فلش‌کارت‌های آموزشی مبانی پردازش سیگنال برای برنامه‌نویسان: از گسسته‌سازی تا فیلترینگ

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی پردازش سیگنال برای برنامه‌نویسان: از گسسته‌سازی تا فیلترینگ

موضوع کلی: مبانی برنامه نویسی ساخت یافته

موضوع میانی: مفاهیم پردازش سیگنال (Signal Processing)

📋 سرفصل‌های دوره

• 1. فصل ۱: مقدمه‌ای بر دنیای سیگنال‌ها
• 2. فصل ۲: سیگنال‌های پیوسته در زمان
• 3. فصل ۳: سیگنال‌های گسسته در زمان
• 4. فصل ۴: ارتباط بین سیگنال‌های پیوسته و گسسته
• 5. فصل ۵: دامنه زمان و دامنه فرکانس
• 6. فصل ۶: تبدیل فوریه پیوسته در زمان (CTFT)
• 7. فصل ۷: تبدیل فوریه گسسته در زمان (DTFT)
• 8. فصل ۸: نمایش طیفی سیگنال‌ها
• 9. فصل ۹: نمونه‌برداری: پل ارتباطی دنیای پیوسته و گسسته
• 10. فصل ۱۰: قضیه نمونه‌برداری نایکوئیست-شنون
• 11. فصل ۱۱: مضرات و چالش‌های نمونه‌برداری
• 12. فصل ۱۲: بازسازی سیگنال از نمونه‌ها
• 13. فصل ۱۳: کوانتیزاسیون: تبدیل دامنه‌ها
• 14. فصل ۱۴: انواع خطای کوانتیزاسیون
• 15. فصل ۱۵: تاثیر کوانتیزاسیون بر کیفیت سیگنال
• 16. فصل ۱۶: سیگنال‌های دیجیتال: ترکیبی از گسسته‌سازی و کوانتیزاسیون
• 17. فصل ۱۷: سیستم‌های خطی تغییرناپذیر با زمان (LTI)
• 18. فصل ۱۸: پاسخ ضربه (Impulse Response)
• 19. فصل ۱۹: کانولوشن: قلب سیستم‌های LTI
• 20. فصل ۲۰: محاسبه کانولوشن گسسته در زمان
• 21. فصل ۲۱: سیستم‌های علّی (Causal) و پایدار (Stable)
• 22. فصل ۲۲: توابع سیستم (Transfer Functions)
• 23. فصل ۲۳: کاربرد توابع سیستم در تحلیل
• 24. فصل ۲۴: سیستم‌های LTI در حوزه فرکانس
• 25. فصل ۲۵: تبدیل Z: ابزار تحلیل در حوزه فرکانس گسسته
• 26. فصل ۲۶: صفرها و قطب‌های تابع سیستم
• 27. فصل ۲۷: نمودار قطب-صفر و تاثیر آن
• 28. فصل ۲۸: پایداری سیستم‌ها با استفاده از تبدیل Z
• 29. فصل ۲۹: معرفی فیلترها: ابزارهای شکل‌دهی سیگنال
• 30. فصل ۳۰: انواع فیلترها: بالاگذر، پایین‌گذر، میان‌گذر
• 31. فصل ۳۱: فیلترهای IIR (پاسخ ضربه نامحدود)
• 32. فصل ۳۲: فیلترهای FIR (پاسخ ضربه متناهی)
• 33. فصل ۳۳: مقایسه فیلترهای FIR و IIR
• 34. فصل ۳۴: طراحی فیلترهای FIR: روش پنجره
• 35. فصل ۳۵: طراحی فیلترهای FIR: روش فرکانس نمونه
• 36. فصل ۳۶: طراحی فیلترهای IIR: تقریب پاسخ فرکانسی
• 37. فصل ۳۷: فیلترهای باترورث
• 38. فصل ۳۸: فیلترهای چبیشف
• 39. فصل ۳۹: فیلترهای مرتبه بالا
• 40. فصل ۴۰: کاربردهای فیلترینگ در پردازش سیگنال
• 41. فصل ۴۱: حذف نویز از سیگنال‌ها
• 42. فصل ۴۲: استخراج اطلاعات از سیگنال‌های آلوده
• 43. فصل ۴۳: فشرده‌سازی سیگنال
• 44. فصل ۴۴: تشخیص الگو در سیگنال‌ها
• 45. فصل ۴۵: پردازش سیگنال‌های صوتی
