数字信号处理，如EEG信号，使用深度学习做的话，有什么思路？
首先从直觉上，比如对采集到的较高质量的ExG(EEG脑电、ECG心电、EMG肌电、EOG眼动等)信号，都需要经过各种信号处理技术进行识别和分析，根据不同的信号特点和应用场景，深度学习都存在一些机会。目前来看，在生物医学领域，处理图像和处理信号会是深度学习主要的两个应用点。可以说数字信号处理分为几部分： 第一部分就是离散信号与系统，说的也是信号与系统那一套，只不过变到了离散域，比如DTFT，DFS,,Z变换，比如周期卷积和圆周卷积 第二部分则是离散信号与系统在信号分析的应用：提出工程方法：DFT以及其快速算法FFT，DFT的理论则紧扣实际分析，比如牵扯频率分辨率，快速卷积算法 第三部分则是离散信号与系统在信号处理中的应用：主要就是数字滤波器，分为IIR和FIR，分别介绍设计方法和规范型系统框图以及流图 第四部分则是高级的分析手段，有的书有，有什么现代谱分析处理之类的高级方法，诸如谱估计 第五部分则是数字信号处理实现，就是用硬件DSP芯片实现数字信号处理。
如果根据信道中传输的信号类型来分，则物理信道可分为模拟信道和数字信道。但是计算机产生的是离散脉冲表示的数字信号，因此要利用电话交换网实现计算机的数字脉冲信号的传输，就必须首先将数字脉冲信号转换成模拟信号。模拟信号和数字信号之间可以相互转换：模拟信号一般通过PCM脉码调制(Pulse Code Modulation)方法量化为数字信号，即让模拟信号的不同幅度分别对应不同的二进制值，例如采用8位编码可将模拟信号量化为2^8=256个量级，实用中常采取24位或30位编码；数字信号一般通过对载波进行移相(Phase Shift)的方法转换为模拟信号。
