1樓：李夢龍
還有很多，比如MMSE，以最小均方差為導向進行訊號處理。我覺得算是個並行的方向，相提並論可能還有點早，因為傅利葉變換理論太成熟了。
2樓：
在訊號處理中，傅利葉變換／快速傅利葉變換等等只是乙個演算法。
要說重要的理論，我們首先要知道什麼是訊號處理。
在一開始我們就定義了乙個隨機過程x，然後經過乙個系統（也可以認為乙個黑盒，black box）出來y。簡而言之，這就是訊號處理。
所以，傅利葉相關理論只能說是演算法，談不上重要思想和理論。概率和統計相關的理論才是重中之重。
結論，概率和統計相關的理論在訊號處理中，我認為地位是最高的（比如高斯分布，比如貝葉斯後驗及貝葉斯估計，比如資訊單位的定義bit等等吧）；
子結論1，香濃定律，由於給出了訊號傳輸的理論上限，我認為這算是給了通訊系統研究者乙個努力的方向；
子結論2，相關性，這個思想的使用對於抗噪和訊號識別那是歷史性的突破，比如衛星定位的訊號識別，比如擴頻碼（spread code大行其道）；
子結論3，濾波器（其實不準確，應該說filter，smoother），訊號處理部分，receiver要遠遠重要於transmitter，濾波器就是至關重要的部分。
等等吧，訊號處理展開來說是個很大乙個方向，以上我說的種種其實都是概率與統計中的子類。
想起來啥再來補充，忘了的話。。。那就隨緣了
訊號與系統去掉數學還有什麼內容？
火山SCV 作為一名5g基帶晶元演算法開發人員，其實我覺得現在大學裡這門課授課順序和前提條件有問題。應該先從實際產品入手，比如音訊廣播多少頻道多少頻道代表什麼，音訊廣播位元速率多大，臺與臺之間頻率間隔多遠。收音機天線和射頻部分大概是什麼樣的。各種濾波器，元器件，時鐘怎麼工作的有什麼影響。或者再加個現...
目標檢測領域還有什麼可以做的？
機器有顆玻璃心 還有好多可以做呀 比如醫療中有問題的紅細胞，腫瘤一類的。還有X光下的物體識別，安檢用。高壓電線上絕緣子破裂的識別。工廠木板的平滑與否。我覺得好多沒有做呢。 沒有setting就創造新的setting啊！跨資料集怎麼訓練，少量標註 few shot，zero shot 怎麼訓練，能不能...
為什麼不能在訊號處理的時候使用系統呼叫
尾翼 系統的慢系統呼叫會被訊號打斷，而不是所有的系統呼叫都會被訊號打斷。慢系統呼叫來描述那些可能永遠堵塞的系統呼叫，如 accept，read，等。當慢系統呼叫接收到訊號的時候，系統呼叫可能返回乙個EINTR錯誤，多程序的伺服器中，為了避免accept被子程序訊號打斷，需要自己在accept返回 1...