Python信號處理仿真與應用（新形態(tài)版）

第1章 信號處理概況 / 1
 視頻講解：3分鐘，3集
1.1 引言 / 1
1.2 MATLAB信號處理工具箱 / 1
1.2.1 Signal Processing Toolbox / 3
1.2.2 DSP System Toolbox / 3
1.3 Python信號處理工具箱 / 4
1.3.1 Python簡介 / 4
1.3.2 Python庫簡介 / 5
1.3.3 信號處理工具箱 / 5
第2章 Python編程基礎 / 7
 視頻講解：68分鐘，15集
2.1 Python發(fā)展簡介 / 7
2.2 Python開發(fā)環(huán)境 / 7
2.2.1 安裝Python / 7
2.2.2 使用Python / 9
2.2.3 Jupyter Notebook / 9
2.2.4 Google Colab / 13
2.2.5 VSCode / 15
2.2.6 PyCharm / 18
2.3 Python編程基礎 / 22
2.3.1 基礎語法 / 22
2.3.2 變量類型 / 24
2.3.3 Python數(shù)據(jù)類型轉(zhuǎn)換 / 25
2.3.4 Python常用函數(shù) / 26
2.3.5 Python運算符 / 27
2.3.6 條件語句 / 30
2.3.7 循環(huán)語句 / 30
2.3.8 中斷語句 / 31
2.3.9 pass語句 / 31
2.3.10 函數(shù) / 31
2.3.11 模塊和包 / 34
2.4 基于NumPy的數(shù)值計算 / 35
2.4.1 NumPy簡介 / 35
2.4.2 安裝NumPy / 35
2.4.3 數(shù)組創(chuàng)建 / 36
2.4.4 元素訪問 / 38
2.4.5 數(shù)組基本運算 / 39
2.5 基于SciPy的數(shù)值計算 / 43
2.5.1 SciPy簡介 / 43
2.5.2 安裝SciPy / 43
2.5.3 SciPy子工具包構(gòu)成 / 44
2.5.4 線性代數(shù) / 44
2.5.5 微積分 / 48
2.5.6 概率統(tǒng)計 / 51
2.5.7 快速傅里葉變換 / 54
2.6 Matplotlib軟件包 / 57
2.6.1 Matplotlib簡介 / 57
2.6.2 安裝Matplotlib / 57
2.6.3 基礎圖表繪制 / 59
2.6.4 線條和標識 / 60
2.6.5 文字說明 / 61
第3章 信號生成和預處理 / 63
 視頻講解：18分鐘，5集
3.1 平滑和去噪 / 63
3.1.1 使用到的Python函數(shù) / 63
3.1.2 信號平滑處理 / 63
3.1.3 對數(shù)據(jù)去趨勢 / 77
3.1.4 從信號中去除60 Hz干擾 / 79
3.1.5 去除信號中的峰值 / 83
3.2 波形生成 / 85
3.2.1 使用到的Python函數(shù) / 85
3.2.2 創(chuàng)建均勻和非均勻時間向量 / 85
3.2.3 波形生成：時間向量和正弦波 / 87
3.2.4 脈沖函數(shù)、階躍函數(shù)和斜坡函數(shù) / 88
3.2.5 常見的周期性波形 / 91
3.2.6 常見的非周期性波形 / 93
3.2.7 pulstran函數(shù) / 95
3.2.8 sinc函數(shù) / 96
第4章 測量和特征提取 / 97
4.1 描述性統(tǒng)計量 / 97
4.1.1 使用到的Python函數(shù) / 97
4.1.2 確定峰寬 / 98
4.1.3 周期波形的RMS值 / 102
4.1.4 在數(shù)據(jù)中查找峰值 / 103
4.2 脈沖和躍遷指標 / 106
4.2.1 使用到的Python函數(shù) / 106
4.2.2 矩形脈沖波形的占空比 / 106
第5章 變換、相關性和建模 / 110
 視頻講解：11分鐘，5集
5.1 變換 / 110
5.1.1 使用到的Python函數(shù) / 110
5.1.2 離散傅里葉變換 / 111
5.1.3 Chirp Z-變換 / 114
5.1.4 離散余弦變換 / 116
5.1.5 用于語音信號壓縮的DCT / 118
5.1.6 Hilbert變換 / 121
5.1.7 余弦解析信號 / 122
5.1.8 Hilbert變換與瞬時頻率 / 123
5.1.9 倒頻譜分析 / 127
5.2 相關性和卷積 / 129
5.2.1 使用到的Python函數(shù) / 129
5.2.2 具有自相關的殘差分析 / 129
5.2.3 對齊兩個簡單信號 / 135
5.2.4 將信號與不同開始時間對齊 / 138
5.2.5 使用互相關性對齊信號 / 140
5.2.6 使用自相關求周期性 / 143
5.2.7 Echo Cancelation / 148
5.2.8 多通道輸入的互相關 / 151
5.2.9 樣本自相關的置信區(qū)間 / 154
5.2.10 兩個指數(shù)序列的互相關 / 156
5.2.11 移動平均過程的自相關 / 160
5.2.12 兩個移動平均過程的互相關 / 162
5.2.13 噪聲中延遲信號的互相關 / 164
5.2.14 相位滯后正弦波的互相關 / 167
5.2.15 線性卷積和循環(huán)卷積 / 168
第6章 數(shù)字和模擬濾波器 / 170
 視頻講解：5分鐘，2集
6.1 數(shù)字濾波器設計 / 170
