fbpx

從基礎開始學習基於 Python 的數位訊號處理( DSP )

Contents

本課程旨在提供學生堅實的數位訊號處理(DSP)基礎,並以易於遵循的方式參與,避免抽象數學理論障礙。 學生可以選擇使用程式語言或硬體架構實踐技術,本課程使用Python程式語言,學生將學習開發卷積核心演算法、17種不同類型的視窗過濾器、快速傅立葉轉換(FFT)演算法等。

從這 13 小時的課程,你會學到

  • 使用 Python 開發卷積( Convolution ) 核心演算法
  • 使用 Python 設計和開發17種不同的 window filters
  • 使用 Python 開發離散傅立葉轉換( DFT )演算法
  • 使用 Python 設計和開發 Type I Chebyshev 過濾器
  • 使用 Python 設計和開發 Type II Chebyshev 過濾器
  • 使用 Pyhton 開發逆離散傅立葉轉換 (IDFT) 演算法
  • 使用 Python 開發快速傅立葉轉換( FFT )演算法
  • 使用 Python 對心電訊號進行頻譜分析
  • 使用 Python 設計與開發 windows-sinc 過濾器
  • 使用 Python 設計和開發有限脈衝響應( FIR )過濾器
  • 使用 Python 設計和開發無限脈衝響應( IIR )瀘波器過濾器
  • 使用 Python 開發第一差分演算法( First Difference algorithm )
  • 使用 Python 開發執行求和演算法
  • 使用 Python 開發移動平均過濾器演算法
  • 使用 Python 開發遞迴移動平均過濾器演算法
  • 使用 Python 設計和開發 Butterworth 過濾器
  • 使用 Python 設計和開發 Match 過濾器
  • 使用 Python 設計和開發 Bessel 過濾器
  • 使用 Python 模擬線性時不變( LTI )系統
  • 使用 Python 執行線性和立方插值

要求

You will need just a good working computer for this course 這門課你只需要一臺能用的電腦就可以了

課程說明

使用基於程式設計的方法,本課程目標在為你提供一個在數位訊號處理(DSP)最有用的方面堅實的基礎和以易於遵循的方式參與。 本課程的目標是在避免抽象數學理論障礙同時,提供實用的技巧。 為了實現這一目標,DSP 技術用簡單的語言進行了說明,而不只是簡單地通過數學推導證明為真。

仍然保持簡單,這門課程來自不同的程式語言和硬體架構,因此學生可以選擇把技術實踐使用程式語言或硬體架構。 這個版本的課程使用的是 Python 程式語言。

在本課程結束時,你應該能夠使用 python 開發卷積核心演算法( Convolution Kernel algorithm ),使用 python 開發17種不同類型的視窗過濾器,甚至給出了關於 DSP 的講座等等。 請看完整的課程表。

目標受眾

  • 在訊號處理領域工作的人
  • 參加訊號處理課程的大學生
  • 希望擴展自己技能的 Python 開發人員
  • 想要了解訊號處理實務,並應用到各自的領域的人

講師簡介

Israel Gbati  嵌入式系統工程師 : ARM 架構

你好! 我的名字是 Israel,我最近畢業於倫敦帝國學院 ( Imperial College London )。 我營運cortex-m.com 網站。 我已經為大學生教授機械電子學工程 (Mechatronics Engineering ),建造了一些很棒的機器人和嵌入式設備,並對 ARM 架構進行了廣泛的研究,這些都是為 DSP 和 RTOS 應用量身定做的。 我也是經驗豐富的 udemy 講師,已製作一些專精 ARM Cortex- Microcontrollers 的暢銷課程,超過 115 個國家、7000多名的學生參加。

英文字幕:有

  • 想要了解如何將英文字幕自動翻譯成中文? 請參考這篇 How-To

  • 點選這個優惠連結 課程特價 | Udemy 永久擁有課程 NT330 起( 在電腦瀏覽器登入,點選“優惠連結”後再回想要的課程介紹中點選“報名參加課程”即可取得 )
  • Udemy 現在越來越多課程有中文字幕,請參考 Soft & Share 中文線上課程
  • 手機上點選優惠連結看到的價格比電腦上看到的貴
  • $代表當地貨幣, 如在台灣為 NT
  • 點選”報名參加課程”有可能因瀏覽器 cookies 轉久一點或回報錯誤而無法連上,請稍等刷新或重新點選就會出現

報名參加課程

Sponsored by Udemy


Lingoda

也許你會有興趣

不受 FB 演算法影響,歡迎透過 e-mail 訂閱網站更新

這個網站採用 Akismet 服務減少垃圾留言。進一步了解 Akismet 如何處理網站訪客的留言資料

Powered by WordPress.com.

Up ↑

%d 位部落客按了讚: