Laboratuvar Local Credit. /Lecture(hour/week) 3 7, Üniversite / University Zorunlu / Compulsory Seçmeli / Elective : Course Type

Transkript

1 DERS B LG FORMU Dersin Ad / Course Name Kodu/Code Normal Yar y l / Regular Semester STAT ST KSEL ARET LEME / STATISTICAL SIGNAL PROCESSING Güz / Fall YerelKredisi / AKTSKredisi / Ders (saat/hafta) Uygulama Laboratuvar Local Credit ECTS Credit /Lecture(hour/week) (saat/hafta) / (saat/hafta) Application Laboratory (hour/week) (hour/week) 3 7, Ön Ko ul(lar) / Pre-requisites YOK / NONE Dersin Dili / Course Language TÜRKÇE / TURKISH Dersin Seviyesi YÜKSEK L SANS / MSc Dersin Türü / Üniversite / University Zorunlu / Compulsory Seçmeli / Elective Course Type Uzmanl k Alan Yüksek Lisans Dersi / MSc Doktora Dersi / PhD Dersin Kategorisi / Dersleri / Major Area Course Course Course Category Courses Dersin Sunum ekli / Yüz-yüze / Face-to-face Uzaktan E itim / Distance Learning Mode of Delivery Dersin Koordinatörü/ Course Coordinator LÜTF YE DURAK ATA Dersi Veren(ler) / Lecturer(s) LÜTF YE DURAK ATA Dersin Asistan(lar) / Assistant(s) YOK / NONE Dersin Amac / Dersin amac istatistiksel i aret i leme tekniklerinin edinilmesi ve uygulama

2 Course Objective becerisini kazand rmakt r. The aim of the course is to introduce advanced techniques in statistical signal processing and apply them to related fields. Dersin çeri i / Course Content Dersin Ö renme Ç kt lar / Course Learning Outcomes Stokastik süreçler, i aret modelleme, AR/MA/ARMA süreçler, Wiener süzgeci, Levinson döngüsü, kafes süzgeçler, izge kestirimi. Stochastic processes, signal modeling, AR/MA/ARMA processes, Wiener filter, Levinson recursion, Lattice filters, spectrum estimation. 1. aret modelleme becerisi. 2. Farkl rastgele süreçleri uygulama becerisi. 3. Levinson döngüsü, kafes süzgeç yap lar ve Wiener filtre uygulama becerileri. 4. Çe itli parametrik ve parametrik olmayan tekniklerle izge kestirimi becerisi. 1. Be able to model signals. 2. Be able to implement various random processes. 3. Be able to apply Levinson recursion, lattice filters and Wiener filter. 4. Be able to estimate spectrum by various parametric and non-parametric methods. KAYNAKLAR / SOURCES Ders Kitab / Textbook M. Hayes, Statistical Digital Signal Processing and Modeling, John Wiley&Sons, Di er Kaynaklar / Other Sources R. M. Gray, L. D. Davisson, An Introduction to Statistical Signal Processing, D.G. Manolakis, V.K. Ingle, S.M. Kogan, Statistical and Adaptive Signal Processing, McGraw-Hill, HAFTALIK KONULAR VE LG L ÖN HAZIRLIK ÇALI MALARI Hafta / Week 1 Konular / Subjects Ön Haz rl k / Related Giri, i aret ve sistemlerin zaman ve frekans bölgesinde analizleri Introduction, time and frequency domain analysis of signals 2 Ayr k zamanl rastgele süreçler Discrete-time random processes 3 Dura an rastgele süreçler, özilinti matrisleri, ergodiklik, güç spektrumu, rastgele süreçlerin filtrelenmesi Stationary random processes, autocorrelation matrices, ergodicity, power spectrum, filtering random processes 4 zgesel ayr t rma, AR/MA/ARMA süreçler Preparation Ders kitab / Textbook Ch. 1, 2 Ders kitab / Textbook Ch. 3 Ders kitab / Textbook Ch. 3 Ders kitab / Textbook Ch. 3 Spectral factorization, AR/MA/ARMA processes 5 aret Modelleme, Pade yakla kl Signal modeling, The Pade approximation Ders kitab / Textbook Ch. 4

