第1章  信号处理概况
  1.1  引言
  1.2  MATLAB信号处理工具箱
    1.2.1  Signal Processing Toolbox
    1.2.2  DSP System Toolbox
  1.3  Python信号处理工具箱
    1.3.1  Python简介
    1.3.2  Python库简介
    1.3.3  信号处理工具箱
第2章  Python编程基础
  2.1  Python发展简介
  2.2  Python开发环境
    2.2.1  安装Python
    2.2.2  使用Python
    2.2.3  Jupyter Notebook
    2.2.4  Google Colab
    2.2.5  VSCode
    2.2.6  PyCharm
  2.3  Python编程基础
    2.3.1  基础语法
    2.3.2  变量类型
    2.3.3  Python数据类型转换
    2.3.4  Python常用函数
    2.3.5  Python运算符
    2.3.6  条件语句
    2.3.7  循环语句
    2.3.8  中断语句
    2.3.9  pass语句
    2.3.10  函数
    2.3.11  模块和包
  2.4  基于NumPy的数值计算
    2.4.1  NumPy简介
    2.4.2  安装NumPy
    2.4.3  数组创建
    2.4.4  元素访问
    2.4.5  数组基本运算
  2.5  基于SciPy的数值计算
    2.5.1  SciPy简介
    2.5.2  安装SciPy
    2.5.3  SciPy子工具包构成
    2.5.4  线性代数
    2.5.5  微积分
    2.5.6  概率统计
    2.5.7  快速傅里叶变换
  2.6  Matplotlib软件包
    2.6.1  Matplotlib简介
    2.6.2  安装Matplotlib
    2.6.3  基础图表绘制
    2.6.4  线条和标识
    2.6.5  文字说明
第3章  信号生成和预处理
  3.1  平滑和去噪
    3.1.1  使用到的Python函数
    3.1.2  信号平滑处理
    3.1.3  对数据去趋势
    3.1.4  从信号中去除60Hz干扰
    3.1.5  去除信号中的峰值
  3.2  波形生成
    3.2.1  使用到的Python函数
    3.2.2  创建均匀和非均匀时间向量
    3.2.3  波形生成：时间向量和正弦波
    3.2.4  脉冲函数、阶跃函数和斜坡函数
    3.2.5  常见的周期性波形
    3.2.6  常见的非周期性波形
    3.2.7  pulstran函数
    3.2.8  sinc函数
第4章  测量和特征提取
  4.1  描述性统计量
    4.1.1  使用到的Python函数
    4.1.2  确定峰宽
    4.1.3  周期波形的RMS值
    4.1.4  在数据中查找峰值
  4.2  脉冲和跃迁指标
    4.2.1  使用到的Python函数
    4.2.2  矩形脉冲波形的占空比
第5章  变换、相关性和建模
  5.1  变换
    5.1.1  使用到的Python函数
    5.1.2  离散傅里叶变换
    5.1.3  Chirp Z-变换
    5.1.4  离散余弦变换
    5.1.5  用于语音信号压缩的DCT
    5.1.6  Hilbert变换
    5.1.7  余弦解析信号
    5.1.8  Hilbert变换与瞬时频率
    5.1.9  倒频谱分析
  5.2  相关性和卷积
    5.2.1  使用到的Python函数
    5.2.2  具有自相关的残差分析
    5.2.3  对齐两个简单信号
    5.2.4  将信号与不同开始时间对齐
    5.2.5  使用互相关性对齐信号
    5.2.6  使用自相关求周期性
    5.2.7  Echo Cancelation
    5.2.8  多通道输入的互相关
    5.2.9  样本自相关的置信区间
    5.2.10  两个指数序列的互相关
    5.2.11  移动平均过程的自相关
    5.2.12  两个移动平均过程的互相关
    5.2.13  噪声中延迟信号的互相关
    5.2.14  相位滞后正弦波的互相关
    5.2.15  线性卷积和循环卷积
第6章  数字和模拟滤波器
  6.1  数字滤波器设计
    6.1.1  使用到的Python函数
    6.1.2  IIR滤波器设计
    6.1.3  FIR滤波器设计
  6.2  数字滤波器分析
    6.2.1  使用到的Python函数
    6.2.2  相位响应
    6.2.3  零极点分析
    6.2.4  脉冲响应
  6.3  数字滤波
    6.3.1  使用到的Python函数
    6.3.2  数字滤波介绍
  6.4  多采样频率信号处理
    6.4.1  使用到的Python函数
    6.4.2  重建缺失的数据
    6.4.3  下采样——信号相位
    6.4.4  下采样——混叠
    6.4.5  在下采样前进行滤波
  6.5  模拟滤波器
    6.5.1  使用到的Python函数
    6.5.2  模拟IIR低通滤波器的比较
第7章  频谱分析
  7.1  频谱估计
    7.1.1  使用到的Python函数
    7.1.2  使用FFT获得功率频谱密度估计
    7.1.3  频域线性回归
    7.1.4  检测噪声中的失真信号
    7.1.5  幅值估计和填零
    7.1.6  比较两个信号的频率成分
    7.1.7  交叉频谱和幅值平方相干性
  7.2  子空间方法
  7.3  加窗法
    7.3.1  使用到的Python函数
    7.3.2  Chebyshev窗
第8章  借助大语言模型实现信号处理
  8.1  国内外大语言模型发展现状
    8.1.1  国外大语言模型发展现状
    8.1.2  国内大语言模型发展现状
  8.2  大语言模型与编程
    8.2.1  大语言模型使用简介
    8.2.2  大语言模型实现Python编程
  8.3  信号处理编程实例
    8.3.1  绘制信号的时域和频域波形
    8.3.2  绘制加入噪声后信号的时域和频域波形
    8.3.3  设计数字滤波器并绘制其频率响应曲线
    8.3.4  对信号进行滤波并绘制滤波后的幅度谱与相位谱图
    8.3.5  对信号进行DFT运算并绘制信号幅度与相位图
    8.3.6  对信号进行指定点数DFT并绘制信号幅度与相位图
    8.3.7  对信号进行FFT与IFFT并与原信号做差
    8.3.8  信号采样综合
    8.3.9  信号平滑处理