Στατιστική επεξεργασία σημάτων και μάθηση

Abstract

Το βιβλίο αυτό αποτελεί μια εισαγωγή στη στατιστική επεξεργασία σημάτων. Ο ευρύς και σύγχρονος αυτός τομέας της επιστήμης των μηχανικών παρουσιάζεται μέσα από τις εξής βασικές υπο-περιοχές του: (α) τη θεωρία ανίχνευσης, (β) τη θεωρία εκτίμησης παραμέτρων, (γ) την εκτίμηση σημάτων και (δ) τη θεωρία της μηχανικής μάθησης. Ιδιαίτερη προσπάθεια δίνεται στην ενοποιημένη παρουσίαση των εν λόγω υπο-περιοχών. Επίσης, σε όλη την έκταση του βιβλίου γίνεται μια προσπάθεια σύνδεσης της θεωρίας με παραδείγματα, στα οποία βρίσκουν εφαρμογή οι τεχνικές που περιγράφονται. Κάθε ενότητα του βιβλίου επιλέχθηκε όχι μόνο λόγω της σημασίας της, αλλά και λόγω του μεγάλου πλήθους εφαρμογών που καλύπτει. Μερικά ενδεικτικά παραδείγματα είναι η επεξεργασία επικοινωνιακών σημάτων, αλλά και αυτών που εμφανίζονται σε πολύ διαφορετικούς μεταξύ τους κλάδους, όπως η βιοϊατρική, η γεωφυσική, η οικονομετρία, η γενετική, η οικολογία κλπ. Σύγχρονες εφαρμογές της στατιστικής επεξεργασίας σημάτων συναντάμε επίσης σε έξυπνα ενεργειακά δίκτυα, καθώς και στη δημιουργία έξυπνων πόλεων. Γενικότερα, το αντικείμενο σχετίζεται με πληθώρα διεπιστημονικών εφαρμογών και προβλημάτων και, ως εκ τούτου, εκτιμάται ότι το σύγγραμμα θα μπορούσε να αποτελέσει αφενός εγχειρίδιο για ακαδημαϊκή διδασκαλία αφετέρου έναν χρήσιμο οδηγό αναφοράς για πρακτικά προβλήματα.

This book is an introduction to statistical signal processing. This broad and modern field of engineering science is presented through the following basic sub-fields: (a) detection theory, (b) parameter estimation theory, (c) signal estimation, and (d) machine learning theory. Particular effort has been made to present these sub-fields in a unified manner. Throughout the book, an effort is made to link theory with examples in which the techniques described are applied. Each section of the book has been selected not only for its importance, but also for the wide range of applications it covers. Some indicative examples are the processing of communication signals, but also those that appear in very different fields, such as biomedicine, geophysics, econometrics, genetics, ecology, etc. Modern applications of statistical signal processing can also be found in smart energy networks and in the creation of smart cities. In general, the subject is related to a wide range of interdisciplinary applications and problems and, therefore, it is estimated that the textbook could serve as a manual for academic teaching on the one hand and a useful reference guide for practical problems on the other.