TSKS15 · 6 hp · Avancerad nivå (A1N) · Elektroteknik
Detektion och estimering av signaler
Ges · nästa start HT 2026
49 %
klarade senaste ordinarie tentan
TEN1 · 29 okt 2025 · 35 studenter
60 %
klarade ordinarie tentorna, alla tillfällen de senaste 5 åren
TEN1 · 153 studenter
Ovanligt svår 2025/26
49 % klarade ordinarie tentan läsåret 2025/26 (35 studenter), mot 64 % i snitt åren innan (118 studenter).
Ingår i 5 program
Tentamen
TEN1 Skriftlig tentamen
- 5
- 4
- 3
- U
Ordinarie tentor
60 % godkända · 153 studenter
- 49 %35
- 61 %28
- 51 %35
- 72 %29
- 73 %26
Omtentor
68 % godkända · 31 studenter
- 83 %12
- 63 %8
- 100 %6
- 0 %5
- Klarar omtentan: 68 % (31 studenter), jämfört med 60 % (153 studenter) på ordinarie
- Får 4 eller 5: 21 % (184 studenter)
Visa små tillfällen (6)
Tillfällen med färre än 5 studenter, ofta tillgodoräknanden eller specialtillfällen. De ingår inte i någon siffra på sidan.
- 75 %4
- 0 %4
- 67 %3
- 25 %4
- 0 %2
- 100 %1
Övriga moment
Deltentor, inlämningar och laborationer. De ingår inte i siffrorna överst.
Inlämning eller laboration
LAB1 Datorlaborationer
- G
Ordinarie tillfällen
100 % godkända · 131 studenter
- 100 %34
- 100 %21
- 100 %30
- 100 %27
- 100 %19
Senare tillfällen
Inga tillfällen med minst 5 studenter.
Visa små tillfällen (7)
Tillfällen med färre än 5 studenter, ofta tillgodoräknanden eller specialtillfällen. De ingår inte i någon siffra på sidan.
- 100 %1
- 100 %1
- 100 %1
- 100 %1
- 100 %1
- 100 %1
- 100 %1
Om kursen
Mål
Efter genomgången kurs skall studenten kunna följande:
- Förstå och analysera fundamentala koncept och begränsningar för detektion och estimering, såsom receiver-operator characteristic och Cramer-Rao bound.
- Tillämpa både klassiska och Bayesianska detektions- och estimeringsmetoder på linjära och olinjära signalmodeller, såsom att utföra hypotesprövningar.
- Beskriva, tillämpa och implementera parameterskattning via maximum-likelihood samt detektion med Bayesianska metoder i ett vedertaget programspråk. I allmänhet bör studenten kunna uppvisa en ingenjörsmässig förståelse för dessa ämnen.
Innehåll
Binära hypotestest, Neyman-Pearsonsatsen, felsannolikhet. M-värda detektionsproblem. Bayes kostnad och minimum-felsannolikhet. "Nuisance parameters." Klassisk estimering: maximum-likelihood. Cramer-Rao gränsen, Slepian-Bangs formel, effektivitet. Linjära, vektorvärda modeller med brus. Olinjära modeller. Brusvitning, gaussiskt brus. Bayesiansk estimering: MMSE och LMMSE. Komposit hypotestestning: GLRT och Bayesianska metoder. Prestandaberäkningar, asymptotiska egenskaper hos skattningar. Tillämpningar inom radar- och kommunikations-teknik: amplitud- och fasestimering, frekvensskattningar, vinkel ("angle-of-arrival")-estimering, skattning av tidsfördröjningar, positionering, koherent och ickekoherent detektion av vågformer.
- Examinator
- Karl-Ludwig Besser
- Schemalagd tid
- 44 h
- Huvudområde
- Elektroteknik