Kursplan för

Optimal och adaptiv signalbehandling
Optimum and Adaptive Signal Processing

EITN60, 7,5 högskolepoäng, A (Avancerad nivå)

Gäller för: Läsåret 2015/16
Beslutad av: Utbildningsnämnd A
Beslutsdatum: 2015-04-10

Allmänna uppgifter

Valfri för: BME4-sbh, C4-ssr, D4-ssr, E4-ss, E4-bg, F5, F5-r, F5-ss, MWIR2, Pi4-ssr
Undervisningsspråk: Kursen ges på engelska

Syfte

Kursen ger grundläggande kunskaper i statistisk signalbehandling och behandlar teorin kring optimala metoder och hur dessa kan tillämpas. Kursen ger lösningsmetodiker för problem inom signalbehandling där system behöver ställa in sig själv och kunna följa förändringar i sin omgivning. Studenten skall ges tillräckliga insikter om teori och handhavande för att självständigt kunna formulera det matematiska problemet, lösa det och implementera lösningen för användning med verkliga signaler.

Mål

Kunskap och förståelse
För godkänd kurs skall studenten

• kunna och förstå och ha en helhetsbild i optimal och adaptiv filter teori.
• kunna tillämpa de vanligaste metoderna på verkliga problem och verkliga signaler (MATLAB-nivå)
• kunna formulera matematiska problem inom området utifrån situationsbeskrivningar.

Färdighet och förmåga
För godkänd kurs skall studenten

• kunna förstå principerna för de vanligaste adaptiva metoderna (LMS och RLS med varianter).
• kunna beräkna/beskriva konvergens- och stabilitetsegenskaper för dessa metoder.
• kunna beskriva/rita upp de vanligaste inkopplingsstrukturerna för adaptiva filter och dess egenskaper
• kunna ställa in de parametrar som behövs för att algoritmerna ska fungera
• kunna överblicka/beräkna konsekvenserna av att en algoritm används i heltalsaritmetik
• kunna implementera egna adaptiva filter

Värderingsförmåga och förhållningssätt
För godkänd kurs skall studenten

• ha förmåga att analysera, värdera och implementera adaptiva algoritmer, samt tolka och beskriva deras inneboende principer.
• ha insikt om att till synes skilda tekniska problem kan lösas med samma metoder

Kursinnehåll

Områden som behandlas är:

Optimal filtrering

 

• Wiener filter
• Linjär prediktering
• Levinson-Durbin algoritmen

 

Grundläggande om adaptiva filter

• Vägen från optimala till adaptiva filter
• Kostnadsfunktioner, kvadratiska minimeringsproblem och iterativa strategier
• Konvergens- och trackingförmåga, implementationsaspekter
• Inkopplingsstrukturer vad gäller identifiering, avfaltning och störningsundertryckning.

LMS-filter familjen

• Princip och härledning
• Konvergensanalys och inställningsförfarande
• Varianter inklusive Normalized LMS, Leaky LMS, Fast LMS, Sign LMS
• MATLAB-beskrivning av algoritmerna
• LMS i fixtalsaritmetik.

RLS-filter familjen

• Princip och härledning
• Inställningsförfarande
• Aspekter vid användning
• MATLAB-beskrivning
• Numeriska egenskaper.

Kursens examination

Betygsskala: TH
Prestationsbedömning: Slutbetyget är baserat på tentamen i slutet av kursen.

Delmoment
Kod: 0114. Benämning: Adaptiv signalbehandling.
Antal högskolepoäng: 6. Betygsskala: TH. Prestationsbedömning: Skriftlig tentamen.
Kod: 0214. Benämning: Projekt.
Antal högskolepoäng: 1,5. Betygsskala: UG. Prestationsbedömning: Projektrapport.

Antagningsuppgifter

Förutsatta förkunskaper: ESS040 Digital signalbehandling eller ETI265 Signalbehandling i multimedia eller EITF15 Signalbehandling - teori och tillämpningar.
Begränsat antal platser: Nej
Kursen överlappar följande kurser: ETTN05, ETT042

Kurslitteratur

• Haykin S: Adaptive Filter Theory, Fifth Edition. Pearson, 2014, ISBN: 0-273-76408-X.

Kontaktinfo och övrigt

Kursansvarig: Universitetslektor Martin Stridh, martin.stridh@eit.lth.se
Kursansvarig: Frida Sandberg, frida.sandberg@bme.lth.se
Hemsida: http://www.bme.lth.se/utbildning/kurser/optimum-and-adaptive-signal-processing/
Övrig information: Övningarnas indelning: övningar 14 tim, MATLAB-övningar 14 tim. Antal laborationer: 2 à 4 tim.