6.1.1 使用到的Python函數(shù) / 170
6.1.2 IIR濾波器設計 / 171
6.1.3 FIR濾波器設計 / 176
6.2 數(shù)字濾波器分析 / 188
6.2.1 使用到的Python函數(shù) / 188
6.2.2 相位響應 / 188
6.2.3 零極點分析 / 191
6.2.4 脈沖響應 / 192
6.3 數(shù)字濾波 / 193
6.3.1 使用到的Python函數(shù) / 194
6.3.2 數(shù)字濾波介紹 / 195
6.4 多采樣頻率信號處理 / 196
6.4.1 使用到的Python函數(shù) / 196
6.4.2 重建缺失的數(shù)據(jù) / 196
6.4.3 下采樣——信號相位 / 199
6.4.4 下采樣——混疊 / 202
6.4.5 在下采樣前進行濾波 / 205
6.5 模擬濾波器 / 207
6.5.1 使用到的Python函數(shù) / 207
6.5.2 模擬IIR低通濾波器的比較 / 208
第7章 頻譜分析 / 210
7.1 頻譜估計 / 210
7.1.1 使用到的Python函數(shù) / 210
7.1.2 使用FFT獲得功率頻譜密度估計 / 211
7.1.3 頻域線性回歸 / 212
7.1.4 檢測噪聲中的失真信號 / 220
7.1.5 幅值估計和填零 / 224
7.1.6 比較兩個信號的頻率成分 / 226
7.1.7 交叉頻譜和幅值平方相干性 / 228
7.2 子空間方法 / 232
7.3 加窗法 / 234
7.3.1 使用到的Python函數(shù) / 234
7.3.2 Chebyshev窗 / 236
第8章 借助大語言模型實現(xiàn)信號
               處理 / 238
8.1 國內(nèi)外大語言模型發(fā)展現(xiàn)狀 / 238
8.1.1 國外大語言模型發(fā)展現(xiàn)狀 / 238
8.1.2 國內(nèi)大語言模型發(fā)展現(xiàn)狀 / 239
8.2 大語言模型與編程 / 240
8.2.1 大語言模型使用簡介 / 240
8.2.2 大語言模型實現(xiàn)Python編程 / 240
8.3 信號處理編程實例 / 241
8.3.1 繪制信號的時域和頻域波形 / 241
8.3.2 繪制加入噪聲后信號的時域和頻域
   波形 / 243
8.3.3 設計數(shù)字濾波器并繪制其頻率響應
   曲線 / 245
8.3.4 對信號進行濾波并繪制濾波后的幅度
   譜與相位譜圖 / 247
8.3.5 對信號進行DFT運算并繪制信號幅度
   與相位圖 / 249
8.3.6 對信號進行指定點數(shù)DFT并繪制信號
   幅度與相位圖 / 251
8.3.7 對信號進行FFT與IFFT并與原信號
   做差 / 253
8.3.8 信號采樣綜合 / 255
8.3.9 信號平滑處理 / 260
微課視頻清單
序  號 視 頻 名 稱 時長/min 書 中 位 置
1 Github介紹 如何創(chuàng)建并下載一個倉庫 1 1.3.3節(jié)節(jié)首
2 Pull_Request 1 第6頁第一段處
3 PySPT介紹 1 第6頁第二段處
4 Python官方編譯器下載 3 2.2節(jié)節(jié)首
5 JupyterNotebook視頻演示 1 2.2.3節(jié)節(jié)首
6 VSCode下載 3 2.2.5節(jié)節(jié)首
7 PyCharm下載 4 2.2.6節(jié)節(jié)首
8 matplotlib_animation 5 2.3節(jié)節(jié)首
9 Python基礎數(shù)據(jù)結(jié)構(gòu)和語法 10 2.3.1節(jié)節(jié)首
10 python常見數(shù)據(jù)結(jié)構(gòu) 9 2.3.2節(jié)節(jié)首
11 matplotlib_pyplot 12 2.3.6節(jié)節(jié)首
12 循環(huán) 4 2.3.7節(jié)節(jié)首
13 函數(shù) 3 2.3.10節(jié)節(jié)首
14 numpy數(shù)組形狀變更 1 2.4.3節(jié)節(jié)首
15 numpy的屬性及array 2 2.4.3節(jié)節(jié)首
16 numpy中數(shù)組元素的索引與切片 3 2.4.4節(jié)節(jié)首
17 numpy基礎運算 1 2.4.5節(jié)節(jié)首
18 SciPy 7 2.5節(jié)節(jié)首
19 去除信號中的峰值 7 3.1.5節(jié)節(jié)首
20 時間向量_正弦波 1 3.2.3節(jié)節(jié)首
21 脈沖、階躍、斜坡、拋物函數(shù) 1 3.2.4節(jié)節(jié)首
22 常見的周期波形 2 3.2.5節(jié)節(jié)首
23 非周期函數(shù) 7 3.2.6節(jié)節(jié)首
24 離散傅里葉變換 1 5.1.2節(jié)節(jié)首
25 線性調(diào)頻z變換 1 5.1.3節(jié)節(jié)首
26 Hilbert變換 2 5.1.6節(jié)節(jié)首
27 兩個指數(shù)序列的互相關 6 5.2.10節(jié)節(jié)首
28 線性和循環(huán)卷積 1 5.2.15節(jié)節(jié)首
29 經(jīng)典IIR濾波器類型的比較 2 6.1.2節(jié)節(jié)首
30 反因果零相位濾波器 3 6.2.3節(jié)節(jié)首