirimi, en küçük kareler kestirim yöntemleri, ikinci derece moment analizi, Bayes filozofisi, Bayes kestiricisi ve haberleşme ve radar sis |
Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları
| Hafta | Konular | Ön Hazırlık |
|---|---|---|
| 1 | Giriş, sezim ve kestirim uygulamalarına ve tarihine genel bir bakış, matrisler, olasılık ve istatistiksel analiz gibi matematiksel kavramları gözden geçirme | Bu haftanın konularına göz atmak |
| 2 | Giriş ve Gözden Geçirme | Bir önceki haftanın konularını tekrar etmek ve bu haftanın konularına göz atmak |
| 3 | Yeterlilik ve En Küçük Değişintili Yansız (MVUB) Kestiriciler | Bu haftanın konularına göz atmak |
| 4 | Neyman-Pearson Sezicisi: Sınıflandırılan Testler, İkili hipotezlerin Test Edilmesi, Neyman-Pearson Lema, İkili iletişim, Uyumlu Süzgeçler | Bu haftanın konularına göz atmak |
| 5 | Neyman-Pearson Sezicileri | Bir önceki haftanın konularını tekrar etmek ve bu haftanın konularına göz atmak |
| 6 | Bayes Sezicileri: Hipotez testleri için bayes riskleri, En Küçük-En Büyük testler, M-Ortagonal Sinyaller, Olabilirlik Oranları | Bu haftanın konularına göz atmak |
| 7 | Bayes Sezicileri | Bir önceki haftanın konularını tekrar etmek ve bu haftanın konularına göz atmak |
| 8 | En Büyük Olabilirlik Kestiricileri: En Büyük Olabilirlik Kuralı, Fisher Matrisi ve Cramer-Rao Sınırı, Doğrusal İstatistiksel Model, Sinyal Alt Uzayının En büyük Olabilirlik Tanınması | Bu haftanın konularına göz atmak |
| 9 | En Büyük Olabilirlik Kestiricileri | Bir önceki haftanın konularını tekrar etmek ve bu haftanın konularına göz atmak |
| 10 | Bayes Kestiricileri: Parametre Kestirimi için Bayes Riski,Bayes Risk Kestiricilerinin Hesaplanmaı, Ardışık Bayes, Kalman Süzgeci, Wiener Süzgeci | Bu haftanın konularına göz atmak |
| 11 | Bayes Kestiricileri | Bir önceki haftanın konularını tekrar etmek ve bu haftanın konularına göz atmak |
| 12 | En Küçük Ortalama Karesel Hata (MMSE) Kestiricileri: Koşullu Beklenti ve Ortogonallik, Doğrusal MMSE Kesatiricileri, Doğrusal Öngörü, Kalman Süzgeci | Bu haftanın konularına göz atmak |
| 13 | En Küçük Ortalama Karesel Hata (MMSE) Kestiricileri | Bir önceki haftanın konularını tekrar etmek ve bu haftanın konularına göz atmak |
| 14 | En Küçük Kareler | Bu haftanın konularına göz atmak |
| 15 | Dönem sonu sınav çalışmaları | Dönem içi konuların tekrarı |
| 16 | Dönem sonu sınav çalışmaları | Dönem içi konuların tekrarı |
Kaynaklar
| Ders Kitabı | 1. Statistical Signal Processing:Detection, Estimation and Time Series Analysis, Louis L. Scharf, Addison-Wesley, 1991. |
|---|---|
| Diğer Kaynaklar | 2. Fundamentals of Statistical Signal Processing: Estimation Theory, S. M. Kay, Prentice Hall, 1993. |
Değerlendirme System
| Çalışmalar | Sayı | Katkı Payı |
|---|---|---|
| Devam/Katılım | - | - |
| Laboratuar | - | - |
| Uygulama | - | - |
| Alan Çalışması | - | - |
| Derse Özgü Staj | - | - |
| Küçük Sınavlar/Stüdyo Kritiği | - | - |
| Ödevler | 14 | 15 |
| Sunum | - | - |
| Projeler | - | - |
| Rapor | - | - |
| Seminer | - | - |
| Ara Sınavlar/Ara Juri | 2 | 40 |
| Genel Sınav/Final Juri | 1 | 30 |
| Toplam | 17 | 85 |
| Yarıyıl İçi Çalışmalarının Başarı Notu Katkısı | 70 |
|---|---|
| Yarıyıl Sonu Çalışmalarının Başarı Notuna Katkısı | 30 |
| Toplam | 100 |
Kurs Kategorisi
| Temel Meslek Dersleri | X |
|---|---|
