Mètodes d'Estimació i Detecció
Codi: 45640Crèdits: 6
| Titulació | Tipus | Curs |
|---|---|---|
| Enginyeria de Telecomunicació | OB | 1 |
Professor/a de contacte
- Nom :
- José A. Lopez Salcedo
- Correu electrònic :
- jose.salcedo@uab.cat
Equip docent
- Gonzalo Seco Granados
Equip docent (extern a la UAB)
- Xing Liu
Idiomes dels grups
Podeu consultar aquesta informació al final del document.
Prerequisits
Es recomana tenir coneixements bàsics de processament estadístic del senyal.
Objectius
Aquest curs ofereix una visió general de la teoria de detecció i estimació, incloent marcs d'aprenentatge basats en dades tant clàssics com moderns. El curs introdueix primer el tema de la teoria de la detecció, mitjançant mètodes seqüencials i basats en classificació, així com l'avaluació de les seves prestacions. A continuació, el curs cobreix mètodes d'estimació clàssics, incloent el mètode de mínims quadrats recursius (RLS), abans de passar a tècniques d'estimació bayesianes com el filtre de Kalman. A partir d'aquesta base, el curs introdueix l'estimació "sparse" i la detecció comprimida, seguida de tècniques d'aprenentatge bayesià i models gràfics probabilístics. En conjunt, aquests temes aporten als estudiants les eines teòriques i les tècniques algorítmiques necessàries per a dissenyar i analitzar sistemes d'estimació i detecció per a aplicacions modernes de processament de senyals.
Resultats d'aprenentatge
- (CA04) Implementar receptors digitals per a fer-ne ús en aplicacions de telecomunicació, tant fixes com mòbils.
- (CA05) Aplicar tècniques de processament de senyal en contextos interdisciplinaris, com bioenginyeria, finances o processos industrials.
- (KA04) Comparar els mètodes d’estimació clàssica i els mètodes d’estimació bayesiana i identificar-ne les característiques diferencials.
- (KA05) Enumerar les principals tècniques de detecció de senyal i la seva aplicació a problemes amb coneixement total o parcial dels paràmetres implicats.
- (SA07) Aplicar mètodes d’estimació clàssica i bayesiana, així com mètodes de detecció, per resoldre problemes que impliquin el processament de senyals en receptors digitals.
- (SA08) Dissenyar tècniques de processament de senyal en sistemes de radionavegació, posicionament i radar.
- (SA09) Avaluar les prestacions dels mètodes d’estimació i detecció mitjançant anàlisi teòrica i simulació.
Continguts
1. Mètodes de detecció
- Principis de la teoria de la detecció
- Prestacions dels mètodes de detecció.
- Criteris de detecció per a distribucions estadístiques completament conegudes.
- Criteris de detecció en presència de paràmetres desconeguts.
- Detecció seqüencial.
- Classificació
2. Mètodes d'estimació clàssics
- Principis de la teoria de l'estimació.
- Estimació en presència de paràmetres no desitjats.
- Mínims quadrats recursius (RLS).
- Cotes inferiors de prestacions.
3. Mètodes d'estimació bayesiana
- Estimadors bayesians (generals i lineals).
- Filtre de Kalman.
- Cotes inferiors bayesianes.
4. Estimació i aprenentatge "sparse"
- Representació de senyals "sparse"
- Caracterització de normes l0, l1, l2
- Algoritmes: LASSO, algoritmes "greedy", algoritmes iteratius de shrinkage/thresholding
- Detecció comprimida
5. Aprenentatge bayesià
- Algoritme EM
- Aprenentatge bayesià "sparse" (SBL)
- Models de gaussianes mesclades
- Filtratge de partícules
6. Models gràfics probabilístics
- Models gràfics
- Xarxes bayesianes
- Gràfics factorials
Activitats formatives i Metodologia
| Títol | Hores | ECTS | Resultats d'aprenentatge |
|---|---|---|---|
| Tipus: Autònoma | |||
| Treball individual de l'alumne: estudi i resolució de problemes | 70 | 2,8 | CA04, CA05, KA04, KA05, SA07, SA08 |
| Treball individual de l'alumne: preparació de pràctiques | 20 | 0,8 | CA04, CA05, KA04, SA07, SA08, SA09 |
| Tipus: Dirigida | |||
| Classes de teoria | 30 | 1,2 | CA05, KA04, KA05, SA07, SA08, SA09 |
| Sessions de laboratori | 15 | 0,6 | CA04, KA04, SA07, SA08, SA09 |
| Tipus: Supervisada | |||
| Tutories | 9 | 0,36 | CA05, KA05, SA07, SA08 |
Activitats presencials
- Classes de teoria: exposició dels continguts teòrics
- Pràctiques de laboratori: aplicació de les tècniques presentades a les classes de teoria a diferents sistemes reals i posada en pràctica amb diferents programaris de simulació.
