Couvre la transformée de Fourier, ses propriétés et ses applications dans le traitement du signal et les équations différentielles, démontrant son importance dans l'analyse mathématique.
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 propriétés de la transformée de Fourier avec des dérivés et introduit la transformée de Laplace pour la transformation du signal et la résolution des équations différentielles.
Explore les signaux, les instruments et les systèmes, couvrant ADC, Fourier Transform, échantillonnage, reconstruction des signaux, alias et filtres anti-alias.
Présente les concepts fondamentaux du cours Signals and Systems, en mettant l'accent sur les applications pratiques de l'analyse du comportement du système.
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.
Discute de la transformée de Fourier et de son application à la résolution d'équations différentielles, en se concentrant sur l'équation d'onde et ses transformations.
Explore le rapport signal sur bruit, le filtrage des signaux bruités et la densité spectrale de puissance pour la réduction du bruit dans le traitement du signal.
S'oriente vers l'analyse de la dynamique cérébrale et des réseaux à l'aide de techniques de neuroimagerie avancées et de méthodes de traitement des signaux.
Couvre la régression linéaire, la régularisation, les problèmes inverses, la tomographie par rayons X, la reconstruction d'images, l'inférence de données et l'intensité du détecteur.
Explore les ondes topologiques pour des applications robustes de traitement des signaux, en mettant l'accent sur la résistance aux perturbations et le paradigme de conception des systèmes topologiques.
Explique le taux de Nyquist et le théorème d'échantillonnage pour reconstruire les signaux à bande limitée au moyen d'exemples et de techniques d'échantillonnage.
Explore la synthèse des filtres numériques à partir de filtres analogiques en utilisant la méthode de transformation bilinéaire et le critère de Chebyshev.
