Cours

COM-202: Signal processing

Résumé

Signal processing theory and applications: discrete and continuous time signals; Fourier analysis, DFT, DTFT, CTFT, FFT, STFT; linear time invariant systems; filter design and adaptive filtering; sampling; interpolation and quantization; image processing, data communication and control systems.

Séances de cours

Enseignant·e

Paolo Prandoni

I appeared about at the same time as the White Album and, upon being born, I immediately took the one and only sabbatical of my life, which lasted a leisurely four years. I then proceeded to be pre-schooled, schooled, middle- and high-schooled, college educated, and finally grad-schooled here at EPFL. As a kid I was fascinated by those expensive long-distance phone calls and so I specialized in communication systems. And then I did this and I did that. But do we really want to go into details? I thought so.

Source officielle

https://edu.epfl.ch/coursebook/fr/signal-processing-COM-202

Page Moodle

http://go.epfl.ch/COM-202

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Résumé

Séances de cours

Enseignant·e

Paolo Prandoni

Source officielle

https://edu.epfl.ch/coursebook/fr/signal-processing-COM-202

Page Moodle

http://go.epfl.ch/COM-202

À propos de ce résultat

Séances de ce cours (3)

COM-202 lundi 2023-2024 semestre 1 Connectez-vous à Mediaspace pour regarder cette vidéo

Traitement adaptatif du signal : filtrage et réseaux neuronaux Connectez-vous à Mediaspace pour regarder cette vidéo

Explore le traitement adaptatif du signal, la descente de gradient et l'algorithme LMS pour un filtrage efficace et un entraînement au réseau neuronal.

COM-202 lundi 2023-2024 semestre 1 Connectez-vous à Mediaspace pour regarder cette vidéo

Cours associés (30)

COM-500: Statistical signal and data processing through applications

Building up on the basic concepts of sampling, filtering and Fourier transforms, we address stochastic modeling, spectral analysis, estimation and prediction, classification, and adaptive filtering, with an application oriented approach and hands-on numeri ...

EE-205: Signaux et systèmes (pour EL)

Ce cours pose les bases d'un concept essentiel en ingénierie : la notion de système. Plus spécifiquement, le cours présente la théorie des systèmes linéaires invariants dans le temps (SLIT), qui sont largement utilisés pour modéliser aussi bien une réalité ...

MICRO-310(b): Signaux et systèmes I (pour SV)

Présentation des concepts et des outils de base pour l'analyse et la caractérisation des signaux, la conception de systèmes de traitement et la modélisation linéaire de systèmes pour les étudiants en sciences de la vie. Application de ces techniques au tra ...

MICRO-310(a): Signaux et systèmes I (pour MT)

Présentation des concepts et des outils de base pour la caractérisation des signaux ainsi que pour l'analyse et la synthèse des systèmes linéaires (filtres ou canaux de transmission). Application de ces techniques au traitement du signal et aux télécommuni ...

COM-406: Foundations of Data Science

We discuss a set of topics that are important for the understanding of modern data science but that are typically not taught in an introductory ML course. In particular we discuss fundamental ideas and techniques that come from probability, information the ...

Afficher plus