Efter genomgången kurs skall studenten kunna följande:
Förstå och analysera fundamentala koncept och begränsningar för detektion och estimering, såsom receiver-operator characteristic och Cramer-Rao bound.
Tillämpa både klassiska och Bayesianska detektions- och estimeringsmetoder på linjära och olinjära signalmodeller, såsom att utföra hypotesprövningar.
Beskriva, tillämpa och implementera parameterskattning via maximum-likelihood samt detektion med Bayesianska metoder i ett vedertaget programspråk. I allmänhet bör studenten kunna uppvisa en ingenjörsmässig förståelse för dessa ämnen.
Kursinnehåll
Binära hypotestest, Neyman-Pearsonsatsen, felsannolikhet. M-värda detektionsproblem. Bayes kostnad och minimum-felsannolikhet. "Nuisance parameters." Klassisk estimering: maximum-likelihood. Cramer-Rao gränsen, Slepian-Bangs formel, effektivitet. Linjära, vektorvärda modeller med brus. Olinjära modeller. Brusvitning, gaussiskt brus. Bayesiansk estimering: MMSE och LMMSE. Komposit hypotestestning: GLRT och Bayesianska metoder. Prestandaberäkningar, asymptotiska egenskaper hos skattningar. Tillämpningar inom radar- och kommunikations-teknik: amplitud- och fasestimering, frekvensskattningar, vinkel ("angle-of-arrival")-estimering, skattning av tidsfördröjningar, positionering, koherent och ickekoherent detektion av vågformer.
Förutsättningar
Linjär algebra, sannolikhetslära, en kurs motsvarande signaler, information och kommunikation eller informations- och kommunikationsteknik.
Litteratur
Statistical Signal Processing, Volume I: Estimation Theory - Kay, S
Statistical Signal Processing, Volume II: Detection Theory - Kay, S