Ja, aber die praktische Arbeit ist eher angeleitet als projektbasiert. Sie werden mit Python-Notebook-Labors und praktischen Übungen arbeiten, mit denen Sie Ideen wie den Karplus-Strong-Algorithmus testen, Fourier-Ergebnisse darstellen oder Signalbeispiele wie Wähltöne untersuchen können. Diese Übungen helfen Ihnen, die Mathematik mit Signalen zu verbinden, die Sie hören, visualisieren und interpretieren können.

Sie werden zeitdiskrete Signale, die Vektorraumansicht von Signalen und die Analyse im Frequenzbereich behandeln. Der Kurs lehrt die wichtigsten Fourier-Tools wie die DFT und STFT und verwendet sie dann zur Interpretation von Audio-, Sprach- und Kommunikationssignalen. Insgesamt hilft Ihnen der Kurs, zwischen Zeit- und Frequenzdarstellungen zu wechseln und zu verstehen, wie sich digitale Signale verhalten.

Nach Abschluss des Kurses sollten Sie in der Lage sein, abgetastete Signale mit gängigen Fourier-Darstellungen zu analysieren und sie mit Hilfe der Sprache der Vektoren, Basen und Frequenzen zu erklären. Sie können zum Beispiel eine DFT-Darstellung untersuchen, um dominante Komponenten in einem Musikstück oder einem anderen zeitdiskreten Signal zu identifizieren. Das ist ein solides Ergebnis, wenn Ihr Ziel darin besteht, Signale auf prinzipielle Weise zu interpretieren und zu analysieren.

Der Kurs ist eher konzeptorientiert, mit angeleiteten Übungen zur Festigung der Ideen. Die meiste Zeit des Kurses wird damit verbracht, zu verstehen, wie Signale, Frequenzanalyse und die zugrundeliegende Mathematik zusammenpassen, während Sie in den Laboren und Übungen diese Ideen an konkreten Beispielen testen können.