پردازش سیگنال دیجیتال (DSP) از پایه در C
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- توانایی توسعه الگوریتم کرنل کانولوشن در زبان C
- توانایی توسعه الگوریتم تبدیل فوریه گسسته (DFT) در زبان C
- توانایی توسعه الگوریتم تبدیل معکوس فوریه گسسته (IDFT) در زبان C
- توانایی توسعه الگوریتم تبدیل فوریه سریع (FFT) در زبان C
- امکان انجام تحلیل طیفی روی سیگنالهای ECG در زبان C
- توانایی طراحی و توسعه فیلترهای Windowed-Sinc در زبان C
- توانایی طراحی و توسعه فیلترهای پاسخ ضربه محدود (FIR) در زبان C
- توانایی طراحی و توسعه فیلترهای پاسخ ضربه بینهایت (IIR) در زبان C
- توانایی توسعه الگوریتم کانولوشن FFT در زبان C
- توانایی توسعه الگوریتم اولین اختلاف در زبان C
- توانایی توسعه الگوریتم Running Sum در زبان C
- توانایی توسعه الگوریتم فیلتر میانگین متحرک در زبان C
- توانایی توسعه الگوریتم فیلتر میانگین متحرک بازگشتی در زبان C
- توانایی توسعه الگوریتمهای آماری سیگنال در زبان C
- توانایی ساخت فیلترهای پایینگذر و بالاگذر غیرفعال
- توانایی ساخت فیلترهای سالن کی اصلاح شده
- توانایی ساخت فیلترهای بسل، چبیشف و باترورث
- درک کامل سیستمهای خطی و ویژگیهای آنها
- درک نحوه سنتز و تجزیه سیگنالها
- درک رابطه بین تابع دلتا و پاسخ ضربه
- توانایی ترسیم نمودار سیگنالها با استفاده از gnuplot
- ارائه سخنرانی درباره پردازش سیگنال دیجیتال (DSP)
- توانایی سرکوب نویز در سیگنالها
پیشنیازهای دوره
- دانش اولیه درباره برنامه نویسی C
توضیحات دوره
با رویکردی مبتنی بر برنامهنویسی، این دوره طراحی شده تا پایهای قوی در موضوعات کاربردی پردازش سیگنال دیجیتال (DSP) در قالبی جذاب و قابل فهم ارائه دهد. هدف این است که تکنیکهای عملی را آموزش دهد در حالی که از موانع نظریههای انتزاعی ریاضی پرهیز میشود. برای رسیدن به این هدف، تکنیکهای DSP به زبان ساده توضیح داده میشود و فقط از طریق استنتاجهای ریاضی اثبات نمیشوند.
در حالی که مباحث همچنان ساده باقی میماند، این دوره در زبانهای برنامهنویسی و معماریهای سختافزاری مختلف عرضه میشود تا دانشجویان بتوانند تکنیکها را در محیط دلخواه خود بکار بگیرند. این نسخه از دوره بر اساس زبان برنامهنویسی C است.
در پایان دوره، باید بتوانید الگوریتم کرنل کانولوشن را در C توسعه دهید، الگوریتم DFT را در C پیادهسازی کنید، الگوریتم IDFT را در C توسعه دهید، فیلترهای FIR و IIR را طراحی و توسعه دهید، فیلترهای Windowed-Sinc را پیاده کنید، فیلترهای سالن کی اصلاح شده را ساخته، و فیلترهای بسل، چبیشف و باترورث را طراحی کنید. همچنین قادر خواهید بود الگوریتم FFT را در C پیاده کرده و حتی در مورد DSP سخنرانی کنید.
این دوره برای چه کسانی مناسب است؟
- دانشجویان مهندسی
- توسعهدهندگان C
- مهندسان سیستمهای تعبیه شده
- دانشجویان مهندسی کامپیوتر
- علاقهمندان
- مدرسان سیستمهای تعبیه شده
پردازش سیگنال دیجیتال (DSP) از پایه در C
-
راهاندازی محیط توسعه یکپارچه (IDE) 02:37
-
بررسی بلوکهای کد 04:01
-
دانلود gnuplot 02:39
-
نصب gnuplot 02:21
-
بررسی gnuplot 04:00
-
ترسیم نمودار سیگنالها با gnuplot 04:37
-
ترسیم نمودار چندین سیگنال در یک پنجره 07:26
-
آمار و نویز سیگنال 04:07
-
میانگین و انحراف معیار 04:06
-
کدنویسی - توسعه الگوریتم میانگین سیگنال 07:43
-
کدنویسی - محاسبه میانگین سیگنال 03:36
-
کدنویسی - توسعه الگوریتم واریانس سیگنال 09:36
-
کدنویسی - توسعه الگوریتم انحراف معیار استاندارد سیگنال 04:06
-
قضیه نایکوئیست (قضیه نمونهبرداری) 09:24
-
فیلتر پایینگذر غیرفعال 07:30
-
فیلتر بالاگذر غیرفعال 04:48
-
فیلتر فعال 05:49
-
فیلترهای بسل، چبیشف و باترورث 06:44
