Rakenteellinen ja stokastinen mallinnus
Rakenteellisen ja stokastisen mallinnuksen ryhmä tekee tilastollisen signaalinkäsittelyn ja data-analyysin tutkimusta keskittyen perustavanlaatuisiin kysymyksiin siitä, miten dataa, jossa on satunnaisuutta tai kohinaa, voidaan mallintaa ja kuvata.
Käytännössä lähes kaikessa datassa on satunnaisuutta tai epätarkkuutta, olipa kyse luontaisesta stokastisuudesta tai mittauskohinasta. Tutkimusryhmässämme tutkitaan miten tälläiseen dataan sisältyvää tietoa voidaan mallintaa ja kuvata mahdollisimman tehokkaasti niin, että voidaan muodostaa mahdollisimman tehokkaita estimaattoreita ja algoritmeja. Tutkimustuloksia sovelletaan kaukokartoitukseen, audiosignaalin käsittelyyn sekä spektroskopiaan.
Teemme yhteistyötä kansainvälisten kumppaneiden, kuten Leuvenin katolisen yliopiston, Lundin yliopiston ja Tukholman kuninkaallisen teknillisen korkeakoulun kanssa.
Tämänhetkiset tutkimusaiheet
- Optimaalinen siirto signaalinkäsittelyssä: käytämme optimaalisen siirron käsitettä geometrisen rakenteen indusoimiseksi signaaliavaruuteen ja rakennamme tehokkaita työkaluja mallintamiseen ja estimointiin.
- Spatiotemporaalinen mallinnus: tehokas datan tai signaalin tila-aika mallinnus, kuten esimerkiksi laajakaistaisten monianturisignaalien, joita esiintyy tutkasignaalien ja audiosignaalin käsittelyssä.
- Mallien virheellinen määrittely: vaikutus estimointiin ja päättelyyn silloin, kun (joskus tarkoituksellisesti) käytetään ”väärää” mallia tietojen kuvaamiseen.
- Optimaalinen otanta: miten kerätään mittauksia datan tietosisällön maksimoimiseksi erityisesti sellaisten sovellusten osalta, joissa tiedonkeruu on kallista tai aikaa vievää.
Rakenteellisen ja stokastisen mallinnuksen ryhmää johtaa professori Filip Elvander.
Tutkimusryhmän jäsenet
Viimeisimmät julkaisut
Adaptive Coding in Wireless Acoustic Sensor Networks for Distributed Blind System Identification
M. Blochberger, J. Ostergaard, R. Ali, M. Moonen, F. Elvander, J. Jensen, T. Van Waterschoot
2024
Conference Record of the 57th Asilomar Conference on Signals, Systems and Computers, ACSSC 2023
Robust signal and noise covariance matrix estimation using Riemannian optimization
Jesper Brunnström, Marc Moonen, Filip Elvander
2024
32nd European Signal Processing Conference, EUSIPCO 2024 - Proceedings
EUSIPCO 2023 - selected video-articles in Signal Processing
Filip Elvander, Esa Ollila
2024
Science Talks
Multi-Source Localization and Data Association for Time-Difference of Arrival Measurements
Gabrielle Flood, Filip Elvander
2024
32nd European Signal Processing Conference, EUSIPCO 2024 - Proceedings
Multi-Frequency Tracking via Group-Sparse Optimal Transport
Isabel Haasler, Filip Elvander
2024
IEEE Control Systems Letters
Multi-channel Low-rank Convolution of Jointly Compressed Room Impulse Responses
Martin Jalmby, Filip Elvander, Toon van Waterschoot
2024
IEEE Open journal of Signal Processing
Compression of room impulse responses for compact storage and fast low-latency convolution
Martin Jälmby, Filip Elvander, Toon van Waterschoot
2024
Eurasip Journal on Audio, Speech, and Music Processing
Diffusion-Based Generative Equalizer for Music Restoration
Eloi Moliner Juanpere, Maija Turunen, Filip Elvander, Vesa Välimäki
2024
Proceedings of the 27th International Conference on Digital Audio Effects (DAFx24)
Optimal Transport Based Impulse Response Interpolation in the Presence of Calibration Errors
David Sundstrom, Filip Elvander, Andreas Jakobsson
2024
IEEE Transactions on Signal Processing
Estimation of Impulse Responses for a Moving Source Using Optimal Transport Regularization
David Sundström, Filip Elvander, Andreas Jakobsson
2024
ICASSP 2024 - 2024 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)