Logo Ruhr University Bochum
RUB Logo Text

Lehrstuhl für Medizintechnik

Systemtheorie 3 – Stochastische Signale

Gehalten von
Prof. Dr.-Ing. Georg Schmitz
Vorlesungsnr.
141224
Sprache
Deutsch
LP
6
SWS
5
Hier geht es zu

Moodle

R
}
c

Inhalt

Viele in der Elek­tro­tech­nik und In­for­ma­ti­ons­tech­nik vor­kom­men­de Si­gna­le un­ter­lie­gen zu­fäl­li­gen Än­de­run­gen, oder sind zu kom­plex, um für sie de­ter­mi­nis­ti­sche Mo­del­le an­zu­ge­ben. Diese Si­gna­le kön­nen bes­ser durch sto­chas­ti­sche Si­gnal­model­le be­schrie­ben wer­den, die Me­tho­den der Wahr­schein­lich­keits­rech­nung zu­grun­de legen. Die Vor­le­sung ver­mit­telt zu­nächst die ma­the­ma­ti­schen Grund­la­gen der Wahr­schein­lich­keits­rech­nung. Hier­auf auf­bau­end wer­den Ent­schei­dungs­ver­fah­ren und das Pa­ra­me­ter­schät­zen vor­ge­stellt. Sto­chas­ti­sche Pro­zes­se und die auf sie an­ge­wen­de­te Sys­tem­theo­rie wer­den im zwei­ten Teil der Vor­le­sung an­hand prak­tisch re­le­van­ter An­wen­dungs­fäl­le ver­mit­telt.
Einführung

De­fi­ni­ti­on Sto­chas­ti­scher Pro­zes­se
Wahr­schein­lich­keits­ver­tei­lun­gen und Wahr­schein­lich­keits­dich­te­funk­tio­nen für Pro­zes­se
Mo­ment­funk­tio­nen sto­chas­ti­scher Pro­zes­se, De­fi­ni­tio­nen Mo­ment­funk­tio­nen ers­ter und zwei­ter Ord­nung
Eigenschaften von Kovarianz- und Korrelationsfunktionen, Stationarität und Ergodizität, spektrale Leistungsdichte, Prozesse mit weißem Rauschen

Ent­schei­dungs­ver­fah­ren

Binäre Entscheidungen, Bayes-Test, Maximum-a-posteriori-Test (MAP), Maximum-Likelihood-Test, MiniMax-Test
Re­cei­ver-Ope­ra­ting-Cha­rac­te­ris­tics

Pa­ra­me­ter­schät­zen

Schätz­funk­tio­nen und Schät­zer
Bias, Kon­sis­tenz, Cramér-Rao-Schran­ke, Wirk­sam­keit
Schät­zen mit kleins­ten Qua­dra­ten, Ma­xi­mum-Li­kelihood-Schät­zer

Zufällige Signale und Systeme

Über­tra­gung durch LTI-Sys­te­me
Li­nea­re Pro­zes­se (AR, MA, ARMA)
Yu­le-Wal­ker-Glei­chun­gen
Wie­ner­fil­ter

Sta­tis­tik mit sto­chas­ti­schen Si­gna­len

Schätzung der Kovarianzfunktion
Spektralschätzung mit dem Periodogramm
Parameterschätzungen für lineare Prozesse

Vorlesungen

Raum
HID
}
Vorlesungsbeginn
10:15
Vorlesungsende
11:45
Erste Vorlesung
Dienstag, 09.04.2024

Übungen

Raum
ID 04/459 & 04/471
}
Übung beginnt
08:15
Übung endet
09:45
Die erste Übung ist am
Montag, 15.04.2024

Prüfung

i
Prüfungsform
Schriftliche Prüfung
Prüfungstermin
noch nicht festgelegt
Prüfungsdauer
120 Minuten
l
Prüfungsanmeldung
FlexNow

Rechnerübungen

Raum
CIP-Pool 2
}
Übung beginnt
10:15
Übung endet
11:45
Die erste Übung ist am
Freitag, 26.04.2024
R

