Digital Signal Processing 1: Basic Concepts and Algorithms

Ce cours fait partie de la Spécialisation Traitement numérique du signal

4.6
étoiles
301 évaluations

96 %

Paolo Prandoni +1 enseignant de plus

Offert par

Spécialisation Traitement numérique du signalÉcole polytechnique fédérale de Lausanne

À propos de ce cours

Digital Signal Processing is the branch of engineering that, in the space of just a few decades, has enabled unprecedented levels of interpersonal communication and of on-demand entertainment. By reworking the principles of electronics, telecommunication and computer science into a unifying paradigm, DSP is a the heart of the digital revolution that brought us CDs, DVDs, MP3 players, mobile phones and countless other devices. 
In this series of four courses, you will learn the fundamentals of Digital Signal Processing from the ground up. Starting from the basic definition of a discrete-time signal, we will work our way through Fourier analysis, filter design, sampling, interpolation and quantization to build a DSP toolset complete enough to analyze a practical communication system in detail. Hands-on examples and demonstration will be routinely used to close the gap between theory and practice.

To make the best of this class, it is recommended that you are proficient in basic calculus and linear algebra; several programming examples will be provided in the form of Python notebooks but you can use your favorite programming language to test the algorithms described in the course.

Certificat partageable

Obtenez un Certificat lorsque vous terminez

100 % en ligne

Commencez dès maintenant et apprenez aux horaires qui vous conviennent.

Cours 1 sur 4 dans le

Spécialisation Traitement numérique du signal

Dates limites flexibles

Réinitialisez les dates limites selon votre disponibilité.

Niveau intermédiaire

Approx. 29 heures pour terminer

Anglais

Sous-titres : Arabe, Français, Portugais (européen), Italien, Vietnamien, Allemand, Russe, Anglais, Espagnol

Ce que vous allez apprendre

The nature of discrete-time signals

Discrete-time signals are vectors in a vector space

Discrete-time signals can be analyzed in the frequency domain via the Fourier transform

Certificat partageable

Obtenez un Certificat lorsque vous terminez

100 % en ligne

Commencez dès maintenant et apprenez aux horaires qui vous conviennent.

Cours 1 sur 4 dans le

Spécialisation Traitement numérique du signal

Dates limites flexibles

Réinitialisez les dates limites selon votre disponibilité.

Niveau intermédiaire

Approx. 29 heures pour terminer

Anglais

Sous-titres : Arabe, Français, Portugais (européen), Italien, Vietnamien, Allemand, Russe, Anglais, Espagnol

Enseignants

Évaluation de l'enseignant

4.7/5 (99 notes)

Paolo Prandoni

Lecturer

School of Computer and Communication Science

89,323 étudiants

5 cours

Martin Vetterli

Professor

School of Computer and Communication Sciences

89,323 étudiants

5 cours

Offert par

École polytechnique fédérale de Lausanne

Programme du cours : ce que vous apprendrez dans ce cours

Évaluation du contenu96%(1,904 notes)

Semaine

Semaine 1

7 heures pour terminer

Module 1.1: Digital Signal Processing: the Basics

Introduction to the notation and basics of Digital Signal Processing

7 heures pour terminer

6 vidéos (Total 88 min), 7 lectures, 1 quiz

6 vidéos

1.1.1 What is digital signal processing?25 min

1.1.2 Discrete-time signals16 min

1.1.3.a How your PC plays discrete-time sounds3 min

1.1.3.b The Karplus-Strong algorithm19 min

1.1.4 Complex exponentials14 min

Signal of the Day: Goethe's temperature measurement8 min

7 lectures

Welcome to DSP One!5 min

Introduction5 min

Introduction2 min

Introduction5 min

Practice homework1 h

Notes and Supplementary Material15 min

1 exercice pour s'entraîner

Homework for Module 1.11h 45min

Semaine

Semaine 2

5 heures pour terminer

Module 1.2: Signal Processing Meets Vector Space

Modeling signals as vectors in an appropriate vector space. Using linear algebra to express signal manipulations.

5 heures pour terminer

7 vidéos (Total 63 min), 6 lectures, 1 quiz

7 vidéos

1.2.1 Signal processing and vector spaces4 min

1.2.2.a Vector space15 min

1.2.2.b Signal spaces4 min

1.2.3 Bases13 min

1.2.4.a Subspace-based approximations4 min

1.2.4.b Polynomial Approximation11 min

Signal of the Day: Exoplanet hunting9 min

6 lectures

Introduction1 min

Practice homework1 h

Notes and Supplementary Material15 min

1 exercice pour s'entraîner

Homework for Module 1.21h 30min

Semaine

Semaine 3

9 heures pour terminer

Module 1.3: Fourier Analysis: the Basics

The fundamental concepts behind the Fourier transform and the frequency domain

9 heures pour terminer

14 vidéos (Total 94 min), 10 lectures, 1 quiz

14 vidéos

1.3.1.a The frequency domain5 min

1.3.1.b The DFT as a change of basis10 min

1.3.2.a DFT definition5 min

1.3.2.b Examples of DFT calculation13 min

1.3.2.c Interpreting a DFT plot4 min

1.3.3.a DFT analysis11 min

1.3.3.b DFT example - analysis of musical instruments4 min

1.3.3.c DFT synthesis5 min

1.3.3.d DFT example - tide prediction in Venice4 min

1.3.3.e DFT example - MP3 compression4 min

1.3.4.a The short-time Fourier transform5 min

1.3.4.b The spectrogram7 min

1.3.4.c Time-frequency tiling5 min

Signal of the Day: The first man-made signal from outer space5 min

10 lectures

Introduction6 min

What have we learned?5 min

Introduction1 min

What have we learned?5 min

Introduction1 min

What have we learned?5 min

Introduction1 min

What have we learned?5 min

Practice homework1 h

Real-valued Transforms20 min

1 exercice pour s'entraîner

Homework for Module 1.32 h

Semaine

Semaine 4

8 heures pour terminer

Module 1.4: Fourier Analysis: More Advanced Tools

Delving deeper in the world of Fourier analysis.

