Skip to content

Latest commit

 

History

History
54 lines (43 loc) · 5.82 KB

README.md

File metadata and controls

54 lines (43 loc) · 5.82 KB

Digital signal processing

Digital signal processing

Этот проект - базовые лекции по цифровой обработке сигналов (ЦОС) в виде тетрадок Jupyter Notebook. Можно воспринимать их как полноценный курс по цифровой обработке или использовать как заметки по теоретическим аспектам и практическому применению задач ЦОС.

Материалы представлены с использованием библиотек на языке Python (numpy , scipy, matplotlib, seaborn etc). Основная информация взята из моих лекций, которые я читал студентам Московского Энергетического Института ("НИУ МЭИ"). Частично информация из этих лекций была использована на обучающих семинарах в Центре Современной Электроники. Кроме того, в эти лекции входит перевод различных статей, компиляция материалов из достоверных источников и литературы по тематике цифровой обработки сигналов, а также официальная документация по прикладным пакетам и встроенным функциям библиотек scipy и numpy языка Python. Некоторые лекции написаны с помощью моих хороших знакомых и коллег, за что им отдельная благодарность!

Список лекций (на русском)

  1. Сигналы: аналоговые, дискретные, цифровые. Z-преобразование,
  2. Преобразование Фурье: амплитудный и фазовый спектр сигнала, ДПФ и БПФ,
  3. Свертка и корреляция. Линейная и циклическая свертка. Быстрая свёртка
  4. Случайные процессы. Белый шум. Функция плотности вероятностей
  5. Детерминированные сигналы. Модуляция: АМ, ЧМ, ФМ, ЛЧМ. Манипуляция
  6. Фильтрация сигналов: БИХ, КИХ фильтры
  7. Оконная фильтрация. Детектирование слабых сигналов с помощью наложения окна,
  8. Ресемплинг: децимация и интерполяция. CIC-фильтры, фильтры скользящего среднего
  9. Непараметрические методы спектрального анализа
  10. Полифазные схемы преобразования Фурье - усреднение по частоте и по времени
  11. Банки фильтров в задачах аудиокодирования

Install

  • Install anaconda / miniconda
  • Create and activate virtual environment
  • Install python packages from requirements.txt
  • Run jupyter notebooks via Jupyter server or JetBrains DataSpell
# Create conda environment and install needed packages
conda create -n "dsp_venv" python=3.9 -y
conda activate dsp_venv
pip install -r requirements.txt
# Run jupyter notebook server and follow link from console
jupyter notebook

Requirements

numpy==1.21.2
scipy==1.7.1
matplotlib==3.4.3
seaborn==0.11.2
jupyter==1.0.0

Habr blogpost

First Release

  • 2019/07/10

License

  • GNU GPL 3.0.