Exemplos em processamento de sinais

Este repositório é constituído totalmente por notebooks Jupyter. São exemplos construídos para minhas aulas de processamento de sinais para a Engenharia Acústica da Universidade Federal de Santa Maria (UFSM). Os notebooks abordam duas disciplinas: (i) Introdução a sistemas lineares e (ii) Processamento digital de sinais I. Nelas, cobrimos as seguintes unidades:

1. Introdução a sinais (o que eles são, transformações da variável independente, sinais periódicos, sinais exponenciais, impulso, potência, energia, valor médio, RMS, etc)

2. Introdução a sistemas (o que são, memória, causalidade, estabilidade, linearidade, invariância no tempo, linearidade, Sistemas lineares e invariantes no tempo e convolução)

3. Análise espectral (Série de Fourier, Transformada de Fourier, propriedades, teorema da convolução, janelas temporais, etc)

4. Transformada de Laplace (definição, relação com a TF, Região de convergência, exemplo de filtro analógico, etc)

5. Amostragem e quantização

6. A Transformada Discreta de Fourier

7. Análise estatística de sinais (revisão, processos estacionários, auto-correlação, correlação cruzada, auto-espectro, espectro cruzado, método de Welch, coerência, estimativa da FRF)

Parte dos exemplos ainda está em construção e eles estarão disponíveis quando estiverem prontos (são passíveis de revisão).

Signal processing examples

This repository was entirely made using Jupyter Notebooks. They are simple examples built for my lectures as a professor of the Acoustical Engineering of the Federal University of Santa Maria (Brazil). The notebooks are about Digital Signal Processing and Signals and Systems. They cover the following chapters:

1. Introduction to signals (what they are, transformations of the independent variable, periodic signals, exponential signals, impulse, power, energy, mean value, RMS, etc)

2. Introduction to systems (what they are, memory, causality, stability, linearity, time invariance, linear and time invariant systems and convolution)

3. Spectral estimation (the Fourier series, the Fourier transform, properties, convolution theorem, use of windows, etc)

4. The Laplace Transform

5. Sampling, quantization and the Discrete Fourier Transform

6. Statistical signal processing (auto and cross-correlation, auto and cross spectrum, Welch's method, coherence, estimation of the Frequency Response Function)

For now, the examples are being implemented and will be available as soon as they are ready.