Lorsque vous vous inscrivez à ce cours, vous êtes également inscrit(e) à cette Spécialisation.
Apprenez de nouveaux concepts auprès d'experts du secteur
Acquérez une compréhension de base d'un sujet ou d'un outil
Développez des compétences professionnelles avec des projets pratiques
Obtenez un certificat professionnel partageable
Il y a 4 modules dans ce cours
Le traitement numérique du signal est la branche de l'ingénierie qui, en l'espace de quelques décennies seulement, a permis d'atteindre des niveaux sans précédent de communication interpersonnelle et de divertissement à la demande. En remaniant les principes de l'électronique, des télécommunications et de l'informatique en un paradigme unificateur, le traitement numérique du signal est au cœur de la révolution numérique qui nous a apporté les CD, les DVD, les lecteurs MP3, les téléphones portables et d'innombrables autres appareils.
Dans cette série de quatre cours, vous apprendrez les principes fondamentaux du traitement des signaux numériques. En partant de la définition de base d'un signal à temps discret, nous passerons par l'analyse de Fourier, la conception de filtres, l'échantillonnage, l'interpolation et la quantification pour construire un ensemble d'outils DSP suffisamment complet pour analyser en détail un système de communication pratique. Pour tirer le meilleur parti de ce cours, il est recommandé que vous maîtrisiez les bases du calcul et de l'algèbre linéaire ; plusieurs exemples de programmation seront fournis sous la forme de cahiers Python, mais vous pouvez utiliser votre langage de programmation préféré pour tester les algorithmes décrits dans le cours.
Introduction à la notation et aux bases du traitement des signaux numériques
Inclus
6 vidéos7 lectures1 devoir2 laboratoires non notés1 plugin
Afficher les informations sur le contenu du module
6 vidéos•Total 88 minutes
1.1.1 Qu'est-ce que le traitement numérique du signal ?•25 minutes
1.1.2 Signaux à temps discret•16 minutes
1.1.3.a Comment votre PC joue des sons à temps discret•4 minutes
1.1.3.b L'algorithme de Karplus-Strong•20 minutes
1.1.4 Exponentielles complexes•15 minutes
Signal du jour : La mesure de la température de Goethe•9 minutes
7 lectures•Total 97 minutes
Bienvenue sur DSP One !•5 minutes
Introduction•5 minutes
Introduction•2 minutes
Introduction•5 minutes
Introduction•5 minutes
Exercices à domicile•60 minutes
Notes et matériel supplémentaire•15 minutes
1 devoir•Total 105 minutes
Devoirs pour le module 1.1•105 minutes
2 laboratoires non notés•Total 120 minutes
Transmission transocéanique des signaux•60 minutes
L'algorithme de Karplus-Strong•60 minutes
1 plugin•Total 15 minutes
Retour d'information W1•15 minutes
Module 1.2 : Le traitement du signal dans l'espace vectoriel
Module 2•5 heures à terminer
Détails du module
Modéliser les signaux comme des vecteurs dans un espace vectoriel approprié. Utiliser l'algèbre linéaire pour exprimer les manipulations de signaux.
Inclus
7 vidéos6 lectures1 devoir1 laboratoire non noté1 plugin
Afficher les informations sur le contenu du module
7 vidéos•Total 63 minutes
1.2.1 Traitement du signal et espaces vectoriels•4 minutes
1.2.2.a Espace vectoriel•15 minutes
1.2.2.b Espaces de signalisation•5 minutes
1.2.3 Bases•14 minutes
1.2.4.a Approximations basées sur le sous-espace•5 minutes
1.2.4.b Approximation polynomiale•12 minutes
Signal du jour : Chasse aux exoplanètes•9 minutes
6 lectures•Total 79 minutes
Introduction•1 minute
Introduction•1 minute
Introduction•1 minute
Introduction•1 minute
Exercices à domicile•60 minutes
Notes et matériel supplémentaire•15 minutes
1 devoir•Total 90 minutes
Devoirs pour le module 1.2•90 minutes
1 laboratoire non noté•Total 60 minutes
Bases de Haar pour la compression d'images•60 minutes
1 plugin•Total 15 minutes
Retour d'information W2•15 minutes
Module 1.3 : Analyse de Fourier : les bases
Module 3•9 heures à terminer
Détails du module
Les concepts fondamentaux de la transformée de Fourier et du domaine des fréquences
Inclus
14 vidéos10 lectures1 devoir3 laboratoires non notés1 plugin
Afficher les informations sur le contenu du module
