理解数字信号处理（MicroPython版）

如果内容够多，考虑编写较为完整的PDF文档，q群805617634

前言

通过数学公式理解数字信号处理(DSP)理论比较抽象，通过仿真的方式学习有时候处理方式过于理想，如果硬件能够运行数字信号处理算法，那么理论可以快速验证，进一步可以扩展到具体的实践应用中，可以更深刻地理解DSP理论。

DSP硬件运行一般需要采用C或C++编写，并需要学习硬件架构等内容，学习时间较长，当MicroPython可以运行在硬件上，且高性能的RISC-V快速发展时，嘉楠勘智的K230的RISC-V芯片成为了一个很好的选择，开发板可以选择CanMV-K230及其衍生的开发板。可以在利用MicroPython快速开发DSP算法与AI算法，可以达到快速学习DSP的目的，降低学习的时间成本。

本系列教程可能需要以下准备：
1）一本关于数字信号处理的理论书籍（因为教程并不总写理论，嗯，更确切的说是大多数时候，需要具备一定基础）
2）CanMV-K230开发板及其配套软件
3）串口模块（便于输出计算结果）
4）VOFA+（便于显示计算结果）

让我们开始用MicroPython（软件）在CanMV-K230开发板（硬件）上运行DSP算法（理论）吧

---

内容已经更新了大部分，后面主要进行两方面工作：
1）现有内容补充
2）综合案例应用（结合一些外设）
内容不断扩展中，现有目录如下，不定时更新，注意收藏

目录

1 CanMV-K230的DSP框架

设计硬件部分，可能会在教程接近完成时更新
目标顺序可能会做出一些调整
CanMV-K230 案例1 DSP框架初版
Canmv k230 ADC案例——AD7606
Canmv k230 DAC案例——TLV5638

2 理解FFT

Canmv k230 案例2.1——FFT测试（初版）
Canmv k230 案例2.2——FFT测试（二）
Canmv k230 案例2.3——ADC+UART+FFT测试（三）
Canmv k230 案例2.4——DFT自定义（四）
Canmv k230 案例2.5——FFT自定义（五）（预告）
Canmv k230 案例2.6——多种实现FFT的方式（六）（预告）

理解时频算法

3 理解STFT

Canmv k230 案例3.1——短时傅里叶STFT（一）
Canmv k230 案例3.2——STFT参数理解（二）（预告）
Canmv k230 案例3.3——实时STFT（ADC+STFT）（三）（预告）

4 理解FIR滤波器

Canmv k230 案例4.1——FIR 滤波器（一）
Canmv k230 案例4.2——实时FIR 滤波器原理（二）(初版)
Canmv k230 案例4.3——实时FIR （ADC+FIR+UART）（三）（初稿）

5 理解小波变换

Canmv k230 案例5.1——小波变换（一）
Canmv k230 案例5.2——离散小波变换（二）
Canmv k230 案例5.3——小波奇异性检测（三）

6 理解S变换

Canmv k230 案例6—— S变换(Stockwell Transform)（预告）
Canmv k230 案例6.2—— S变换代码Python版

7 理解经验模态分解EMD

Canmv k230 DSP案例7.1——EMD经验模态分解简介
Canmv k230 DSP案例7.2——EMD基本原理
Canmv k230 DSP案例7.3——EMD Canmv k230 实现

数字信号处理算法应用

大概是一个复杂信号，采用上述的各种DSP算法处理并比较优劣

DSP+AI综合应用案例1——三种波形识别（预告）

。。。

芯片高性能开发（探索中）

MicroPython实际上很难高性能的样子，因此这是下一个阶段面向C、C++开发的一个过渡阶段

目前的内容如上所示，欢迎交流讨论