[超譯]ThinkDSP 名詞索引

[超譯]ThinkDSP 第十一章

第十一章 調變與取樣 | Modulation and sampling

在 2.3節我們看到，一個訊號用 10,000 Hz 取樣，在 5500 Hz 的成份會與 4500 Hz 的成份無法分辨。折疊頻率 5000 Hz，是取樣頻率的一半，但我沒有解釋為什麼。
這章探索取樣的效應與展示取樣理論，也會解釋 aliasing 與折疊頻率(folding frequency)。
我會從脈衝卷積的效應開始探索。然後解釋調幅(AM amplitude modulation)，這對於了解取樣理論非常有用。
此章的程式碼在 chap11.ipynb，位置請參閱 0.2節。也可以在後面網址觀看： http://tinyurl.com/thinkdsp-ch11

[超譯]ThinkDSP 第十章

第十章 線性非時變系統 | LTI systems

這章展示訊號與系統的理論，用音樂當範例。會解釋卷積理論的一個重要應用，線性、非時變系統(稍候會定義)的特徵化。
此章的程式碼在 chap10.ipynb，請參閱(0.2節)，也可以在後方連結參閱 http://tinyurl.com/thinkdsp10 。

[超譯]ThinkDSP 第九章

第九章 微分與積分 | Differentiation and Integration

這一章是前章的補遺，在探討時間域的 window 與頻率域的濾波器。
我們會特別來探討 finite difference window 的影響。它是近似的差異累積加總的操作，其效果接近積分。
這章的程式碼在 chap09.ipynb，位置請見 0.2節，你也可以在後面網址觀看：http://tinyurl.com/thinkdsp09

[超譯]ThinkDSP 第八章

第八章 濾波與卷積 | Filtering and Convolution

在這章我會介紹訊號處理相關領域最重要最有用的觀念之一，卷積理論。但在我們了解卷積理論之前，我們要先懂卷積。我會先從簡單的範例開始，也就是平滑化，以它為出發點。
這章的程式碼在 chap08.ipynb，位置請參見 0.2節。也可以在這裡找到：http://tinyurl.com/thinkdsp08

[超譯]ThinkDSP 第七章

第七章 離散傅立葉轉換 | Discrete Fourier Transform

我們已經在第一章用過離散傅立葉轉換 Dsicrete Fourier Transform (DFT)，但我還沒解釋它的原理，現在是時候了。
如果你能理解 Discrete Cosine Transform (DCT)，你也能理解 DFT。兩者唯一差別是，一個用的是 cosine 函數，一個用的是複數指數(complex exponential)函數。我會從解釋複數指數開始，然後照第六章的流程來一遍：

1. 從合成問題開始：給定一組頻率成份與它們的振幅，我們如何建構一個訊號。合成問題等同於「反DFT」
2. 我們會重寫合成問題，利用 numpy array，寫成矩陣乘法的形式。
3. 接下來，我們會突分析問題，這等同於 DFT：給定一個訊號，我們如何找到與之對應的頻率成份的振幅與相位差。
4. 最後，我們會利用線性代數找到更有效率的方式計算 DFT。

本章的程式碼在 chap07.ipynb，它的位置請看0.2節。你也可以在後方連結找到：http://tinyurl.com/thinkdsp07 。

[超譯]ThinkDSP 第六章

第六章 離散餘弦轉換 | Discrete Cosine Transform

這一章的主題是離散徐弦轉換 Discrete Cosine Transform (DCT)，這用在 MP3 與類似的壓縮音樂，JPEG 與類似的壓縮圖片，MPEG 類的影像格式。
DCT 在許多方面都與 DFT (Discrete Fourier Transform) 相似，之前我們有用來做一些分析。一旦我們學會 DCT 的原理，也就比較容易解釋 DFT。
我們依循以下步驟來解釋：

1. 我們從合成問題開始：給定一組頻率組成，與它們的振幅，我們該如何組成一個波？
2. 接下來，我們重寫合成問題的程式，改用 NumPy array。這一步會增加效能，也同時為下一步提供透視。
3. 我們會看分析問題：給定一個訊號與一組頻率，我們要如何找到每個頻率的振幅？我們會從一個概念比較簡單但比較慢的解法開始。
4. 最後，我們會用幾個線性代數的概念來找到更有效率的演算法。如果你已經熟悉線性代數，那很棒。總之我會解釋所需要的事情。

這章的程式碼在 chap06.ipynb (請參見 0.2節)，你也可以在以下網址看到。http://tinyurl.com/thinkdsp06

[超譯]ThinkDSP 第五章

第五章 自相關 Autocorrelation

在前一章我將白噪音的性質視為「不相關」，因為它的每個值都各自獨立，而把布朗噪音的性質視為「相關」，因為它的每個值都與依據前值。在這章我會更精確定義這些詞，並介紹「自相關函數 autocorrelation function」，這是訊號分析很有用的工具。
在開始自相關之前，我們從相關開始。
這章的程式碼在 chap05.ipynb，所在位置請見 0.2 節。你也可以參見 http://tinyurl.com/thinkdsp05

