Dokuz Eylül Üniversitesi Ders Katoloğu / Bilgi Paketi

Ders Bilgileri

Ders Kodu	Ders Adı	Ders Türü	D	U	L	AKTS
EEE 5069	UYGULANABİLİR FİLTRELER TEORİSİ	SEÇMELİ	3	0	0	8

Dersi Veren Birim

Fen Bilimleri Enstitüsü

Dersin Düzeyi

Yüksek Lisans

Ders Koordinatörü

YRD.DOÇENT MEHMET EMRE ÇEK

Dersi Alan Birimler

Elektrik ve Elektronik Mühendisliği Tezsiz Yüksek Lisans (İ.Ö)
Elektrik ve Elektronik Mühendisliği Yüksek Lisans
Biyomedikal Teknolojiler Yüksek Lisans (İng)
İleri Biyomedikal Teknolojiler Sanayi Ortak Doktora
Elektrik ve Elektronik Mühendisliği Doktora

Dersin Amacı

Dersin amacı tekrarlamalı algoritmalar kullanarak doğrusal uyarlamalı süzgeçlerin çeşitli uygulamalarını sağlamak ve matematiksel teorisini vermektir.

Dersin Öğrenme Kazanımları

1	Süzgeçleme problemi için doğrusal süzgeç yapıları ve doğrusal optimum süzgeçleri açıklayabilmeli.
2	Uyarlanabilir süzgeçler için baz teşkil eden Wiener süzgeci ve Doğrusal Tahmin yöntemlerini kavrayabilmeli.
3	En düşük Ortalama Kare ve Tekrarlamalı En Düşük Kare uyarlamalı süzgeçleme tekniklerinin temel kısımlarını tanımlayabilmeli.
4	Genişletilmiş ve Kokusuz Kalman süzgeçleme yöntemlerini kullanarak doğrusal olmayan bir dinamik sistemden gözlenmiş işaretlerin uyarlamalı süzgeçlemesini gerçekleştirebilmeli.
5	Öğrennilen uyarlamalı süzgeçleme yöntemlerini karşılaştırabilmeli ve her bir yöntemin avantajlarını ve dezavantajlarını açıklayabilmeli.
6	Uyarlamalı süzgeçleme tekniklerinin kullanarak işaret işleme problemlerini bilgisayar ortamında çözebilmeli.

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta	Konular	Açıklama
1	Olasılıklı İşlemler ve Rassal İşaretler Hakkında Arka Plan Bilgisi.
2	Wiener Süzgeçleri
3	Doğrusal Geri ve İleri Tahmin, Levinson Durbin Algoritması, Cholesky Çarpımsallaştırması.
4	En Dik Azalan Yöntemi.
5	En düşük Ortalama Kare Hata Uyarlamalı Süzgeçler (İng. LMS), LMS Algoriması ile En Dik Azalan Algoritmasının Karşılaştırılması.
6	Proje Çalışması
7	Normalize Edilmiş Ortalama En Düşük Kare Uyarlamalı Süzgeçler
8	En Düşük Kare Yöntemi
9	Tekrarlamalı En Düşük Kare Uyarlamalı Süzgeçler (İng. RLS)
10	RLS Algorimasının Yakınsama Analizi
11	Proje Çalışması
12	Kalman Süzgeçleri, Kalman Süzgeçleme Probleminin İfadesi.
13	Genişletilmiş ve Kokusuz Kalman Süzgeçleri.
14	Proje Sunumları Öncesi Değerlendirme.

Ders İçin Önerilen Kaynaklar

Adaptive Filter Theory, Simon Haykin, Prentice Hall, Fourth Edition, 2002.

Öğrenme ve Öğretme Yöntemleri

Konuların yüz yüze öğrencilere aktarılması öğretme yöntemidir. Öğrencinin, derste işlenilen konuların bilgisyarda uygulamasını gerçekleştirmesi öğrenme yöntemini oluşturmaktadır. Bunun için, öğrenciler dönem sonuna yakın bir dönem projesinden sorumlu olurlar ve benzetim tabanlı uygulama dönem notu yerine geçer.

Değerlendirme Yöntemleri

SIRA NO	KISA KOD	UZUN ADI	FORMUL
1	PRJ	PROJE
2	YSBN	YIL SONU BAŞARI NOTU	PRJ * 1

Değerlendirme Yöntemlerine İliskin Aciklamalar

Yok

Değerlendirme Kriteri

Dönem Projesi

Dersin Öğretim Dili

İngilizce

Derse İlişkin Politika ve Kurallar

İlan Edilecektir.

Dersin Öğretim Üyesi İletişim Bilgileri

emre.cek@deu.edu.tr

Ders Öğretim Üyesi Görüşme Gün ve Saatleri