Course syllabus

Jump to today

Kurs-PM

ESS011 Matematisk statistik och signalbehandling lp4 VT20 (7,5 hp)

Kursen ges av institutionen för Elektroteknik

Kontaktuppgifter

Kursens syfte

Kursdelen syftar till att ge en grundläggande förståelse för matematisk statistik och sannolikhetslära, samt grundläggande förståelse för olika filtertekniker som används vid signalbehandling.

Schema

TimeEdit

Kurslitteratur

Statistik

  • Kursbok: Stokastik för ingenjörer av Jesper Rydén. Andra upplagan följs under kursen, men första upplagan borde också gå att använda utan problem. Säljs av Cremona.
  • Kompendium med föreläsningsanteckningar och kompletterande övningar för statistikdelen. Tillgängligt via Canvas.
  • Igor Rychliks kompendium: Additional material for ESS011 från föregående år. Tillgängligt via Canvas.
  • Datorlabb 1 för statistikdelen: Fördelningar och slumpvariabler. Tillgänglig via Canvas.
  • Datorlabb 2 för statistikdelen: Slumptal, slumpsignaler och filtrering. Tillgänglig via Canvas.

Signalbehandling

  • Kursbok: Transformer och filter, andra upplagan av Lars Bengtsson och Bill Karlström. Säljs av Cremona.
  • Labbkompendium Signalbehandling, tillgängligt via Canvas.
  • Projektbeskrivning Signalbehandling, tillgänglig via Canvas
  • Föreläsningsslides Signalbehandling, tillgängliga via Canvas.

Kursens upplägg

Se skriftligt Kurs-PM för detaljer om föreläsningar, övningar, laborationer, projekt, samt examination. Ett detaljerat schema finns som pdf här samt som en egen modul. OBS: ändringar i schemat gällande datum, tid och sal kan ske. Ett uppdaterat schema finns alltid på TimeEdit.

Förändringar sedan förra kurstillfället

En sammanfattning av gjorda förändringar sedan förra kurstillfället, baserat på protokoll från kursnämndsmötet.

Lärandemål

  • redovisa fundamentala begrepp i sannolikhetsläran och kunna tillämpa dem på enkla problem.
  • tillämpa ett antal grundläggande statistiska metoder för ett- och tvåstickprovsfallen samt enkel linjär regression och korrelation.
  • att med sannolikhetslära förklara hur variation spelar en roll i de statistiska tillämpningarna, och hur man tar ställning till hur bra eller "säkra" metoderna är.
  • beskriva skillnaderna mellan analog och digital filtrering
  • omsätta signalbehandlingskrav till en filterspecifikation
  • konstruera analoga och digitala filter som uppfyller given specifikation
  • utföra grundläggande analys av en given filterdesign
  • konstruera enkla signalanpassade filter
  • förklara enkla begrepp inom statistisk signalbehandling
  • framställa Matlab-program som utför signalbehandling och analys

Examination

Se även Studieplanen.

Kursen examineras genom:

  • Godkänd signalbehandlingslaboration. Laborationen utförs i grupp om två studenter i Elektrotekniks kurslaboratorium i EDIT-huset, våning 5, rum nummer 5225. Eftersom kursen ges på distans utförs det praktiska arbetet i en simulerad miljö (matlab + simulink).

    • Inlämning av förberedelseuppgifter sker i elektronisk form (pdf) via Canvas

    • Deadline för inlämning av förberedelseuppgifter anges på Canvas

    • Inlämningar efter deadline kommer inte att rättas och medför att laborationen är underkänd för labbgruppens studenter

    • Om inlämning sker i tid och förberedelseuppgifterna inte är nöjaktigt lösta, ges möjlighet till en, men endast en, komplettering. Kompletteringen måste lämnas in på Canvas innan en deadline som meddelas berörd labbgrupp. Komplettering som lämnas in efter denna deadline rättas inte och medför att laborationen är underkänd för labbgruppens studenter.

    • Om förberedelseuppgifterna inte är nöjaktigt lösta, eventuellt efter en komplettering enligt föregående punkt, är laborationen underkänd för labbgruppens studenter

    • Anmälan till laborationen görs via Canvas. Deadline för anmälan anges på Canvas. Anmälan efter deadline behandlas inte och medför att laborationen är underkänd för labbgruppens studenter.

    • Det praktiska arbetet redovisas i form av en labbrapport som skall innehålla svar till de frågor som finns i avsnitt 4 i labb-PM.

    • Deadline för inlämning av labbrapporten anges på Canvas

    • Inlämningar efter deadline kommer inte att rättas och medför att laborationen är underkänd för labbgruppens studenter

    • Om inlämning sker i tid och de praktiska uppgifterna inte är nöjaktigt lösta, ges möjlighet till en, men endast en, komplettering. Kompletteringen måste lämnas in på Canvas innan en deadline som meddelas berörd labbgrupp. Komplettering som lämnas in efter denna deadline rättas inte och medför att laborationen är underkänd för labbgruppens studenter.

    • Godkända förberedelseuppgifter och godkänt praktiskt arbete på laborationen medför att laborationen är godkänd för labbgruppens studenter

  • Godkänt signalbehandlingsprojekt (konstruktionsövning). Projektet utförs i grupp om två studenter, och redovisas via inlämning av en hemuppgift och ett Matlab-program, samt ett muntligt förhör.

    • Inlämning av projektuppgifter sker i elektronisk form via Canvas

    • Deadline för inlämning av projektuppgifter anges på Canvas

    • Inlämningar efter deadline kommer inte att rättas och medför att projektet är underkänt för projektgruppens studenter

    • Om inlämning sker i tid och projektuppgifterna inte är nöjaktigt lösta, ges möjlighet till en, men endast en, komplettering. Kompletteringen måste lämnas in på Canvas innan en deadline som meddelas berörd projektgrupp. Komplettering som lämnas in efter denna deadline rättas inte och medför att projektet är underkänt för projektgruppens studenter.

    • Om projektuppgifterna inte är nöjaktigt lösta, eventuellt efter en komplettering enligt föregående punkt, är projektet underkänt för projektgruppens studenter

    • Anmälan till muntligt förhör görs via Canvas. Deadline för anmälan anges på Canvas. Anmälan efter deadline behandlas inte och medför att projektet är underkänt för projekt- gruppens studenter.

    • Godkända projektuppgifter och godkänt muntligt förhör medför att projektet är godkänt för projektgruppens studenter

  • Godkänd skriftlig salstentamen på fyra timmar. Tentor från tidigare år finns att tillgå i Canvas. Troligt datum för tentamen är 1 juni, 2020  (obs: vid eventuell ändring av tentamensdatum så finns alltid korrekt uppgift i Ladok).

 

Course summary:

Date Details Due