-
آشنایی با سیستمهای خطی 04:47
-
درک برهمنهی 05:00
-
تجزیه ضربهای و پلهای 04:31
-
آشنایی با کانولوشن 03:22
-
عملیات کانولوشن 06:44
-
بررسی خروجی کانولوشن 04:45
-
معادله جمع کانولوشن 02:05
-
نگاهی دقیقتر به تابع دلتا 05:41
-
کدنویسی - توسعه الگوریتم کانولوشن - بخش 1 10:46
-
کدنویسی - توسعه الگوریتم کانولوشن - بخش 2 05:19
-
کدنویسی - توسعه الگوریتم کانولوشن - بخش 3 06:24
-
کدنویسی - توسعه الگوریتم کانولوشن - بخش 4 09:45
-
Running Sum و اولین اختلاف 02:02
-
کدنویسی - توسعه الگوریتم Running Sum 12:16
-
آشنایی با تحلیل فوریه 05:29
-
موتور تبدیل فوریه گسسته (DFT) 04:11
-
درک DFT معکوس و پیشرو 04:32
-
کدنویسی - توسعه الگوریتم DFT - بخش 1 09:09
-
کدنویسی - توسعه الگوریتم DFT - بخش 2 10:06
-
کدنویسی - توسعه الگوریتم DFT - بخش 3 04:23
-
کدنویسی - توسعه الگوریتم معکوس DFT - بخش 1 05:25
-
کدنویسی - توسعه الگوریتم معکوس DFT - بخش 2 08:21
-
کدنویسی - توسعه الگوریتم معکوس DFT - بخش 3 05:16
-
کدنویسی - محاسبه DFT و IDFT سیگنال ECG - بخش 1 05:11
-
کدنویسی - محاسبه DFT و IDFT سیگنال ECG - بخش 2 06:34
-
کدنویسی - شناسایی فرکانسهای موجود در نمودار DFT 09:23
-
تقارن بین حوزه زمان و حوزه فرکانس - دوگانگی 00:55
-
نماد قطبی 02:50
-
کدنویسی - نماد مستطیلی به نماد قطبی - بخش 1 12:21
-
کدنویسی - نماد مستطیلی به نماد قطبی - بخش 2 09:48
-
سیستم اعداد مختلط 02:05
-
نمایش قطبی اعداد مختلط 01:35
-
رابطه اویلر 01:35
-
نمایش سینوسوئید 01:57
-
نمایش سیستمها 01:34
-
آشنایی با تبدیل فوریه مختلط 01:43
-
معادل ریاضی 01:38
-
معادله DFT مختلط 00:36
-
مقایسه DFT واقعی و DFT مختلط 03:17
-
کدنویسی - توسعه معادله DFT مختلط - بخش 1 10:34
-
کدنویسی - توسعه معادله DFT مختلط - بخش 2 07:57
-
بررسی نحوه کار FFT 08:17
-
درک پیچیدگی محاسبه مستقیم DFT 02:35
-
چگونه الگوریتم FFT با کاهش زمانی کار میکند؟ 09:00
-
آشنایی با فیلترهای دیجیتال 03:14
-
کرنل فیلتر 01:49
-
پاسخهای ضربه، پله و فرکانس 01:16
-
درک مقیاس لگاریتمی و دسیبلها 02:59
-
نمایشهای اطلاعاتی سیگنال 03:57
-
پارامترهای حوزه زمانی 04:20
-
پارامترهای حوزه فرکانس 01:25
-
طراحی فیلترهای دیجیتال با متد معکوس طیفی 04:36
-
طراحی فیلترهای دیجیتال با متد معکوس طیفی 02:50
-
طبقهبندی فیلترهای دیجیتال 01:56
-
فیلتر میانگین متحرک 04:11
-
فیلتر میانگین متحرک چندگانه 02:19
-
فیلتر میانگین متحرک بازگشتی 04:33
-
آشنایی با فیلترهای بازگشتی Processing..
-
معادله بازگشتی 01:50
-
فیلتر تکقطبی بازگشتی 02:52
-
فیلترهای دیجیتال چبیشف 01:57
-
آشنایی با فیلترهای Windowed-Sinc 00:47
-
تابع سینوس و فیلتر سینوس کاهش یافته 03:15
-
پنجره بلکمن 01:00
-
معادلات پنجره هامینگ و بلکمن 02:34
-
طراحی فیلتر Windowed-Sinc 02:34
-
کدنویسی - توسعه الگوریتم فیلتر پایینگذر Windowed-Sinc - بخش 1 11:53
-
کدنویسی - توسعه الگوریتم فیلتر پایینگذر Windowed-Sinc - بخش 2 22:53
-
کدنویسی - توسعه الگوریتم فیلتر میانگذر Windowed-Sinc - بخش 1 09:48
-
کدنویسی - توسعه الگوریتم فیلتر میانگذر Windowed-Sinc - بخش 2 05:11
-
کدنویسی - توسعه الگوریتم فیلتر میانگذر Windowed-Sinc - بخش 3 07:37
-
کدنویسی - توسعه الگوریتم فیلتر میانگذر Windowed-Sinc - بخش 4 12:31
-
کدنویسی - توسعه الگوریتم فیلتر میانگذر Windowed-Sinc - بخش 5 04:13
مشخصات آموزش
پردازش سیگنال دیجیتال (DSP) از پایه در C
- تاریخ به روز رسانی: 1404/06/14
- سطح دوره:همه سطوح
- تعداد درس:91
- مدت زمان :07:47:25
- حجم :3.88GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy