MS004122-估计理论（全英文）

研究生课程开设申请表

开课院（系、所）： 信息科学与工程学院

课程申请开设类型： 新开√重开□ 更名□（请在□内打勾，下同）

课程 名称

中文

<<估计理论>>（全英文）

英文

Estimation Theory

待分配课程编号

MS004122

课程适用学位级别

博士

硕士

√

总学时

32

课内学时

32

学分

2

实践环节

用机小时

课程类别

□公共基础□专业基础□专业必修 √专业选修

开课院(系)

信息科学与工程学院

开课学期

春季

考核方式

A.√笔试（√开卷□闭卷）B.□口试 C.□笔试与口试结合D.□其他

课程负责人

教师 姓名

夏亦犁

职称

教授

e-mail

yili_xia@seu.edu.cn

网页地址

//www.yourhotlips.com/2018/0423/c19940a213628/page.htm

授课语言

英语

课件地址

适用学科范围

信息工程

所属一级学科名称

信息与通信工程

实验(案例)个数

先修课程

《数字信号处理》

教学用书

教材名称

教材编者

出版社

出版年月

版次

主要教材

Fundamentals of Statistical Signal Processing：Estimation Theory

Steven M. Kay

Prentice Hall

1993

1

主要参考书

Statistical Digital Signal Processing and Modeling

Monson H. Hayes

Wiley

1996

1

一、课程介绍（含教学目标、教学要求等）（300字以内）

本课程是一门针对信息工程类硕士研究生的专业限选英文课程，它向学生介绍如何用数理统计的手段解决实际工程中遇到的问题，介绍一些在干扰背景下经典统计参数估计原理、方法及应用。

二、教学大纲（含章节目录）：（可附页）

第一章：绪论（2学时）

统计信号处理研究背景与现状

第二章：最小方差无偏估计（2学时）

最小方差无偏估计的统计概念及分析方法

第三章：Cramer-Rao下限（2学时）

Cramer-Rao下限的物理意义及计算

第四章：线性模型（2学时）

线性模型的定义和性质

第五章：一般最小方差无偏估计（2学时）

一般最小方差无偏估计的定义和性质

第六章：最佳线性无偏估计器（2学时）

最佳线性无偏估计器的定义和性质

第七章：最大似然估计（2学时）

最大似然估计的定义和性质

第八章：最小二乘估计（2学时）

最小二乘估计方法及其几何解释、约束最小二乘估计、非线性最小二乘法

第九章：矩方法（2学时）

矩的定义及应用

第十章：贝叶斯原理（2学时）

贝叶斯原理的统计概念及方法

第十一章：一般贝叶斯估计量（2学时）

一般贝叶斯估计量的定义及计算方法

第十二章：线性贝叶斯估计量（2学时）

线性贝叶斯估计量的定义及计算方法

第十三章：卡尔曼估计（2学时）

卡尔曼估计原理及应用

第十四章：估计量总结（2学时）

估计量的总结

第十五章：复数据和复参数的扩展（2学时）

各类估计方法在复数域的扩展

三、教学周历

周次	教学内容	教学方式
1	引言	讲课
2	最小方差无偏估计	讲课
3	Cramer-Rao下限	讲课
4	线性模型	讲课
5	一般最小方差无偏估计	讲课
6	最佳线性无偏估计器	讲课
7	最大似然估计	讲课
8	最小二乘估计	讲课
9	矩方法	讲课
10	贝叶斯原理	讲课
11	一般贝叶斯估计量	讲课
12	线性贝叶斯估计量	讲课
13	卡尔曼估计	讲课
14	估计量总结	讲课
15	复数据和复参数的扩展	讲课
16	课程答疑	讨论
17	考试
18

