在信息时代，信号作为信息的载体，诸如声音、图像、温度等等。在数字信号处理课程中，这些信号将以离散的形式存在，我们将探讨利用计算机处理这些离散信号的原理和方法。在未进入课程学习之前，数字信号处理听起来很神秘，实际上它早就已经融入到我们生活的方方面面，以至于我们根本觉察不到它的存在：手机、互联网、数字电视、数码相机、核磁共振、卫星通讯、深空探测……

那么，《数字信号处理》就是一门为大家揭开这层神秘面纱的课程。本课程是《信号与系统》课程的承接课，与《信号与系统》有着非常紧密的联系。上承课中的许多概念：傅立叶变换、Laplace变换、冲激响应、线性时不变、滤波器等等，在我们这门课程中都会有对应的从离散角度出发的概念。我们都将一一学习，并通过它们来分析离散时间信号和离散时间系统的性质。为了满足人工智能专业背景的学生学习本课程，除了从经典的信号、系统、滤波的角度外，本课程还将引入几何视角下对这些概念的理解；同时，构建基于Python的信号处理案例库。

在学习本课程的内容时，请关注课程配套网站：https://www.yuque.com/yulei-aqn2k/ovm14n。

理解连续信号、离散时间信号、数字信号的基本概念，理解线性移不变系统的基本概念，掌握信号和系统的时域、频域、Z域表示方法，掌握基本的信号和系统的时频域分析方法。

理解离散时间傅立叶变换、离散傅立叶变换、Z变换的基本概念，理解三种变换之间的相互关系，掌握三种变换及其反变换的计算方法，学会运用三种变换来分析信号和系统的基本性质。

理解数字滤波器的基本概念，掌握FIR和IIR数字滤波器的基本设计方法。

理解采样定理的基本内容和物理内涵，掌握低通信号的采样方法，理解混叠与抗混叠的基本概念，掌握抗混叠滤波器的设计方法，了解带通信号的采样方法。

前导课程：《信号与系统》

数学基础：《微积分》、《线性代数》

编程基础：Python

参考书：

[1] Mitra, S.K., 著；余翔宇 译；《数字信号处理——基于计算机的方法》，电子工业出版社，2014年，第四版

[2] Mitra, S. K., & Kuo, Y. (2006). Digital signal processing: a computer-based approach (Vol. 4). New York: McGraw-Hill.

[3] Vetterli, M., Kovačević, J., & Goyal, V. K. (2014). Foundations of signal processing. Cambridge University Press.

[4] Oppenheim, A. V., & Schafer, R. W. (2014). Discrete-time signal processing. Pearson Education.

[5] Mallat, S. (1999). A wavelet tour of signal processing. Elsevier.

[6] Richard G. Lyons, et. al, 著；余磊 译；《数字信号处理精要》，机械工业出版社，2016年3月，第一版。

Q :  学习本课程需要具备哪些基础？

A :  本课程需要一定的数学分析、线性代数、以及信号与系统相关基础，针对电子类专业本科二、三年级学生，在学完上述课程之后，都可以选学本课程。

Q :  学习本课程需要掌握的编程语言有哪些？

A :  本课程学习过程中将会用到Matlab、Python等编程语言，建议自学相关内容，便于在学习本课程过程中更深刻的理解知识点。

Q :  本课程具有哪些特色之处？

A :  我们将大量的采用几何的视角去阐述数字信号处理这门课中的知识点，这种全新的视角能让学生更直观的理解公式背后的本质原理。