Couvre l'algorithme Fast Fourier Transform (FFT) et ses applications en physique computationnelle, y compris le traitement d'images, les techniques expérimentales, les filtres et l'analyse des images en microscopie.
Introduit les bases de la transformée de Fourier, couvrant des concepts comme la résolution, la périodicité, les transformations 2D, l'amplitude, la phase et la convolution.
Explore les formules de synthèse et d'analyse de Fourier transformant discret, les décalages de temps pour les signaux de longueur finie et l'équivalence entre DFS et DFT.
Explore l'analyse des données neurophysiologiques, couvrant l'identification AP, les taux de tir, l'activité sous le seuil, l'analyse spectrale FFT et l'analyse déclenchée par des événements à l'aide de MATLAB.
Explore l'existence et les propriétés de la transformation Discrete-Time Fourier (DTFT), y compris l'inversion, le changement de base et les propriétés clés.
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 la transformation de Fourier à temps discret et son application à des systèmes LTI stables, couvrant les propriétés et la réponse de fréquence.