Στατιστική Επεξεργασία Σημάτων- Χρονοσειρές

Πληροφορίες Μαθήματος
ΤίτλοςΣτατιστική Επεξεργασία Σημάτων- Χρονοσειρές / Statistical Signal Processing- Time Series
ΚωδικόςDMCI103
ΣχολήΘετικών Επιστημών
ΤμήμαΠληροφορικής
Κύκλος / Επίπεδο1ος / Προπτυχιακό, 2ος / Μεταπτυχιακό
Περίοδος ΔιδασκαλίαςΧειμερινή
Υπεύθυνος/ηΚωνσταντίνος Κοτρόπουλος
ΚοινόΝαι
ΚατάστασηΕνεργό
Course ID600016140

Πρόγραμμα Σπουδών: ΠΜΣ ΨΗΦΙΑΚΑ ΜΕΣΑ - ΥΠΟΛΟΓΙΣΤΙΚΗ ΝΟΗΜΟΣΥΝΗ (2018 εως σημερα) ΜΦ

Εγγεγραμμένοι φοιτητές: 0
ΚατεύθυνσηΤύπος ΠαρακολούθησηςΕξάμηνοΈτοςECTS
ΚΟΡΜΟΣΥποχρεωτικό Κατ' Επιλογήν117,5

Πρόγραμμα Σπουδών: ΠΜΣ ΨΗΦΙΑΚΑ ΜΕΣΑ - ΥΠΟΛΟΓΙΣΤΙΚΗ ΝΟΗΜΟΣΥΝΗ (2018 έως σήμερα) ΠΦ

Εγγεγραμμένοι φοιτητές: 6
ΚατεύθυνσηΤύπος ΠαρακολούθησηςΕξάμηνοΈτοςECTS
ΚΟΡΜΟΣΥποχρεωτικό Κατ' Επιλογήν117,5

