پردازش سیگنال دیجیتال (DSP) در جاوا از پایه
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- ساخت یک کتابخانه کامل DSP در جاوا
- توسعه الگوریتم کرنل کانولوشن در جاوا
- توسعه الگوریتم تبدیل فوریه گسسته (DFT) در جاوا
- تسلط به تکنیکهای کارآمد الگوریتمهای DSP نظیر بازکردن حلقه و MAC در جاوا
- توسعه الگوریتم تبدیل فوریه گسسته (DFT) در جاوا
- توسعه الگوریتم تبدیل فوریه گسسته معکوس (IDFT) در جاوا
- توسعه الگوریتم تبدیل فوریه سریع (FFT) در جاوا
- انجام تحلیل طیفی روی سیگنالهای الکتروکاردیوگرام (ECG) در جاوا
- طراحی و توسعه فیلترهای Windowed-Sinc در جاوا
- طراحی و توسعه فیلترهای پاسخ ضربه محدود (FIR) در جاوا
- طراحی و توسعه فیلترهای پاسخ ضربه نامحدود (IIR) در جاوا
- توسعه الگوریتم فیلتر میانگین متحرک در جاوا
- توسعه الگوریتم فیلتر میانگین متحرک بازگشتی در جاوا
- توانایی ساخت فیلترهای بسل، چبیشف و باترورث
- درک کامل سیستمهای خطی و ویژگیهای آنها
- درک چگونگی سنتز و تجزیه سیگنالها
- رسم سیگنالها با gnuplot
- ارائه یک درس درباره پردازش سیگنال دیجیتال (DSP)
- حذف نویز در سیگنالها
پیشنیازهای دوره
- هیچ تجربه برنامهنویسی نیاز نیست - مدرس هر آنچه را که باید بدانید به شما آموزش میدهد.
- نیازی به نرمافزار پولی نیست - همه برنامههای DSP در IntelliJ IDEA (که رایگان است) ساخته میشوند.
توضیحات دوره
این دوره با رویکردی مبتنی بر برنامهنویسی طراحی شده است تا اصول محکم در کاربردیترین جنبههای پردازش سیگنال دیجیتال (DSP) به روشی تعاملی و قابلدنبال کردن به شما بدهد. هدف این دوره ارائه تکنیکهای عملی و در عین حال دوری از موانع نظریههای انتزاعی ریاضی است. برای دستیابی به این هدف، تکنیکهای DSP به زبان ساده و کد کامپیوتری توضیح داده میشوند، نه صرفاً از طریق استنتاجهای ریاضی اثبات گردند.
در عین ساده نگه داشتن مطالب، این دوره در زبانهای برنامهنویسی و معماریهای سختافزاری مختلف ارائه میشود تا دانشجویان بتوانند تکنیکها را با زبان برنامهنویسی یا معماری سختافزاری دلخواه خود به کار گیرند. این نسخه از دوره از زبان برنامهنویسی جاوا استفاده میکند.
با هر مبحث DSP، دو نسخه از یک الگوریتم را توسعه خواهیم داد. یک نسخه بر خوانایی کد متمرکز است و نسخه دیگر بر روی استحکام و سرعت اجرا تمرکز دارد - برای انجام این کار از تکنیکهای برنامهنویسی مانند بازکردن حلقه و ضرب-انباشت (MAC) استفاده خواهیم کرد.
تا پایان این دوره باید بتوانید یک کتابخانه کامل DSP در جاوا بسازید، الگوریتم کرنل کانولوشن را در جاوا توسعه دهید، الگوریتم تبدیل فوریه گسسته (DFT) را در جاوا توسعه دهید، الگوریتم تبدیل فوریه گسسته معکوس (IDFT) را در جاوا توسعه دهید، فیلترهای پاسخ ضربه محدود (FIR) را در جاوا طراحی و توسعه دهید، فیلترهای پاسخ ضربه نامحدود (IIR) را در جاوا طراحی و توسعه دهید، فیلترهای Windowed-Sinc را در جاوا توسعه دهید، فیلترهای Modified Sallen-Key را بسازید، فیلترهای بسل، چبیشف و باترورث را بسازید، الگوریتم تبدیل فوریه سریع (FFT) را در جاوا توسعه دهید، حتی یک درس درباره DSP ارائه دهید و خیلی موارد دیگر.
