Dersin Ayrıntıları
YarıyılKoduAdıT+U+LKrediAKTSSon Güncelleme Tarihi
1EEE 502Statistical Signal Processing and Modelling3+0+03618.06.2026

 
Dersin Detayları
Dersin Dili İngilizce
Dersin Düzeyi Yüksek Lisans
Bölümü / Programı ELEKTRİK-ELEKTRONİK MÜH.(Tezli Y.Lisans)
Öğrenim Türü Örgün Öğretim
Dersin Türü Seçmeli
Dersin Öğretim Şekli Yüz Yüze
Dersin Amacı Bu dersin amacı, öğrencilere rastgele işaretlerin istatistiksel özelliklerini, stokastik süreçleri ve istatistiksel işaret işleme yöntemlerini öğretmektir. Ders kapsamında öğrencilerin; rastgele işaretlerin modellenmesi, korelasyon ve spektral analiz, doğrusal kestirim, Wiener filtreleme, parametrik modelleme, AR/MA/ARMA modelleri, kestirim yöntemleri ve temel karar verme yaklaşımları hakkında bilgi sahibi olmaları amaçlanmaktadır. Ayrıca öğrencilerin, istatistiksel işaret işleme yöntemlerini haberleşme, biyomedikal işaretler, radar, görüntü işleme ve mühendislik sistemlerinden elde edilen veriler üzerinde uygulayabilmeleri hedeflenmektedir.
Dersin İçeriği Rastgele değişkenler ve stokastik süreçlere giriş; rastgele işaretlerin ortalama, varyans, otokorelasyon ve güç spektral yoğunluğu ile tanımlanması; doğrusal sistemlerden geçen rastgele işaretler; spektral analiz; doğrusal kestirim; Wiener filtreleme; en küçük kareler yöntemi; parametrik işaret modelleme; AR, MA ve ARMA modelleri; model derecesi seçimi; kestirim teorisine giriş; maksimum olabilirlik kestirimi; işaret algılama ve karar verme problemlerinin temelleri; istatistiksel işaret işleme yöntemlerinin mühendislik uygulamalarında kullanımı.
Dersin Yöntem ve Teknikleri Ders; teorik anlatım, problem çözme, matematiksel modelleme, örnek işaretler üzerinde uygulama, bilgisayar destekli analiz ve ödev/proje çalışmaları ile yürütülür. Öğrencilerin istatistiksel işaret işleme yöntemlerini kavramaları için sınıf içi tartışmalar, algoritma türetimleri, MATLAB/Python tabanlı uygulamalar ve gerçek veya örnek veri setleri üzerinde analiz çalışmaları yapılır.
Ön Koşulları Yok
Dersin Koordinatörü Yok
Dersi Verenler Prof.Dr. Ergun Erçelebi ercelebi@gantep.edu.tr
Dersin Yardımcıları Yok
Dersin Staj Durumu Yok

Ders Kaynakları
Kaynaklar Hayes, M. H. (1996). Statistical Digital Signal Processing and Modeling. John Wiley & Sons.
Probability and Statistics, Signals and Systems, Digital Signal Processing, Linear Algebra, Numerical Methods.
Kay, S. M. (1993). Fundamentals of Statistical Signal Processing, Volume I: Estimation Theory. Prentice Hall.
Ders Notları Haftalık ders notları, çalışma soruları, uygulama dokümanları ve ilgili referans kitap bölümleri.

Ders Yapısı
Matematik ve Temel Bilimler %30
Mühendislik Bilimleri %50
Mühendislik Tasarımı %10
Alan Bilgisi %10

Planlanan Öğrenme Aktiviteleri ve Metodları
Etkinlikler ayrıntılı olarak "Değerlendirme" ve "İş Yükü Hesaplaması" bölümlerinde verilmiştir.

