① 数据质量决定上限：DSP 是 AI 的"眼睛和耳朵"——抗混迭、降噪、归一化不到位，再强的模型也学歪。 ② 原理比黑箱可靠：采样 / 滤波的物理与数学是 AI 不可逾越的硬边界；懂原理才能设计前端、定位模型失败、规避伪迹。 ③ 端侧与实时落地：耳机、手表、植入式设备算力极小，轻量 DSP 才是可行方案；AI 常需 DSP 做前 / 后处理、波束成形与 FFT。 ④ 底层硬实力更值钱：考研 DSP 仍是必考地基；懂 DSP 的 AI 工程师更稀缺、更不可替代。
课程地图
本课程讲什么
性质：专业基础课。 讲授内容（共五章：1–5 章）：
第一章 绪论
第二章 离散时间信号和系统
第三章 离散傅里叶变换及其快速算法
第四章 数字滤波器的原理和设计方法
第五章 离散时间随机信号
第七章 功率谱估计的经典方法
基础准备
本课程前导课程
需要的基础
1. 线性代数；微积分
2. 复变函数（学过更好）
3. 信号与系统
几乎所有工科专业均开设，资料极丰富，但难度不同
智能医学工程仅 32 学时，要求不高
定理推导不做要求（能推导更好；不能则须理解，翻书能应用）
公式算法若不能数学理解，就用程序仿真、形象化
小结
本章一句话带走
什么是 DSP系统框图信号变化7 大优点局限性5 种实现语音/图像/医疗AI 融合前导课程
🎯 DSP = 信号变数字，用算法处理，再变回模拟。更准、更稳、更灵活，但速度与成本有代价；与 AI 融合是趋势。