跳转至

🎛️ 24-信号处理:从信号到特征

信号处理岗位 = 把波形翻译成可分析的数学对象:采样 → 变换(DFT/FFT/z)→ 滤波(FIR/IIR)→ 时频分析(STFT/语谱图)→ 特征提取(MFCC)→ 自适应滤波(LMS)。本模块从「信号与系统基础」起步, 一路走到「面试八股」,共 11 篇 notebook,全部手写实现 + 数值对照, 覆盖秋招信号处理岗 / 语音算法岗 / 音频算法岗的核心考点。

与 02-机器学习、03-深度学习(语音/音频方向应用)互补:本模块把信号处理本身按 由浅入深的完整体系讲透。

🖼️ 教学配图:notebook 全部基于 numpy/scipy/matplotlib 自包含可执行,含断言与数值对照 (手写 vs 库实现);绘图统一中文字体并显式 plt.show()。

📖 论文配图(figures/,全部开放获取、每幅注明出处):11 篇每篇至少嵌入 1 幅真实 期刊论文插图,共 14 张,均以自然教学语言引入(不贴标签式图注)—— 真实 ECG 波形与噪声时/频域表示(Jia et al. 2024, Bioengineering)、 均匀采样混叠频谱(Maciejewski et al. 2009, J Magn Reson)、 真实语音语谱图与 Mel 滤波器组(Toledano et al. 2018, PLOS ONE)、 情绪 Mel 语谱图(Li et al. 2024, Sensors)、 干净/噪声 ECG 与 IIR 结构图(Zhu et al. 2024, Health Inf Sci Syst)、 真实 EEG 功率谱(Hu et al. 2022, PeerJ)、 A-计权滤波器幅响(Pilipović et al. 2021, Sensors)、 MFCC 计算框图(Herath et al. 2022, Sensors)、 LMS 在线工作示意(Batabyal et al. 2023, IEEE TNNLS)。

教学 Notebook 索引(11 篇,全部通过 nbclient 执行验证)

编号 主题 核心内容 论文配图
00 信号与系统基础 连续/离散信号、LTI、卷积手写、脉冲响应 真实 ECG 波形
01 DFT 与 FFT 与频谱分析 DFT 定义、4 点手算、FFT 蝶形、频谱泄漏 ECG 时/频域噪声对比
02 采样定理与混叠 Nyquist、欠采样混叠手算、抗混叠 均匀采样混叠频谱
03 STFT 与语谱图 分帧/加窗/逐帧 DFT、时频分辨率、参数换算 真实语音语谱图 ×2
04 滤波器设计(FIR/IIR) FIR/IIR、滑动平均手算、频响对比 干净/噪声 ECG、IIR 结构图
05 窗函数与功率谱估计 频谱泄漏、Hann/Hamming、周期图、Welch 真实 EEG 功率谱
06 z 变换与系统分析 z 变换手算、零极点、稳定判据 IIR 结构(极点来源)
07 数字滤波器设计实务 Butterworth 阶数手算、双线性变换、FIR 窗法 A-计权幅响
08 音频特征提取 MFCC 预加重/Mel/DCT 七步手算、滤波器组 MFCC 框图、Mel 滤波器组
09 自适应滤波与 LMS LMS 三步手算、收敛条件、μ 上界 LMS 在线工作示意
10 信号处理面试八股 基础/变换/系统/语音特征速答 + 手算速查 情绪 Mel 语谱图

依赖:numpy、scipy、matplotlib(Anaconda 环境已验证,无需额外安装)。 所有 notebook 在 tools/_exec_one_stats.py 驱动下以 dsh-anaconda-py38 kernel 全量执行通过。

学习路线(推荐顺序)

  1. 地基(00-02):信号与系统基础 → DFT/FFT → 采样定理与混叠 ✅
  2. 加工(03-05):STFT/语谱图 → FIR/IIR 滤波 → 窗函数与功率谱 ✅
  3. 进阶(06-07):z 变换与系统分析 → 数字滤波器设计实务 ✅
  4. 应用与应试(08-10):MFCC 音频特征 → 自适应滤波 LMS → 面试八股 ✅

教程来源:Akun-python/autumn-recruitment。 MIT 许可证全文。