Zum Inhalt springen
Technische Universität Berlin English
Vorlesungsverzeichnis und Modultransfersystem

Grundlagen der Statistischen NachrichtentheorieModulbeschreibung #40472 / Version 6

← Zur Modulseite English version
Diese Modulbeschreibung gilt nicht im aktuellen Semester (WiSe 2026/27). Zur aktuellen Version (v9)
Modul / Version#40472 / #6
GültigkeitWS 2019/20 – WS 2019/20
Verfügbare Sprache(n)Deutsch
Leistungspunkte6
Modulverantwortliche*rSikora, Thomas
BenotungBenotet
PrüfungsformSchriftliche Prüfung
Lehrsprache(n)Deutsch

Zugehörigkeit

FakultätFakultät IV
InstitutInstitut für Energie und Automatisierungstechnik
Fachgebiet34311900 FG Elektronische Systeme der Medizintechnik

Kontakt

SekretariatEN 3
Ansprechpartner*inLi, Na
E-Mail-Adressegnt@mtec.tu-berlin.de
Webseitehttps://www.tu.berlin/mtec/studium-lehre/lehrveranstaltungen/grundlagen-der-statistischen-nachrichtentheorie

Lernergebnisse

Die Studierenden sind in der Lage stochastische Signale und deren Filterung und Übertragung durch dynamische Systeme mit Hilfe statistischer Werkzeuge zu untersuchen und zu bewerten. Sie verfügen über Grundlagen aus der Statistik und der Stochastik und können mit deren Hilfe Zufallsvorgänge und Zufallsgrößen aus der Nachrichtentechnik, Messtechnik oder Regelungstechnik beschreiben. Die Studierenden können weiterhin Systeme entwerfen, die z.B. ein optimale Rauschunterdrückung oder die Vorhersage von Signalen ermöglichen.

Lehrinhalte

Die Vorlesung beschäftigt sich mit der Beschreibung und Bewertung von stochastischen Signalen (Nutzsignale und Rauschen) und deren Übertragung/Filterung in linearen Systemen. Neben der Beschreibung von Signalen steht insbesondere auch der Entwurf von Systemen im Vordergrund, die eine optimale Übertragung/Prädiktion von Signalen und eine optimale Reduktion von Rauschen ermöglichen. Obwohl sich die Vorlesung an Fragestellungen der Nachrichtentechnik und Sensortechnik orientiert, ist die zugrundeliegende Theorie und Praxis der stochastischen Signale und Systeme auch von großer praktischer Bedeutung in vielen Gebieten der Elektrotechnik und Informatik, insbesondere in der Mess- und Regelungstechnik.

Im Rahmen der Vorlesung werden zunächst Grundlagen der Wahrscheinlichkeitsrechnung erarbeitet. Diskrete und kontinuierliche Zufallsvariablen, mehrdimensionale und bedingte Dichtefunktionen und Erwartungswerte werden eingeführt bzw. wiederholt. Aufbauend auf diesen Beschreibungen werden Grundzüge der Signalklassifikation mittels der Bayes’schen Entscheidungstheorie entwickelt. Weiterhin werden elementare Grundlagen von Markov-Ketten eingeführt.

Im zweiten Teil der Vorlesung steht die Beschreibung von wertkontinuierlichen Signalen durch ergodische stochastische Prozesse im Vordergrund. Korrelationseigenschaften von Signalen werden anhand von Auto- und Kreuzorrelationsfolgen bzw. der entsprechenden Leistungsdichtespektren beschrieben. Die Filterung stochastischer Signale durch lineare zeitinvariante Systeme wird im Zeit- und im Frequenzbereich untersucht. Darauf aufbauend wird das Wiener-Hopf-Optimalfilter auf der Basis des Orthogonalitätsprinzipes hergeleitet und für die optimale Prädiktion und Filterung bzw. die Rauschreduktion genutzt. Abschließend werden typische AR-/MA-/ARMA-Signalmodelle beschrieben und für die Messung von Leistungsdichtespektren genutzt.

Modulbestandteile

Pflichtbereich

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

LehrveranstaltungenArtNummerTurnusSpracheSWSVVZ
Grundlagen der Statistischen NachrichtentheorieVorlesung0432 L 278 Wintersemester[de]3 ISIS
Grundlagen der Statistischen NachrichtentheorieÜbung0432 L 279 Winter- und Sommersemester[de]2 ISIS

Veranstaltungen im Vorlesungsverzeichnis

Veranstaltungen, die aus den Lehrveranstaltungen dieses Moduls angelegt wurden.

WiSe 2026/27 (2)

Grundlagen der Statistischen Nachrichtentheorie (Vorlesung) 1

Alle Gruppen dieser Lehrveranstaltung im Verzeichnis

Grundlagen der Statistischen Nachrichtentheorie (Übung) 1

Alle Gruppen dieser Lehrveranstaltung im Verzeichnis

Arbeitsaufwand und Leistungspunkte

Grundlagen der Statistischen Nachrichtentheorie (Vorlesung)

AufwandbeschreibungMultiplikatorStundenGesamt
Präsenzzeit153 h45 h
Vor-/Nachbereitung153 h45 h
90 h

Grundlagen der Statistischen Nachrichtentheorie (Übung)

AufwandbeschreibungMultiplikatorStundenGesamt
Präsenzzeit152 h30 h
Vor-/Nachbereitung154 h60 h
90 h

Der Aufwand des Moduls summiert sich zu 180 Stunden. Damit umfasst das Modul 6 Leistungspunkte.

Beschreibung der Lehr- und Lernformen

In den jeweils 2-stündigen Vorlesungen wird das vom Dozenten zusammengestellte Wissen vorgestellt, diskutiert und mit Beispielen erläutert. Die Vorlesungen finden im wöchentlichen Rhythmus statt. In der begleitenden Rechenübung werden die Inhalte der Vorlesung anhand von Rechenbeispielen vertieft.

Voraussetzungen für die Teilnahme / Prüfung

Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:

Es sind Kenntnisse aus den Veranstaltungen Analysis I und Lineare Algebra erforderlich. Wünschenswert ist ein gleichzeitiger Besuch der Vorlesung Signale und Systeme.

Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:

Dieses Modul hat keine Prüfungsvoraussetzungen.

Abschluss des Moduls

BenotungBenotet
PrüfungsformSchriftliche Prüfung
SpracheDeutsch
Dauer/Umfang90 Minuten

Prüfungsbeschreibung (Abschluss des Moduls)

Vorlesung und Übung werden gemeinsam in einer neunzigminütigen schriftlichen Prüfung (SP) abgeprüft.

Dauer des Moduls

Für Belegung und Abschluss des Moduls ist folgende Semesteranzahl veranschlagt: 1 Semester.

Dieses Modul kann in folgenden Semestern begonnen werden: Winter- und Sommersemester.

Maximale teilnehmende Personen

Dieses Modul ist nicht auf eine Anzahl Studierender begrenzt.

Anmeldeformalitäten

Die Anmeldung erfolgt über QISPOS.

Literaturhinweise, Skripte

Skript in Papierform

verfügbar – Das Skript kann im Raum E-N 333 erworben werden.

Skript in elektronischer Form

nicht verfügbar

Empfohlene Literatur

Keine empfohlene Literatur angegeben

Zugeordnete Studiengänge

Dieses Modul findet in keinem Studiengang Verwendung.

Sonstiges

Keine Angabe