- Exàmens parcials i final.
Activitats autònomes
- Estudi dels continguts teòrics i pràctics de l'assignatura.
- Resol·lució dels problemes i el·laboració de lliuraments amb sol·lucions d'alguns conjunts de problemes.
- Preparació dels exàmens.
- Treballs pràctics: realització i aprofundiment de les pràctiques de laboratori.
Avaluació
Activitats d'avaluació continuada
| Títol | Pes | Hores | ECTS | Resultats d'aprenentatge |
|---|---|---|---|---|
| Examen 1 | 35% | 2 | 0,08 | CA05, KA04, KA05, SA07, SA08, SA09 |
| Examen 2 | 35% | 2 | 0,08 | CA05, KA04, SA08, SA09 |
| Laboratori | 30% | 2 | 0,08 | CA04, CA05, KA04, SA07, SA08, SA09 |
La nota final de l'assignatura s'obté com el promig ponderat de les notes obtingudes a les activitats d'avaluació continuada.
Recuperació
L'estudiant té la opció de fer un examen de recuperació, el qual es durà a terme una vegada finalitzades les classes presencials, durant el període d'exàmens de recuperació fixat per l'escola. A l'examen de recuperació, l'estudiant podrà recuperar la part corresponent a l'examen 1, la part corresponent a l'examen 2, o a totes dues alhora. En qualsevol cas, la nota de l'examen de recuperació, sigui corresponent a la recuperació de l'examen 1 o de l'examen 2, substituirà la nota que hagi tret l'estudiant a l'examen que està recuperant.
Una vegada substituïda la nota de l'examen recuperat, la nota final de l'assignatura s'obté igualment com el promig de les notes dels exàmens (recuperats, si és el cas) i de la nota de laboratori.
Integritat acadèmica i verificació de l’autoria
El professorat es reserva el dret de convocar una entrevista o una prova oral individual de contrast quan hi hagi indicis de còpia o de manca d’autoria en una activitat avaluable. La impossibilitat d’acreditar satisfactòriament l’autoria podrà tenir efectes sobre la seva qualificació, d’acord amb la normativa acadèmica vigent.
Consideració de "No Avaluable"
La nota final serà "No Avaluable" només quan l'estudiant no es presenti a cap examen, ni els de l'avaluació continuada ni el de recuperació.
Consideració en cas de còpia o plagi
Sense perjudici d'altres mesures disciplinàries que s'estimin oportunes, i d'acord amb la normativa acadèmica vigent, es qualificaran amb un zero les proves o informes on l'estudiant hagi comès les irregularitats, com plagi, engany, còpia, el fet de deixar copiar, etc., que podrien conduir a una variació de la qualificació.
Bibliografia
- S. M. Kay, Fundamentals of statistical signal processing. Estimation theory, vol. I, Prentice-Hall, 1993.
- S. M. Kay, Fundamentals of statistical signal processing. Detection theory, vol. II, Prentice-Hall, 1998.
- S. M. Kay, Fundamentals of statistical signal processing. Practical algorithm development, vol. III, Pearson, 2013.
- H. L. Van Trees, K. L. Bell, Bayesian bounds for parameter estimation of nonlinear filtering/tracking, IEEE Press, 2007.
- M. S. Grewal, A. P. Andrews, Kalman filtering: theory and practice using Matlab, John Wiley & Sons, 2001.
- S. Theodoridis, Machine Learning. From the Classics to Deep Networks, Transformers, and Diffusion Models, 3rd Ed., Academic Press, 2024.
Programari
Les sessions de laboratori faran ús del programari Matlab.
Grups i idiomes de l'assignatura
La informació proporcionada és provisional fins al 30 de novembre. A partir d'aquesta data, podreu consultar l'idioma de cada grup a través d'aquest enllaç. Per accedir a la informació, caldrà introduir el CODI de l'assignatura
| Tipus de docència | Grup | Idioma | Semestre | Torn |
|---|---|---|---|---|
| (TEmRD) Teoria (màster RD) | 1 | Anglès | primer quadrimestre | tarda |
| (PLABmRD) Pràctiques de laboratori (màster RD) | 1 | Anglès | primer quadrimestre | tarda |