信號處理需要什麼電路的知識?

信號處理方面都需要什麼電路的知識嗎?信號系統這門課需要什麼電路的先修課程,電分模電?之後想從事語音方面的工作的話電路方面的知識需要的多嗎,那語音,音頻方向需要什麼知識呢


為了學某個知識,大部分人總是習慣性先修各種基礎知識,容易一直在門外轉圈。感覺我們學工科的最好是直奔主題,想學什麼就直接學,有不會的再查資料補。不過儘管我經常提醒自己這麼做,還是會常常為了入門個技術而在門外徘徊太久,這是不明智的。畢竟人生苦短!


不需要任何電路知識。

其實如果想從事語音方面的工作的話除非是做功放之類的硬體外基本不需要任何電路/硬體相關的知識,畢竟軟體和硬體依託的基礎知識差別不小。

根據我自己和同學的學習經歷,如果想學好號信號與系統的話,最好要有不錯的微積分基礎(算各種變換)。另外無論是在連續還是離散的情況下線性代數(尤其是向量空間)也非常重要。如果能把向量空間里的一些概念應用在信號分析上的話這門課學起來就輕鬆多了。

相反覆變函數的重要性就相對低不少了。雖然傅里葉和拉普拉斯變換都是定義在複平面上的,不過只要掌握了基本的複數知識就可以應對這些內容了。


信號處理主要是數學層面上的內容,所以並不需要電路方面的知識。不過在實時系統中可能會把信號處理演算法做成晶元,這一塊需要數電方面的知識,但是嚴格來說這一塊並不屬於信號處理的內容


信號處理嚴格的講,不需要特別的電路知識。但是如果是電子工程專業或者是計算機專業的學生,懂電路知識後,特別容易理解信號處理的知識,比如頻域的處理,數字濾波器的頻率響應等,如果結合電路來理解,就特別容易,特別語音、圖像信號,高通、低通濾波後的波形、頻譜以及聽覺、視覺感受,都非常直觀。

如果要學信號與系統,那麼前面的電路與系統、模擬電子線路,應該都會學,那就夠了。

從事語音處理的話,一定要學好《數字信號處理》這門課的,數字信號要學好,一定要學好信號與系統這門課,倒推,就是電路和模擬電子線路要學好了。基本上這就是電子工程專業本科的核心課程。


先說說數字信號的處理,前提先學好高數,高數是一切信號處理的前提。雖然像現在很多DSP,FPGA自帶有很多濾波器比如FIR等等,通過配置可以達到想要的信號處理效果。但是前提是我們要理解信號處理是怎麼回事。從最基本的傅里葉變換,到複雜的信號處理。所有一切一切的前提都是高數。另外一方面是模擬信號處理。模擬信號的處理,包括語音,感測器信號,等等模擬信號,需要強大的模擬電子技術基礎的支持。如果單從語音方面講,最基本的比如傅里葉變換。還有就是各種濾波器的設計(低通高通帶通等等),語音信號的放大,語音信號的降噪處理。需要模擬電子技術和數字濾波器緊密配合。最後不廢話了,推薦樓主側重學這幾本書:高等數學,模擬電子技術,信號與系統,基於運算放大器的濾波器設計,單片機或DSP或FPGA,C語言。學好理論,實際還有很多問題要處理。以後在工作中慢慢積累經驗。


直接上手,要毛的基礎知識!

然後會遇到很多檻。

然後,按需惡補。

親身實踐經驗


單純的信號處理學習不需要電路知識。


我們學信號與系統之前,學了電路分析基礎、模電數電,概率論與數理統計、線代高數之類的


謝邀。信號處理是 EE 里偏理論的內容,不需要電路知識。懂點資訊理論、傅立葉分析,或者統計學等會有點幫助。


推薦閱讀:

當下流行的語音識別技術是不是發展錯了方向?
語音識別CTC演算法中,最後一個公式如何推導?
同是兩小時的錄音,能否對比哪個交談更多?能否數據化對比?
為什麼一般語音識別系統要選擇25毫秒或25.6毫秒為一個標準幀長?
前向後向演算法和baum-welch演算法區別是什麼?

TAG:語音識別 | 數字信號處理 | 音頻 |