是的，但实践工作是指导性的，而不是基于项目的。您将通过 Python 笔记本实验和练习来检验卡普拉斯-斯特朗算法等观点、绘制傅里叶结果图或检查拨号音等信号示例。这些练习可以帮助您将数学与您可以听到、看到和解释的信号联系起来。

您将学习离散时间信号、信号的矢量空间视图和频域分析。课程教授 DFT 和 STFT 等核心傅立叶工具，然后使用它们来解释音频、语音和通信信号。总之，它可以帮助您在时间和频率表示之间切换，并推理数字信号的行为方式。

学完之后，您应该能够用常见的傅里叶表示法分析采样信号，并用向量、基数和频率语言解释它们。例如，您可以通过查看 DFT 图来识别音乐声或其他离散时间信号中的主要成分。如果您的目标是以有原则的方式解释和分析信号，那么这将是一项可靠的成果。

它更注重概念，并通过指导练习来强化概念。课程的大部分时间都用来理解信号、频率分析和基础数学是如何结合在一起的，而实验和练习则让你在具体的例子中检验这些想法。