В моей лаборатории есть постдок, по специальности «статистическая обработка сигналов». Он имеет докторскую степень в области электротехники и анализирует собранные нейронные данные.
Мне интересно, какие курсы / темы я должен начать изучать по его стопам. Я не совсем ищу такие вещи, как статистика и обработка сигналов, у меня были базовые занятия в обоих, но мне все еще трудно понять его работу.
Ответы:
Иногда существуют курсы под названием «статистическая обработка сигналов», с этого неплохо бы начать :-) Если в вашем университете этого нет, попробуйте поискать «обнаружение и оценка» или «расширенную обработку сигналов». Если у вас нет под рукой университет, вы можете попробовать http://ocw.mit.edu/courses/electrical-engineering-and-computer-science/6-432-stochastic-processes-detection-and-estimation-spring -2004 /
Большая часть статистической обработки сигналов является линейной, поэтому вы должны изучить как можно больше линейной алгебры. Стохастические процессы - основополагающий курс. Теория управления имеет много общего с SSP и была бы очень полезна.
Этого должно быть достаточно для начала :-)
Эти классические ссылки являются хорошим началом:
Б. Порат, Цифровая обработка случайных сигналов, Прентис-Холл, 1994. Серийный номер библиотеки 2144342.
А. Папулис, Вероятность, случайные величины и случайные процессы, 3-е изд. McGraw-Hill, 1991. Серийный номер библиотеки 21111643.
С. М. Кей, Основы статистической обработки сигналов, том I: Теория оценки, Прентис-Холл, 1993. Серийный номер библиотеки 2157997.
Вы также можете попробовать лекционные заметки К. Т. Вонга (Университет Ватерлоо)
Вы также можете найти некоторые из этой серии лекций по адаптивной обработке сигналов проф M.Chakraborty на YouTube использования
Привет,
Предполагая, что вы заинтересованы в проведении исследований в этой области, я советую следовать по пути, основанному на прочных основах математики.
Я знаю это, потому что я только что закончил преподавать курс по оценке и обнаружению, и я могу заверить вас, что существует тесная связь между качеством и новизной работы и вашими знаниями по математике.
Что за математика?
Линейная алгебра:
Вы должны знать о векторных пространствах и матричной алгебре, потому что; как уже писал кто-то, существует множество теорий и алгоритмов, которые вписываются в этот тип моделей. Некоторые результаты, которые часто используются, это обратная матричная лемма, все, что связано с матричными разложениями.
Теория вероятностей и случайные процессы
Это тоже ключ. Статистическая обработка сигналов связана с методами обнаружения и оценки информации (логического вывода) с использованием ошибочных наблюдений (шум) явлений, которые также могут быть случайными.
Так что вам нужно знать, как обращаться с такого рода объектами. Базовый курс по вероятности может дать вам хорошую отправную точку (тот, который охватывает случайные величины и случайные векторы и, мы надеемся, немного расскажет о случайных последовательностях и процессах), но желательно пройти второй курс, сфокусированный на случайных процессах. Вы должны быть уверены в этих идеях, поскольку они позволят вам понять многие приложения и практические реализации, используемые в исследованиях и технологиях.
На втором уровне я также рассмотрю возможность пройти курс по оптимизации, так как вычисление оценок в основном основано на решении задач максимизации и минимизации (оценки максимального правдоподобия, оценки минимальной среднеквадратичной ошибки и т. Д.).
Конечно, есть и «алгоритмическая» точка зрения, где вы больше концентрируетесь на процедурах статистической обработки сигналов для быстрых вычислений, конвергенции, малой сложности и т. Д., Но в конце концов разработка новых идей требует хорошей основы математики. ,
Обратите внимание, что ваше знание внутренней работы данного явления также является ключом к созданию моделей, которые вы планируете использовать в данной установке. В этом смысле практический опыт, который вы можете получить на курсе цифровых коммуникаций, цифровой обработки сигналов и даже электронных схем, может оказаться неоценимым, чтобы дать вам преимущество в качестве исследователя.
Если у вас есть еще вопросы, не стесняйтесь обращаться ко мне.
Ура, Патрисио
Как tdcуже упоминалось, «Папулис» (RIP одному из лидеров в этой области) является одной из лучших книг, но вам, возможно, придется сначала войти в нее с помощью чего-то вроде http://www.amazon.com/Discrete-Time-Signal. -Processing-2nd-Prentice-Hall / dp / 0137549202, если у вас не было хорошего курса бакалавриата / магистратуры по обработке сигналов (у меня этого не было, и это немного больно).
С более статистической точки зрения (но все еще очень актуально для инженеров) http://www.amazon.com/Random-Data-Measurement-Procedures-Probability/dp/0470248777/ref=sr_1_1?s=books&ie=UTF8&qid=1323737134&sr= 1-1 . Это заполнено информацией, так что чтение очень медленное.
я прочел
Van Den Bos, Adriaan: "Parameter Estimation for Scientists and Engineers"
Он объясняет оценку параметров (максимальное правдоподобие, наименьшие квадраты), свойства оценщиков (точность, точность), а также способы оценки этих свойств.
Книга содержит объяснения некоторых численных методов, используемых для оценки.