جلسه 3: معرفی انواع تابع هزینه، تابع ریسک و محاسبه تخمین ها براساس هر معیار برای توزیع گوسی

جلسه 1: پیش‌درآمد، نمای کلی درس آشکارسازی و تخمین و کاربردهای آن

جلسه 2: معرفی انواع روش‌های تخمین

جلسه 3: معرفی انواع تابع هزینه، تابع ریسک و محاسبه تخمین ها براساس هر معیار برای توزیع گوسی

جلسه 4: تخمین متغیر گوسی با میانگین صفر در نویز گوسی از سه روش RMS ،Absolute Error و MAP

جلسه 5: بررسی روش Maximum likelihood، معرفی روش‌های صحت‌سنجی تخمین و CRLB

جلسه 6: بررسی مجدد مسئله‌ی تخمین پارامتر توزیع پواسون و بیان هر دو شکل CRLB

جلسه 7: بررسی شرط تساوی در CRLB و توضیح موارد کاربرد هر یک از تابع‌های هزینه در موارد مختلف

جلسه 8: بررسی روش ممان (Method Of Moments) برای تخمین و محاسبه تابع مولد ممان برای توزیع گوسی با میانگین صفر و توزیع log normal

جلسه 9: معرفی Minimum Variance Unbiased Estimator ،Best Linear Unbiased Estimator و Fisher Information Matrix

جلسه 10: معرفی Fisher Information Matrix و پیدا کردن FIM برای این مثال و تحلیل مقادیر درایه‌های آن

جلسه 11: معرفی روش‌های حل معادلات (Gradient based ،simulated annealing ،Genetic Programming ،Genetic Programming)

جلسه 12: تخمین پارامترها و نویز، معرفی آزمون فرض و همچنین معرفی و بررسی آزمون بیز

جلسه 13: صحبت درباره‌ی DPSS، معرفی سه رویکرد در آشکارسازی (رویکرد بیزی، رویکرد کمترین احتمال خطا و رویکرد Neyman-Pearson)

جلسه 14: معرفی احتمال هشدار کاذب، معرفی احتمال آشکارسازی و احتمال خطا، معرفی آمارگان کافی و معرفی ROC

جلسه 15: آشکارسازی سیگنال stochastic در نویز سفید گوسی

جلسه 16: تصویر نمودن سیگنال دریافتی روی زیرفضای سیگنال و زیرفضای نویز، معرفی متغیرتصادفی student-T و محاسبه‌ی تابع چگالی احتمال

جلسه 18: صحبت کوتاه درباره GLRT، محاسبه باند چرنوف برای توزیع لاپلاس و معرفی روش‌های Kernel

جلسه 19: بررسی انواع سیگنال‌های معلوم و نامعلوم نویز با واریانس معلوم و نامعلوم

جلسه 20: معرفی (Uniformly Most Powerful Test (UMPT، معرفی (Locally Most Powerful Test (LO

جلسه 21: بررسی امکان نمایش LLRT به‌صورت یک random walk و بررسی مسئله‌ی Kernel

جلسه 22: بررسی حالات آزمون فرض با پارامترهای معلوم یا نامعلوم، بررسی آزمون فرض چندبعدی

جلسه 23: بحثی جامع‌تر درباره LO و LMPUT، صحبت درباره‌ی GLRT، آشکارسازی در نویز غیرسفید

جلسه 24: بررسی مسئله‌ی آشکارسازی سیگنال با واریانس متغیر با زمان در نویز سفید گوسی و بررسی مسئله‌ی نویز غیرگوسی (مثال لاپلاس)

جلسه 25: بررسی خانواده stable، بررسی آشکارسازی سیگنال نامعلوم در نویز غیرگوسی

جلسه 26: معرفی پارامترهای مزاحم Nuisance Parameter، معرفی sub-optimum detector

جلسه 27: بررسی کامل Envelope Detector ،Square-Law Detector و همچنین بررسی Order Statistics CFAR

جلسه 28: بررسی مسئله‌ی آشکارسازی سیگنال‌های زمان پیوسته

جلسه 29: آشکارسازی دوتایی سیگنال با محوشوندگی متغیر با زمان