این دوره برای چه کسانی مناسب است؟
- اگر در پردازش سیگنال کاملاً مبتدی هستید، این دوره را بگذرانید.
- اگر از قبل با تئوری DSP آشنایی دارید، این دوره را بگذرانید تا یاد بگیرید چگونه معادلات ریاضی را به کد تبدیل کنید.
- اگر یک توسعهدهنده جاوا هستید، این دوره را بگذرانید تا یاد بگیرید چگونه الگوریتمهای DSP مقاوم را در جاوا بسازید.
پردازش سیگنال دیجیتال (DSP) در جاوا از پایه
-
مقدمه 01:59
-
نصب Java JDK و IDE 05:18
-
اتصال Java JDK و IDE 06:11
-
دانلود gnuplot 02:38
-
رسم سیگنالها با gnuplot 05:39
-
رسم چند سیگنال در یک پنجره 06:25
-
ماهیت یک سیگنال 02:26
-
میانگین و انحراف معیار 04:10
-
نسبت سیگنال به نویز 00:58
-
کدنویسی: توسعه الگوریتم میانگین سیگنال 13:01
-
کدنویسی: توسعه الگوریتم واریانس سیگنال 07:58
-
کدنویسی: توسعه الگوریتم انحراف معیار سیگنال 03:56
-
کدنویسی: کلاس آمار سیگنال 10:33
-
کدنویسی: الگوریتم مقاوم میانگین سیگنال 18:53
-
کدنویسی: الگوریتم مقاوم واریانس سیگنال 19:45
-
کدنویسی: الگوریتم مقاوم انحراف معیار سیگنال 09:53
-
کدنویسی: الگوریتم مقاوم RMS سیگنال 12:17
-
کدنویسی: الگوریتم مقاوم بیشینه سیگنال 18:16
-
کدنویسی: الگوریتم مقاوم کمینه سیگنال 14:33
-
کوانتیزاسیون 02:31
-
قضیه نایکوئیست (قضیه نمونهبرداری) 02:15
-
فیلتر پایینگذر غیرفعال 05:59
-
فیلتر بالاگذر غیرفعال 02:29
-
فیلتر اصلاحشده Sallen-Key 02:19
-
فیلترهای بسل، چبیشف و باترورث 03:28
-
مقایسه عملکرد فیلترهای بسل، چبیشف و باترورث 02:36
-
رمزگذاری اطلاعات: رمزگذاری در حوزه زمان و حوزه فرکانس 01:27
-
قراردادهای نامگذاری سیگنال 01:17
-
همگنی سیستم 01:32
-
جمعپذیری سیستم 00:33
-
ناوردایی سیستم نسبت به انتقال 01:06
-
سنتز و تجزیه 02:11
-
تجزیه ضربهای 02:10
-
تجزیه پلهای 01:51
-
مقدمهای بر کانولوشن 01:34
-
تابع دلتا و پاسخ ضربه 02:13
-
کرنل کانولوشن 06:33
-
کرنل کانولوشن (بخش 2) 00:53
-
تحلیل سمت خروجی و معادله جمع کانولوشن 04:20
-
کدنویسی: توسعه الگوریتم کانولوشن (بخش 1) 28:29
-
خاصیت همانی کانولوشن 01:30
-
جمع جاری و تفاضل اول 02:02
-
کدنویسی: توسعه الگوریتم جمع جاری 14:14
-
کدنویسی: توسعه الگوریتم تفاضل اول 10:21
-
مقدمهای بر تحلیل فوریه 01:22
-
مقدمهای بر تبدیل فوریه گسسته 04:50
-
توابع اولیه DFT 03:23
-
استخراج DFT معکوس 03:12
-