• 46. فصل ۴۶: پردازش سیگنال‌های تصویری
• 47. فصل ۴۷: پردازش سیگنال‌های پزشکی
• 48. فصل ۴۸: پردازش سیگنال‌های مخابراتی
• 49. فصل ۴۹: تبدیل فوریه گسسته (DFT)
• 50. فصل ۵۰: الگوریتم سریع فوریه (FFT)
• 51. فصل ۵۱: پیاده‌سازی FFT برای برنامه‌نویسان
• 52. فصل ۵۲: کاربردهای FFT در محاسبات
• 53. فصل ۵۳: تجزیه و تحلیل طیفی با FFT
• 54. فصل ۵۴: تشخیص فرکانس‌های غالب
• 55. فصل ۵۵: همبستگی (Correlation)
• 56. فصل ۵۶: کاربرد همبستگی در شناسایی الگو
• 57. فصل ۵۷: کانولوشن معکوس (Deconvolution)
• 58. فصل ۵۸: بازیابی سیگنال اصلی از سیگنال مبهم
• 59. فصل ۵۹: مباحث پیشرفته در کانولوشن معکوس
• 60. فصل ۶۰: مهندسی ویژگی (Feature Engineering)
• 61. فصل ۶۱: انتخاب ویژگی‌های مرتبط
• 62. فصل ۶۲: استخراج ویژگی‌های زمانی
• 63. فصل ۶۳: استخراج ویژگی‌های فرکانسی
• 64. فصل ۶۴: استخراج ویژگی‌های آماری
• 65. فصل ۶۵: مقدمه‌ای بر یادگیری ماشین برای پردازش سیگنال
• 66. فصل ۶۶: مدل‌های خطی ساده
• 67. فصل ۶۷: طبقه‌بندی سیگنال‌ها
• 68. فصل ۶۸: رگرسیون سیگنال‌ها
• 69. فصل ۶۹: شبکه‌های عصبی در پردازش سیگنال
• 70. فصل ۷۰: شبکه‌های عصبی کانولوشنال (CNN)
• 71. فصل ۷۱: کاربرد CNN در تحلیل سیگنال‌های تصویری
• 72. فصل ۷۲: شبکه‌های عصبی بازگشتی (RNN)
• 73. فصل ۷۳: کاربرد RNN در تحلیل سیگنال‌های ترتیبی
• 74. فصل ۷۴: تحلیل مولفه‌های اصلی (PCA)
• 75. فصل ۷۵: کاهش ابعاد با PCA
• 76. فصل ۷۶: حذف افزونگی در سیگنال‌ها
• 77. فصل ۷۷: پردازش سیگنال‌های چندبعدی
• 78. فصل ۷۸: تبدیل موجک (Wavelet Transform)
• 79. فصل ۷۹: مزایای تبدیل موجک نسبت به فوریه
• 80. فصل ۸۰: کاربردهای تبدیل موجک
• 81. فصل ۸۱: فشرده‌سازی تصاویر با موجک
• 82. فصل ۸۲: حذف نویز با موجک
• 83. فصل ۸۳: پردازش سیگنال‌های زمانی-فرکانسی
• 84. فصل ۸۴: نمایش زمان-فرکانس
• 85. فصل ۸۵: Short-Time Fourier Transform (STFT)
• 86. فصل ۸۶: مقایسه STFT و تبدیل موجک
• 87. فصل ۸۷: پردازش سیگنال‌های نامانا (Non-stationary)
• 88. فصل ۸۸: کاربردهای عملی در دنیای واقعی
• 89. فصل ۸۹: مثال‌های برنامه‌نویسی برای پردازش سیگنال
• 90. فصل ۹۰: استفاده از کتابخانه‌های پایتون (NumPy, SciPy)
• 91. فصل ۹۱: پیاده‌سازی فیلترهای ساده با کد
• 92. فصل ۹۲: تحلیل طیفی با FFT در کد
• 93. فصل ۹۳: تمرین‌های عملی نمونه‌برداری و بازسازی
• 94. فصل ۹۴: طراحی و پیاده‌سازی فیلتر FIR
• 95. فصل ۹۵: طراحی و پیاده‌سازی فیلتر IIR
• 96. فصل ۹۶: کاربرد PCA در کاهش ابعاد سیگنال
• 97. فصل ۹۷: مقدمه‌ای بر ابزارهای تخصصی پردازش سیگنال
• 98. فصل ۹۸: جمع‌بندی و نگاه به آینده
• 99. فصل ۹۹: نکات مهم برای برنامه‌نویسان
• 100. فصل ۱۰۰: منابع بیشتر و مسیرهای یادگیری