آموزش پردازش سیگنال دیجیتال (DSP) از پایه با آردوینو™ - آخرین آپدیت

دانلود Digital Signal Processing(DSP) From Ground Up™ using Arduino

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:

پردازش سیگنال دیجیتال (DSP) عملی با آردوینو: FFT، طراحی فیلتر، کانولوشن، IIR، FIR، پنجره همینگ، سیستم‌های خطی

یادگیری و پیاده‌سازی عملی پردازش سیگنال دیجیتال (DSP) روی آردوینو. این دوره آموزشی با رویکردی مبتنی بر برنامه‌نویسی، شما را با جنبه‌های کاربردی DSP آشنا می‌کند و به شما کمک می‌کند تا الگوریتم‌های مختلف را روی آردوینو پیاده‌سازی و آزمایش کنید.

در این دوره خواهید آموخت:

  • توسعه و آزمایش الگوریتم هسته کانولوشن روی آردوینو
  • توسعه و آزمایش الگوریتم تبدیل فوریه گسسته (DFT) روی آردوینو
  • توسعه و آزمایش الگوریتم تبدیل فوریه گسسته معکوس (IDFT) روی آردوینو
  • توسعه و آزمایش الگوریتم تبدیل فوریه سریع (FFT) روی آردوینو
  • انجام تحلیل طیفی سیگنال‌های ECG با استفاده از آردوینو
  • طراحی و توسعه فیلترهای Windowed-Sinc روی آردوینو
  • طراحی و توسعه فیلترهای پاسخ ضربه محدود (FIR) روی آردوینو
  • طراحی و توسعه فیلترهای پاسخ ضربه نامحدود (IIR) روی آردوینو
  • استفاده از کتابخانه ARM CMSIS-DSP روی آردوینو
  • توسعه الگوریتم FFT-کانولوشن روی آردوینو
  • توسعه الگوریتم تفاضل اول روی آردوینو
  • توسعه الگوریتم جمع متحرک روی آردوینو
  • توسعه الگوریتم فیلتر میانگین متحرک روی آردوینو
  • توسعه الگوریتم فیلتر میانگین متحرک بازگشتی روی آردوینو
  • توسعه الگوریتم‌های آمار سیگنال روی آردوینو
  • ساخت فیلترهای پایین‌گذر و بالاگذر پسیو
  • ساخت فیلترهای Sallen-Key اصلاح‌شده
  • ساخت فیلترهای بسل، چبیشف و باترورث
  • درک کامل سیستم‌های خطی و ویژگی‌های آن‌ها
  • حذف نویز از سیگنال‌ها با استفاده از آردوینو
  • ارائه یک سخنرانی در مورد پردازش سیگنال دیجیتال (DSP)

پیش‌نیاز: آشنایی اولیه با برنامه‌نویسی آردوینو یک مزیت است.

این دوره با ارائه تکنیک‌های عملی و اجتناب از تئوری‌های پیچیده ریاضی، به شما کمک می‌کند تا درک عمیقی از DSP به دست آورید. هدف این دوره، ارائه تکنیک‌های DSP به زبانی ساده و قابل فهم است، نه صرفاً اثبات آن‌ها از طریق معادلات ریاضی.

این دوره با استفاده از برد آردوینو و زبان برنامه‌نویسی آن، به شما امکان می‌دهد تا تکنیک‌های DSP را به صورت عملی پیاده‌سازی و آزمایش کنید. در پایان این دوره، شما قادر خواهید بود الگوریتم‌های مختلف DSP را روی آردوینو توسعه دهید و حتی در مورد DSP سخنرانی کنید. برای اطلاعات بیشتر، لطفاً به سرفصل‌های کامل دوره مراجعه کنید.


