信号处理仿真与应用

简介

本课程是电子信息类专业的一门专业教育选修课程，它学习利用MATLAB、Python、MWorks等高级语言进行信号处理的方法、原理及实现。
本课程的主要任务是：
（1）学习掌握MATLAB、Python、MWorks等高级语言的基础知识和编程方法；
（2）系统学习运用MATLAB、Python、MWorks等高级语言进行信号处理计算机仿真的基本原理、方法与实现过程；
（3）通过实践训练学生利用Python等高级语言解决信号处理实际工程问题的能力。
此外，在教学过程中还必须有意识地培养学生独立分析和解决问题的能力，并把教书育人寓于教学全过程，使学生既具有严谨的科学态度和实事求是的工作作风，又具有勇于开拓创新的精神。

先修课程

a. 信号与系统
b. 数字信号处理
（a必须先修的课程、课程编号，b建议先修的课程、课程编号）

课程目标

PySPT工具箱：参考MATLAB信号处理工具箱案例，完善Python信号处理工具箱PySPT案例；
MoSPT工具箱：采用MWorks平替MATLAB，采用GPT协助开发MWorks信号处理工具箱的案例，并实现在MoHub完成案例在线运行建设；
AI Studio云平台：采用百度AI Studio云平台完成课程建设，GitHub上PySPT仓库由可线下和Colab云运行，实现可以百度AI Studio云平台在线运行；
仿真：MWORKS.Sysplorer模型平替SIMULINK，实现无人系统仿真（可选）

教学大纲

第1次课

1．课程简介
2．信号处理概述
3．MATLAB 信号处理概述
4．Python 信号处理概述
5．MWorks 信号处理概述
课堂讨论：开发工具

第2次课

MATLAB信号处理与仿真-1-基础
1．MATLAB基础
1)程序设计
2)实时编辑器XML
3)面向对象编程
4)绘图
2．MATLAB APP构建
课堂讨论：工具箱使用演示

第3次课

MATLAB信号处理与仿真-2-工具箱
1．MATLAB信号处理工具箱-1
1)Signal Processing Toolbox
2)DSP System Toolbox
2．MATLAB信号处理APP
3．AI信号处理-深度学习工具箱
课堂讨论：MATLAB工具箱使用演示

第4次课

MATLAB信号处理与仿真-3-案例
1．信号与系统时域分析-案例
2．信号变换与实现-案例
1)Signal Processing Toolbox 工具箱案例
2)DSP System Toolbox 工具箱案例
3．信号与系统频域分析-案例
1)Signal Processing Toolbox 工具箱案例
2)DSP System Toolbox 工具箱案例
4．数字滤波器设计-案例
1)Signal Processing Toolbox 工具箱案例
2)DSP System Toolbox 工具箱案例
课堂讨论：MATLAB工具箱使用演示

第5次课

Python信号处理与仿真-1-基础
1．Python基础
1)Jupyter Notebook
2)Python编程基础
2．Python科学计算库
1)SymPy基础
2)Numpy基础
3)Scipy基础
4)Matplotlib基础
3．Python信号处理工具包
课堂讨论：Python使用演示

第6次课

Python信号处理与仿真-2
1．Python信号处理工具箱-案例1
1)thinkdsp.py
2)声音和信号
3)谐波
4)非周期信号
5)噪声
2．Python信号处理工具箱-案例2
1)微分和积分
2)LTI系统
3)调制和采样

第7次课

Python信号处理与仿真-3
3．Python信号处理工具箱-案例3
1)自相关
2)离散余弦变换
3)离散傅里叶变换
4．Python信号处理工具箱-案例4
1)自相关
2)离散余弦变换
3)离散傅里叶变换
5．Python信号处理工具箱-案例5
1)滤波与卷积
2)离散余弦变换
6．Python AI信号处理工具箱-案例
1)Paddle框架
2)Pytorch框架

第8次课

MWorks信号处理与仿真-1
1)MWorks.Syslab基础
2)Julia语法
课堂讨论：MWorks.Syslab使用演示

第9次课

MWorks信号处理与仿真-2
1)基于GPT编写Julia代码
2)MWorks信号处理案例
课堂讨论：Syslab使用演示

第10次课

课程回顾

作业

小作业：对比MATLAB、Python、MWorks信号处理工具箱；
课程实验：参考对应MATLAB案例，采用GPT协助开发MWorks信号处理工具箱的案例，完善Python信号处理工具箱PySPT的案例；
大作业：基于手机MEMS传感器采集人体运动信号，编写MATLAB、Python、MWorks程序人体姿态识别算法

参考资料

[1] 王世一. 数字信号处理[M]. 北京：北京理工大学出版社，2015.
[2] [美] 维纳.K.英格尔，约翰.G.普罗克斯. 数字信号处理（MATLAB版）[M]. 刘树棠译. 西安：西安交通大学出版社，2013.
[3] [美]罗伯特·约翰逊. Python科学计算和数据科学应用[M]. 北京：清华大学出版社，2020.
[4] Matlab网站 https://ww2.mathworks.cn/help/index.html
[5] Python网站 https://www.python.org/
[6] MWorks网站 https://www.tongyuan.cc/

版本说明

V0.0.1，2024-03-19 12:07

初始版本