Back

ADSP

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.