Pengantar Pemrosesan Sinyal Statistik


11

Ada postdoc di lab saya yang spesialisasinya adalah "pemrosesan sinyal statistik". Dia memiliki gelar PhD di bidang Teknik Listrik dan dia menganalisis data saraf yang dikumpulkan.

Saya bertanya-tanya kursus / topik apa yang harus saya mulai ikuti untuk mengikuti jejaknya. Saya tidak benar-benar mencari hal-hal seperti statistik dan pemrosesan sinyal, saya sudah memiliki kelas dasar di keduanya tetapi masih kesulitan untuk memahami pekerjaannya.

Jawaban:


7

Kadang-kadang ada program yang berjudul 'pemrosesan sinyal statistik', itu tempat yang bagus untuk memulai :-) Jika universitas Anda tidak memiliki ini, coba cari 'deteksi dan estimasi', atau 'pemrosesan sinyal lanjutan'. Jika Anda tidak memiliki universitas yang berguna, Anda dapat mencoba http://ocw.mit.edu/courses/electrical-engineering-and-computer-science/6-432-stochastic-processes-detection-and-estimation-spring -2004 /

Banyak pemrosesan sinyal statistik yang linier, jadi Anda harus belajar aljabar linier sebanyak yang Anda bisa. Proses stokastik adalah kursus dasar. Teori kontrol banyak berbagi dengan SSP, dan akan sangat berguna.

Ini seharusnya cukup untuk memulai :-)


5

Referensi klasik ini adalah awal yang baik:

  1. B. Porat, Pemrosesan Digital Sinyal Acak, Prentice-Hall, 1994. Nomor seri perpustakaan 2144342.

  2. A. Papoulis, Probabilitas, Variabel Acak dan Proses Stochastic, 3rd Ed. , McGraw-Hill, 1991. Nomor seri perpustakaan 21111643.

  3. SM Kay, Dasar-Dasar Pemrosesan Sinyal Statistik, Volume I: Teori Estimasi, Prentice-Hall, 1993. Nomor seri perpustakaan 2157997.

Anda juga dapat mencoba catatan kuliah KT Wong (University of Waterloo)

Anda mungkin juga menemukan beberapa seri kuliah ini tentang Pemrosesan Sinyal Adaptif oleh Prof. M.Chakraborty di YouTube tentang penggunaan


4

Hai,

Dengan asumsi Anda tertarik melakukan penelitian di lapangan, saya akan menyarankan mengikuti jalan yang dibangun di atas dasar yang kuat dalam matematika.

Saya tahu ini, karena saya baru saja menyelesaikan mengajar mata pelajaran Estimasi & Deteksi dan saya dapat meyakinkan Anda bahwa ada korelasi kuat antara kualitas dan kebaruan pekerjaan dan pengetahuan Anda tentang matematika.

Matematika macam apa?

  1. Aljabar linier:

    Anda perlu tahu tentang ruang vektor dan aljabar matriks karena; seperti yang diposting orang lain sebelumnya, ada banyak teori dan algoritma yang mempelajari jenis model ini. Beberapa hasil yang sering digunakan adalah Inverse Matrix Lemma, semua yang ada hubungannya dengan dekomposisi matriks.

  2. Teori Probabilitas dan Proses Stochastic

    Ini juga kuncinya. Pemrosesan sinyal statistik adalah tentang metode untuk mendeteksi dan memperkirakan informasi (inferensi) menggunakan pengamatan yang salah (berisik) dari fenomena yang juga bisa acak.

    Jadi, Anda perlu tahu cara menangani objek semacam ini. Kursus dasar dalam probabilitas dapat memberi Anda titik awal yang baik (yang mencakup variabel acak dan vektor acak, dan mudah-mudahan berbicara sedikit tentang urutan dan proses acak), tetapi diinginkan untuk mengambil kursus kedua, berfokus pada proses acak. Anda perlu memiliki kepercayaan diri dengan ide-ide ini karena itu akan memungkinkan Anda untuk memahami banyak aplikasi dan implementasi praktis yang digunakan dalam penelitian dan teknologi.

Pada tingkat kedua saya juga akan mempertimbangkan mengambil kursus dalam Optimasi, karena perhitungan estimator sebagian besar didasarkan pada penyelesaian masalah maksimalisasi dan minimisasi (penduga kemungkinan maksimum, penduga kesalahan kuadrat rata-rata minimum, dll.)

Tentu saja, ada juga sudut pandang "algoritmik", di mana Anda lebih berkonsentrasi pada prosedur pemrosesan sinyal statistik untuk komputasi cepat, konvergensi, kompleksitas rendah, dll., Tetapi pada akhirnya pengembangan os ide-ide baru membutuhkan dasar yang baik dalam matematika .

Perhatikan bahwa pengetahuan Anda tentang cara kerja bagian dalam fenomena yang diberikan juga merupakan kunci untuk menghasilkan model yang Anda rencanakan untuk digunakan dalam pengaturan yang diberikan. Dalam hal itu, pengalaman praktis yang dapat Anda peroleh dari kursus komunikasi digital, pemrosesan sinyal digital, dan bahkan sirkuit elektronik dapat sangat berharga untuk memberikan Anda keunggulan sebagai peneliti.

Jika Anda memiliki pertanyaan lain, jangan ragu untuk menghubungi saya.

Ceria, Patricio


1

Seperti yang tdctelah dikutip, Papoulis (RIP ke salah satu pemimpin bidang ini) adalah salah satu buku terbaik, tetapi Anda mungkin perlu melangkah lebih dulu melalui sesuatu seperti http://www.amazon.com/Discrete-Time-Signal -Processing-2nd-Prentice-Hall / dp / 0137549202 jika Anda belum memiliki program sarjana / awal yang bagus dalam pemrosesan sinyal (saya tidak, dan sedikit sakit).

Dari perspektif yang lebih statistik (tetapi masih sangat valid untuk insinyur) adalah http://www.amazon.com/Random-Data-Measurement-Procedures-Probability/dp/0470248777/ref=sr_1_1?s=books&ie=UTF8&qid=1323737134&sr= 1-1 . Ini dikemas ke insang dengan info, jadi bacanya sangat lambat.


1

Saya telah membaca

Van Den Bos, Adriaan: "Parameter Estimation for Scientists and Engineers"

Ini menjelaskan estimasi parameter (kemungkinan maksimum, kuadrat terkecil), properti estimator (presisi, akurasi) dan cara memperkirakan properti ini juga.

Buku ini berisi penjelasan tentang beberapa metode numerik yang digunakan untuk estimasi.

Dengan menggunakan situs kami, Anda mengakui telah membaca dan memahami Kebijakan Cookie dan Kebijakan Privasi kami.
Licensed under cc by-sa 3.0 with attribution required.