Πληροφορίες Τάξης
ΤίτλοςΣτατιστική Επεξεργασία Σημάτων- Χρονοσειρές
Ακαδημαϊκό Έτος2019 – 2020
Περίοδος ΤάξηςΧειμερινή
Διδάσκοντες μέλη ΔΕΠ
Class ID
600153676
Τύπος Μαθήματος
  • Επιστημονικής Περιοχής
Κατηγορία Μαθήματος
Ειδικού Υποβάθρου / Κορμού
Τρόπος Παράδοσης
  • Πρόσωπο με πρόσωπο
Ηλεκτρονική Διάθεση Μαθήματος
Erasmus
Το μάθημα προσφέρεται και σε φοιτητές προγραμμάτων ανταλλαγής.
Γλώσσα Διδασκαλίας
  • Ελληνικά (Διδασκαλία, Εξέταση)
  • Αγγλικά (Διδασκαλία, Εξέταση)
Προαπαιτήσεις
Γενικές Προαπαιτήσεις
Προηγούμενη έκθεση σε Σήματα-Συστήματα, Ψηφιακή Επεξεργασία Σήματος και Επεξεργασία Στοχαστικού Σήματος βοηθά στην πρόσληψη παραστάσεων και γρηγορότερη αφομοίωση των εννοιών.
Μαθησιακά Αποτελέσματα
Γνωστικοί: Το μάθημα αναλύει θέματα φασματικής ανάλυσης. Αποβλέπει στη θεμελίωση ισχυρού θεωρητικού υποβάθρου για την περαιτέρω επιτυχή ενασχόληση των φοιτητών με θέματα σχετικά με την ψηφιακή επεξεργασία ομιλίας, εφαρμογές της ψηφιακής επεξεργασίας σήματος στις τηλεπικοινωνίες, στη βιοϊατρική, γεωφυσική, οικονομία, κ.λ.π. Δεξιότητες: Όξυνση αναλυτικών και προγραμματιστικών δεξιοτήτων. Θεμελίωση υποβάθρου για τη σπουδή της επεξεργασίας ομιλίας, ήχου, βιοϊατρικών σημάτων, οικονομετρικών σημάτων. Προγραμματισμός σε περιβάλλον MATLAB για την κατανόηση των μεθόδων φασματικής ανάλυσης και αποτίμησης των επιδόσεών τους.
Γενικές Ικανότητες
  • Εφαρμογή της γνώσης στην πράξη
  • Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών
  • Προσαρμογή σε νέες καταστάσεις
  • Λήψη αποφάσεων
  • Αυτόνομη εργασία
  • Παραγωγή νέων ερευνητικών ιδεών
  • Άσκηση κριτικής και αυτοκριτικής
  • Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης
Περιεχόμενο Μαθήματος
Εισαγωγή στη φασματική ανάλυση. Μη - παραμετρικές τεχνικές (το περιοδόγραμμα και οι παραλλαγές του). Παραμετρικές μέθοδοι για ρητά φάσματα (σήματα AR, MA, ARMA). Παραμετρικές μέθοδοι για γραμμικά φάσματα. Μέθοδοι τράπεζας φίλτρων. Χωρικές μέθοδοι. Θεωρία ανίχνευσης και εκτίμησης. Εφαρμογή σε τεχνικές αναδίφησης (forensics) πολυμέσων: Η περίπτωση της συχνότητας του ηλεκτρικού δικτύου.
Λέξεις Κλειδιά
φασματική ανάλυση, παραμετρικές τεχνικές, μη-παραμετρικές τεχνικές, τεχνικές υποχώρων, χωρικές μέθοδοι
Τύποι Εκπαιδευτικού Υλικού
  • Σημειώσεις
  • Διαφάνειες
  • Βιβλίο
Χρήση Τεχνολογιών Πληροφορίας και Επικοινωνιών
Χρήση Τ.Π.Ε.
  • Χρήση Τ.Π.Ε. στη Διδασκαλία
  • Χρήση Τ.Π.Ε. στην Εργαστηριακή Εκπαίδευση
  • Χρήση Τ.Π.Ε. στην Επικοινωνία με τους φοιτητές
Περιγραφή
Διαφάνειες σε ηλεκτρονική μορφή (Petre Stoica - Randolf Moses και Jian Li), MATLAB demos.
Οργάνωση Μαθήματος
ΔραστηριότητεςΦόρτος ΕργασίαςECTSΑτομικάΟμαδικάErasmus
Διαλέξεις39
Μελέτη και ανάλυση βιβλίων και άρθρων96
Εκπόνηση μελέτης (project)60
Συγγραφή εργασίας / εργασιών15
Εξετάσεις15
Σύνολο225
Αξιολόγηση Φοιτητών
Περιγραφή
Οι φοιτητές αξιολογούνται με βάση την πρόοδο που σημειώνουν κατά την εκπόνηση υποχρεωτικών εργασιών, την παρακολούθηση των παραδόσεων και την ενεργητική συμμετοχή τους σ' αυτές κατά 50% και την επίδοσή τους στις γραπτές εξετάσεις κατά 50%. Οι υποχρεωτικές εργασίες αφορούν συνδυασμό επίλυσης δύο προβλημάτων και εκπόνησης μιας προγραμματιστικής εργασίας ανά κεφάλαιο του διδακτικού εγχειριδίου των Stoica και Moses. Η ανακοίνωση της ανάθεσης εργασιών στους φοιτητές γίνεται στη σελίδα του μαθήματος στον ΠΗΛΕΑ http://pileas.csd.auth.gr. Οι φοιτητές προάγονται, εφόσον ο τελικός βαθμός είναι μεγαλύτερος ή ίσος του πέντε (5).
Μέθοδοι Αξιολόγησης Φοιτητών
  • Γραπτή Εξέταση με Ερωτήσεις Σύντομης Απάντησης (Διαμορφωτική, Συμπερασματική)
  • Γραπτή Εργασία (Διαμορφωτική, Συμπερασματική)
  • Δημόσια Παρουσίαση (Διαμορφωτική, Συμπερασματική)
Βιβλιογραφία
Επιπρόσθετη βιβλιογραφία για μελέτη
Προτεινόμενη βιβλιογραφία P. Stoica and R. Moses, Introduction to Spectral Analysis. Upper Saddle River, N.J.: Prentice Hall, 1997. Επιπρόσθετη βιβλιογραφία J. G. Proakis, C. M. Rader, F. Ling, C. L. Nikias, M. Moonen, and I. K. Proudler, Αlgorithms for Statistical Signal Processing. Upper Saddle River, N.J.: Prentice Hall, 2001. T. Soenderstrom and P. Stoica, System Identification. London, U.K.: Prentice Hall International, 1989. L. Marple, Digital Spectral Analysis and Applications. Englewood Cliffs, N.J.: Prentice-Hall, 1987. L. Cohen, Time-Frequency Analysis. Englewood Cliffs, N.J.: Prentice-Hall, 1995. T. Chonavel, Statistical Singal Processing. N.Y.: Springer, 2002. J. M. Mendel, Lessons in Estimation Theory for Signal Processing, Communications, and Control. Englewood Cliffs, N.J.: Prentice Hall PTR, 1995. S. Kay, Fundamentals of Statistical Signal Processing, vol. 1: Estimation Theory. Englewood Cliffs, N.J.: Prentice Hall PTR, 1993. S. Kay, Fundamentals of Statistical Signal Processing, vol. 2: Detection Theory. Upper River Saddle, N.J.: Prentice Hall PTR, 1998. Γ. Β. Μουστακίδης, Βασικές Τεχνικές Ψηφιακής Επεξεργασίας Σημάτων. Θεσσαλονίκη: Εκδόσεις Τζιόλα, 2004. C. S. Burrus, J. H. McClellan, A. V. Oppenheim, T. W. Parks, R. W. Schafer, and H. W. Schuessler, Computer-Based Exercises for Signal Processing. Englewood Cliffs, N.J.: Prentice-Hall, 1994. T. Dutoit and F. Marques, Applied Signal Processing. A MATLAB-Based Proof of Concept. New York, N.Y.: Springer, 2009 (πρόσβαση στο e-book μέσω του www.lib.auth.gr)
Τελευταία Επικαιροποίηση
16-10-2018