- عنوان کتاب: Multirate Signal Processing with Examples in Python
- نویسنده: Gerald Schuller
- حوزه: پردازش سیگنال
- سال انتشار: 2026
- تعداد صفحه: 169
- زبان اصلی: انگلیسی
- نوع فایل: pdf
- حجم فایل: 9.71 مگابایت
این کتاب به عنوان متن کلاسی برای درس «پردازش سیگنال چند نرخی» ما در دانشگاه صنعتی ایلمناو (Technische Universität Ilmenau) آلمان، در رشته کارشناسی ارشد مهندسی رسانه، تدوین شد. این کتاب حاصل سالها تدریس، تحقیق و پروژههای عملی است که در آنها دریافتیم رویکرد عملی و مبتنی بر کد به دانشجویان کمک میکند تا ایدههای اصلی را درونی کنند: تنها چیزی که میتوان ساخت، واقعاً قابل درک است. تاریخچه کوتاهی از پردازش سیگنال چند نرخی میدانی از نیاز به پردازش کارآمد سیگنالها در چندین وضوح زمانی و فرکانسی ناشی شد. نقاط عطف اولیه شامل تجزیههای چند فازی و «هویتهای اصیل» برای انتقال تغییرات نرخ نمونهبرداری در فیلترها است که امکان پیادهسازی با عملیات بسیار کمتری نسبت به کانولوشن ساده را فراهم میکند. فیلترهای آینهای تربیعی (QMF) و جانشینان آنها، بانکهای فیلتر بازسازی کامل (PR)، اولین مسیرهای سیستماتیک را برای تجزیه و تحلیل زیرباند ارائه دادند که در آن تجزیه و تحلیل/سنتز دقیقاً سیگنال اصلی را بازسازی میکند. از آنجا، بانکهای مدولهشده با کسینوس و تبدیل کسینوسی گسسته اصلاحشده (MDCT) پلی زیبا بین تبدیلهای بلوکی و بانکهای فیلتر ایجاد کردند و اصل حذف نامگذاری در حوزه زمان (TDAC) را به کاربردهای در مقیاس بزرگ در کدگذاری صوتی آوردند. به موازات آن، نظریه موجک، تحلیل چندوضوحی را برای صدا، تصویر و ویدیو یکپارچه کرد و روشهای ماتریس چندفازی به زبان میانجی برای طراحی، اثبات PR و تحلیل پیچیدگی تبدیل شدند. با افزایش تقاضا برای تعامل، ارتباطات با تأخیر کم منجر به بانکهای فیلتر با تأخیر کم و طرحهایی شد که طول فیلتر را از تأخیر سیستم جدا میکنند. امروزه، رویکردهای مبتنی بر بهینهسازی و اصلاحات مبتنی بر داده، که توسط یادگیری ماشینی ارائه میشوند، مجموعه ابزارهای کلاسیک را تکمیل میکنند.
This book developed as the class text for our lecture “Multirate Signal Processing” at Ilmenau University of Technology (Technische Universität Ilmenau), Germany, in the master’s program Media Engineering. It grew out of many years of teaching, research, and practical projects where we found that a hands-on, code-_irst approach helps students internalize the core ideas: only what one can build, one truly understands. A Short History of the Field Multirate signal processing emerged from the need to process signals efficiently across multiple time and frequency resolutions. Early milestones include polyphase decompositions and the “noble identities” for moving sampling-rate changes across filters, enabling implementations with far fewer operations than straightforward convolution would require. Quadrature Mirror Filters (QMF) and their successors, Perfect- Reconstruction (PR) filter banks, provided the first systematic routes to subband analyses where analysis/synthesis exactly reconstitute the original signal. From there, cosine-modulated banks and the Modified Discrete Cosine Transform (MDCT) established an elegant bridge between block transforms and filter banks, bringing the Time-Domain Aliasing Cancellation (TDAC) principle to large-scale applications in audio coding. In parallel, wavelet theory unified multiresolution analysis for audio, image, and video, and polyphase matrix methods became the lingua franca for design, proof of PR, and complexity analysis. With growing demands for interactivity, low-latency communications led to low-delay filter banks and designs that decouple filter length from system delay. Today, optimization-based approaches and data-driven refinements, informed by machine learning, complement the classic toolset.
این کتاب را میتوانید از لینک زیر بصورت رایگان دانلود کنید:
Download: Multirate Signal Processing with Examples in Python





نظرات کاربران