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.
Couvre la transformée de Fourier, ses propriétés, ses applications dans le traitement du signal et les équations différentielles, en mettant l'accent sur le concept de dérivées devenant des multiplications dans le domaine des fréquences.
Explique les bases de la transformation de Fourier et démontre son application à travers des exemples, y compris des fonctions périodiques et des paires transformées de Fourier.
Explore les fonctions orthogonales et les approximations trigonométriques de la transformée de Fourier discret, de la transformation rapide de Fourier.
Explore Fourier et Laplace se transforment en science des matériaux, en mettant l'accent sur l'interaction lumière-matière, les motifs de diffraction et les propriétés cristallines.
Explore l'histoire et l'efficacité de l'algorithme de transformation rapide de Fourier, démontrant ses applications pratiques et ses avantages informatiques.
Couvre le traitement du signal, les circuits électriques, la transformée de Fourier, les lois de Kirchhoff et les applications pratiques dans divers domaines.
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 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.
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.
