Existe um pós-doutorado em meu laboratório, cuja especialidade é "processamento estatístico de sinais". É doutor em engenharia elétrica e analisa os dados neurais coletados.
Estou imaginando quais cursos / tópicos devo começar a estudar para seguir seus passos. Não estou exatamente procurando coisas como estatística e processamento de sinais, tive aulas básicas em ambas, mas ainda acho difícil entender o trabalho dele.
Às vezes, existem cursos intitulados 'processamento estatístico de sinais', é um bom ponto de partida :-) Se a sua universidade não possui, tente procurar 'detecção e estimativa' ou 'processamento avançado de sinais'. Se você não tem uma universidade à mão, tente http://ocw.mit.edu/courses/electrical-engineering-and-computer-science/6-432-stochastic-processes-detection-and-estimation-spring -2004 /
Como o processamento estatístico de sinais é linear, você deve aprender o máximo de álgebra linear possível. Processos estocásticos é um curso fundamental. A teoria do controle compartilha muito com o SSP e seria muito útil.
Isso deve ser suficiente para começar :-)
Essas referências clássicas são um bom começo:
B. Porat, Digital Processing of Random Signals, Prentice-Hall, 1994. Número de série da biblioteca 2144342.
A. Papoulis, Probabilidade, Variáveis Aleatórias e Processos Estocásticos, 3ª Ed. , McGraw-Hill, 1991. Número de série da biblioteca 21111643.
SM Kay, Fundamentals of Statistical Signal Processing, Volume I: Estimation Theory, Prentice-Hall, 1993. Número de série da biblioteca 2157997.
Você também pode experimentar as notas de aula de KT Wong (Universidade de Waterloo)
Você também pode encontrar algumas dessas séries de palestras sobre Processamento de Sinal Adaptativo do Prof. M. Chakraborty no YouTube de uso
Oi,
Supondo que você esteja interessado em fazer pesquisas no campo, aconselharei seguir um caminho construído sobre uma base sólida em matemática.
Eu sei disso, porque acabei de terminar um curso de Estimativa e detecção e posso garantir que há uma forte correlação entre a qualidade e a novidade do trabalho e seu conhecimento de matemática.
Que tipo de matemática?
Álgebra Linear:
Você precisa saber sobre espaços vetoriais e álgebra matricial porque; como alguém postado antes, há muitas teorias e algoritmos que se aprofundam nesse tipo de modelo. Alguns resultados frequentemente usados são o Lema da matriz inversa, tudo o que tem a ver com decomposições de matriz.
Teoria da Probabilidade e Processos Estocásticos
Isso também é fundamental. O processamento estatístico de sinais trata de métodos para detectar e estimar informações (inferência) usando observações defeituosas (barulhentas) de fenômenos que também podem ser aleatórios.
Então, você precisa saber como lidar com esse tipo de objeto. Um curso básico de probabilidade pode fornecer um bom ponto de partida (um que abrange variáveis aleatórias e vetores aleatórios e, espero, fale um pouco sobre sequências e processos aleatórios), mas é desejável fazer um segundo curso, focado em processos aleatórios. Você precisa ter alguma confiança nessas idéias, pois permitirá entender muitas aplicações e implementações práticas usadas em pesquisa e tecnologia.
Em um segundo nível, também considerarei fazer um curso em Otimização, uma vez que o cálculo dos estimadores se baseia principalmente na solução de problemas de maximização e minimização (estimadores de máxima verossimilhança, estimador mínimo de erro quadrado médio etc.)
Obviamente, também existe o ponto de vista "algorítmico", no qual você se concentra mais nos procedimentos estatísticos de processamento de sinais para computação rápida, convergência, baixa complexidade etc., mas, no final, o desenvolvimento de novas idéias exige uma boa base em matemática .
Observe que seu conhecimento do funcionamento interno de um determinado fenômeno também é essencial para produzir os modelos que você planeja usar em uma determinada configuração. Nesse sentido, a experiência prática que você pode obter de um curso em comunicação digital, processamento de sinal digital e até circuitos eletrônicos pode ser inestimável para dar a você uma vantagem como pesquisador.
Se você tiver mais perguntas, não hesite em entrar em contato comigo.
Felicidades, Patricio
Como tdccitado, Papoulis (RIP de um dos líderes deste campo) é um dos melhores livros, mas pode ser necessário entrar nele primeiro através de algo como http://www.amazon.com/Discrete-Time-Signal -Processing-2nd-Prentice-Hall / dp / 0137549202 se você não teve um bom curso de graduação / pós-graduação em processamento de sinais (eu não fiz, e isso doeu um pouco).
De uma perspectiva mais estatística (mas ainda muito válida para os engenheiros), é http://www.amazon.com/Random-Data-Measurement-Procedures-Probability/dp/0470248777/ref=sr_1_1?s=books&ie=UTF8&qid=1323737134&sr= 1-1 . Isso está repleto de informações, portanto é uma leitura muito lenta.
Eu li
Van Den Bos, Adriaan: "Parameter Estimation for Scientists and Engineers"
Explica a estimativa de parâmetros (máxima verossimilhança, mínimos quadrados), propriedades dos estimadores (precisão, exatidão) e também como estimar essas propriedades.
O livro contém explicações sobre alguns métodos numéricos usados para estimativa.