سرفصل ها و درس ها

راه اندازی Set up

  • دانلود آردوینو Downloading Arduino

  • نصب آردوینو Installing Arduino

  • قابلیت‌های بردهای مختلف آردوینو Capabilities of different arduino boards

  • اضافه کردن بردهای جدید به Arduino IDE Adding new boards to the arduino IDE

  • اضافه کردن قابلیت‌های CMSIS-DSP به Arduino IDE Adding CMSIS-DSP capabilites to the Arduino IDE

  • تست راه اندازی CMSIS-DSP Testing the CMSIS-DSP set up

آمار سیگنال و نویز Signal Statistics and Noise

  • ماهیت یک سیگنال Nature of a signal

  • میانگین و انحراف معیار Mean and Standard Deviation

  • نسبت سیگنال به نویز Signal-to-Noise ratio

  • توجه: الگوریتم میانگین سیگنال بر روی آردوینو Uno Notice : Signal Mean algorithm on Arduino Uno

  • کدنویسی: توسعه الگوریتم میانگین سیگنال Coding : Developing the Signal Mean algorithm

  • کدنویسی: محاسبه میانگین سیگنال Coding : Computing the Signal Mean

  • کدنویسی: محاسبه میانگین سیگنال با CMSIS-DSP Coding : Computing the Signal Mean with CMSIS-DSP

  • کدنویسی: ایجاد تابع رسم نمودار سیگنال Coding : Creating a Signal plot function

  • کدنویسی: توسعه الگوریتم واریانس سیگنال Coding : Developing the Signal Variance algorithm

  • کدنویسی: محاسبه واریانس سیگنال Coding : Computing the Signal Variance

  • کدنویسی: محاسبه واریانس سیگنال با CMSIS-DSP Coding : Computing the Signal Variance with CMSIS-DSP

  • کدنویسی: محاسبه انحراف معیار سیگنال Coding : Computing the Signal Standard Deviation

  • محاسبه انحراف معیار سیگنال با استفاده از CMSIS-DSP Computing the Signal Standard Deviation using CMSIS-DSP

کوانتیزاسیون و قضیه نمونه برداری Quantization and The Sampling Theorem

  • کوانتیزاسیون Quantization

  • قضیه نایکوئیست (قضیه نمونه برداری) Nyquist Theorem ( Sampling Theorem )

  • فیلتر پایین‌گذر پسیو The Passive Low-Pass Filter

  • فیلتر بالاگذر پسیو The Passive High-Pass Filter

  • فیلتر Sallen-Key اصلاح شده The Modified Sallen-Key Filter

  • فیلترهای بسل، چبیشف و باترورث The Bessel, Chebyshev and Butterworth filters

  • مقایسه عملکرد فیلترهای بسل، چبیشف و باترورث Comparing the performance of the Bessel, Chebyshev and Butterworth filters

  • رمزگذاری اطلاعات: رمزگذاری حوزه زمان و حوزه فرکانس Information encoding : Time-domain and frequency-domain encoding

سیستم های خطی و جمع آثار Linear Systems and Superposition

  • قراردادهای نامگذاری سیگنال Signal naming conventions

  • همگنی سیستم System Homogeneity

  • افزودنی بودن سیستم System Additivity

  • ناوردايی شیفت سیستم System Shift Invariance

  • سنتز و تجزیه Synthesis and Decomposition

  • تجزیه ایمپالس Impulse Decomposition

  • تجزیه پله Step Decomposition

کانولوشن Convolution

  • معرفی کانولوشن Introduction to Convolution

  • تابع دلتا و پاسخ ضربه The Delta Function and Impulse Response

  • هسته کانولوشن The Convolution Kernel

  • هسته کانولوشن (قسمت دوم) The Convolution Kernel (Part II)

  • تجزیه و تحلیل سمت خروجی و معادله جمع کانولوشن The Output side analysis and the convolution sum equation

  • کدنویسی: توسعه الگوریتم کانولوشن (قسمت اول) Coding : Developing the Convolution algorithm (Part I )

  • کدنویسی: توسعه الگوریتم کانولوشن (قسمت دوم) Coding : Developing the Convolution algorithm (Part II )

