Navigacija

13M031STT - Statistička teorija telekomunikacija

Specifikacija predmeta
Naziv Statistička teorija telekomunikacija
Akronim 13M031STT
Studijski program Elektrotehnika i računarstvo
Modul
Tip studija master akademske studije
Nastavnik (predavač)
Nastavnik/saradnik (vežbe)
Nastavnik/saradnik (DON)
    Broj ESPB 6.0 Status predmeta izborni
    Uslovljnost drugim predmetima nema
    Ciljevi izučavanja predmeta Uvod u statističku analizu signala u telekomunikacijama. Osnovi teorije filtracije i detekcije. Primena izložene teorije pri projektovanju telekomunikacionih sistema i statističkoj analizi velike količine podataka.
    Ishodi učenja (stečena znanja) Nakon kursa, studenti postaju upoznati sa osnovnim metodama koje koriste probabilistički pristup u tretiranju i rešavanju problema u telekomunikacijama. Posebna pažnja biće posvećena primeni stečenih znanja pri analizi performansi telekomunikacionih sistema, kao i primeni metoda statističke analize pri donošenju optimalnih odluka vezanih za pretragu skrivenih informacija u velikim skupovima podataka.
    Sadržaj predmeta
    Link ka stranici predmeta https://teams.microsoft.com/l/team/19%3Arj1SBYLtuB1QcuFn2uuz4U61Zhzigol7bRt8qBq2FQ41%40thread.tacv2/conversations?groupId=e592d585-efb0-438a-8576-14d36a5ddf2f&tenantId=1774ef2e-9c62-478a-8d3a-fd2a495547ba
    Sadržaj teorijske nastave Raspodele i transformacije slučajnih promenljivih. Karakteristična funkcija. Matrice korelacije i kovarijanse. Izdvajanje glavnih komponenti i dekompozicija po singularnim vrednostima. Estimacija, predikcija i detekcija signala. Detekcija u višeantenskim radio sistemima (MIMO), prostorno vremenski kodovi. Regresiona analiza. Analiza podataka, primena matričnih metoda u prepoznavanju obrazaca.
    Sadržaj praktične nastave Računske vežbe i domaći zadaci
    Literatura
    1. D. Drajić, Uvod u statističku teoriju telekomunikacija, II izdanje, Akademska misao, 2006, Beograd.
    2. D. Middleton, An Introduction to Statistical Communication Theory, McGraw-Hill Book Company, New York, 1958. (2nd reprint Ed., IEEE Press, New York 1996.)
    3. H. L. Van Trees, Detection, Estimation, and Modulation Theory, Part I: Detection, Estimation, and Linear Modulation Theory, John Wiley & Sons, Inc., New York, 2001.
    4. T. Hastie, R. Tibshirani, J. Friedman, The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Springer, 2009.
    5. P. Moulin, V. Veeravalli, Statistical Inference for Engineers and Data Scientists, Cambridge University Press, 2018.
    Broj časova aktivne nastave nedeljno tokom semestra/trimestra/godine
    Predavanja Vežbe DON Studijski i istraživački rad Ostali časovi
    3 1
    Metode izvođenja nastave Predavanja, auditorne vežbe. Domaći zadaci u formi pisanja eseja i rešavanja računskih zadataka, projekata (po izboru).
    Ocena znanja (maksimalni broj poena 100)
    Predispitne obaveze Poena Završni ispit Poena
    Aktivnosti u toku predavanja 0 Pismeni ispit 40
    Praktična nastava 60 Usmeni ispit 0
    Projekti
    Kolokvijumi 0
    Seminari 0