🎛️ 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-py38kernel 全量执行通过。
学习路线(推荐顺序)¶
- 地基(00-02):信号与系统基础 → DFT/FFT → 采样定理与混叠 ✅
- 加工(03-05):STFT/语谱图 → FIR/IIR 滤波 → 窗函数与功率谱 ✅
- 进阶(06-07):z 变换与系统分析 → 数字滤波器设计实务 ✅
- 应用与应试(08-10):MFCC 音频特征 → 自适应滤波 LMS → 面试八股 ✅