  • کدنویسی: توسعه الگوریتم کانولوشن (قسمت سوم) Coding : Developing the Convolution algorithm (Part III )

  • کدنویسی: به روز رسانی کد Coding : Code Update

  • کدنویسی: انجام کانولوشن با کتابخانه CMSIS-DSP Coding : Performing convolution with the CMSIS-DSP library

  • ویژگی همانی کانولوشن The Identity property of convolution

  • جمع تجمعی و تفاضل اول The Running Sum and First Difference

  • کدنویسی: توسعه الگوریتم جمع تجمعی Coding : Developing the Running Sum algorithm

  • کدنویسی: توسعه الگوریتم تفاضل اول Coding : Developing the First Difference algorithm

تبدیل فوریه Fourier Transform

  • معرفی آنالیز فوریه Introduction to Fourier Analysis

  • معرفی تبدیل فوریه گسسته Introduction to Discrete Fourier Transform

  • توابع پایه DFT DFT Basis Functions

  • استنتاج DFT معکوس Deducing the Inverse DFT

  • محاسبه تبدیل فوریه گسسته (DFT) Calculating the Discrete Fourier Transform (DFT)

  • کدنویسی: توسعه الگوریتم DFT (قسمت اول) Coding : Developing the DFT algorithm (Part I)

  • کدنویسی: توسعه الگوریتم DFT (قسمت دوم) Coding : Developing the DFT algorithm (Part II)

  • کدنویسی: توسعه الگوریتم DFT (قسمت سوم) Coding : Developing the DFT algorithm (Part III)

  • کدنویسی: توسعه الگوریتم DFT معکوس (قسمت اول) Coding : Developing the Inverse DFT algorithm (Part I)

  • کدنویسی: توسعه الگوریتم DFT معکوس (قسمت سوم) Coding : Developing the Inverse DFT algorithm (Part III )

  • کدنویسی: توسعه الگوریتم DFT معکوس (قسمت دوم) Coding : Developing the Inverse DFT algorithm (Part II)

  • کدنویسی: توسعه الگوریتم DFT معکوس (قسمت چهارم) Coding : Developing the Inverse DFT algorithm (Part IV )

  • تقارن بین حوزه زمان و حوزه فرکانس – دوگانگی Symmetry between Time domain and frequency domain -Duality

  • نماد قطبی Polar Notation

  • معرفی آنالیز طیفی Introduction to Spectral Analysis

  • پاسخ فرکانسی The Frequency Response

اعداد مختلط Complex Numbers

  • دستگاه اعداد مختلط The Complex Number System

  • نمایش قطبی اعداد مختلط Polar Representation of Complex Numbers

  • رابطه اویلر Euler's Relation

  • نمایش سینوسی Representation of Sinusoids

  • نمایش سیستم ها Representing Systems

تبدیل فوریه مختلط Complex Fourier Transform

  • معرفی تبدیل فوریه مختلط Introduction to Complex Fourier Transform

  • معادلسازی ریاضی Mathematical Equivalence

  • معادله DFT مختلط The Complex DFT Equation

  • مقایسه DFT حقیقی و DFT مختلط Comparing Real DFT and Complex DFT

تبدیل فوریه سریع (FFT) Fast Fourier Transform (FFT)

  • مروری بر نحوه کار FFT. An Overview of how FFT works.

