Gäller för: Läsåret 2020/21
Beslutad av: Programledning I
Beslutsdatum: 2020-04-03
Undervisningsspråk: Kursen ges på engelska
Kursen riktar sig till den som vill bredda och fördjupa sitt kunnande inom statistisk signalbehandling och utöka sin verktygslåda med mer avancerade tekniker. Den ligger i gränslandet mellan statistik och signalbehandling och bygger på de klassiska icke-parametriska metoder som är välkända och behandlas i, t.ex. Stationära stokastiska processer eller Optimal signalbehandling. Eftersom dessa metoder inte alltid räcker till behövs mer avancerade tekniker inom många tillämpningsområden, t.ex. inom kommunikation och medicin.
Kursen tar därför upp mer statistiskt robusta metoder som blivit vanligare under de senaste åren, bl.a. tids-frekvensanalys, som är ett modernt verktyg för undersökning av icke-stationära signaler och processer. Forskningen inom detta område har expanderat de senaste 20 åren, vilket gör att detta numera är på väg att bli ett vanligt verktyg för analys.
Flera tillämpningar kommer också att presenteras i kursen och deltagarna kommer att arbeta med data från verkliga problemställningar.
Kunskap och förståelse
För godkänd kurs skall studenten
Färdighet och förmåga
För godkänd kurs skall studenten
Grundläggande definitioner. Fördjupat studium av AR (auto regressive), MA (moving average) och ARMA-processer. Linjespektrum och parametriska estimeringsmetoder. Underrumsbaserade tekniker. Icke-parametriska spektralskattare, data-adaptivatekniker och multifönstermetoder. Icke-uniform sampling. Orientering om cirkulära och icke-cirkulära processer. Spatial spektralanalys. Icke-stationära processes. Spektrogram. Wigner-Ville distribution. Cohen’s klass. Ambiguity-spektrum. Multi-fönster tekniker för icke-stationära signaler. Orientering om bispektrum.
Betygsskala: TH - (U,3,4,5) - (Underkänd, Tre, Fyra, Fem)
Prestationsbedömning: Godkända inlämningsuppgifter och projektapport samt deltagande i alla obligatoriska moment. Slutbetyget avgörs av en sammanvägning av resultatet på inlämningsuppgifterna och den muntliga och skriftliga projektredovisningen.
Om så krävs för att en student med varaktig funktionsnedsättning ska ges ett likvärdigt examinationsalternativ jämfört med en student utan funktionsnedsättning, så kan examinator efter samråd med universitetets avdelning för pedagogiskt stöd fatta beslut om alternativ examinationsform för berörd student.
Delmoment
Kod: 0116. Benämning: Laborationer.
Antal högskolepoäng: 3. Betygsskala: UG. Prestationsbedömning: Projekt med skriftlig och muntlig redovisning
Kod: 0216. Benämning: Inlämningsuppgifter del 1.
Antal högskolepoäng: 1. Betygsskala: UG. Prestationsbedömning: Första inlämningsuppgiften
Kod: 0316. Benämning: Inlämningsuppgifter del 2.
Antal högskolepoäng: 3,5. Betygsskala: UG. Prestationsbedömning: Övriga inlämningsuppgifter
Förutsatta förkunskaper: FMSN45 Tidsserieanalys
Begränsat antal platser: Nej
Kursen överlappar följande kurser: MASM26
Kursansvarig: Prof Andreas Jakobsson, andreas.jakobsson@matstat.lu.se
Kursansvarig: Prof Maria Sandsten, sandsten@maths.lth.se
Studierektor: Johan Lindström, studierektor@matstat.lu.se
Hemsida: http://www.maths.lth.se/matstat/kurser/fmsn35/
Övrig information: Kursen ges även på naturvetenskaplig fakultet med kurskoden MASM26