S. Haykin (2002). Adaptive Filter Theory. Prentice Hall. 0-13-083443-2,
Diğer Kaynaklar
B. Widrow and S.D. Stearns, “Adaptive signal processing”, Prentice Hall Inc., Englewood Cliffs, New Jersey, 1985.
A.H.Sayed, “Fundamentals of Adaptive Filtering”, Wiley Interscience, Hoboken, New Jersey, 2003.
B. Farhang-Boroujeny, “Adaptive Filters: Theory and Applications”, Wiley, Chichester, New York, 1998.
Haftalık Ders Programı
Hafta
Dersin İçeriği
Öğretim Yöntem ve Teknikleri
1. Hafta
Giriş ve rastgele sinyaller özeti
Anlatım
2. Hafta
Atokorelasyon matrisi ve özellikleri
Anlatım ve uygulama
3. Hafta
Stokastik modeller ve kararlılık
Anlatım ve uygulama
4. Hafta
Doğrusal optimum filtreleme, transversal filtre ve Wiener filtreleri
Anlatım, uygulama ve Matlab uygulaması
5. Hafta
Doğrusal kestirim ve latis filtreler
Anlatım, uygulama ve Matlab uygulaması
6. Hafta
Deterministik gradyan ve en dik iniş algoritması
Anlatım, uygulama ve Matlab uygulaması
7. Hafta
Arasınav
8. Hafta
En küçük ortalama karesel (LMS) algoritması ve varyantları
Anlatım, uygulama ve Matlab uygulaması
9. Hafta
En küçük kareler yöntemi
Anlatım, uygulama ve Matlab uygulaması
10. Hafta
Yinelemeli en küçük kareler (RLS) algoritması
Anlatım, uygulama ve Matlab uygulaması
11. Hafta
LMS ve RLS de kararlılık
Anlatım, uygulama ve Matlab uygulaması
12. Hafta
Uyarlamalı filtreler yapıları
Anlatım, uygulama ve Matlab uygulaması
13. Hafta
Uyarlamalı filtreler uygulamaları I
Anlatım, uygulama ve Matlab uygulaması
14. Hafta
Uyarlamalı filtreler uygulamaları II
Anlatım, uygulama ve Matlab uygulaması
15. Hafta
16. Hafta
17. Hafta
Değerlendirme Ölçütleri
Ölçüt Tipleri
Adet
Yüzdesi(%)
Ara sınav(lar)
1
40
Final
1
60
ÖÇ-1
Kararlılığı dikkate alarak rastgele süreçlerin stokastik modellerinin çıkarabilir
ÖÇ-2
Doğrusal optimum filtreleme, Wiener filtreleri, deterministik gradyan, stokastik gradyan ve minimum ortalama karesel hatası konseptlerini kavrar
ÖÇ-3
Stokastik gradyan tahminine dayalı yöntemler ile en küçük kareler yöntemleri arasındaki farkı tanımlar
ÖÇ-4
Yakınsama ve kararlı durum performans kısıtlamaları ile beraber en küçük ortalama karesel (LMS) ve yinelemeli en küçük kareler (RLS) algoritmalarını tasarlar
ÖÇ-5
Performans değerlendirme ölçülerini uygular ve uyarlanabilir algoritmaların geçici ve sabit durum performanslarını analiz eder
Program Çıktıları
PÇ-1
Elektrik-Elektronik Mühendisliği alanında bilgilerini uzmanlık düzeyinde geliştirebilme ve derinleştirebilme.
PÇ-2
Elektrik-Elektronik Mühendisliği alanında edindiği uzmanlık düzeyindeki kuramsal ve uygulamalı bilgileri kullanabilme.
PÇ-3
Elektrik-Elektronik Mühendisliği alanı ile ilgili karşılaşılan sorunları araştırma yöntemlerini kullanarak çözümleyebilme.
PÇ-4
Uzmanlık gerektiren bir çalışmayı bağımsız olarak yürütebilme.
PÇ-5
Uzmanlık düzeyindeki bilgi ve becerileri eleştirel bir yaklaşımla değerlendirebilme ve öğrenmesini yönlendirebilme.
PÇ-6
Elektrik-Elektronik Mühendisliği alanının gerektirdiği düzeyde bilgisayar yazılımı ile bilişim ve iletişim teknolojilerini ileri düzeyde kullanabilme.
PÇ-7
Elektrik-Elektronik Mühendisliği alanındaki normları eleştirel bir bakış açısıyla incelemeyebilme, geliştirebilme ve gerektiğinde değiştirmek üzere harekete geçebilme.
PÇ-8
Alanındaki güncel gelişmeleri ve kendi çalışmalarını, nicel ve nitel veriler ile destekleyerek alanındaki ve alan dışındaki gruplara, yazılı, sözlü ve görsel olarak sistemli biçimde aktarabilme.
PÇ-9
Bir yabancı dili kullanarak sözlü ve yazılı iletişim kurabilme.
PÇ-10
Elektrik-Elektronik Mühendisliği alanında özümsedikleri bilgiyi, problem çözme ve/veya uygulama becerilerini, disiplinlerarası çalışmalarda kullanabilme.