Bueno, idealmente, la aplicación se define para la señal que está tratando de procesar. Puede ser cualquier cosa, desde audio, video, salida de sensor, datos de la web, en palabras cortas y simples, cualquier tipo de información. Así que procesarlo significa hacer que la información sea comprensible, es decir, cómo se usan las transformadas discretas de Fourier para comprender los componentes de frecuencia de una señal.
Idealmente, se piensa que DSP se trata de procesamiento de señal 1-D (audio, salida de sensor), 2-D (imágenes y video). Actualmente, las áreas / aplicaciones más populares en el procesamiento de señal digital son:
- Compresión: cualquier tipo de datos que se puedan almacenar en la menor cantidad de bits posible con diferentes grados de recuperación. Pérdida o sin pérdida.
- Comunicación y audio: la supresión / eliminación de ruido o la mejora del habla (para audio) en estas señales siempre está ahí. Además de las aplicaciones de música, ampliar los límites para los audiófilos es un mercado siempre presente. También hay mejores procesadores de sonido para instrumentos.
- Imagen y video: este es, con mucho, el mercado más popular para DSP. Dado que sus teléfonos inteligentes tienen cámaras, cada empresa tiene solo unos megapíxeles, claridad de poca luz, HDR y todo tipo de algoritmos de mejora de imagen. Con la introducción del video 4K, la compresión es una prioridad aún mayor que antes. Además, las imágenes médicas son el epítome de este subcampo específico de DSP.
- Bio-sensores: ahora tiene podómetros en sus teléfonos inteligentes, como muñequeras y como ponibles. Medición de su ritmo cardíaco con la cámara de su teléfono inteligente. TI salió con un prototipo para medir su SPO2 en un reloj de pulsera. Todas estas aplicaciones biométricas son clave para hacer que la atención médica sea más móvil para los consumidores.
Todas estas cosas están ahí en DSP. Y esto es solo las amplias aplicaciones de la misma. MIT está tratando de extraer audio observando las vibraciones en los objetos.
El micrófono visual
Y también se puede hacer para Data Science. El procesamiento de señales estadísticas es un campo en crecimiento y si tiene un talento innato para las estadísticas y le gusta el procesamiento de señales, este es el momento correcto para impulsar el campo.