14 vidéos•Total 94 minutes
1.3.1.a Le domaine des fréquences•5 minutes
1.3.1.b La DFT comme changement de base•11 minutes
1.3.2.a Définition de la DFT•5 minutes
1.3.2.b Exemples de calculs DFT•14 minutes
1.3.2.c Interprétation d'un tracé DFT•5 minutes
1.3.3.a Analyse DFT•11 minutes
1.3.3.b Exemple de DFT - analyse d'instruments de musique•5 minutes
1.3.3.c Synthèse DFT•6 minutes
1.3.3.d Exemple DFT - prédiction des marées à Venise•4 minutes
1.3.3.e Exemple de DFT - compression MP3•5 minutes
1.3.4.a La transformée de Fourier à court terme•5 minutes
1.3.4.b Le spectrogramme•8 minutes
1.3.4.c Mosaïque temps-fréquence•6 minutes
Le signal du jour : Le premier signal émis par l'homme depuis l'espace•6 minutes
10 lectures•Total 109 minutes
Introduction•6 minutes
Qu'avons-nous appris ?•5 minutes
Introduction•1 minute
Qu'avons-nous appris ?•5 minutes
Introduction•1 minute
Qu'avons-nous appris ?•5 minutes
Introduction•1 minute
Qu'avons-nous appris ?•5 minutes
Exercices à domicile•60 minutes
Transformations de valeurs réelles•20 minutes
1 devoir•Total 120 minutes
Devoirs pour le module 1.3•120 minutes
3 laboratoires non notés•Total 180 minutes
Comment tracer la TFD•60 minutes
TFD et précision numérique•60 minutes
Tonalités de numérotation•60 minutes
1 plugin•Total 15 minutes
Retour d'information W3•15 minutes
Module 1.4 : Analyse de Fourier : Outils plus avancés
Module 4•8 heures à terminer
Détails du module
Approfondir le monde de l'analyse de Fourier.
Inclus
11 vidéos9 lectures1 devoir2 laboratoires non notés1 plugin
Afficher les informations sur le contenu du module
11 vidéos•Total 121 minutes
1.4.1.a Séries discrètes de Fourier•5 minutes
1.4.1.b Karplus-Strong revisité et DFS•8 minutes
1.4.2.a Karplus-Strong revisité et DTFT•13 minutes
1.4.2.b Existence et propriétés de la DTFT•7 minutes
1.4.2.c Le DTFT en tant que changement de base•10 minutes
1.4.3.a Modulation sinusoïdale•7 minutes
1.4.3.b Accorder une guitare•5 minutes
1.4.4.a Relations entre les transformations•12 minutes
1.4.4.b Rembourrage zéro•5 minutes
1.4.5 La transformée de Fourier rapide•42 minutes
Signal du jour : Accord de Tristan•7 minutes
9 lectures•Total 97 minutes
Introduction•1 minute
Qu'avons-nous appris ?•2 minutes
Introduction•1 minute
Qu'avons-nous appris ?•10 minutes
Introduction•5 minutes
Introduction•1 minute
Introduction•2 minutes
Exercices à domicile•60 minutes
Notes et matériel supplémentaire•15 minutes
1 devoir•Total 120 minutes
Devoirs pour le module 1.4•120 minutes
2 laboratoires non notés•Total 120 minutes
Pouvez-vous entendre la phase d'un son ?•60 minutes
Battements de fréquence audio•60 minutes
1 plugin•Total 15 minutes
Retour d'information W4•15 minutes
Obtenez un certificat professionnel
Ajoutez ce titre à votre profil LinkedIn, à votre curriculum vitae ou à votre CV. Partagez-le sur les médias sociaux et dans votre évaluation des performances.
Instructeurs
Évaluations de l’enseignant
Évaluations de l’enseignant
Nous avons demandé à tous les étudiants de fournir des commentaires sur nos enseignants au sujet de la qualité de leur pédagogie.
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?
Felipe M.
Étudiant(e) depuis 2018
’Pouvoir suivre des cours à mon rythme à été une expérience extraordinaire. Je peux apprendre chaque fois que mon emploi du temps me le permet et en fonction de mon humeur.’
Jennifer J.
Étudiant(e) depuis 2020
’J'ai directement appliqué les concepts et les compétences que j'ai appris de mes cours à un nouveau projet passionnant au travail.’
Larry W.
Étudiant(e) depuis 2021
’Lorsque j'ai besoin de cours sur des sujets que mon université ne propose pas, Coursera est l'un des meilleurs endroits où se rendre.’
Chaitanya A.
’Apprendre, ce n'est pas seulement s'améliorer dans son travail : c'est bien plus que cela. Coursera me permet d'apprendre sans limites.’
Avis des étudiants
4.5
646 avis
5 stars
69,34 %
4 stars
20,58 %
3 stars
5,57 %
2 stars
1,70 %
1 star
2,78 %
Affichage de 3 sur 646
T
TS
4·
Révisé le 16 août 2020
It offers rigorous introduction to DSP. Besides the lectures, it requires separate study of the materials to get well acquainted with the concepts.
