<aside> <img src="/icons/condense_yellow.svg" alt="/icons/condense_yellow.svg" width="40px" /> Python | 时域 | 信号 | 连续 | 离散 | 相位 | 指数 | 函数 | 复数 | 正弦 | 余弦 | 波形 | 线性 | 时不变系统 | 特征函数 | 衰减 | 调频 | 非平稳 | 平稳 | 脉冲 | 梳状函数 | 混叠 | 听觉 | 量化器 | 图像 | 样本 | 幅度 | 漂移 | 滤波 | 语音 | 电能 | 质量 | 变换 | 系数 | 噪音

</aside>

🎯要点

1. 信号生成、绘制和推理图形结果：
   1. 连续时域数字信号：🎯正弦信号：🖊通用表达式、🖊不同相位式、🖊三相式。🎯指数信号：📌实数指数信号情景：如：油价指数增长函数、放射性衰减指数衰减函数，📌复数指数信号情景：傅里叶变换、正弦波形和余弦波形、线性时不变系统的特征函数，🖊实数指数、🖊PN结二极管的正向特性、🖊放射性衰减、🖊复数指数函数、🖊从复数指数提取正弦和余弦函数、🖊正弦信号与增长和衰减的实指数信号相乘。🎯非平稳信号、平稳信号、线性调频信号、方波、三角波、锯齿波、sinc 、脉冲信号和高斯信号。
   2. 离散时域信号：🎯脉冲函数列、🎯梳状函数的频域、🎯时域混叠、🎯频域混叠、🎯听觉混叠、🎯中平量化器传输特性、🎯中平量化器量化输入锯齿信号、🎯中平量化器的传输特性、🎯中升量化器量化输入锯齿信号、🎯语音信号量化、🎯均匀中平量化图像、🎯\mu-法则压扩编码输入信号、🎯输入信号和量化信号间的误差、🎯量化误差概率密度函数、🎯正弦信号零阶保持插值、🎯一阶保持插值、🎯正弦信号的理想或 Sinc 插值、🎯零阶保持与 Sinc 插值的比较。🎯单位样本序列生成方式：🖊使用逻辑运算、🖊使用Python库中内置函数、🖊单元步序列、🖊单元斜坡信号、🖊实数和复数指数信号，🎯数学运算：🖊幅度缩放、🖊幅度漂移、🖊信号乘积、🖊信号叠加、🖊上/下取样、🖊时移运算、:🖊使用Python内置/无内置函数的时间反转、🖊单位样本卷积、🖊信号与移位单位样本信号的卷积、🖊卷积特征演示：交换、结合和分布、🖊低通滤波系数的方波卷积、🖊高通滤波系数的方波卷积、🎯信号相似性：🖊正弦波和余弦波的自相关和互相关、🖊正弦波与其自身和噪声信号的自相关、🖊使用自相关的延迟估计。
   3. 离散时域系统：🎯解差分方程、🎯确定状态空间转换关系、🎯计算系统的脉冲和阶跃响应、🖊计算阶跃响应、🖊从阶跃响应获取脉冲响应、🎯绘制：🖊非递归系统的零点、🖊非递归系统的幅度和相位响应
   4. 数控信号处理应用：🎯语音识别、🎯电能传输质量、🎯潘-汤普金斯算法心电图检测、🎯混合模式信号链中噪声分析。

梗概

https://embed.notionlytics.com/wt/ZXlKM2IzSnJjM0JoWTJWVWNtRmphMlZ5U1dRaU9pSlhiRWhvWlV4VVQxbHNjMlZYV2tKbU9URndaU0lzSW5CaFoyVkpaQ0k2SWpneU5EUXlNak5qWVdVNE56UmlOemxoTUdRd05tTXdZek5tTmpoak4yUXpJbjA9