8 heures pour terminer

11 vidéos (Total 121 min), 9 lectures, 1 quiz

11 vidéos

1.4.1.a Discrete Fourier series4 min

1.4.1.b Karplus-Strong revisited and DFS7 min

1.4.2.a Karplus-Strong revisited and the DTFT13 min

1.4.2.b Existence and properties of the DTFT7 min

1.4.2.c The DTFT as a change of basis10 min

1.4.3.a Sinusoidal modulation7 min

1.4.3.b Tuning a guitar4 min

1.4.4.a Relationships between transforms11 min

1.4.4.b Zero padding5 min

1.4.5 The fast Fourier transform42 min

Signal of the Day: Tristan Chord6 min

9 lectures

Introduction1 min

What have we learned?2 min

Introduction1 min

What have we learned?10 min

Introduction5 min

Introduction1 min

Introduction2 min

Practice homework1 h

Notes and Supplementary Material15 min

1 exercice pour s'entraîner

Homework for Module 1.42 h

Avis

4.6

56 avis

5 stars
71.52%
4 stars
19.20%
3 stars
5.96%
2 stars
1.65%
1 star
1.65%

Meilleurs avis pour DIGITAL SIGNAL PROCESSING 1: BASIC CONCEPTS AND ALGORITHMS

par AZ19 sept. 2020

Such a wonderful course, great instructors, and well structured. However, a little bit too involved and the concepts can be a little tricky to comprehend at times.

par TS16 août 2020

It offers rigorous introduction to DSP. Besides the lectures, it requires separate study of the materials to get well acquainted with the concepts.

par MF3 nov. 2020

If you have enough patience to go through the math, you'll find this course and the subsequent courses in the specialization extremely rewarding.

par BL22 août 2020

Excellent first look into DSP, especially in the context of Fourier. Fairly math heavy so a strong math background is recommended.

Voir tous les avis

À propos du Spécialisation Traitement numérique du signal

This Specialization provides a full course in Digital Signal Processing, with a focus on audio processing and data transmission. You will start from the basic concepts of discrete-time signals and proceed to learn how to analyze data via the Fourier transform, how to manipulate data via digital filters and how to convert analog signals into digital format. Finally, you will also discover how to implement real-time DSP algorithms on a general-purpose microcontroller. The solid theoretical bases provided by the four courses in this specialization are complemented by applied examples in Python, in the form of Jupyter Notebooks; exercises with solutions provide a wealth of examples in order to tackle the weekly homework.

Foire Aux Questions

Quand aurai-je accès aux vidéos de cours et aux devoirs ?
L’accès à des vidéos de cours et des devoirs dépend de votre type d’inscription. Si vous suivez un cours en mode auditeur libre, vous pourrez voir la plupart des contenus de cours gratuitement. Pour accéder aux devoirs notés et obtenir un certificat, vous devrez acheter une expérience de certificat, pendant ou après avoir assister au cours en tant qu’auditeur libre. Si vous ne visualisez pas l’option auditeur libre :
Il est possible que le cours ne propose pas d’option auditeur libre. Vous pouvez en revanche accéder à un essai gratuit ou faire une demande d'aide financière.
Le cours propose peut-être « Cours complet, aucun certificat » à la place. Cette option vous permet de voir tous les contenus de cours, de soumettre les évaluations requises et d'obtenir une note finale. Cependant, vous ne pourrez pas acheter une expérience de certificat.
À quoi ai-je droit si je m'abonne à cette Spécialisation ?
Lorsque vous vous inscrivez au cours, vous bénéficiez d'un accès à tous les cours de la Spécialisation, et vous obtenez un Certificat lorsque vous avez réussi. Votre Certificat électronique est alors ajouté à votre page Accomplissements. À partir de cette page, vous pouvez imprimer votre Certificat ou l'ajouter à votre profil LinkedIn. Si vous souhaitez seulement lire et visualiser le contenu du cours, vous pouvez accéder gratuitement au cours en tant qu'auditeur libre.
Is financial aid available?
Oui, Coursera offre une Aide Financière aux étudiants qui n'ont pas les moyens d'acquitter les frais. Demandez-la en cliquant sur le lien Aide Financière sous le bouton S'inscrire situé à gauche. Vous devrez remplir un formulaire de demande et vous serez averti(e) si elle est acceptée. Vous devrez répéter cette procédure pour chaque cours de la Spécialisation, y compris pour le Projet Final. En savoir plus.
Puis-je obtenir des crédits universitaires si je réussis le Cours ?
Ce Cours n'est pas associé à des crédits universitaires, mais certaines universités peuvent décider d'accepter des Certificats de Cours pour des crédits. Vérifiez-le auprès de votre établissement pour en savoir plus. Les Diplômes en ligne et les Certificats Mastertrack™ sur Coursera apportent la possibilité d'obtenir des crédits universitaires.

D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.

Digital Signal Processing 1: Basic Concepts and Algorithms