Fakultet tehničkih nauka

Predmet: Odabrana poglavlja iz signala i sistema (17.DAU012)

Matične organizacione jedinice predmeta:
Osnovne informacije:
 
Kategorija Naučno-stručni
Uža naučna oblast Automatika i upravljanje sistemima
Multidisciplinarna Ne
ESPB 10
Cilj:

Cilj predmeta je da studenti ovladaju naprednim tehnikama za klasifikaciju i estimaciju signala. To podrazumeva da u praktičnim problemima budu u stanju da izvrše karakterizaciju signala u smislu njegovog modeliranja i modeliranja stohastičkog signala koji svoj uzrok ima ili u nemodeliranoj dinamici signala ili u mernom šumu

Ishod:

Očekivani ishodi predmeta su veštine kojima će studenti ovladati u smislu detekcije, modeliranja, estimacije parametara i klasifikacije signala iz najrazličitijih oblasti inžinjerske prakse: u oblasti video signala, audio signala, električnih signala dobijenih sa mernih uređaja i sistema itd.

Sadržaj:

Obrada informacija predstavlja važan faktor u različitim oblastima, kao što su navigacija, industrija, poljoprivreda, saobraćaj, komunikacije, trgovina i slično. Pojam informacionog procesora uključuje merno-akvizicioni sistem, procesor signala i podataka i merno-pretvaračke sisteme za slanje informacija u eksplicitnoj formi u realan svet. Funkcionalno projektovanje signal procesora, kao dela informacionog uređaja, zasnva se na teoriji estimacije i klasifikacije. Glavna razlika između ove dve oblasti je u tipu informacija koje se dobijaju kao rezultat obrade. U klasifikaciji izlaz je diskretan, tj. predstavlja klasu, obeležje ili kategoriju. U problemima estimacije to je realna skalarna ili vektorska varijabla. Pošto se ovakvi problemi pojavljuju kako u statičkom tako i u dinamičkom okruženju, to se pojam estimacije stanja koristi za dinamičke slučajeve, koji mogu biti kontinualni ili diskretni u vremenu. Sličnost između ove dve oblasti omogućava da se koristi jedinstvena metodologija zasnovana na Bajesovoj teoriji odlučivanja. U kursu su date matematičke osnove ove teorije, a posebna pažnja biće posvećena praktičnim aspektima teorijskih rezultata. U prvom delu kursa razmatraće se teorija klasifikacije i estimacije u slučaju statičkih i dinamičkih modela, koji su egzaktni i adekvatno opisuju razmatrani fizički proces. U drugom delu krusa razmatraće se realnije situacije kod kojih model procesa nije u potpunosti poznat i postoji izvesna neodređenost ili nemodelirana dinamika. Ovakvi modeli su dobijeni bilo na osnovu eksperimentalnih podataka ili su eksperimentalni podaci korišćeni direktno za treniranje algorima klasifikacije i estimacije. Oblasti primene ovakve metodologije su različite i obuhvataju mašinstvo, elektrotehniku, građevinu, upravljanje tehnološkim procesima, ekološki inženjering i t.d.

Metodologija izvođenja nastave:

Predavanja. Konsultacije. Istraživačko studijski rad.

Literatura:
Autori Naziv Godina Izdavač Jezik
K. Fukunaga Introduction to statistical pattern recognition 1992 Academic Press Engleski
Muhammad Sarfray Intelligent recognition, Techniques and Applications 2005 Wiley Engleski
S. Miller, D. Childers Probability and random processes with applicattions in signal processing and communications 2004 Elsevier Academic Press Engleski
S. Kay Modern Spectral Estimation 1988 Prentice Hall Engleski
J. Benesty, Y. Huang Adaptive Signal Processing 2003 Springer Engleski
Anderson, B., Moore, J. Optimal Filtering 1979 Prentice Hall, New Yersey Engleski
Formiranje ocene:
Predmetna aktivnost Predispitna Obavezna Broj poena
Predmetni projekat Da Da 50.00
Usmeni deo ispita Ne Da 50.00
Izvođači nastave:
Predavanja