✨ 理解数字信号处理系列笔记——Micropython版
理解数字信号处理
数字信号处理将模拟信号转换为数字信号，这样的离散值在处理时会有哪些不同于模拟量的方式呢？
模拟信号处理与数字信号处理的差异是什么呢？能够达到同样的设计结果呢？
怎么实现数字信号处理呢，理论与实现之间的如果过渡的呢？本系列笔记主要集中对以上问题进行学习、思考、验证的记录
笔记采用的工具
软件：
1）信号处理软件：MATLAB、
2）硬件开发软件：CanMV K230 IDE 串口上位机（VOFA+）
硬件：
1）传感器：ADC、DAC、串口模块、摄像头
2）数据处理单元：K230
自备：
1）数字信号处理相关书籍（因为重点会介绍算法到硬件部署的内容）
2）Micropython相关资料（将理论转换为Micropython代码）前言
实现数字信号处理，在硬件上运行输出结果可以更加感性直观地理解数字信号处理。同时，对于算法能否应用也有一定的认识，避免盲目一味追求高大上的算法，尽量实际应用算法。
对于硬件的选择，国产、资料多、编程简单、支持AI。相对而言，AI对于大多数MCU运行一个简单的神经元是没问题的，但AI模型含有大量参数内存与计算速度往往受限，较难部署到设备端。
嘉楠勘智的K230的RISC-V芯片成为了一个很好的选择，笔记使用CanMV K230相关开发板。可以在利用MicroPython快速开发DSP算法与AI算法，可以达到验证DSP效果，降低学习的时间成本。
目的：将DSP理论公式转换为Micropython代码，部署到CanMV K230开发板中，实现理论并应用
让我们开始用MicroPython（代码）在CanMV K230开发板（硬件）上实现DSP算法（理论）吧
笔记主要包含两个部分的内容：
1）基本数字信号理论算法的实现，持续更新
2）数字信号处理的简单应用，持续更新
目录
1 CanMV K230的DSP框架
1.1 CanMV K230的DSP框架
1.2 CanMV K230 ADC案例(AD7606)
1.3 CanMV DAC案例(TLV5638)
1.4 CanMV UART案例
2 理解傅里叶变换
2.1 傅里叶变换
CanMV k230 案例2.1——DFT实现
CanMV k230 案例2.2——FFT实现
CanMV k230 案例2.3——ADC+DFT/FFT+UART测试
CanMV k230 案例2.4——量化误差（四）
CanMV k230 案例2.5——FFT加速
CanMV k230 案例2.6——多种实现FFT的方式（扩展内容）
2.2 傅里叶变换扩展
CanMV k230 案例2.7——短时傅里叶STFT
CanMV k230 案例2.8——STFT参数理解
CanMV k230 案例2.9——实时STFT（ADC+STFT）（三）（预告）
3 理解FIR滤波器
CanMV k230 案例3.1——FIR滤波器
CanMV k230 案例3.2——实时FIR滤波器原理
CanMV k230 案例3.3——实时FIR（ADC+FIR+UART）
4 理解IIR滤波器
CanMV k230 案例4.1——IIR滤波器
CanMV k230 案例4.2——实时IIR滤波器原理
CanMV k230 案例4.3——实时IIR（ADC+IIR+UART）
5 理解小波变换
CanMV k230 案例5.1——小波变换
CanMV k230 案例5.2——离散小波变换
CanMV k230 案例5.3——小波奇异性检测
6 理解S变换(Stockwell Transform)
Canmv k230 案例6.1—— S变换(Stockwell Transform)
Canmv k230 案例6.2—— S变换实现
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
8 应用案例
DSP+AI综合应用案例1——三种波形识别
目前的内容如上所示，欢迎交流讨论