Overview:  Introductory graduate-level digital communication class including basics of modulation, detection, error rate calculations, Shannon theory and channel coding.

People

.     Professor Sundeep Rangansrangan@nyu.edu

o 370 Jay St, 9.104

o Office hours: Thursdays 2-4pm

.    TA:  Ruth Gebremedhin, [email protected]

Time Tuesdays, 5 to 7:30pm, Rogers Hall 204.  In-person or zoom.

Prerequisites:  Graduate level probability, EL6303 or equivalent.  This course can also be taken as a co-requisite, but you must have a solid undergrad probability class.  Undergraduate digital communications and experience with MATLAB or similar language are also expected.

Course Structure: All material for the class is on github:

.    Class repository: https://github.com/sdrangan/digitalcomm

.     Lab repository:https://github.com/sdrangan/sdrlab

Lectures for each unit will be divided into small sections (15-30 minutes).  After each section, students will do an in-class MATLAB exercise.  There is no grading for the in-class exercises.  But bring your laptop with MATLAB to class to follow along.  At the end of the unit students will perform take home problems, MATLAB exercises and, possibly, a small SDR lab.  The github website has all the material for in-class and take home components.

SDR labs: The labs are performed on the simple, but powerfulADALM-Pluto modulesfrom Analog    devices.  Each student will be provided one device.  Students should work in pairs with one device as a   transmitter and the second as a receiver.  The lab is in the form of a MATLAB Live Script.  Students fill in the script and submit the printed script.  One submission per pair.

Texts:  Most of the material is self-contained so there is no required text.  The following texts are suggested :

.     Proakis, “Digital Communications,” 5th  edition

.     Madhow, “Fundamentals of Digital Communications”, 2008.  (available in bookstore)

.     Proakis, Salehi, “Fundamentals of Communication systems”.  This is the undergraduate version

.    Steven Kay, “Fundamentals of Statistical Signal Processing:  Detection Theory” .  Provides extra material on multivariable Gaussian estimation and hypothesis testing.