Detail předmětu
Radiocommunication Signals
FEKT-MKA-ARSAk. rok: 2024/2025
Navrhovaný předmět se zaměřuje na využití vybraných matematických metod v moderním zpracování komunikačních signálů a teorii bezdrátové komunikace. Cílem předmětu je prezentovat studentům specializovaný matematický aparát, který je nezbytný k pochopení principů moderní bezdrátové komunikace.
Jazyk výuky
Počet kreditů
Garant předmětu
Zajišťuje ústav
Vstupní znalosti
-Sestavit jednoduchý program v prostředí Matlab
- Praktikovat matematické postupy výpočtu
Pravidla hodnocení a ukončení předmětu
Vymezení kontrolované výuky a způsob jejího provádění stanoví každoročně aktualizovaná vyhláška garanta předmětu.
Učební cíle
Studenti by po absolvování předmětu měli být schopni samostatně řešit problémy spojené s ověřováním a testováním předpokladů a vlastností o zkoumaných jevech a datových souborech v telekomunikační oblasti. Dále by měli být schopni samostatně řešit praktické úkoly, tedy zvolit a zdůvodnit vhodnou metodu a provést její aplikaci.
Absolvent předmětu je schopen: (a) vyčíslit pravděpodobnosti jevů; (b) rozlišit náhodné veličiny a popsat jejich charakteristiky; (c) testovat statistické hypotézy; (d) analyzovat a popsat reálná měření modelů; (e) odhadnout tvar spektra a identifikovat spektrální složky; (f) identifikovat a testovat přítomnost signálu v šumu; (g) vyhodnotit klasifikaci a sestavit ROC křivku.
Základní literatura
Doporučená literatura
KAY, S. Intuitive Probability and Random Processing using MATLAB, Springer 2005. (EN)
Zařazení předmětu ve studijních plánech
- Program MKC-EKT magisterský navazující 1 ročník, zimní semestr, povinně volitelný
Typ (způsob) výuky
Přednáška
Vyučující / Lektor
Osnova
1. Úvod do teorie pravděpodobnosti. 2. Náhodná veličina. 3. Centrální limitní věta. 4. Náhodné vektory. 5. Odhady: teorie a aplikace 6. Náhodné procesy I. 7. Náhodné procesy II. 8. Korelace stochastických signálů 9. Spektra stochastických signálů 10. Kritéria a odhady parametrů. 11. Detektory a klasifikace. 12. Detekce signálů skrytých v šumech. 13. Gausovské směsné modely. PCA.
Cvičení na počítači
Vyučující / Lektor
Osnova