Có một postdoc trong phòng thí nghiệm của tôi có chuyên môn là "xử lý tín hiệu thống kê". Ông có bằng tiến sĩ về Kỹ thuật điện và ông phân tích dữ liệu thần kinh được thu thập.
Tôi đang tự hỏi những khóa học / chủ đề nào tôi nên bắt đầu học để theo bước chân của mình. Tôi không chính xác tìm kiếm những thứ như thống kê và xử lý tín hiệu, tôi đã có các lớp cơ bản trong cả hai nhưng vẫn khó hiểu công việc của mình.
Câu trả lời:
Đôi khi, có những khóa học mang tên 'xử lý tín hiệu thống kê', đó là một nơi tốt để bắt đầu :-) Nếu trường đại học của bạn không có điều này, hãy thử tìm kiếm 'phát hiện và ước tính' hoặc 'xử lý tín hiệu nâng cao'. Nếu bạn không có một trường đại học tiện dụng, bạn có thể thử http://ocw.mit.edu/cifts/electrical-engineering-and-computer-science/6-432-stochastic- Processes-detection-and-estimation-spring -2004 /
Nhiều xử lý tín hiệu thống kê là tuyến tính, vì vậy bạn nên học càng nhiều đại số tuyến tính càng tốt. Quá trình Stocastic là một khóa học nền tảng. Lý thuyết điều khiển chia sẻ nhiều với SSP, và sẽ rất hữu ích.
Điều này là đủ cho một sự khởi đầu :-)
Các tài liệu tham khảo cổ điển này là một khởi đầu tốt:
B. Hiên, Xử lý kỹ thuật số tín hiệu ngẫu nhiên, Prentice-Hall, 1994. Số sê-ri thư viện 2144342.
A. Papoulis, Xác suất, Biến ngẫu nhiên và Quá trình ngẫu nhiên, Ed 3. , McGraw-Hill, 1991. Số sê-ri thư viện 21111643.
SM Kay, Nguyên tắc cơ bản của xử lý tín hiệu thống kê, Tập I: Lý thuyết ước tính, Prentice-Hall, 1993. Số sê-ri thư viện 2157997.
Bạn cũng có thể thử ghi chú bài giảng của KT Wong (Đại học Waterloo)
Bạn cũng có thể tìm thấy một số chuỗi bài giảng về Xử lý tín hiệu thích ứng của Giáo sư M.Chakraborty trên YouTube sử dụng
Chào,
Giả sử bạn quan tâm đến việc nghiên cứu trong lĩnh vực này, tôi sẽ tư vấn theo một con đường được xây dựng trên nền tảng vững chắc trong toán học.
Tôi biết điều này, vì tôi vừa mới hoàn thành việc giảng dạy một khóa về Dự toán & Phát hiện và tôi có thể đảm bảo với bạn rằng có một mối tương quan mạnh mẽ giữa chất lượng và tính mới của công việc và kiến thức toán học của bạn.
Loại toán nào?
Đại số tuyến tính:
Bạn cần biết về không gian vectơ và đại số ma trận vì; như một người khác đã đăng trước đây, có rất nhiều lý thuyết và thuật toán đi sâu với loại mô hình này. Một số kết quả thường được sử dụng là Bổ đề ma trận nghịch đảo, tất cả những gì phải làm với phân tách ma trận.
Lý thuyết xác suất và quá trình ngẫu nhiên
Đây cũng là chìa khóa. Xử lý tín hiệu thống kê là về các phương pháp phát hiện và ước tính thông tin (suy luận) bằng cách sử dụng các quan sát bị lỗi (nhiễu) của các hiện tượng cũng có thể là ngẫu nhiên.
Vì vậy, bạn cần biết làm thế nào để xử lý loại đối tượng này. Một khóa học cơ bản về xác suất có thể cung cấp cho bạn một điểm khởi đầu tốt (một khóa bao gồm các biến ngẫu nhiên và vectơ ngẫu nhiên, và hy vọng nói một chút về trình tự và quy trình ngẫu nhiên), nhưng mong muốn tham gia khóa học thứ hai, tập trung vào các quá trình ngẫu nhiên. Bạn cần có một chút tự tin với những ý tưởng này vì nó sẽ cho phép bạn hiểu nhiều ứng dụng và triển khai thực tế được sử dụng trong nghiên cứu và công nghệ.
Ở tầng thứ hai, tôi cũng sẽ xem xét tham gia một khóa học về Tối ưu hóa, vì tính toán của các công cụ ước tính chủ yếu dựa vào việc giải quyết các vấn đề tối đa hóa và tối thiểu hóa (ước tính khả năng tối đa, ước lượng sai số trung bình tối thiểu, v.v.)
Tất nhiên, cũng có quan điểm "thuật toán", trong đó bạn tập trung nhiều hơn vào các quy trình xử lý tín hiệu thống kê để tính toán nhanh, hội tụ, độ phức tạp thấp, v.v., nhưng cuối cùng, việc phát triển các ý tưởng mới đòi hỏi một nền tảng tốt trong toán học .
Lưu ý rằng kiến thức của bạn về hoạt động bên trong của một hiện tượng nhất định cũng là chìa khóa để tạo ra các mô hình bạn dự định sử dụng trong một thiết lập nhất định. Theo nghĩa đó, kinh nghiệm thực tế mà bạn có thể có được từ một khóa học về truyền thông kỹ thuật số, xử lý tín hiệu số và thậm chí các mạch điện tử có thể là vô giá để mang lại cho bạn một lợi thế như một nhà nghiên cứu.
Nếu bạn có thêm câu hỏi, đừng ngần ngại liên hệ với tôi.
Chúc mừng, Patricio
Như tdcđã trích dẫn, Papoulis (RIP cho một trong những nhà lãnh đạo của lĩnh vực này) là một trong những cuốn sách hay nhất, nhưng bạn có thể cần phải bước vào nó trước thông qua một cái gì đó như http://www.amazon.com/Discittle-Time-Signal -Processing-2nd-Prentice-Hall / dp / 0137549202 nếu bạn chưa có một khóa học đại học / tốt nghiệp sớm về xử lý tín hiệu (tôi đã không làm thế, và nó hơi đau một chút).
Từ góc độ thống kê hơn (nhưng vẫn rất hợp lệ đối với các kỹ sư) là http://www.amazon.com/Random-Data-Measairs-Procedures-Probability/dp/0470248777/ref=sr_1_1?s=books&ie=UTF8&qid=1323737134&sr= 1-1 . Điều này được đóng gói vào mang với thông tin, vì vậy nó đọc rất chậm.
tôi đã đọc
Van Den Bos, Adriaan: "Parameter Estimation for Scientists and Engineers"
Nó giải thích ước tính tham số (khả năng tối đa, bình phương nhỏ nhất), tính chất của công cụ ước tính (độ chính xác, độ chính xác) và cách ước tính các thuộc tính này.
Cuốn sách chứa các giải thích về một số phương pháp số được sử dụng để ước tính.