Explore la psychoacoustique, le traitement des signaux et l'interprétation par le cerveau des fréquences sonores, couvrant des sujets comme le phénomène fondamental manquant et le fonctionnement intérieur de la cochlée.
Couvre la théorie des méthodes numériques pour l'estimation des fréquences sur les signaux déterministes, y compris la série et la transformation de Fourier, la transformation de Fourier discret et le théorème d'échantillonnage.
Introduit un cours basé sur des projets en communication et en robotique, mettant l'accent sur des projets pratiques et un apprentissage indépendant pour préparer les étudiants à relever des défis du monde réel.
Explore les signaux, les instruments et les systèmes, couvrant ADC, Fourier Transform, échantillonnage, reconstruction des signaux, alias et filtres anti-alias.
Explore les progrès et les défis dans les peaux électroniques neuromorphes, visant à permettre une utilisation intuitive des membres de remplacement et des robots autonomes.
Introduit des outils mathématiques pour les systèmes de communication et la science des données, se concentrant sur les processus stochastiques et préparant les étudiants à des cours avancés.
Explore le traitement neurobiologique des signaux, couvrant la modélisation des pics, la classification des signaux et la caractérisation des données à l'aide de l'analyse des composantes principales.
Met l'accent sur la mise en œuvre d'un générateur de fonctions carrées utilisant la technologie Speedgoat FPGA et les techniques de traitement du signal en temps réel.
Couvre les concepts d'échantillonnage et de reconstruction dans le traitement du signal, en soulignant l'importance de la fréquence d'échantillonnage et des techniques de reconstruction.