آموزش مقدمه ای ساده بر پردازش سیگنال دیجیتال - آخرین آپدیت

دانلود A Simple Introduction to Digital Signal Processing

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

آموزش پردازش سیگنال دیجیتال با پایتون: کاربردهای عملی و یادگیری آسان

در این دوره آموزشی، با کاربردهای عملی پردازش سیگنال دیجیتال (DSP) با استفاده از زبان برنامه نویسی پایتون آشنا می شوید. تمرکز اصلی این دوره بر درک مفاهیم کلیدی و به کارگیری آنها در پروژه های واقعی است.

در این دوره چه چیزی یاد می گیرید؟

  • نحوه نمایش سیگنال ها توسط توابع سینوسی
  • مفهوم سیستم های خطی و تغییرناپذیر با زمان (LTI)
  • نحوه نمایش فیلترهای دیجیتال با استفاده از معادلات تفاضلی
  • مفهوم پاسخ فرکانسی یک سیستم
  • کانولوشن چیست و چرا در پردازش سیگنال مهم است؟
  • مفهوم همبستگی بین دو سیگنال
  • نحوه استفاده از تبدیل فوریه گسسته (DFT) برای شناسایی فرکانس های موجود در یک سیگنال
  • دوره فشرده آموزش پایتون
  • نحوه استفاده از پایتون برای ایجاد برنامه های کاربردی عملی در پردازش سیگنال دیجیتال

پیش نیازها

آشنایی با جبر خطی مفید است، اما درک بیشتر مطالب بدون آن امکان پذیر است. برای اجرای کدها، به کامپیوتری با قابلیت اجرای پایتون نیاز دارید.

نیاز به پایتون نسخه 3.x دارید (دستورالعمل های نصب در دوره ارائه می شود).

در دوران تحصیلات کارشناسی، درسی به نام سیستم های خطی را گذراندم که زمینه تئوری برای دروس مانند پردازش سیگنال دیجیتال، سیستم های کنترل و سیستم های ارتباطی را فراهم می کند. اگرچه نمره A را در این دوره کسب کردم، اما هرگز هدف این درس را فراتر از پیش نیاز دروس دیگری که ملزم به گذراندن آنها بودم، درک نکردم.

هدف من در این دوره این است که شما را با پردازش سیگنال دیجیتال به گونه ای آشنا کنم که نه تنها هدف موضوعات مختلف را درک کنید، بلکه ببینید که چگونه می توانید این مطالب را به کار ببرید.

برای نشان دادن کاربردهای عملی پردازش سیگنال دیجیتال، حدود دوازده برنامه پایتون برای انجام کارهایی مانند حذف نویز از فایل های صوتی، حذف نویز از تصاویر، شناسایی شماره تلفن های فشار داده شده روی تلفن های دکمه ای و تجزیه و تحلیل داده های دما ارائه می دهم. هر برنامه را بررسی می کنم و توضیح می دهم که چگونه کار می کند و چگونه آن را طراحی کردم. فرض نمی کنم که قبلاً با زبان برنامه نویسی پایتون برنامه نویسی کرده اید، بنابراین یک دوره فشرده نیز ارائه می دهم تا شما را به سرعت به روز کنم.

این دوره برای افرادی که به دنبال یک دوره سنگین، تئوری و ریاضی هستند مناسب نیست. گزینه های زیادی در دسترس است اگر این چیزی است که به دنبال آن هستید. این بدان معنا نیست که ما در این دوره از ریاضی استفاده نخواهیم کرد. من فکر می کنم موارد زیادی وجود دارد که شما باید بدانید که نمی توانید بدون ریاضی واقعاً آنها را درک کنید. برای کمک به شما در ریاضیاتی که یاد خواهیم گرفت، اعداد مختلط و تصاعدهای مختلط را در ابتدای دوره بررسی می کنم. سپس همانطور که موضوعات جدید را یاد می گیریم، مسائل تمرینی را با پاسخ های حل شده خودم ارائه می دهم.


سرفصل ها و درس ها

مقدمه Introduction

  • مقدمه Introduction

  • مروری بر اعداد مختلط Review of Complex Numbers

  • مروری بر محاسبات اعداد مختلط (همراه با تمرین) Review of Complex Arithmetic (with practice problems)

دوره فشرده پایتون Python Crash Course

  • نصب آناکوندا روی لینوکس (اگر از مک‌او‌اس استفاده می‌کنید هم تماشا کنید) Installing Anaconda on Linux (also watch if using Mac OS)

  • نصب آناکوندا روی ویندوز Installing Anaconda on Windows

  • عبارات Statements

  • مقادیر بولی Booleans

  • عبارات شرطی Conditionals

  • حلقه‌ها Loops

  • توسعه برنامه Program Development

  • توابع Functions

  • لیست‌ها Lists

  • رشته‌ها Strings

  • فایل‌ها Files

  • دیکشنری‌ها Dictionaries

  • نامپای (Numpy) Numpy

  • مت‌پلات‌لیب (Matplotlib) Matplotlib

توابع سینوسی و سیگنال‌های پایه Sinusoids and Basic Signals

  • توابع سینوسی Sinusoids

  • مثال توابع سینوسی (همراه با تمرین) Sinusoids Example (with practice problems)

