Dokuz Eylül Üniversitesi Ders Katoloğu / Bilgi Paketi

Ders Bilgileri

Ders Kodu	Ders Adı	Ders Türü	D	U	L	AKTS
EEE 5084	İşaret İşlemede İstatiksel Algılama Teorisi	SEÇMELİ	3	0	0	8

Dersi Veren Birim

Fen Bilimleri Enstitüsü

Dersin Düzeyi

Yüksek Lisans

Ders Koordinatörü

DOÇ.DR. MEHMET EMRE ÇEK

Dersi Alan Birimler

Elektrik ve Elektronik Mühendisliği Yüksek Lisans
Elektrik ve Elektronik Mühendisliği Bütünleşik Doktora
Elektrik ve Elektronik Mühendisliği Doktora

Dersin Amacı

Bu dersin amacı, karar verme ve bilgi çıkarımına yönelik elektronik işaret işleme sistemlerinin tasarımında çok önemli bir yer tutan istatistiksel algılama teorisini öğrencilere tanıtmak ve MATLAB programlama dilini kullanarak çeşitli algılama algoritmalarını bilgisayar üzerinde geliştirme yetisini öğrencilere kazandırmaktır.

Dersin Öğrenme Kazanımları

1	İstatistiksel karar verme kavramını tanımlayabilmek.
2	Deterministik ve rasgele sinyaller için kullanılan algılama yöntemlerini ayırdedebilmek.
3	Neyman-Pearson ve Bayes algılama felsefelerini açıklayabilmek.
4	Algılama yöntemlerini bilgisayar üzerinde gerçekleyebilmek için MATLAB programlama dilini kullanarak yazılım geliştirebilmek.
5	Bir istatistiksel algılama problemini çözmek için alternatif algılama yöntemleri önerebilmek.

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta	Konular	Açıklama
1	Giriş
2	İstatistiksel Karar Verme Teorisi
3	İstatistiksel Karar Verme Teorisi
4	Neyman-Pearson Felsefesi
5	En Küçük Bayes Riski Algılayıcısı
6	Bilinen (Deterministik) İşaretlerin Algılanması
7	Bilinen (Deterministik) İşaretlerin Algılanması
8	Rasgele İşaretlerin Algılanması
9	Rasgele İşaretlerin Algılanması
10	GLRT Testi
11	Rao Testi
12	Gauss Olmayan Gürültü
13	Model Değişiminin Algılanması
14	Karmaşık (Kompleks) Değerli Verilere Genelleme

Ders İçin Önerilen Kaynaklar

Ana kaynak: Fundamentals of Statistical Signal Processing: Detection Theory, S. Kay, Prentice Hall, 1998.

Yardımcı kaynak: Statistical Signal Processing Detection, Estimation and Time Series Analysis, L. L. Scharf, Addison Wesley, 1991.

Diğer ders materyalleri: Course notes.

Öğrenme ve Öğretme Yöntemleri

Sunumlar + Donem Projesi

Değerlendirme Yöntemleri

SIRA NO	KISA KOD	UZUN ADI	FORMUL
1	SUN	SUNUM
2	ODV	ÖDEV
3	YSBN	YIL SONU BAŞARI NOTU	SUN * 0.50 + ODV * 0.50

*** Bütünleme Sınavı Yapılmayan Birimlerde Bütünleme Kriteri Dikkate Alınmaz.

Değerlendirme Yöntemlerine İliskin Aciklamalar

Yok

Değerlendirme Kriteri

Odevler, Donem Projesi

Dersin Öğretim Dili

İngilizce

Derse İlişkin Politika ve Kurallar

İlan Edilecektir.

Dersin Öğretim Üyesi İletişim Bilgileri

emre.cek@deu.edu.tr

Ders Öğretim Üyesi Görüşme Gün ve Saatleri

Donem basinda bildirilecektir.

Staj Durumu

YOK

İş Yükü Hesaplaması

Etkinlikler	Sayısı	Süresi (saat)	Toplam İş Yükü (saat)
Ders Anlatımı	14	3	42
Haftalık Ders öncesi/sonrası hazırlıklar	14	2	28
Ödev Hazırlama	1	20	20
Sunum Hazırlama	14	5	70
Tasarım Projesi	1	20	20
Kitap Okuma	10	2	20
Proje Ödevi	1	3	3
TOPLAM İŞ YÜKÜ (saat)			203

Program ve Öğrenme Kazanımları İlişkisi

PK/ÖK	PK.1	PK.2	PK.3	PK.4	PK.5	PK.6	PK.7	PK.8	PK.9	PK.10	PK.11
ÖK.1	3		4	4	3	2	2		2	1
ÖK.2	4		3	3	4			2	2	2	1
ÖK.3	2		2	4	1		1	1	2	1	2
ÖK.4	1	2	2		1				1		5
ÖK.5		1	2	5	4	4	2				1

DERS ADI

DERECE PROGRAMLARI