3 6 aret Modelleme, Prony metodu Signal modeling, Prony s method 7 Levinson-Durbin döngüsü Levinson-Durbin recursion 8 Kafes süzgeçler, Ara s nav Lattice filters, Midterm Exam 9 FIR Wiener filtreleme FIR Wiener filtering 10 IIR Wiener filtreleme IIR Wiener filtering 11 zge kestirimi, parametrik olmayan teknikler Spectrum estimation, Non-parametric methods 12 zge kestirimi, parametrik teknikler Spectrum estimation, Parametric methods 13 Ö renci seminerleri Student seminars 14 Ö renci seminerleri Student seminars 15 Ö renci seminerleri Student seminars 16 Final S nav Final Exam Ders kitab / Textbook Ch. 4 Ders kitab / Textbook Ch.5 Ders kitab / Textbook Ch.6 Ders kitab / Textbook Ch.7 Ders kitab / Textbook Ch.7 Ders kitab / Textbook Ch.8 Ders kitab / Textbook Ch.8 DE ERLEND RME S STEM / EVALUATION SYSTEM Yar y l çi Çal malar / In-Term Studies Say s / Katk Pay / Number Percentage of Grade Devam / Attendance Laboratuar/ Lab Uygulama / Application Arazi Çal mas / Field Work Derse Özgü Staj / Special Course Internship Ödev / Homework Assignments 2 10 Sunum / Presentations 1 5 Projeler/ Project 1 20 Seminer / Seminar Ara s navlar / Mid-Terms 1 25 Final/ Final 1 40 TOPLAM / TOTAL 100 Yar y l çi Çal malar n Ba ar Notuna Katk s / 60 Percentage of In-Term Studies Yar y l Sonu S nav n n Ba ar Notuna Katk s / 40 Percentage of Final Examination TOPLAM/TOTAL 100 DERS N Ö REN M ÇIKTILARININ PROGRAM YETERL L KLER LE L K S / THE RELATIONSHIP BETWEEN COURSE LEARNING OUTCOMES AND PROGRAM COMPETENCIES

4 No Program Yeterlikleri/Ç kt lar Program Competencies/Outcomes Mühendislik alan nda bilimsel ara t rma yaparak bilgiye geni lemesine ve derinlemesine ula abilme, bilgiyi de erlendirme, yorumlama ve uygulama becerisi Be able to reach knowledge in-depth and broadly by doing scientific research in engineeringand be able to evaluate, interpret and apply this knowledge S n rl ya da eksik verileri kullanarak bilimsel yöntemlerle bilgiyi tamamlayabilme ve uygulama becerisi; de i ik disiplinlere ait bilgileri bütünle tirebilme becerisi Be able to complete and implement information with scientific methods by using limited or missing data; be able to merge information belonging to various disciplines Mühendislik problemlerini kurgulayabilme, çözmek için yöntem geli tirme ve çözümlerde yenilikçi yöntemler uygulama becerisi Be able to develop methods to construct and solve engineering problems and be able to implement innovative methods in the solutions Yeni ve özgün fikir ve yöntemler geli tirme becerisi; sistem, parça veya süreç tasar mlar nda yenilikçi çözümler geli tirebilme becerisi Be able to develop new and original ideas and methods; be able to develop innovative solutions in system, part or process designs Mühendislikte uygulanan modern teknik ve yöntemler ile bunlar n s n rlar hakk nda kapsaml bilgi Comprehensive knowledge on the modern techniques, methods and their boundaries in engineering Analitik, modele dayal ve deneysel esasl ara t rmalar tasarlama ve uygulama becerisi; bu süreçte kar la lan karma k durumlar analiz etme ve yorumlama becerisi Be able to design and implement analytical, modelbased and experimental research; be able to analyze and interpret complex situations encountered in the processes Gereksinim duyulan bilgi ve verileri tan mlama, bunlara ula ma ve de erlendirmede ileri düzeyde beceri Advanced ability in specifying, reaching and evaluating *Katk Düzeyi *Level of Contribution

5 required knowledge and information Çok disiplinli tak mlarda liderlik yapma, karma k durumlarda çözüm yakla mlar geli tirebilme ve sorumluluk alma becerisi Be able to lead multidisciplinary teams, develop solution approaches in complex situations and take responsibility Çal malar n n süreç ve sonuçlar n, ulusal ve uluslararas ortamlarda yaz l ya da sözlü olarak aktarabilme becerisi Be able to convey the processes and results of the studies in both national and international written or oral media Akademik ve mesleki tüm etkinliklerde toplumsal, bilimsel ve etik de erleri gözetme yeterlili i Proficiency in preserving social, scientific and ethical values in all academic and professional activities Mesle inin yeni ve geli mekte olan uygulamalar hakk nda fark ndal k; gerekti inde bunlar inceleme ve ö renebilme becerisi Awareness of new and emerging applications about the profession; be able to examine and learn them in case of necessity Mühendislik uygulamalar n n hukuksal, sosyal ve çevresel boyutlar n anlama ve sosyal çevreye uyum becerisi Be able to comprehend legal, social and environmental facets of engineering applications and be able to adapt to the social environment *1 en dü ük, 2 dü ük, 3 orta, 4 yüksek, 5 en yüksek *1 Lowest, 2 Low, 3 Average, 4 High, 5 Highest AKTS YÜKÜ TABLOSU / ECTS WORKLOAD TABLE Etkinlikler / Activities Say s Süresi (Saat) Ders Süresi (S nav haftas dahildir 15x toplam ders saati)/ Course hours Laboratuar/ Lab Uygulama/ Application Derse Özgü Staj(varsa)/ Special Course Internship Arazi Çal mas / Field Work S n f D Ders Çal ma Süresi (Ön çal ma, peki tirme)/ Toplam Yükü

6 Study hours out of class Sunum / Seminer Haz rlama/ Presentations/ Seminar Proje/ Project Ödevler/ Homework Assignments Ara s navlar/ Mid-Terms Yar y l Sonu S nav /Final Examination Toplam Yükü /Total Workload 224 Toplam Yükü / 30 (s) / Total Workload / 30(h) 7,47 AKTS Kredisi / ECTS Credit 7,5