C'è un postdoc nel mio laboratorio la cui specialità è "l'elaborazione del segnale statistico". Ha un dottorato di ricerca in ingegneria elettrica e analizza i dati neurali raccolti.
Mi chiedo quali corsi / argomenti dovrei iniziare a studiare per seguire le sue orme. Non sto esattamente cercando cose come la statistica e l'elaborazione del segnale, ho avuto lezioni di base in entrambi ma trovo ancora difficile capire il suo lavoro.
Risposte:
A volte ci sono corsi intitolati "elaborazione del segnale statistico", che è un buon punto di partenza :-) Se la tua università non ha questo, prova a cercare "rilevazione e stima" o "elaborazione avanzata del segnale". Se non hai un'università a portata di mano, puoi provare http://ocw.mit.edu/courses/electrical-engineering-and-computer-science/6-432-stochastic-processes-detection-and-estimation-spring -2004 /
Gran parte dell'elaborazione del segnale statistico è lineare, quindi dovresti imparare quanta più algebra lineare possibile. I processi stocastici sono un corso fondamentale. La teoria del controllo condivide molto con SSP e sarebbe molto utile.
Questo dovrebbe essere sufficiente per iniziare :-)
Questi riferimenti classici sono un buon inizio:
B. Porat, Elaborazione digitale di segnali casuali, Prentice-Hall, 1994. Numero di serie della biblioteca 2144342.
A. Papoulis, Probabilità, variabili casuali e processi stocastici, 3a edizione. , McGraw-Hill, 1991. Numero di serie della biblioteca 21111643.
SM Kay, Fundamentals of Statistical Signal Processing, Volume I: Estimation Theory, Prentice-Hall, 1993. Numero di serie della biblioteca 2157997.
Potresti anche provare gli appunti di KT Wong (University of Waterloo)
Potresti anche trovare alcune di queste serie di lezioni sull'elaborazione adattiva del segnale del Prof. M. Chakraborty su YouTube di utilizzo
Ciao,
Supponendo che tu sia interessato a fare ricerche sul campo, ti consiglierò seguendo un percorso costruito su solide basi in matematica.
Lo so, perché ho appena finito di insegnare un corso in Stima e rilevazione e posso assicurarti che esiste una forte correlazione tra la qualità e la novità del lavoro e la tua conoscenza della matematica.
Che tipo di matematica?
Algebra lineare:
Devi conoscere gli spazi vettoriali e l'algebra della matrice perché; come qualcun altro ha pubblicato prima, ci sono molte teorie e algoritmi che approfondiscono questo tipo di modelli. Alcuni risultati che vengono spesso utilizzati sono Inverse Matrix Lemma, tutto ciò che riguarda le decomposizioni matriciali.
Teoria della probabilità e processi stocastici
Anche questa è la chiave. L'elaborazione statistica del segnale riguarda metodi per rilevare e stimare informazioni (inferenza) usando osservazioni errate (rumorose) di fenomeni che potrebbero anche essere casuali.
Quindi devi sapere come gestire questo tipo di oggetto. Un corso di base sulla probabilità può darti un buon punto di partenza (uno che copre variabili casuali e vettori casuali, e si spera che parli un po 'di sequenze e processi casuali), ma è auspicabile seguire un secondo corso, focalizzato su processi casuali. Devi avere una certa confidenza con queste idee poiché ti permetterà di comprendere molte applicazioni e implementazioni pratiche utilizzate nella ricerca e nella tecnologia.
A un secondo livello prenderò in considerazione anche un corso di ottimizzazione, poiché il calcolo degli stimatori si basa principalmente sulla risoluzione di problemi di massimizzazione e minimizzazione (stimatori della massima verosimiglianza, stimatore dell'errore quadrato medio minimo, ecc.)
Naturalmente, esiste anche il punto di vista "algoritmico", in cui ti concentri maggiormente sulle procedure statistiche di elaborazione del segnale per il calcolo veloce, la convergenza, la bassa complessità, ecc., Ma alla fine lo sviluppo di nuove idee richiede una buona base in matematica .
Nota che la tua conoscenza del funzionamento interno di un dato fenomeno è anche la chiave per produrre i modelli che prevedi di usare in una data configurazione. In questo senso, l'esperienza pratica che puoi ottenere da un corso di comunicazione digitale, elaborazione del segnale digitale e persino circuiti elettronici può essere preziosa per darti un vantaggio come ricercatore.
Se hai altre domande, non esitare a contattarmi.
Saluti, Patricio
Come tdcè stato detto, Papoulis (PIR di uno dei leader di questo campo) è uno dei migliori libri, ma potrebbe essere necessario entrare prima attraverso qualcosa come http://www.amazon.com/Discrete-Time-Signal -Processing-2nd-Prentice-Hall / dp / 0137549202 se non hai avuto un buon corso di laurea / laurea in elaborazione dei segnali (non l'ho fatto, e mi ha fatto un po 'male).
Da una prospettiva più statistica (ma ancora molto valida per gli ingegneri) è http://www.amazon.com/Random-Data-Measurement-Procedures-Probability/dp/0470248777/ref=sr_1_1?s=books&ie=UTF8&qid=1323737134&sr= 1-1 . Questo è pieno di branchie con informazioni, quindi è una lettura molto lenta.
ho letto
Van Den Bos, Adriaan: "Parameter Estimation for Scientists and Engineers"
Spiega la stima dei parametri (massima probabilità, minimi quadrati), le proprietà degli stimatori (precisione, accuratezza) e come stimare anche queste proprietà.
Il libro contiene spiegazioni di alcuni metodi numerici utilizzati per la stima.