یادداشتهای مطالعه
Think DSP پردازش سیگنال دیجیتال را از مسیر برنامهنویسی توضیح میدهد. نقطهی شروعش این نیست که اول همهی نمادهای ریاضی را بچینیم و بعد به صدا، طیف و فیلتر برسیم؛ مسیر را برعکس میکند.
برای من جذاب است چون بین Python عددی، موج، صدا و تحلیل داده پل میزند. وقتی signal را بسازیم، ببینیم، تغییر دهیم و بعد سراغ توضیح ریاضی برویم، DSP کمتر شبیه یک دیوار انتزاعی دیده میشود.
ایدههای مفید
سیگنال باید دیده و شنیده شود
کتاب با مثالهای صوتی جلو میرود. همین باعث میشود مفاهیمی مثل wave، spectrum و harmonic فقط تعریف نباشند؛ چیزی باشند که میشود تولید و بررسی کرد.
طیف یک نمای کاری است
تبدیل فوریه فقط یک فرمول جدا نیست. راهی است برای دیدن اینکه یک سیگنال از چه بسامدهایی ساخته شده و تغییر در زمان چه اثری در frequency domain دارد.
فیلترها رفتار سیستم را نشان میدهند
filtering، convolution و سیستمهای LTI کمک میکنند سیگنال را فقط دادهی خام نبینیم. مسئله این میشود که یک سیستم با ورودی چه میکند و اثر آن را چطور میشود پیشبینی کرد.
چرا نزدیک نگهش میدارم
مرجع خوبی است برای برگشتن به DSP از مسیر عملی: آزمایش صوتی، FFT، تحلیل طیف، و اتصال آرامتر میان محاسبات علمی و فیزیک موج.
دریافت کتاب
- Green Tea Press: Think DSP
- Amazon: Think DSP: Digital Signal Processing in Python