注：1.以上一、二、三项内容将作为中文教学大纲，在研究生院中文网页上公布，四、五内容将保存在研究生院。2.开课学期为：春季、秋季或春秋季。3.授课语言为：汉语、英语或双语教学。4.适用学科范围为：公共，一级，二级，三级。5.实践环节为：实验、调研、研究报告等。6.教学方式为：讲课、讨论、实验等。7.学位课程考试必须是笔试。8.课件地址指在网络上已经有的课程课件地址。9.主讲教师简介主要为基本信息（出生年月、性别、学历学位、专业职称等）、研究方向、教学与科研成果，以100至500字为宜。

四、主讲教师简介：

夏亦犁，1984年7月生，教授，博士生导师。2006年获东南大学信息工程专业学士学位；2010年获英国帝国理工学院信号处理专业博士学位；2011年2012年于帝国理工学院通信与信号处理实验室从事博士后研究；2013年起任职于 信号处理学科；2014年入选江苏省双创人才计划，2018年入选东南大学至善青年学者。已主持和承担国家自然科学基金、省部级科研项目多项；已发表和录用SCI/EI学术论文80余篇；已获授权国际和国家发明专利十余项。

五、任课教师信息（包括主讲教师）：

任课 教师	学科 （专业）	办公 电话	住宅 电话	手机	电子邮件	通讯地址	邮政 编码
夏亦犁	信号处理				yili_xia@seu.edu.cn	无线谷A5楼402室

六、课程开设审批意见

所在院（系） 审批意见	负责人： 日期：
所在学位评定分 委员会审批意见	分委员会主席： 日期：
研究生院审批意见	负责人： 日期：
备注

说明：1．研究生课程重开、更名申请也采用此表。表格下载：http:/seugs.seu.edu.cn/down/1.asp

2．此表一式三份，交研究生院、院（系）和自留各一份，同时提交电子文档交研究生院。

Application Form For Opening Graduate Courses

School (Department/Institute)：

Course Type: New Open√Reopen □ Rename □（Please tick in□, the same below）

Course Name

Chinese

<<估计理论>>（全英文）

English

Estimation Theory

Course Number

MS004122

Type of Degree

Ph. D

Master

√

Total Credit Hours

32

In Class Credit Hours

32

Credit

2

Practice

Computer-using Hours

Course Type

□Public Fundamental□Major Fundamental□Major Compulsory√Major Elective

School (Department)

School of Information Science and Engineering

Term

Spring

Examination

A.√Paper（√Open-book□Closed-book）B.□Oral C.□Paper-oral Combination D.□Others

Chief Lecturer

Name

Yili Xia

Professional Title

Professor

E-mail

yili_xia@seu.edu.cn

Website

//www.yourhotlips.com/2018/0423/c19940a213628/page.htm

Teaching Language used in Course

English

Teaching Material Website

Applicable Range of Discipline

Information Engineering

Name of First-Class Discipline

Information and Communication Engineering

Number of Experiment

Preliminary Courses

Digital Signal Processing

Teaching Books

Textbook Title

Author

Publisher

Year of Publication

Edition Number

Main Textbook

Fundamentals of Statistical Signal Processing：Estimation Theory

Steven M. Kay

Prentice Hall

1993

1

Main Reference Books

Statistical Digital Signal Processing and Modeling

Monson H. Hayes

Wiley

1996

1

1. Course Introduction (including teachinggoals and requirements)within300 words:

本课程是一门针对信息工程类硕士研究生的专业限选英文课程，它向学生介绍如何用数理统计的手段解决实际工程中遇到的问题，介绍一些在干扰背景下经典统计参数估计原理、方法及应用。

ThisEnglish course is specifically designed for postgraduates in information engineering. It introduces solutions to statistical problems in practice, including principles and applications of classic parameter estimation methods.