  • نمونه‌برداری Sampling

  • الیزینگ (Aliasing) (همراه با تمرین) Aliasing (with practice problems)

  • کاربرد: تولید موسیقی Application: Music Generation

  • فیلترهای پایه Basic Filters

  • سیگنال‌های پایه Basic Signals

  • معادلات تفاضلی (همراه با تمرین) Difference Equations (with practice problems)

سیستم‌های خطی تغییرناپذیر با زمان (LTI) Linear, Time-Invariant (LTI) Systems

  • سیستم‌های خطی تغییرناپذیر با زمان (LTI) Linear, Time-Invariant (LTI) Systems

  • مثال‌های خطی بودن، قسمت ۱ Linearity Examples, part 1

  • مثال‌های خطی بودن، قسمت ۲ (همراه با تمرین) Linearity Examples, part 2 (with practice problems)

  • مثال‌های تغییرناپذیری با زمان Time-Invariance Examples

  • کاربرد: رمزگشایی یک پیام دیجیتال Application: Decoding a Digital Message

تحلیل حوزه زمان Time-Domain Analysis

  • پاسخ ضربه Impulse Response

  • فیلترهای FIR در مقابل فیلترهای IIR FIR vs IIR Filters

  • کانولوشن خطی Linear Convolution

  • ویژگی کانولوشن: خاصیت جابه‌جایی Convolution Property: Commutativity

  • ویژگی کانولوشن: خاصیت شرکت‌پذیری Convolution Property: Associativity

  • ویژگی کانولوشن: خاصیت توزیع‌پذیری (همراه با تمرین) Convolution Property: Distributitvity (with practice problems)

  • کاربرد: پردازش تصویر Application: Image Processing

  • همبستگی (Correlation) (همراه با تمرین) Correlation (with practice problems)

  • کاربرد: تطبیق الگو Application: Template Matching

تحلیل حوزه فرکانس Frequency-Domain Analysis

  • تحلیل حوزه فرکانس Frequency-Domain Analysis

  • هارمونیک‌ها (همراه با تمرین) Harmonics (with practice problems)

تبدیل فوریه گسسته Discrete Fourier Transform

  • تبدیل فوریه گسسته (DFT) The Discrete Fourier Transform (DFT)

  • DFT: درک مفهومی (همراه با تمرین) DFT: A Conceptual Understanding (with practice problems)

  • کاربرد: حذف نویز از صدا با استفاده از DFT Application: Noise Removal from Audio using the DFT

  • کاربرد: تحلیل داده‌های دما با استفاده از DFT Application: Analyzing Temperature Data using the DFT

پاسخ فرکانسی Frequency Response

  • پاسخ فرکانسی یک فیلتر Frequency Response of a Filter

  • پاسخ فرکانسی و کانولوشن Frequency Response and Convolution

اسپکتروگرام Spectrogram

  • اسپکتروگرام The Spectrogram

  • کاربرد: شناسایی شماره تلفن با استفاده از DTMF Application: Identifying a Phone Number using DTMF

  • انتخاب ویژگی Feature Selection

  • کاربرد: طبقه‌بندی فایل‌های صوتی Application: Classifying Audio Files

طراحی فیلترهای غیربازگشتی Design of Nonrecursive Filters

  • طراحی فیلترهای غیربازگشتی، قسمت ۱ Design of Nonrecursive Filters, part 1

  • طراحی فیلترهای غیربازگشتی، قسمت ۲ Design of Nonrecursive Filters, part 2

  • کاربرد: حذف نویز از صدا با استفاده از یک فیلتر FIR Application: Noise Removal from Audio using an FIR Filter

تحلیل حوزه فرکانس و تبدیل z Frequency-Domain Analysis and the z-Transform

  • تبدیل z The z-Transform

  • تبدیل z: قطب‌ها و صفرها The z-Transform: Poles and Zeros

  • تبدیل z: مثال‌ها The z-Transform: Examples

  • تبدیل z و کانولوشن (همراه با تمرین) The z-Transform and Convolution (with practice problems)

  • کاربرد: حذف یک فرکانس خاص با یک فیلتر ناچ (Notch Filter) Application: Remove a Specific Frequency with a Notch Filter

طراحی فیلترهای بازگشتی Design of Recursive Filters

  • طراحی فیلترهای بازگشتی، قسمت ۱ Design of Recursive Filters, part 1

  • طراحی فیلترهای بازگشتی، قسمت ۲ (همراه با تمرین) Design of Recursive Filters, part 2 (with practice problems)

  • کاربرد: تغییر فرکانس‌های پایین با یک فیلتر شلفینگ (Shelving Filter) Application: Change Low Frequencies with a Shelving Filter

  • کاربرد: جداسازی صدا با جداسازی کور منابع (Blind Source Separation) Application: Separate Audio with Blind Source Separation

پایان دوره End of Course

  • از اینجا به کجا برویم Where to Go From Here

نمایش نظرات

آموزش مقدمه ای ساده بر پردازش سیگنال دیجیتال
جزییات دوره
14 hours
64
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
1,117
4.7 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

Darin Brezeale Darin Brezeale

استاد دانشگاه سابق