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
Distributed Adaptive Norm Estimation for Blind System Identification in Wireless Sensor Networks
M. Blochberger, F. Elvander, R. Ali, J. Østergaard, J. Jensen, M. Moonen, T.van Waterschoot
2023
ICASSP 2023 - 2023 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)
Estimating Inharmonic Signals with Optimal Transport Priors
Filip Elvander
2023
ICASSP 2023 - 2023 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)
Variance analysis of covariance and spectral estimates for mixed-spectrum continuous-time signals
Filip Elvander, Johan Karlsson
2023
IEEE Transactions on Signal Processing
Fast Low-Latency Convolution by Low-Rank Tensor Approximation
Martin Jälmby, Filip Elvander, Toon van Waterschoot
2023
ICASSP 2023 - 2023 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)
Low-Rank Room Impulse Response Estimation
Martin Jälmby, Filip Elvander, Toon Van Waterschoot
2023
IEEE/ACM Transactions on Audio Speech and Language Processing
Simultaneous Acoustic Echo Sorting and 3-D Room Geometry Inference
Kathleen MacWilliam, Filip Elvander, Toon van Waterschoot
2023
ICASSP 2023 - 2023 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)
Determining joint periodicities in multi-time data with sampling uncertainties
David Svedberg, Filip Elvander, Andreas Jakobsson
2023
Signal Processing
Direction-of-arrival and power spectral density estimation using a single directional microphone and group-sparse optimization
Elisa Tengan, Thomas Dietzen, Filip Elvander, Toon van Waterschoot
2023
EURASIP JOURNAL ON AUDIO, SPEECH, AND MUSIC PROCESSING
Multi-Source Direction-of-Arrival Estimation using Group-Sparse Fitting of Steered Response Power Maps
Elisa Tengan, Thomas Dietzen, Filip Elvander, Toon Van Waterschoot
2023
Proceedings of the 2023 IEEE Workshop on Applications of Signal Processing to Audio and Acoustics, WASPAA 2023
- Julkaistu:
- Päivitetty: