Compressive Sampling

Worum geht's

Du lernst die Grundlagen von Compressive Sampling (Compressed Sensing): wie man Signale mit sparsamer Parametrisierung effizient misst und rekonstruiert. Am Ende kannst du die theoretischen Konzepte und die behandelten Algorithmen zur Parameterschätzung in Entwurf und Analyse von Signalverarbeitungs- und Schätzverfahren anwenden.

Was du danach kannst

• Grundlagen der Compressive-Sampling-Theorie verstehen
• sparse Parametrisierung von Signalen anwenden
• Algorithmen zur Parameterschätzung einsetzen
• Methoden zur Messreduktion gegenüber klassischem Sampling nutzen

Aus was das Modul besteht

• VorlesungEinführung in Theorie und weitergehende Zusammenhänge zu Geometrie und Approximation
• ÜbungVertiefung durch Aufgaben und Rechenbeispiele; Implementierung kleiner Algorithmen in MATLAB

Lehrmethode

• Tafelvortrag/Präsentation an der TafelVermittlung der Vorlesungsinhalte
• Übungsaufgaben und RechenbeispieleVertiefung und Anwendung des Vorlesungsstoffs
• MATLAB-Implementationen in den ÜbungenPraxisnahe Umsetzung und Testen kleiner Algorithmen