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 | Fen Bilimleri Yüksek 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 ve Mühendislik bilgisini, ileri düzey sistemlere uygulayabilmek. | X | ||||
2 | Elektrik ve Elektronik Mühendisliği'nin temel alanlarında uzun soluklu araştırma ve geliştirme çalışmaları gerçekleştirebilmek. | X | ||||
3 | Modern mühendislik araçlarını, tekniklerini ve imkânlarını, tasarım ve diğer mühendislik uygulamalarında kullanabilmek. | X | ||||
4 | Yenilikçilik ve girişimcilik alanlarında aktif araştırmacılar mezun etmek. | |||||
5 | Araştırma sonuçlarını etkin şekilde raporlayabilmek ve sunabilmek. | |||||
6 | Bilgi kaynaklarına erişme ve bilim/teknolojideki güncel gelişmeleri izleme başarımını arttırabilmek. | |||||
7 | Profesyonel ve etik sorumluluğu kavrayabilmek. | |||||
8 | Hem Türkçe hem de İngilizce etkin iletişim başarımını arttırabilmek. | |||||
9 | Proje yönetiminde başarımı arttırabilmek. | |||||
10 | Disiplinler arası proje takımlarında başarıyla çalışabilmek. |
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 |