[超譯]ThinkDSP 第四章

第四章 噪音 | Noise

在英文中，noise (噪音)指的是不想要的或是令人不悅的聲音。在訊號處理的領域裡，它有兩個不同的意思：

1. 如同英文的意思，它意指不想要的訊號。如果兩個訊號互相干擾，彼此都會認為是噪音。
2. 噪音也可以被認為是有許多頻率成份的訊號，所以它沒有諧波結構。我們在前幾章的週期訊號會有諧波結構。

這一章研究的噪音講的是第二個意思的噪音。
這章的程式碼在 chap04.ipynb。要找到它請看 0.2 節。你也可以到 http://tinyurl.com/thinkdsp04 查看。

[超譯]ThinkDSP 第三章

第三章 非週期訊號 | Non-periodic signals

目前為止我們遇到的訊號都是週期性的，這表示它們會一直一直重複。這也表示它們的頻率成份不會隨著時間改變。在這章，我們要考慮非週期訊號，它的頻率成份會隨時間改變。換句話說，幾乎所有的聲音訊號都會隨時間改變。
這章也介紹 spectrograms，這是一個視覺化非週期訊號的常用方法。
這章的程式碼在 chap03.ipynb，它的位置請看0.2節。你也可以在這看到它 http://tinyurl.com/thinkdsp03

[超譯]ThinkDSP 第二章

第二章 諧波 | Harmonics

在這章，我會介紹幾個新的波形，我們會看到他們的頻譜以瞭解他們的諧波結構，那是由一組正弦曲線組合而成。
我也會介紹在數位訊號處理中最重要的現象之一：aliasing。我也會較仔細解釋 Spectrum 類別是怎麼運作的。
這章的程式碼在 chap02.ipynb，它的位置請看0.2節。也可以在這裡找到 http://tinyurl.com/thinkdsp02

[超譯]ThinkDSP 第一章

第一章 聲音與訊號 | Sounds and Signals

訊號表示一個數值，那數值隨著時間或空間改變，也可以隨時間與空間改變。這定義相當抽象，所以，我們從一個實際例子開始，聲音是空氣壓力的變化。一個聲音訊號就是表示隨著時間的空氣壓力的變化。
麥克風是一個裝置，量測這些變化且產生電子訊號來表示聲音。喇叭是一個裝置，會依電子訊號產生聲音。麥克風與喇叭，都叫做傳感器 transducer，因為它們能夠傳遞或是轉換訊號，從一個型式到另一個型式。
這本書講的是訊號處理，包含了合成(synthesizing)、轉換(transforming)、分析(analyzing)訊號的處理方式。我會著重在聲音，但這些方法同樣可以用在電子訊號、機械振動，與其他領域的訊號。
而且，不只是隨時間變化的訊號，這些方法也可以用在隨空間變化的訊號，像是沿著登山步道的高度。而且，也可以用於多維度的訊號，你可以把影像想做是二維隨空間變化的訊號。或著如電影，你可以把它想做是二維隨時間與空間變化的訊號。
那我們從一維的訊號「聲音」開始吧。
這章的程式碼在 chap01.ipynb，(若不知道在哪兒找它，請看 0.2 那一節)也可以在這裡找到 http://tinyurl.com/thinkdsp01 。

[超譯]ThinkDSP 第零章

第零章 前言 | Preface

訊號處理是我喜愛的主題之一。在科學與工程領域的許多方面都很有用，如果你了解一些基礎概念，當你在看世界的時候會多深入一些，尤其是我們聽的東西。
但除非你學電子或機械工程，不然你大概沒機會學訊號處理。這問題是，多數的書(而且多數使用它的課程)教的方法是 bottom-up 的方法，從介紹數學式子開始。而且他們傾向於理論化，所以比較少應用範例，彼此之間的相關性比較少。
這本書的前提就是，如果你知道如何寫程式，就可以用這個技術來學其他的技術，而且樂在其中。
[譯註：我自己就是用程式學了很多其他的東西。]
使用程式為底的學習方法，我可以馬上展現最重要的概念，在第一章的尾巴，你就可以分析聲音與其他的訊號，產生新的訊號。每一章介紹一個新的技術與應用，你都可以用到真的訊號去。每一個步驟，你會先學到如何使用這個技術，然後才是它怎麼辦到的。
這學習方法比較實用，我也希望你會同意，這比較有趣。

[超譯]ThinkDSP 說明

ThinkDSP

超譯前言

原文連結在此：http://greenteapress.com/thinkdsp/html/index.html
文件版本 1.0.9
Copyright 2012 Allen B. Downey
Permission is granted to copy, distribute, and/or modify this document under the terms of the Creative Commons Attribution-NonCommercial 3.0 Unported License, which is available at http://creativecommons.org/licenses/by-nc/3.0/.
這篇超譯是翻譯 Allen B. Downey 的 Think DSP: Digital Signal Processing in Python。這個人非常好心教了很多我喜愛的主題。超譯成中文給自己以及有興趣的人。本來我無法入門這個數位訊號處理的領域，有了這本免費電子書，得以進門走走看看了。 原文實體書在這裡買
既然會說是超譯，就是不見得會完全照著翻，因為我也沒把握能完全把意思、精神、美感都翻譯出來。有時候偷懶就會少翻一點看來是閒聊的部份。
之前翻的時候是 0.10.0，有些章節原作者還未完成。2016年初時，與他聯絡時，他告訴我今年會完成。現在 html 版本已經是 1.0.9 了，於是我打算再重頭翻譯一遍。
以下開始超譯。