Concept
Time–frequency representation
Related courses (32)
EE-548: Audio engineering
This lecture is oriented towards the study of audio engineering, room acoustics, sound propagation, and sound radiation from sources and acoustic antennas. The learning outcomes will be the techniques
PHYS-202: Analytical mechanics (for SPH)
Présentation des méthodes de la mécanique analytique (équations de Lagrange et de Hamilton) et introduction aux notions de modes normaux et de stabilité.
EE-603: Transient and dynamic analysis of electric power systems
The learning outcome is to increase the knowledge of simulation methods and the role of computers in the management and the operation of electric power systems.
EE-205: Signals and systems (for EL)
Ce cours pose les bases d'un concept essentiel en ingénierie : la notion de système. Plus spécifiquement, le cours présente la théorie des systèmes linéaires invariants dans le temps (SLIT), qui sont
MICRO-311(b): Signals and systems II (for SV)
Ce cours aborde la théorie des systèmes linéaires discrets invariants par décalage (LID). Leurs propriétés et caractéristiques fondamentales y sont discutées, ainsi que les outils fondamentaux permett
ME-221: Dynamical systems
Provides the students with basic notions and tools for the analysis of dynamic systems. Shows them how to develop mathematical models of dynamic systems and perform analysis in time and frequency doma
EE-350: Signal processing
Dans ce cours, nous présentons les méthodes de base du traitement des signaux.
COM-202: Signal processing
Signal processing theory and applications: discrete and continuous time signals; Fourier analysis, DFT, DTFT,
CTFT, FFT, STFT; linear time invariant systems; filter design and adaptive filtering; samp
ME-324: Discrete-time control of dynamical systems
On introduit les bases de l'automatique linéaire discrète qui consiste à appliquer une commande sur des intervalles uniformément espacés. La cadence de l'échantillonnage qui est associée joue un rôle
COM-406: Foundations of Data Science
We discuss a set of topics that are important for the understanding of modern data science but that are typically not taught in an introductory ML course. In particular we discuss fundamental ideas an