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.
Explore la prédiction linéaire, les filtres optimaux, les signaux aléatoires, la stationnarité, l'autocorrélation, la densité spectrale de puissance et la transformée de Fourier dans le traitement du signal.
Explore les fondamentaux du traitement des signaux, y compris les signaux de temps discrets, la factorisation spectrale et les processus stochastiques.
Explore le traitement photopléthysmographique du signal, la réduction du bruit, le filtrage adaptatif, les appareils portables et la mesure du temps d'arrivée des impulsions.
Couvre le concept de temps, le caractère pratique du temps discret, le théorème d'échantillonnage, le stockage numérique, la transmission des signaux et les idées clés du traitement numérique des signaux.
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.
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.
Explore le traitement adaptatif du signal, la descente de gradient et l'algorithme LMS pour un filtrage efficace et un entraînement au réseau neuronal.
Explore les méthodes d'estimation du spectre paramétrique, y compris les spectres linéaires et lisses, et se penche sur l'analyse de la variabilité de la fréquence cardiaque.
Discute des propriétés et caractéristiques fondamentales des détecteurs optiques, y compris la réactivité, l'efficacité quantique et l'impact du bruit sur les limites de détection.
