ECTS @ IUE ECTS @ IUE ECTS @ IUE ECTS @ IUE ECTS @ IUE ECTS @ IUE ECTS @ IUE

Ders Bilgi Formu ( ELM 462 )


   Temel bilgiler
Ders adı: İstatistiksel İşaret İşlemenin Temelleri
Ders kodu: ELM 462
Öğretim üyesi: Prof. Dr. Koray KAYABOL
AKTS kredisi: 6
GTÜ kredisi: 3 ()
Yılı, Dönemi: 4, Güz ve Bahar
Dersin düzeyi: Lisans
Dersin tipi: Alan seçmeli
Öğretim dili: İngilizce
Öğretim şekli: Yüz yüze
Ön koşullar: Yok
Staj durumu: Yok
Dersin amacı: Sinyal/imge işleme ve haberleşmede karşılaşılan kestirim problemleri için temel istatistiksel çözüm yöntemlerinin tanıtılması.
   Öğrenme çıktıları Yukarı

Bu dersi başarıyla tamamlayan öğrenciler, şu yetilere sahip olurlar:

  1. İşaret ve parametre kestiriminde kullanılan temel istatistiksel yöntemleri kullanırlar

    Program Çıktılarına Katkıları

    1. Matematik, fen ve mühendislik bilgilerini gerçek hayattaki problemlere uygulayabilmek
    2. Mühendislik problemlerini formüle edip çözmek

    Değerlendirme Tipi

    1. Yazılı sınav
    2. Ödev
  2. Verilen bir probleme uygun kestirim algoritmasını gerçekleyip hata analizlerini yapabilirler

    Program Çıktılarına Katkıları

    1. Matematik, fen ve mühendislik bilgilerini gerçek hayattaki problemlere uygulayabilmek
    2. Mühendislik problemlerini formüle edip çözmek
    3. Mühendislik uygulamalarında farklı teknik ve modern araçları kullanma bilgisini geliştirmek

    Değerlendirme Tipi

    1. Yazılı sınav
    2. Ödev
  3. Uyarlanır işaret işleme yordamlarını gerçekleyebilirler

    Program Çıktılarına Katkıları

    1. Matematik, fen ve mühendislik bilgilerini gerçek hayattaki problemlere uygulayabilmek
    2. Mühendislik problemlerini formüle edip çözmek
    3. Mühendislik uygulamalarında farklı teknik ve modern araçları kullanma bilgisini geliştirmek

    Değerlendirme Tipi

    1. Dönem projesi
   İçerik Yukarı
1. hafta: Giriş, olasılık teorisi
2. hafta: Rasgele değişkenler
3. hafta: Rasgele değişken çiftleri
4. hafta: Saptama ve kestirime giriş
5. hafta: Bayesçi enküçük ortalama karesel hata (EOKH) kestirimi
6. hafta: Doğrusal EOKH kestirimi
7. hafta: Vize sınavı
8. hafta: Doğrusal zamanla değişmeyen (DZD) sistemlerin dönüşüm bölgesi analizi
9. hafta: Basit süzgeçler ve süzgeç yapıları
10. hafta: Rasgele süreçler
11. hafta: Wiener süzgeci
12. hafta: Enküçük-ortalama-kare (EOK) süzgeci
13. hafta: Yinelemeli enküçük kareler (YEK) süzgeci
14. hafta: Kalman süzgeci
15. hafta*: -
16. hafta*: Final sınavı
Ders kitapları ve materyaller: [1] Abbas El Gamal, "Introduction to Statistical Signal Processing", Lecture Notes, Stanford University, 2015.

[2] A. Leon-Garcia, Probability, Statistics, and Random Processes for Electrical Engineering, Pearson, 3rd ed., 2008.

[3] S. O. Haykin, Adaptive Filter Theory, Pearson, 5th ed., 2013.
Önerilen kaynaklar: [1] D. P. Bertsekas and J. N. Tsitsiklis, Introduction to Probability, Athena Scientific, 2nd edition, 2008.

[2] S. M. Kay, Fundamentals of Statistical Signal Processing: Estimation Theory, Prentice Hall, 1993.

[3] A. V. Oppenheim, and G. C. Verghese, Signals, Systems and Inference, Prentice Hall, 2015.

[4] K. Sam Shanmugan and Arthur M. Breipohl, Random Signals: Detection, Estimation and Data Analysis, Wiley, 1988.
  * 15. ve 16. haftalar arası final sınavına hazırlık haftası bulunmaktadır.
Değerlendirme Yukarı
Değerlendirme tipi Hafta numarası Ağırlık (%)
Ara sınavlar (Vizeler): 7 30
Dönem içi diğer çalışmalar: 0
Proje: 11,12,13,14 15
Ödev: 2, 3, 4, 5, 6, 7, 8, 9, 10 15
Kısa sınav (Quiz): 0
Final sınavı: 16 40
  Toplam ağırlık:
(%)
   İş yükü Yukarı
Etkinlik Süre (Haftalık saat) Toplam hafta sayısı Dönem boyu toplam iş yükü
Dersler (Yüz yüze öğretme): 3 14
Ders dışı bireysel çalışma: 0 0
Uygulama, Rehberli problem çözme: 0 0
Ödev: 5 10
Dönem projesi: 8 4
Dönem projesi sunumu: 0 0
Kısa sınav (Quiz): 0 0
Ara sınav için bireysel çalışma: 10 1
Ara sınav (Vize): 3 1
Final sınavı için bireysel çalışma: 10 1
Final sınavı: 3 1
    Toplam işyükü:
    Toplam AKTS kredisi:
*
  * AKTS kredisi, toplam iş yükünün 25'e bölümüdür. (1 AKTS = 25 saatlik iş yükü)
-->