  • درک پیچیدگی محاسبه مستقیم DFT Understanding the complexity of calculating DFT directly

  • نحوه کار الگوریتم FFT تجزیه-در-زمان How the Decimation -in-Time FFT Algorithm works

طراحی فیلتر دیجیتال Digital Filter Design

  • معرفی فیلترهای دیجیتال Introduction to Digital Filters

  • هسته فیلتر The Filter Kernel

  • پاسخ ضربه، پله و فرکانسی The Impulse,Step and Frequency response

  • درک مقیاس لگاریتمی و دسی بل Understanding the Logarithmic scale and decibels

  • نمایش های اطلاعاتی یک سیگنال Information representations of a signal

  • پارامترهای حوزه زمان Time domain parameters

  • پارامترهای حوزه فرکانس Frequency domain parameters

  • طراحی فیلترهای دیجیتال با استفاده از روش وارونگی طیفی Designing digital filters using the spectral inversion method

  • طراحی فیلترهای دیجیتال با استفاده از روش معکوس سازی طیفی Designing digital filters using the spectral reversal method

  • طبقه بندی فیلترهای دیجیتال Classification of digital filters

طراحی فیلترهای پاسخ ضربه محدود (FIR) Designing Finite Impulse Response FIR) Filters

  • فیلتر میانگین متحرک چندگانه The Multiple Pass Moving Average Filter

  • فیلتر میانگین متحرک The Moving Average Filter

  • کدنویسی: توسعه فیلتر میانگین متحرک (قسمت اول) Coding : Developing the Moving Average filter (Part I)

  • کدنویسی: توسعه فیلتر میانگین متحرک (قسمت دوم) Coding : Developing the Moving Average filter (Part II)

  • فیلتر میانگین متحرک بازگشتی The Recursive Moving Average Filter

  • کدنویسی: توسعه فیلتر میانگین متحرک بازگشتی Coding : Developing the Recursive Moving Average filter

طراحی فیلترهای پاسخ ضربه نامحدود (IIR) Designing Infinite Impulse Response (IIR) Filters

  • معرفی فیلترهای بازگشتی Introduction to Recursive Filters

  • معادله بازگشتی The Recursion Equation

  • فیلتر بازگشتی تک قطبی The Single-Pole Recursive Filter

  • فیلترهای چبیشف دیجیتال Digital Chebyshev Filters

طراحی فیلترهای Windowed-Sinc Designing Windowed-Sinc Filters

  • معرفی فیلترهای Windowed-Sinc Introduction to Windowed-Sinc Filters

  • تابع Sinc و فیلتر Sinc قطع شده The Sinc Function and the Truncated Sinc Filter

  • پنجره بلکمن The Blackman window

  • معادلات پنجره همینگ و بلکمن The Hamming and Blackman window equations

  • طراحی فیلتر Windowed Sinc Designing the Windowed Sinc filter

کانولوشن FFT FFT Convolution

  • درک نحوه کار روش Overlap-Add Understanding how the Overlap-Add method works

  • درک نحوه کار FFT-Convolution Understanding how FFT-Convolution works

معرفی Matlab Introduction to Matlab

  • دانلود Matlab Downloading Matlab

  • نصب Matlab Installing Matlab

  • بررسی اجمالی Matlab Overview of Matlab

  • معرفی ماتریس ها Introduction to Matrices

  • الحاق ماتریس Matrix concatenation

نمایش نظرات

آموزش پردازش سیگنال دیجیتال (DSP) از پایه با آردوینو™
جزییات دوره
7.5 hours
108
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
1,560
4 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Israel Gbati Israel Gbati

Embedded Firmware Engineer نام من اسرائیل است ، من بیش از 7 سال است که در فضای سیستم جاسازی شده تحقیق و کار می کنم. در Udemy ده ها هزار دانش آموز در سیستم های جاسازی شده با تمرکز بر موضوعاتی مانند برنامه نویسی Assembly ، طراحی سیستم عامل های زمان واقعی ، توسعه سیستم عامل و پردازش سیگنال دیجیتال آموزش داده ام. من قادر به آموزش این مباحث هستم زیرا در کارهای روزمره مفاهیمی را از این مباحث استفاده می کنم. به یکی از دوره های من بپیوندید و ببینید چطور پیش می رود. همیشه می توانید درخواست بازپرداخت کنید.

BHM Engineering Academy BHM Engineering Academy

آکادمی مهندسی قرن بیست و یکم