Ziele

Die Stu­die­ren­den haben fach­spe­zi­fi­sche Grund­kennt­nis­se zum si­che­ren ma­the­ma­ti­schen Um­gang mit sto­chas­ti­schen Mo­del­len für ge­mes­se­ne dis­kre­te und kon­ti­nu­ier­li­che Si­gna­le. Die Stu­die­ren­den ver­ste­hen die Not­wen­dig­keit sto­chas­ti­scher Si­gnal­model­le und ihren Zu­sam­men­hang mit prak­ti­schen Fra­ge­stel­lun­gen (Mess­ge­nau­ig­keit, Zu­ver­läs­sig­keit). Sie haben die Qua­li­fi­ka­ti­on, Si­gnal­über­tra­gungs- und -ver­ar­bei­tungs­pro­ble­me für Zu­falls­si­gna­le zu ana­ly­sie­ren, ge­eig­ne­te Lö­sungs­me­tho­den vor­zu­schla­gen, diese zu er­läu­tern und prak­tisch um­zu­set­zen. Die Stu­die­ren­den ken­nen und ver­ste­hen ins­be­son­de­re prak­tisch re­le­van­te Ver­fah­ren zum Pa­ra­me­ter­schät­zen in der Si­gnal­ver­ar­bei­tung und kön­nen diese auf neue Pro­blem­stel­lun­gen über­tra­gen und an­wen­den. Durch die Übun­gen und Rech­ner­übun­gen (Pra­xis­übung) sind die Stu­die­ren­den be­fä­higt, das Er­lern­te im Team prak­tisch um­zu­set­zen, Lö­sungs­an­sät­ze zu er­läu­tern, zu be­wer­ten und ar­gu­men­ta­tiv zu ver­tre­ten. Die wich­ti­gen Grund­be­grif­fe sto­chas­ti­scher Si­gna­le wer­den auch in eng­li­scher Spra­che ver­mit­telt, so dass die Stu­die­ren­den in die Lage ver­setzt wer­den, sich die in­ter­na­tio­na­le Fach­li­te­ra­tur auf dem Ge­biet der sta­tis­ti­schen Si­gnal­ver­ar­bei­tung zu er­schlie­ßen.
r

Voraussetzungen

none

Vorkenntnisse

In­hal­te der Vor­le­sun­gen Sys­tem­theo­rie 1 und 2

Literatur

  1. Kay, Ste­ven M. „Fun­da­men­tals of Sta­tis­ti­cal Si­gnal Pro­ces­sing, Vo­lu­me I: Esti­ma­ti­on Theo­ry“, Pren­ti­ce Hall, 1993
  2. Kay, Ste­ven M. „Fun­da­men­tals of Sta­tis­ti­cal Si­gnal Pro­ces­sing, Vo­lu­me II: De­tec­tion Theo­ry „, Pren­ti­ce Hall, 1998
  3. Kay, Ste­ven M. „Fun­da­men­tals of Sta­tis­ti­cal Si­gnal Pro­ces­sing, Vo­lu­me III: Prac­tical Al­go­rithm De­ve­lop­ment „, Pren­ti­ce Hall, 2013
  4. Kay, Ste­ven M. „In­tui­ti­ve Pro­ba­bi­li­ty and Ran­dom Pro­ces­ses using MAT­LAB“, Pren­ti­ce Hall, 2005
  5. Mertins, Al­fred „Si­gnal­theo­rie“, Sprin­ger, 2013 http://​www.​springer.​com/​de/​book/​9783834813947
  6. Kro­schel, Kris­ti­an, Ri­goll, Grhard, Schul­ler, Björn W. „Sta­tis­ti­sche In­for­ma­ti­ons­tech­nik“, Sprin­ger Ver­lag, 2011 http://​www.​springer.​com/​de/​book/​9783642159534
  7. Häns­ler, Eber­hard „Sta­tis­ti­sche Si­gna­le. Grund­la­gen und An­wen­dun­gen“, Sprin­ger, 2001
  8. Böhme, Jo­hann F. „Sto­chas­ti­sche Si­gna­le“, Teub­ner Ver­lag, 1998
P

Sonstiges

Die­se Lehrveranstaltung wird über Mood­le or­ga­ni­siert. Die notwendigen Informationen werden in der ersten Vorlesung mitgeteilt.