Python 數字信號處理應用 (Think DSP: Digital Signal Processing in Python)

數字信號處理（DSP）是面向電子信息學科的專業基礎知識，也是多門新興學科的理論基礎。作為廣泛應用的腳本語言，Python在DSP領域中也很常用。
本書介紹瞭如何通過Python語言實現數字信號處理的應用。全書共有11章，以Python代碼為示例由淺入深地向讀者介紹了數字信號處理的相關知識及其應用。書中涉及周期信號及其頻譜、波形的諧波結構、非周期信號及頻譜圖、噪聲、自相關函數、離散餘弦變換和離散傅里葉變換、濾波、捲積、微分與積分、調制採樣等數字信號處理相關技術。每一章都是從示例開始，引導讀者通過編程的方式來準確地理解概念。除此之外，本書每章還提供了練習和代碼示例來幫助讀者理解這些知識。
本書適合對數字信號處理感興趣且有一定Python基礎的讀者閱讀，也適合電子和通信相關專業的學生閱讀。

[美]艾倫·唐尼（Allen B.Downey）譯者:繆文
Allen Downey是歐林工程學院計算機科學系的教授。他曾在衛斯理學院、科爾比學院和加州大學伯克利分校教授計算機課程。他擁有加州大學伯克利分校的計算機科學博士學位和麻省理工學院的碩士及學士學位。他還著有《像計算機科學家一樣思考Python》和《貝葉斯思維：統計建模的Python方法》等圖書。

第1章聲音和信號1 
1.1週期信號1 
1.2頻譜分析3 
1.3信號4 
1.4波形的讀寫6 
1.5頻譜7 
1.6波形對象7 
1.7信號對象8 
1.8練習10 

第2章諧波11 
2.1三角波11 
2.2方波13 
2.3混疊15 
2.4計算頻譜17 
2.5練習18 

第3章非週期信號20 
3.1線性啁啾（Chirp）20 
3.2指數啁啾22 
3.3啁啾信號的頻譜23 
3.4頻譜圖24 
3.5Gabor限制25 
3.6洩露26 
3.7加窗27 
3.8頻譜圖的實現28 
3.9練習30 

第4章噪聲32 
4.1不相關噪聲32 
4.2累積頻譜34 
4.3布朗噪聲35 
4.4粉噪38 
4.5高斯噪聲40 
4.6練習41 

第5章自相關43 
5.1相關43 
5.2序列相關45 
5.3自相關47 
5.4週期信號的自相關48 
5.5相關的點積形式51
5.6使用NumPy51 
5.7練習52 

第6章離散餘弦變換54 
6.1合成54 
6.2使用數組合成55 
6.3分析57 
6.4正交矩陣58 
6.5DCT—IV59 
6.6InverseDCT（反離散餘弦變換）61 
6.7Dct類61 
6.8練習62 

第7章離散傅里葉變換64 
7.1復指數64 
7.2复信號66 
7.3合成問題67 
7.4使用矩陣合成68 
7.5分析問題70 
7.6快速分析70 
7.7DFT71 
7.8DFT是周期性的73 
7.9實信號的DFT73 
7.10練習75 

第8章濾波與卷積76 
8.1平滑76 
8.2卷積79 
8.3頻域79 
8.4卷積定理81 
8.5高斯濾波器82 
8.6高效卷積83 
8.7高效自相關85 
8.8練習86 

第9章微分和積分87 
9.1有限差分87 
9.2頻域89 
9.3微分89 
9.4積分91 
9.5累積和93 
9.6積分噪聲96
9.7練習96 

第10章LTI系統98 
10.1信號與系統98 
10.2窗和濾波器100 
10.3聲學響應101 
10.4系統和卷積103 
10.5卷積定理的證明106 
10.6練習108 

第11章調製和採樣109 
11.1脈衝卷積109 
11.2調幅110 
11.3採樣113 
11.4混疊115 
11.5插值118 
11.6總結119 
11.7練習120