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.

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.

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.

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.