ADSP
هدف: تحلیل طیف زمانی ومکانی سیگنالهای تصادفی
هدف: تحلیل طیف زمانی ومکانی سیگنالهای تصادفی
سرفصل درس:
معرفی تابع خودهمبستگی و ماتریس کواریانس
تعریف طیف انرژی و توان برای سیگنالهای یقیینی و تصادفی
روشهای تخمین طیف ناپارامتری (پریودوگرام و کرولوگرام)
محاسبه بایاس و واریانس پریودوگرام
روشهای اصلاحی پریودوگرام (بلکمن توکی-بارتلت-ولچ-دانیل)
معرفی مدلهای آماری AR, MA, ARMA
روشهای پارمتری تخمین طیف
معادلات یول-واکر
پیشگوبی خطی
الگوریتم لوینسون-دوربن
الگوریتم برگ
روشهای تخمین مرتبه مدل
مدلهای چندکاناله
مدلهای چند بعدی
معرفی طیف های خطی
روشهای تخمین فرکانس سیگنالهای سینوسی
روش NLS
الگوریتم HOYW
روشهای مبتنی بر زیر فضا (MUSIC, ESPRIT )
الگوریتم پیزارنکو و rootmusic
مقدمه ای برپردازش سیگنال ارایه ای
سیگنال آرایه یکنواحت خطی
روشهای شکل دهی پرتو
روشهای تخمین زاویه ورود(NLS, MUSIC, ESPRIT, Capon )
الگوریتم های وفقی جهت فیلترینگ و شکل دهی پرتو
الگوریتم steepest Descent
معادلاات وینر هاف
آنالیز همگرایی
الگوریتم LMS
مراجع:
1. Spectral analysis of signals, Peter Stoica and R. Moses, Prentice Hall, 2005.
2. Adaptive filter theory, S Haykin.
3. Optimum array processing, H. L. Van Trees.