defter*
defter / katalog / EEE 525
EEE 525

Advanced Signal Processing

A graduate-level deep dive into the mathematical machinery behind modern DSP: you stop thinking of signals as sequences and start treating them as vectors in Hilbert spaces, which is the unifying lens for transforms, wavelets, adaptive filters, and inverse problems. Work is six problem sets that drill the linear algebra and estimation theory, plus a research paper you pick from current signal processing journals and present orally. It assumes you are comfortable with undergraduate signals, probability, and linear algebra, and it functions as the foundational toolkit for research in communications, imaging, radar, and machine learning down the line.

Kredi3ECTS5FakülteFaculty of EngineeringBölümElectrical and Electronics EngineeringKoordinatörLevent Onural

→ STARS müfredatı (resmi syllabus)

Haftalık müfredat 14 hafta

Hafta 114–20 Eyl
Random signal temelleri ve ARMA modelleri
Introduction to course contents. Basics of random signals. AR, MA and ARMA models.
random signalsAR modelMA modelARMA model
Hafta 221–27 Eyl
Inner product ve Hilbert space'ler
Vector spaces, inner product spaces, Hilbert spaces. Orthogonality.
vector spaceinner product spaceHilbert spaceorthogonality
Hafta 328 Eyl – 4 Eki
Sampling ve sinyalin örneklerinden geri elde edilmesi
Basis functions, sampling and discrete representation of analog signals. Recovery of signals from their samples.
basis functionssamplingdiscrete representationsignal recovery
Hafta 45–11 Eki
Sinyal dönüşümleri ve eigenanalysis
Signal transforms: Fourier, Sine, Cosine, Haar, Hadamard, Karhunen-Loeve, etc., eigenanalysis
FourierHaarKarhunen-Loeveeigenanalysis
Hafta 512–18 Eki
Wavelet transform ve multirate signal processing
Wavelet transforms. Multirate signal processing. Up-sampling, down-sampling, polyphase filters.
wavelet transformup-samplingdown-samplingpolyphase filter
Hafta 619–25 Eki
Linear filtering ve ters çevirme teknikleri
Linear filtering. Toepliz matrices. Inverse operators and inversion techniques.
linear filteringToeplitz matricesinverse operatorsinversion techniques
Hafta 726 Eki – 1 Kas
Iterative inversion ve POCS yöntemleri
Iterative inversion methods. Projections onto convex sets (POCS).
iterative inversionPOCSprojections onto convex sets
Hafta 82–8 Kas
Adaptive filtering ve LMS algorithm
Adaptive filtering, the LMS algorithm.
adaptive filteringLMS algorithm
Hafta 99–15 Kas
RLS (recursive least squares) algoritması
RLS (recursive least squares) algorithm.
RLSrecursive least squares
Hafta 1016–22 Kas
Spectrum estimation yöntemleri
Classical spectrum estimation methods. Model based spectrum estimation, Maximum Entropy method, Levinson-Durbin Algorithm.
classical spectrum estimationmodel based spectrum estimationMaximum Entropy methodLevinson-Durbin Algorithm
Hafta 1123–29 Kas
Markov ve hidden Markov models
Markov and hidden Markov models.
Markov modelshidden Markov models
Hafta 1230 Kas – 6 Ara
Signal compression'a giriş
Introduction to signal compression
signal compression
Hafta 137–13 Ara
Çok boyutlu sinyaller ve işlenmesi
Introduction to multi-dimensional signals and processing
multi-dimensional signalssignal processing
Hafta 1414–20 Ara
Güncel araştırma konularına genel bakış
An overview of current research topics
current research topics

Değerlendirme 40% · 2 adım

15%
25%
Homework Several homeworks that may require programming 15%
Oral presentation A presentation about a selected topic from current issues 25%
18 dönem ortalaması 3.30 (281 öğrenci) nasıl hesaplanıyor

Önerilen kaynaklar 1 kitap

📖
Önerilen
Mathematical Methods and Algorithms for Signal Processing
Todd K. Moon and Wynn C. Stirling, Prentice Hall

Bu dersi alınca · 3 öğrenme çıktısı

Bilkent'in resmî syllabus'ünden. Sağdaki etiket o çıktının hangi değerlendirmeyle ölçüldüğünü söylüyor.

🤖 GenAI politikası

The purpose of homeworks is to improve your understanding and skills related to the course topics. It is essential that you learn, in detail together with all related steps and justifications, all those topics in the homeworks. Therefore, you are not allowed to pass the questions, analysis or design steps, and the programming parts of the homeworks to someone else, let them do the work for you, and use such obtained content while preparing the homework, since such an approach will severely degra

Ders notları · henüz yok

EEE 525 için defter ekibi henüz not yazmadı.

İlk dosyayı sen atarsan: not, slayt, geçmiş sınav, çözüm, cheat-sheet, ne varsa. defter ekibi öğrenci paylaşımlarından bu dersin notlarını yazar. Drive linki / PDF / ZIP, hepsi olur.

← katalog

Geçmiş GPA dağılımı 18 dönem · ort. 3.30

DönemCourse CPA
2024-2025 Spring 3.48 1 sec · 27 öğr
2023-2024 Spring 3.45 1 sec · 13 öğr
2022-2023 Spring 3.66 1 sec · 9 öğr
2021-2022 Spring 3.54 1 sec · 6 öğr
2020-2021 Spring 3.44 1 sec · 13 öğr
2019-2020 Fall 3.74 1 sec · 5 öğr
2018-2019 Spring 2.43 1 sec · 7 öğr
2017-2018 Spring 3.13 1 sec · 8 öğr
2016-2017 Fall 3.41 1 sec · 15 öğr
2015-2016 Fall 2.66 1 sec · 8 öğr

Aggregate course GPA · Bilkent STARS'tan public data. Hoca-bazlı per-section detayı için STARS evaluation report →. Öğrenci anket cevapları KVKK kapsamında defter'de tutulmaz. Tüm derslerin ortalamaları →

2026-2027 Güz için şubesi henüz görünmüyor. Kayıt sistemi bu dersi bu dönem listelemiyor, ama şube girişi sürüyor: ders kaydı 15 Eylül, bölümler o güne kadar şube ekleyebiliyor. Son 4 güz döneminde açılmamış; en son 2019-2020 güz döneminde açılmış. Ön kayıt müfredat üzerinden yapılıyor, açılan şube listesi üzerinden değil; o yüzden ön kayıtta seçebildiğin bir dersin şubesi burada henüz görünmeyebilir. Kesin sonuç ders kaydında belli oluyor. kayıt tarihleri → · açık dersler

⚠️ FZ engelleyen şartlar

None.

Hocalar 0 bu dönem · 4 geçmiş

Geçmişte ders veren (4 kişi)
Levent Onural, Ahmet Enis Çetin, Orhan Arıkan, Süleyman Serdar Kozat