محاسبه تبدیل فوریه گسسته (DFT) 29:45
-
کدنویسی: توسعه الگوریتم DFT معکوس (بخش 1) 17:31
-
کدنویسی: محاسبه DFT و DFT معکوس یک سیگنال ECG 08:59
-
تقارن بین حوزه زمان و حوزه فرکانس - دوگانگی 00:55
-
نماد قطبی 02:50
-
مقدمهای بر تحلیل طیفی 02:31
-
پاسخ فرکانسی 03:34
-
دستگاه اعداد مختلط 02:05
-
نمایش قطبی اعداد مختلط 01:35
-
رابطه اویلر 01:35
-
نمایش سینوسیها 01:57
-
نمایش سیستمها 01:34
-
مقدمهای بر تبدیل فوریه مختلط 01:43
-
همارزی ریاضی 01:38
-
معادله DFT مختلط 00:36
-
مقایسه DFT حقیقی و DFT مختلط 03:17
-
مروری بر چگونگی کار FFT 08:17
-
درک پیچیدگی محاسبه مستقیم DFT 02:35
-
الگوریتم FFT با کاهش نمونه در زمان چگونه کار میکند؟ 09:00
-
مقدمهای بر فیلترهای دیجیتال 03:14
-
کرنل فیلتر 01:49
-
پاسخ ضربه، پله و فرکانس 01:16
-
درک مقیاس لگاریتمی و دسیبل 02:59
-
نمایشهای اطلاعاتی یک سیگنال 03:57
-
پارامترهای حوزه زمان 04:20
-
پارامترهای حوزه فرکانس 01:25
-
طراحی فیلترهای دیجیتال با استفاده از متد وارونگی طیفی 04:37
-
طراحی فیلترهای دیجیتال با استفاده از متد معکوسسازی طیفی 02:50
-
طبقهبندی فیلترهای دیجیتال 01:56
-
فیلتر میانگین متحرک 04:11
-
فیلتر میانگین متحرک چندگذره 02:20
-
کدنویسی: توسعه فیلتر میانگین متحرک 19:18
-
فیلتر میانگین متحرک بازگشتی 04:33
-
کدنویسی: توسعه فیلتر میانگین متحرک بازگشتی 15:21
-
مقدمهای بر فیلترهای بازگشتی 00:46
-
معادله بازگشت 01:50
-
فیلتر بازگشتی تکقطبی 02:52
-
فیلترهای چبیشف دیجیتال 01:57
-
مقدمهای بر فیلترهای Windowed-Sinc 00:47
-
تابع سینک و فیلتر Truncated Sinc 03:15
-
پنجره بلکمن 01:00
-
معادلات پنجره همینگ و بلکمن 02:34
-
طراحی فیلتر Windowed Sinc 02:34
-
کدنویسی: فیلتر Windowed-Sinc پایینگذر 10:36
-
کدنویسی: فیلتر Windowed-Sinc میانگذر (بخش 1) 10:36
-
کدنویسی: فیلتر Windowed-Sinc میانگذر (بخش 2) 12:43
-
درک چگونگی کار متد Overlap-Add 04:09
-
درک چگونگی کار کانولوشن FFT 04:04
-
دانلود Matlab 05:37
-
نصب Matlab 03:54
-
مروری بر Matlab 07:08
-
نوشتن در یک فایل 04:10
-
خواندن از یک فایل 02:47
مشخصات آموزش
پردازش سیگنال دیجیتال (DSP) در جاوا از پایه
- تاریخ به روز رسانی: 1405/04/02
- سطح دوره:Alls
- تعداد درس:101
- مدت زمان :09:03:01
- حجم :8.06GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy