🎵 پردازش عملی سیگنال با Python

🚀 اگر ریاضیات پایه را درک میکنی و برنامه‌نویسی با Python را بلدی، برای ورود به دنیای Signal Processing آماده‌ای. برخلاف بسیاری از منابع که آموزش این موضوع پیچیده را با تئوری شروع میکنن، این کتاب کاربردی تکنیک‌ها را با نمایش نحوه استفاده از آن‌ها در دنیای واقعی توضیح میده.

✨ ویژگی‌های کلیدی

🎼 از همان فصل اول یاد میگیری یک صدا را به Harmonicهای تشکیل‌دهنده آن تجزیه کنی، Harmonicها را تغییر بدی و صداهای جدید بسازی.

📊 تکنیک‌هایی مثل Spectral Decomposition، Filtering، Convolution و Fast Fourier Transform به‌شکلی کاربردی آموزش داده میشن.

🧪 تمرین‌ها و مثال‌های کدنویسی کتاب کمک میکنن مفاهیم Signal Processing را بهتر درک کنی و در عمل به کار بگیری.

🐍 تمام مسیر آموزشی برای افرادی طراحی شده که ریاضیات پایه را میدونن و با برنامه‌نویسی Python آشنا هستن.

📘 توضیح کتاب

🔍 بسیاری از منابع Signal Processing ابتدا وارد مباحث نظری میشن، اما این کتاب مسیر متفاوتی را دنبال میکنه. تکنیک‌ها از طریق کاربردهای واقعی معرفی میشن تا ارتباط میان مفاهیم ریاضی، کد و رفتار سیگنال‌ها ملموس‌تر باشه.

🎵 در فصل اول، یک صدای واقعی را به Harmonicهای تشکیل‌دهنده آن تجزیه میکنی. سپس یاد میگیری این Harmonicها را تغییر بدی و با استفاده از ساختارهای به‌دست‌آمده، صداهای تازه تولید کنی.

📈 کتاب Signalهای دوره‌ای و Spectrum آن‌ها، ساختار Harmonic شکل‌موج‌های ساده و Chirpها و صداهای دیگری را بررسی میکنه که Spectrum آن‌ها در طول زمان تغییر میکنه.

🔊 در ادامه با Noise Signalها و منابع طبیعی Noise آشنا میشی. همچنین یاد میگیری از تابع Autocorrelation برای تخمین Pitch استفاده کنی و ارتباط میان الگوهای تکرارشونده یک Signal و فرکانس آن را درک کنی.

🗜️ کتاب Discrete Cosine Transform یا DCT را برای Compression و Fast Fourier Transform یا FFT را برای Spectral Analysis توضیح میده. Filtering، Convolution و ارتباط عملیات انجام‌شده در حوزه زمان با Filterهای حوزه فرکانس هم از دیگر مباحث اصلی کتاب هستن.

📡 مباحث پیشرفته‌تر شامل نظریه سیستم‌های Linear Time-Invariant یا LTI، Differentiation، Integration، Sampling و Amplitude Modulation یا AM مورد استفاده در Radio میشن.

📚 دیگر کتاب‌های این مجموعه شامل Think Stats و Think Bayes هستن که آن‌ها هم توسط Allen Downey نوشته شده‌اند.

🎯 بعد از مطالعه کتاب، میتونی Signalهای صوتی و غیرتناوبی را تحلیل کنی، Spectrum آن‌ها را بشناسی، روش‌های مختلف Transform و Filtering را به کار بگیری و مفاهیم Signal Processing را با کدهای Python در پروژه‌های واقعی پیاده‌سازی کنی.

🎯 چیزهایی که یاد میگیری

📈 یاد میگیری Signalهای دوره‌ای و Spectrum آن‌ها را تحلیل کنی.

🎼 با ساختار Harmonic شکل‌موج‌های ساده آشنا میشی.

🔊 میتونی Chirpها و صداهایی را بررسی کنی که Spectrum آن‌ها در طول زمان تغییر میکنه.

🌧️ با Noise Signalها و منابع طبیعی Noise آشنا میشی.

🎚️ یاد میگیری از تابع Autocorrelation برای تخمین Pitch استفاده کنی.

🗜️ میتونی از DCT برای Compression و از FFT برای Spectral Analysis استفاده کنی.

🔄 ارتباط میان عملیات حوزه زمان و Filterهای حوزه فرکانس را درک میکنی و با Filtering و Convolution آشنا میشی.

📡 بر نظریه سیستم‌های LTI و Amplitude Modulation یا AM مورد استفاده در Radio مسلط میشی.

👤 این کتاب برای چه کسانیه؟

💻 این کتاب برای برنامه‌نویس‌ها، دانشجویان و افراد علاقه‌مند به Signal Processing نوشته شده که میخوان این حوزه را از طریق مثال‌های واقعی و پیاده‌سازی عملی یاد بگیرن.

🐍 برای شروع، آشنایی با ریاضیات پایه و توانایی برنامه‌نویسی با Python لازمه. کتاب موضوعات پیچیده را با تمرکز بر کاربرد توضیح میده و مسیر آموزش را مستقیماً با تمرین و کدنویسی پیش میبره.

🎧 مطالب برای افرادی مناسبه که میخوان روی تحلیل صدا، Spectrum، Compression، Filtering، Sampling، سیستم‌های LTI یا Modulation کار کنن و ارتباط میان مفاهیم نظری و کاربرد واقعی آن‌ها را ببینن.

📖 فهرست مطالب

فصل ۱. صداها و Signalها

فصل ۲. Harmonicها

فصل ۳. Signalهای غیرتناوبی

فصل ۴. Noise

فصل ۵. Autocorrelation

فصل ۶. Discrete Cosine Transform

فصل ۷. Discrete Fourier Transform

فصل ۸. Filtering و Convolution

فصل ۹. Differentiation و Integration

فصل ۱۰. سیستم‌های LTI

فصل ۱۱. Modulation و Sampling

👤 درباره نویسنده

💻 Allen Downey استاد علوم کامپیوتر در Olin College of Engineering است.

🏫 او سابقه تدریس در Wellesley College، Colby College و U.C. Berkeley را داره.

🎓 Allen Downey مدرک Ph.D. خود را در رشته علوم کامپیوتر از U.C. Berkeley دریافت کرده و دارای مدارک Master's و Bachelor's از MIT است.

If you understand basic mathematics and know how to program with Python, you’re ready to dive into signal processing. While most resources start with theory to teach this complex subject, this practical book introduces techniques by showing you how they’re applied in the real world. In the first chapter alone, you’ll be able to decompose a sound into its harmonics, modify the harmonics, and generate new sounds.

Author Allen Downey explains techniques such as spectral decomposition, filtering, convolution, and the Fast Fourier Transform. This book also provides exercises and code examples to help you understand the material.

You’ll explore:

• Periodic signals and their spectrums
• Harmonic structure of simple waveforms
• Chirps and other sounds whose spectrum changes over time
• Noise signals and natural sources of noise
• The autocorrelation function for estimating pitch
• The discrete cosine transform (DCT) for compression
• The Fast Fourier Transform for spectral analysis
• Relating operations in time to filters in the frequency domain
• Linear time-invariant (LTI) system theory
• Amplitude modulation (AM) used in radio

Other books in this series include Think Stats and Think Bayes, also by Allen Downey.

Table of Contents

Chapter 1. Sounds and Signals

Chapter 2. Harmonics

Chapter 3. Non-Periodic Signals

Chapter 4. Noise

Chapter 5. Autocorrelation

Chapter 6. Discrete Cosine Transform

Chapter 7. Discrete Fourier Transform

Chapter 8. Filtering and Convolution

Chapter 9. Differentiation and Integration

Chapter 10. LTI Systems

Chapter 11. Modulation and Sampling

About the Author

Allen Downey is a Professor of Computer Science at Olin College of Engineering. He has taught at Wellesley College, Colby College and U.C. Berkeley. He has a Ph.D. in Computer Science from U.C. Berkeley and Master's and Bachelor's degrees from MIT.