Infotext:
Die Neuauflage des Klassikers zur Statistischen Nachrichtentheorie erscheint nun als Studienausgabe komprimiert auf die prfungsrelevanten Kernfragen der Themenbereiche Detektion und Estimation und bercksichtigt neuere Entwicklungen in der Technik.
Die Studienausgabe gibt einen berblick ber Signalerkennung im Rauschen und Mustererkennung sowie Parameter- und Signalschtzung. Moderne Verfahren wie Wavelet-Transformation oder Clusterbildung mit unscharfen Partitionen werden bercksichtigt. Neben klassischen Verfahren der Detektion werden neuere, z.B. auf neuronale Netze und Fuzzy-Logik aufbauende Klassifikatoren diskutiert. Die Parameterschtzung behandelt neben Bayes- und Maximum-Likelihood-Anstzen auch adaptive Verfahren. Wiener- und Kalman-Filter sind Beispiele zur Signalschtzung. Die Grundlagen werden durch Anwendungsbeispiele aus der Praxis erlutert.
Die neu aufgenommenen Aufgaben sind so ausgelegt, dass beim selbstndigen Lsen zustzliche Erkenntnisse vermittelt werden. Im Internet werden ausfhrliche Lsungen der Aufgaben zum Herunterladen angeboten.
Geeignet fr Studierende hherer Semester der Fachrichtungen Elektrotechnik und Informationstechnik, Informatik und Technomathematik.
Inhaltsverzeichnis:
Detektion und Estimation.- Grundbegriffe der Statistik.- Signaldarstellung durch Vektoren.- Signal- und Mustererkennung.- Systeme fr die Signal- und Mustererkennung.- Parameterschtzung (Estimation).- Lineare Parameterschtzsysteme.- Wiener-Filter.- Kalman-Filter.- Literatur- und Sachverzeichnis.
Die Neuauflage des Klassikers zur Statistischen Nachrichtentheorie erscheint nun als Studienausgabe komprimiert auf die prfungsrelevanten Kernfragen der Themenbereiche Detektion und Estimation und bercksichtigt neuere Entwicklungen in der Technik.
Die Studienausgabe gibt einen berblick ber Signalerkennung im Rauschen und Mustererkennung sowie Parameter- und Signalschtzung. Moderne Verfahren wie Wavelet-Transformation oder Clusterbildung mit unscharfen Partitionen werden bercksichtigt. Neben klassischen Verfahren der Detektion werden neuere, z.B. auf neuronale Netze und Fuzzy-Logik aufbauende Klassifikatoren diskutiert. Die Parameterschtzung behandelt neben Bayes- und Maximum-Likelihood-Anstzen auch adaptive Verfahren. Wiener- und Kalman-Filter sind Beispiele zur Signalschtzung. Die Grundlagen werden durch Anwendungsbeispiele aus der Praxis erlutert.
Die neu aufgenommenen Aufgaben sind so ausgelegt, dass beim selbstndigen Lsen zustzliche Erkenntnisse vermittelt werden. Im Internet werden ausfhrliche Lsungen der Aufgaben zum Herunterladen angeboten.
Geeignet fr Studierende hherer Semester der Fachrichtungen Elektrotechnik und Informationstechnik, Informatik und Technomathematik.
Inhaltsverzeichnis:
Detektion und Estimation.- Grundbegriffe der Statistik.- Signaldarstellung durch Vektoren.- Signal- und Mustererkennung.- Systeme fr die Signal- und Mustererkennung.- Parameterschtzung (Estimation).- Lineare Parameterschtzsysteme.- Wiener-Filter.- Kalman-Filter.- Literatur- und Sachverzeichnis.