Explore la densité spectrale de puissance, le théorème de Wiener-Khintchine, l'ergonomie et l'estimation de corrélation dans les signaux aléatoires pour le traitement du signal.
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.
Explore la transformation de Fourier à temps discret, ses propriétés et les transformations de signaux, y compris des exemples comme l'impulsion rectangulaire et l'impulsion unitaire.