J
JA
5·
Révisé le 21 juil. 2020
very good course, but it require some math and a brief reading of a book in signals, there are only few courses in coursera that are challenging, this is one of them, 10/10
B
BE
5·
Révisé le 28 nov. 2022
This course was a great refresher after not working with DSP concepts for while. It also went beyond what I had learned in school with good explanations and extra insights.
Qu'est-ce que j'apprendrai réellement dans ce cours sur le traitement des signaux numériques ?
Vous apprendrez à penser aux signaux à temps discret, à les représenter mathématiquement et à les analyser dans le domaine des fréquences. Le cours commence par les bases des signaux et des opérations DSP simples, puis se poursuit par une réflexion sur l'espace vectoriel et l'analyse de Fourier. En cours de route, vous appliquerez les idées à l'aide d'exemples guidés tels que la synthèse sonore et la lecture de tracés DFT.
Ai-je besoin de calcul ou d'algèbre linéaire avant de commencer ce cours ?
Oui, il est recommandé d'avoir des notions de calcul et d'algèbre linéaire avant de commencer. Le cours utilise directement l'algèbre linéaire lorsqu'il traite les signaux comme des vecteurs et des bases, et ces mathématiques se retrouvent dans le matériel de Fourier. Il n'est pas nécessaire d'avoir une expérience approfondie de la programmation, mais plusieurs exemples sont fournis sous forme de carnets Python pour tester les algorithmes.
Ce cours est-il adapté aux débutants en traitement des signaux numériques ?
Il convient bien aux débutants en DSP si vous avez déjà des connaissances en mathématiques. Le cours commence par la définition d'un signal à temps discret, mais il passe assez rapidement aux espaces vectoriels et aux méthodes de Fourier plutôt que de rester à un niveau de vue d'ensemble intuitif. Si vous êtes totalement novice en matière de calcul, d'algèbre linéaire ou de cours d'ingénierie à forte teneur en mathématiques, ce cours peut vous sembler exigeant.
Combien de temps faut-il pour terminer ce cours ?
Prévoyez environ 29 heures au total. À raison de 10 heures par semaine, cela représente environ trois semaines d'études régulières, réparties entre les leçons, les lectures et les exemples pratiques. Le cours comprend également des devoirs pratiques, des interrogations et des travaux pratiques guidés.
Ce cours comporte-t-il des exercices pratiques ou des laboratoires ?
Oui, mais le travail pratique est guidé plutôt que basé sur un projet. Vous travaillerez dans le cadre de laboratoires et d'exercices pratiques Python qui vous permettront de tester des idées telles que l'algorithme de Karplus-Strong, de tracer des résultats de Fourier ou d'examiner des exemples de signaux tels que les tonalités d'appel. Cette pratique vous aide à relier les mathématiques à des signaux que vous pouvez entendre, visualiser et interpréter.
Quels sont les compétences, les sujets ou les méthodes abordés dans ce cours ?
Vous couvrirez les signaux à temps discret, la vue de l'espace vectoriel des signaux et l'analyse dans le domaine des fréquences. Le cours enseigne les principaux outils de Fourier tels que la TFD et la TFS, puis les utilise pour interpréter les signaux audio, vocaux et de communication. Dans l'ensemble, il vous aide à passer d'une représentation temporelle à une représentation fréquentielle et à raisonner sur le comportement des signaux numériques.
Que puis-je faire après avoir terminé ce cours ?
Après avoir terminé, vous devriez être en mesure d'analyser des signaux échantillonnés à l'aide de représentations de Fourier courantes et de les expliquer en utilisant le langage des vecteurs, des bases et des fréquences. Par exemple, vous pouvez inspecter un tracé de DFT pour identifier les composantes dominantes d'un son musical ou d'un autre signal à temps discret. Il s'agit d'un résultat solide si votre objectif est d'interpréter et d'analyser des signaux d'une manière fondée sur des principes.
Ce cours est-il plus axé sur la théorie ou sur l'apprentissage pratique ?
Il est davantage axé sur les concepts, avec une pratique guidée pour renforcer les idées. La majeure partie du cours est consacrée à la compréhension de l'interaction entre les signaux, l'analyse des fréquences et les mathématiques sous-jacentes, tandis que les laboratoires et les exercices vous permettent de tester ces idées sur des exemples concrets.
Pourquoi devrais-je choisir ce cours plutôt que d'autres cours sur le traitement des signaux numériques ?
Ce cours est un excellent choix si vous souhaitez que le traitement numérique du signal soit expliqué à travers l'algèbre linéaire et la pensée de Fourier, et pas seulement comme une boîte à outils de formules. Il passe des signaux à temps discret aux espaces vectoriels et à l'analyse dans le domaine des fréquences, puis s'appuie sur des cahiers de notes guidées et des exemples tirés de l'audio et des communications. Si vous souhaitez une introduction mathématique sérieuse avec suffisamment de pratique pour voir les idées en action, ce cours est probablement mieux adapté qu'une vue d'ensemble plus légère et plus axée sur les outils.