| Uzmanlık/Alan Dersleri | |
| Destek Dersleri | |
| İletişim ve Yönetim Becerileri Dersleri | |
| Aktarılabilir Beceri Dersleri |
Dersin Öğrenim Çıktılarının Program Yeterlilikleri ile İlişkisi
| # | Program Yeterlilikleri / Çıktıları | Katkı Düzeyi | ||||
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | ||
| 1 | Matematik, fen bilimleri ve Elektrik-Elektronik Mühendisliği disiplinine özgü konularda yeterli bilgi birikimi; bu alanlardaki kuramsal ve uygulamalı bilgileri, karmaşık mühendislik problemlerinin çözümünde kullanabilme becerisi. | X | ||||
| 2 | Karmaşık mühendislik problemlerini saptama, tanımlama, formüle etme ve çözme becerisi; bu amaçla uygun analiz ve modelleme yöntemlerini seçme ve uygulama becerisi. | X | ||||
| 3 | Karmaşık bir sistemi, süreci, cihazı veya ürünü gerçekçi kısıtlar ve koşullar altında, belirli gereksinimleri karşılayacak şekilde tasarlama becerisi; bu amaçla modern tasarım yöntemlerini uygulama becerisi. (Gerçekçi kısıtlar ve koşullar tasarımın niteliğine göre, ekonomi, çevre sorunları, sürdürülebilirlik, üretilebilirlik, etik, sağlık, güvenlik, sosyal ve politik sorunlar gibi ögeleri içerirler.) | X | ||||
| 4 | Mühendislik uygulamalarında karşılaşılan karmaşık problemlerin analizi ve çözümü için gerekli olan modern teknik ve araçları seçme ve kullanma becerisi; bilişim teknolojilerini etkin bir şekilde kullanma becerisi. | X | ||||
| 5 | Karmaşık mühendislik problemlerinin veya disipline özgü araştırma konularının incelenmesi için deney tasarlama, deney yapma, veri toplama, sonuçları analiz etme ve yorumlama becerisi. | X | ||||
| 6 | Disiplin içi ve çok disiplinli takımlarda etkin biçimde çalışabilme becerisi; bireysel çalışma becerisi. | X | ||||
| 7 | Sözlü ve yazılı etkin iletişim kurma becerisi; en az bir yabancı dil bilgisi; etkin rapor yazma ve yazılı raporları anlama, tasarım ve üretim raporları hazırlayabilme, etkin sunum yapabilme, açık ve anlaşılır talimat verme ve alma becerisi. | X | ||||
| 8 | Yaşam boyu öğrenmenin gerekliliği konusunda farkındalık; bilgiye erişebilme, bilim ve teknolojideki gelişmeleri izleme ve kendini sürekli yenileme becerisi. | X | ||||
| 9 | Etik ilkelerine uygun davranma, mesleki ve etik sorumluluk ve mühendislik uygulamalarında kullanılan standartlar hakkında bilgi. | X | ||||
| 10 | Proje yönetimi, risk yönetimi ve değişiklik yönetimi gibi, iş hayatındaki uygulamalar hakkında bilgi; girişimcilik, yenilikçilik hakkında farkındalık; sürdürülebilir kalkınma hakkında bilgi. | X | ||||
| 11 | Mühendislik uygulamalarının evrensel ve toplumsal boyutlarda sağlık, çevre ve güvenlik üzerindeki etkileri ve çağın mühendislik alanına yansıyan sorunları hakkında bilgi; mühendislik çözümlerinin hukuksal sonuçları konusunda farkındalık. | X | ||||
ECTS/İş Yükü Tablosu
| Aktiviteler | Sayı | Süresi (Saat) | Toplam İş Yükü |
|---|---|---|---|
| Ders saati (Sınav haftası dahildir: 16 x toplam ders saati) | 16 | 3 | 48 |
| Laboratuar | |||
| Uygulama | |||
| Derse Özgü Staj | |||
| Alan Çalışması | |||
| Sınıf Dışı Ders Çalışma Süresi | 14 | 3 | 42 |
| Sunum/Seminer Hazırlama | |||
| Projeler | |||
| Raporlar | |||
| Ödevler | 2 | 2 | 4 |
| Küçük Sınavlar/Stüdyo Kritiği | |||
| Ara Sınavlara/Ara Juriye Hazırlanma Süresi | 2 | 10 | 20 |
| Genel Sınava/Genel Juriye Hazırlanma Süresi | 1 | 20 | 20 |
| Toplam İş Yükü | 134 | ||