2. Teaching Syllabus (includingthe content ofchaptersandsections. A sheet can be attached):

Chapter 1: Introduction (2 hours)

Background of Statistical Signal Processing

Chapter 2: Minimum Variance Unbiased Estimation (2 hours)

Concepts and Analysis of Minimum Variance Unbiased Estimation

Chapter 3: Cramer-Rao Lower Bound (2 hours)

Physical meaning of Cramer-Rao Lower Bound and its calculation

Chapter 4: Linear Model (2 hours)

Definition of linear model and its properties

Chapter 5: General Minimum Variance Unbiased Estimation (2 hours)

Definition of General Minimum Variance Unbiased Estimation and its properties

Chapter 6: Best Linear Unbiased Estimators (2 hours)

Definition of Best Linear Unbiased Estimators and their properties

Chapter 7: Maximum Likelihood Estimation (2 hours)

Definition of Maximum Likelihood Estimation and its properties

Chapter 8: Least Squares Estimation (2 hours)

Least squares estimator and its geometric explanation, nonlinear least squares

Chapter 9: Method of Moments (2 hours)

Definition of moments and their applications

Chapter 10: Bayesian Philosophy (2 hours)

Concepts of Bayesian Philosophy and its methods

Chapter 11: General Bayesian Estimators (2 hours)

Concepts of General Bayesian Estimators, risk function

Chapter 12：Linear Bayesian Estimators (2 hours)

Linear Bayesian Estimators, least minimum mean square error

Chapter 13: Kalman Filters

Principles of Kalman Filters and their applications

Chapter 14: Summary of Estimators（2 hours）

Summary of estimators

Chapter 15: Extensions for Complex Data and Parameters

Estimators in the complex domain

3. TeachingSchedule:

Week	Course Content	Teaching Method
1	Introduction	Lecture
2	Minimum Variance Unbiased Estimation	Lecture
3	Cramer-Rao Lower Bound	Lecture
4	Linear Model	Lecture
5	General Minimum Variance Unbiased Estimation	Lecture
6	Best Linear Unbiased Estimators	Lecture
7	Maximum Likelihood Estimation	Lecture
8	Least Squares Estimation	Lecture
9	Method of Moments	Lecture
10	Bayesian Philosophy	Lecture
11	General Bayesian Estimators	Lecture
12	Linear Bayesian Estimators	Lecture
13	Kalman Filters	Lecture
14	Summary of Estimators	Lecture
15	Extensions for Complex Data and Parameters	Lecture
16	Questions	Seminar
17	Exam
18

Note: 1.Above one, two, and three items are used as teaching Syllabus in Chinese and announced on the Chinese website of Graduate School. The four and five items are preserved in Graduate School.

2. Course terms: Spring, Autumn , and Spring-Autumn term.

3. The teaching languages for courses: Chinese, English or Chinese-English.

4. Applicable range of discipline: public, first-class discipline, second-class discipline, and third-class discipline.

5. Practice includes: experiment, investigation, research report, etc.

6. Teaching methods: lecture, seminar, practice, etc.

7. Examination for degree courses must be in paper.

8. Teaching material websites are those which have already been announced.

9. Brief introduction of chief lecturer should include: personal information (date of birth, gender, degree achieved, professional title), research direction, teaching and research achievements. (within 100-500 words)

4. Brief Introductionof Chief lecturer:

Yili Xia received the B.Eng. degree in information engineering from Southeast University, Nanjing, China, in 2006, the M.Sc. degree (Hons.) in communications and signal processing from the Department of Electrical and Electronic Engineering, Imperial College London, London, U.K., in 2007, and the Ph.D. degree in adaptive signal processing from Imperial College London, in 2011. Since 2013, he has been an Associate Professor in signal processing with the School of Information Science and Engineering, Southeast University, Nanjing, China, where he is currently a Professor. His research interests include complex and hyper-complex statistical analysis, detection and estimation, linear and nonlinear adaptive filters, and their applications on communications, power systems, and images.

5. LecturerInformation(include chief lecturer)

Lecturer	Discipline (major)	Office Phone Number	Home Phone Number	Mobile Phone Number	Email	Address	Postcode
Yili Xia	Signal Processing				yili_xia@seu.edu.cn