ET1541 - Signalbehandling med introduktion till maskininlärning

1. Beslut

Denna kurs är inrättad av dekan 2018-05-28. Kursplanen är fastställd av prefekten vid institutionen för matematik och naturvetenskap 2021-09-01 och gäller från 2021-09-01.

2. Förkunskapskrav

För tillträde till kursen krävs att följande kurser är genomgångna:
Linjär algebra, 6 hp,
Flervariabel analys, 6 hp,
Matematisk statistik, 6 hp.

3. Syfte och innehåll

3.1 Syfte

Kursen syftar till att ge de teoretiska grunderna inom modern digital signalbehandling samt att introducera maskininlärning. Kursen skall huvudsakligen ge grundläggande kunskaper i signal- och systemteori med avsikt att ge de nödvändiga matematiska verktygen för digital signalbehandling samt maskininlärning.

3.2 Innehåll

• Tidskontinuerliga signaler kontra tidsdiskreta, frekvensbegreppet
• Egenskaper hos tidsdiskreta system, såsom in- och utsignalsamband, faltning
• Sampling av tidskontinuerliga signaler, samplingsteoremet, vikning
• Sampling i frekvensplanet, diskreta fouriertransformen
• Linjära tidsinvarianta systems frekvensegenskaper och signalers frekvensinnehåll, spektrumskattning
• Adaptiva filter
• Artificiell intelligens och maskininlärning baserat på Least Mean Square-algoritmen

4. Lärandemål

Följande lärandemål examineras i kursen:

4.1. Kunskap och förståelse

Efter genomförd kurs ska studenten kunna:

visa kunskap och förståelse för grundläggande signalbehandlingsdefinitioner.
visa kunskap och förståelse för grundläggande egenskaper hos linjära system.
visa kunskap och förståelse för vikningsdistortion i samband med samplingsprocessen.
visa kunskap och förståelse för fouriertransformer.
visa kunskap och förståelse för filterstrukturer.
visa kunskap och förståelse för inlärningsprocessen i maskininlärningen.

4.2. Färdighet och förmåga

Efter genomförd kurs ska studenten kunna:

använda grundläggande signalbehandlingsdefinitioner.
använda olika egenskaper hos linjära system.
använda diskret fouriertransform för att analysera frekvensegenskaperna för diskreta signaler.
tillämpa samplingsprocessen för att konvertera mellan tidskontinuerliga och tidsdiskreta signaler.
tillämpa ett enkelt adaptivt filter.

4.3. Värderingsförmåga och förhållningssätt

Efter genomförd kurs ska studenten kunna:

ha förmåga att värdera filterlösningar för enkla tekniska problem.

5. Läraktiviteter

Kursen ges i form av föreläsningar, övningar och laborationer.

6. Bedömning och examination

Examinationsmoment för kursen

Kod	Benämning	Omf.	Betyg
2205	Salstentamen	4 hp	AF
2215	Laboration	2 hp	GU

Kursen bedöms med betygen A Utmärkt, B Mycket bra, C Bra, D Tillfredställande, E Tillräckligt, Fx Underkänd, något mer arbete krävs, F Underkänd.

I kurstillfällets information inför kursstart framgår i vilka examinationsmoment som kursens lärandemål examineras samt gällande bedömningsgrunder.

Examinator kan, efter samråd med högskolans FUNKA-samordnare, fatta beslut om anpassad examinationsform för att en student med varaktig funktionsvariation ska ges en likvärdig examination jämfört med en student utan funktionsvariation.

7. Kursvärdering

Kursvärdering ska göras i enlighet med BTH:s beslut om frågeställning i kursvärderingar och beslut om process för hantering och uppföljning av kursvärderingar.

8. Begränsningar i examen

Kursen kan ingå i examen men inte tillsammans med annan kurs vars innehåll, helt eller delvis, överensstämmer med innehållet i denna kurs.

9. Kurslitteratur och övriga lärresurser

James H McClellan, Schafer Ronald, Yoder Mark, "Digital Signal Processing First, Global Edition" 2:a uppl., Pearson, 2016, ISBN 9781292113869.
Material från institutionen