Навигација

13М031СТТ - Статистичка теорија телекомуникација

Спецификација предмета
НазивСтатистичка теорија телекомуникација
Акроним13М031СТТ
Студијски програмНапредне информационе технологије у дигиталној трансформацији
Модул
Тип студијамастер академске студије
Наставник (предавач)
Наставник/сарадник (вежбе)
Наставник/сарадник (ДОН)
    Број ЕСПБ6.0Статус предметаизборни
    Условљност другим предметиманема
    Циљеви изучавања предметаУвод у статистичку анализу сигнала у телекомуникацијама. Основи теоријe филтрације и детекције. Примена изложене теорије при пројектовању телекомуникационих система и статистичкој анализи велике количине података.
    Исходи учења (стечена знања)Након курса, студенти постају упознати са основним методама које користе пробабилистички приступ у третирању и решавању проблема у телекомуникацијама. Посебна пажња биће посвећена примени стечених знања при анализи перформанси телекомуникационих система, као и примени метода статистичке анализе при доношењу оптималних одлука везаних за претрагу скривених информација у великим скуповима података.
    Садржај предмета
    Садржај теоријске наставеРасподеле и трансформације случајних променљивих. Карактеристична функција. Матрице корелације и коваријансе. Издвајање главних компоненти и декомпозиција по сингуларним вредностима. Естимација, предикција и детекција сигнала. Детекција у вишеантенским радио системима (МИМО), просторно временски кодови. Регресиона анализа. Анализа података, примена матричних метода у препознавању образаца.
    Садржај практичне наставеРачунске вежбе и домаћи задаци
    Литература
    1. Д. Драјић, Увод у статистичку теорију телекомуникација, II издање, Академска мисао, 2006, Београд.
    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.
    Број часова активне наставе недељно током семестра/триместра/године
    ПредавањаВежбеДОНСтудијски и истраживачки радОстали часови
    31
    Методе извођења наставеПредавања, аудиторне вежбе. Домаћи задаци у форми писања есеја и решавања рачунских задатака, пројеката (по избору).
    Оцена знања (максимални број поена 100)
    Предиспитне обавезеПоенаЗавршни испитПоена
    Активности у току предавања0Писмени испит40
    Практична настава60Усмени испит0
    Пројекти
    Колоквијуми0
    Семинари0