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.
Explore la stationnarité dans les processus stochastiques, en montrant comment les caractéristiques statistiques restent constantes au fil du temps et les implications sur les variables aléatoires et les transformées de Fourier.
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.
Explore les fondamentaux du traitement des signaux, y compris les signaux de temps discrets, la factorisation spectrale et les processus stochastiques.
Explore les propriétés de Discrete-Time Fourier Transform, y compris la linéarité, les décalages de temps et de fréquence, l'inversion du temps et la convolution.
Explore l'analyse et la classification de la texture dans les images, en mettant l'accent sur le rôle des techniques d'apprentissage automatique telles que les réseaux neuronaux convolutifs.
Introduit la transformation de Fourier à temps discret et son application à des systèmes LTI stables, couvrant les propriétés et la réponse de fréquence.
Explore les relations de symétrie, la modulation, les propriétés de transformation de Fourier et les méthodes d'intégration dans les signaux et les systèmes.
Explore la transformée de Fourier, le filtrage de fréquence, la segmentation et l'estimation de la taille des particules à l'aide de techniques d'analyse d'images.
Explore l'hétérodiffusion, y compris la diffusion d'électrolytes dans les liquides et les solides, l'autodiffusion et les facteurs influençant les taux de diffusion.