کتاب پردازش سیگنال دیجیتال با برنامه نویسی پایتون

کتاب پردازش سیگنال دیجیتال با برنامه نویسی پایتون نوشتهٔ موریس شاربیت با ترجمهٔ حسینعلی باباجانزاده تهمتن و جواد وحیدی و علی باباجانزاده تهمتن در انتشارات فناوری نوین چاپ شده است.

درباره کتاب پردازش سیگنال دیجیتال با برنامه نویسی پایتون

این کتاب به مبانی اساسی استنباط‌های آماری می‌پردازد. فرض بر این است که خوانندگان کتاب از زبان پایتون و عناصر اساسی پردازش سیگنال دیجیتالی آگاهی خوبی دارند. کدهای ارائه‌شده در این کتاب با هر دو نسخهٔ ۲ و ۳ پایتون کار می‌کنند. بخش عمده‌ای از مثال‌های ارائه‌شده در این کتاب عمدتاً از ماژول‌های numPy استفاده می‌کند که اشیاء آرایه‌های عددی قدرتمند، Scipy را با روال‌های پردازش داده‌های سطح بالا ارائه می‌دهد، مانند بهینه‌سازی، رگرسیون، درون‌یابی و Matplotlib برای ترسیم نمودارهای منحنی، هیستوگرام، نمودارهای بلوکی و...

ریاضیات مفید

در فصل اول، مروری کوتاه بر نظریهٔ احتمالات با تمرکز بر احتمال شرطی، قضیهٔ طرح‌ریزی و تبدیل متغیر تصادفی ارائه‌ شده است. تعدادی از عناصر آماری نیز ارائه می‌شود، ازجمله قانون اعداد بزرگ و قضیهٔ حد مرکزی.

استنباط‌های آماری

فصل دوم کتاب پردازش سیگنال دیجیتال با برنامه نویسی پایتون به استنباط آماری اختصاص دارد. استنباط آماری شامل استنباط برخی ویژگی‌های موردعلاقه از مجموعه‌ای از مشاهدات به سطح اطمینان خاصی از قابلیت اعتماد است که به انواع تکنیک‌ها اشاره دارد. در این فصل، ما عمدتاً بر آزمون فرضیه، تحلیل رگرسیون، برآورد پارامترها و تعیین بازه‌های اطمینان تمرکز می‌کنیم. مفاهیم کلیدی شامل محدودهٔ کرامر- رائو، قضیه نیمن - پیرسون، آزمون‌های نسبت احتمال، روش حداقل مربعات برای مدل‌های خطی، روش ممان‌ها (گشتاورها) و رویکرد حداکثر احتمال است. روش حداقل مربعات یک روش استاندارد در تحلیل رگرسیون است و به‌تفصیل موردبحث قرارگرفته است.

استنباط در مورد HMM

در بسیاری از مسائل، متغیرهای موردعلاقه فقط تا حدی مشاهده می‌شوند. مدل‌های مخفی مارکوف (HMM) برای برطرف‌کردن این نوع مشکلات مناسب هستند. برنامه‌های کاربردی آن‌ها طیف وسیعی از زمینه‌ها مانند پردازش گفتار، تشخیص دست خط، تجزیه‌وتحلیل DNA و نظارت و کنترل را دربر می‌گیرد. مسائل متعددی در مورد استنباط HMM وجود دارد. الگوریتم‌های کلیدی عبارت‌اند از فیلتر معروف کالمن، الگوریتم Baum-Welch و الگوریتم Viterbi که تنها مشهورترین آن‌ها را لیست می‌کند.

روش‌های مونت – کارلو

روش‌های مونت کارلو به دستهٔ وسیعی از الگوریتم‌ها اشاره می‌کند که برای انجام مقادیر مورد علاقه عمل می‌کنند. به‌طورمعمول، مقادیر انتگرال هستند، یعنی انتظارات از یک تابع معین. ایده اصلی استفاده از دنباله‌های تصادفی به‌جای دنباله‌های قطعی برای دست‌یابی به این نتیجه است. مسائل اصلی ابتدا انتخاب مناسب‌ترین مکانیسم تصادفی و دوم نحوه ایجاد چنین مکانیزمی است. در فصل ۴، روش پذیرش رد، الگوریتم Metropolis-Hastings، نمونه‌گیر Gibbs، روش نمونه‌گیری اهمیت و غیره ارائه‌شده است.

کتاب پردازش سیگنال دیجیتال با برنامه نویسی پایتون را به چه کسانی پیشنهاد می‌کنیم

این کتاب به علاقه‌مندان به برنامه‌نویسی پیشنهاد می‌شود.