Visão Geral

O curso Digital Signal Processing Fundamentals oferece uma introdução sólida aos conceitos essenciais do Processamento Digital de Sinais (DSP). Através de fundamentos matemáticos, teoria e prática aplicada, o aluno aprenderá a analisar, manipular e transformar sinais digitais utilizados em aplicações modernas como áudio, telecomunicações, imagens, sensores, IoT, controle e sistemas embarcados.

Os conceitos são apresentados de forma clara, acessível e com exemplos reais, permitindo que o aluno compreenda tanto a base teórica quanto a aplicação prática do DSP na indústria contemporânea.

Objetivo

Após realizar este curso Digital Signal Processing Fundamentals, você será capaz de:

• Entender os princípios fundamentais do processamento digital de sinais.
• Aplicar transformadas e técnicas de análise para examinar sinais digitais.
• Utilizar filtros digitais e algoritmos básicos de DSP.
• Compreender aliasing, amostragem, quantização e reconstrução de sinais.
• Implementar algoritmos de DSP em software e analisar seus resultados.

Publico Alvo

•  
• Engenheiros eletrônicos, de computação e telecomunicações.
• Profissionais de sistemas embarcados e IoT.
• Estudantes e pesquisadores em tecnologias de sinais e sistemas.
• Desenvolvedores interessados em áudio digital, processamento de imagens ou automação.
•  

Pre-Requisitos

• Conhecimentos básicos de matemática (álgebra, trigonometria).
• Noções de cálculo e análise de sinais (desejável).
• Familiaridade com programação (Python, MATLAB ou C).

Materiais

Conteúdo Programatico

Module 1: Introduction to Digital Signal Processing

1. What is DSP?
2. Real-world applications
3. Analog vs digital signals
4. Signal representations

Module 2: Sampling and Quantization

1. Nyquist-Shannon sampling theorem
2. Aliasing and anti-aliasing filters
3. Quantization noise
4. ADC/DAC fundamentals

Module 3: Discrete-Time Signals and Systems

1. Discrete-time signals
2. Linear time-invariant (LTI) systems
3. Convolution and impulse response
4. Difference equations

Module 4: The z-Transform

1. Definition and properties
2. ROC (Region of Convergence)
3. Inverse z-transform
4. Poles and zeros

Module 5: Discrete Fourier Transform (DFT)

1. Frequency-domain analysis
2. DFT properties
3. Frequency resolution
4. Windowing techniques

Module 6: Fast Fourier Transform (FFT)

1. FFT algorithms
2. Computational efficiency
3. Practical examples using FFT
4. Using FFT in audio and communication systems

Module 7: Digital Filters

1. FIR vs IIR filters
2. Filter design principles
3. Window method for FIR design
4. Stability considerations

Module 8: Filtering Techniques and Applications

1. Low-pass, high-pass, band-pass, band-stop filters
2. Noise reduction
3. Real-time filtering
4. Practical use cases

Module 9: DSP Implementation

1. Fixed-point vs floating-point computation
2. DSP on microcontrollers and DSP chips
3. Real-time processing considerations
4. Optimization strategies

Module 10: Hands-on Exercises and Final Project

1. Implementing filters in Python or MATLAB
2. FFT-based analysis project
3. Signal visualization and interpretation
4. Real-world DSP project implementation