Değerlendirme Ölçütleri
Yarıyıl Çalışmaları Sayısı Katkı
Ara Sınav 1 % 30
Ödev 5 % 20
Proje 1 % 20
Yarıyıl Sonu Sınavı 1 % 30
Toplam :
8
% 100

 
AKTS Hesaplama İçeriği
İş Yükü Sayısı Süre Toplam İş Yükü (Saat)
Haftalık teorik ders saati 14 3 42
Okuma Faaliyetleri 14 2 28
İnternetten tarama, kütüphane çalışması 6 3 18
Materyal tasarlama, uygulama 6 4 24
Rapor hazırlama 1 12 12
Sunu hazırlama 1 6 6
Sunum 1 1 1
Ara sınav ve ara sınava hazırlık 1 20 20
Final sınavı ve final sınavına hazırlık 1 29 29
Toplam İş Yükü   AKTS Kredisi : 6 180

 
Dersin Öğrenme Çıktıları: Bu dersin başarılı bir şekilde tamamlanmasıyla öğrenciler şunları yapabileceklerdir:
Sıra NoAçıklama
1 Rastgele değişkenler, stokastik süreçler ve rastgele işaretlerin temel istatistiksel özelliklerini açıklar.
2 Rastgele işaretleri ortalama, varyans, otokorelasyon, çapraz korelasyon ve güç spektral yoğunluğu kavramlarıyla analiz eder.
3 Doğrusal sistemlerden geçen rastgele işaretlerin zaman ve frekans bölgesindeki davranışlarını değerlendirir.
4 Spektral analiz, doğrusal kestirim ve Wiener filtreleme yöntemlerini işaret işleme problemlerine uygular.
5 AR, MA ve ARMA gibi parametrik işaret modellerini kurar ve model parametrelerini belirler.
6 En küçük kareler, maksimum olabilirlik ve temel kestirim yöntemlerini kullanarak işaret modelleme problemlerini çözer.
7 İstatistiksel işaret işleme yöntemlerini haberleşme, biyomedikal işaretler, radar, görüntü işleme veya benzeri mühendislik problemlerine uygular ve elde edilen sonuçları yorumlar.

 
Ders Konuları
HaftaKonuÖn HazırlıkDökümanlar
1 Derse giriş, istatistiksel işaret işlemenin uygulama alanları Ders izlencesinin incelenmesi Ders notları, ilgili referans kitap bölümü
2 Rastgele değişkenler ve olasılık temelleri Olasılık kavramlarının tekrar edilmesi Ders notları, çalışma soruları
3 Stokastik süreçler ve rastgele işaretler Rastgele değişkenler konusunun incelenmesi Ders notları, ilgili referans kitap bölümü
4 Ortalama, varyans, otokorelasyon ve çapraz korelasyon Korelasyon kavramlarının gözden geçirilmesi Ders notları, uygulama dokümanı
5 Güç spektral yoğunluğu ve spektral analiz Fourier dönüşümünün tekrar edilmesi Ders notları, çalışma soruları
6 Doğrusal sistemlerden geçen rastgele işaretler LTI sistemlerin gözden geçirilmesi Ders notları, ilgili referans kitap bölümü
7 Doğrusal kestirim ve Wiener filtreleme Kestirim kavramlarının incelenmesi Ders notları, uygulama dokümanı
8 Ara sınav ve önceki konuların genel değerlendirilmesi Ara sınava hazırlık Ders notları, çalışma soruları
9 En küçük kareler yöntemi ve uyarlamalı filtrelemeye giriş Matris işlemlerinin tekrar edilmesi Ders notları, ilgili referans kitap bölümü
10 Parametrik işaret modelleme Modelleme kavramlarının incelenmesi Ders notları, uygulama dokümanı
11 AR, MA ve ARMA modelleri Zaman serisi modellerinin incelenmesi Ders notları, çalışma soruları
12 Model derecesi seçimi ve parametre kestirimi Parametrik modelleme konusunun tekrar edilmesi Ders notları, ilgili referans kitap bölümü
13 Maksimum olabilirlik kestirimi ve temel algılama problemleri Kestirim yöntemlerinin incelenmesi Ders notları, uygulama dokümanı
14 Mühendislik uygulamaları, proje sunumları ve genel tekrar Proje raporu ve sunum hazırlığı Ders notları, proje dokümanları

 
Dersin Program Çıktılarına Katkısı
P1 P2 P3 P4
Tüm 4 4 3 3
Ö1 4 2 1 1
Ö2 4 4 2 2
Ö3 4 4 2 2
Ö4 5 4 3 3
Ö5 5 4 3 3
Ö6 5 5 3 3
Ö7 4 5 4 4

  Katkı Düzeyi: 1: Çok Düşük 2: Düşük 3: Orta 4: Yüksek 5: Çok Yüksek

  
  https://obs.gaziantep.edu.tr/oibs/bologna/progCourseDetails.aspx?curCourse=568697&lang=tr