首先從直覺上，比如對採集到的較高質量的ExG(EEG腦電、ECG心電、EMG肌電、EOG眼動等)訊號，都需要經過各種訊號處理技術進行識別和分析，根據不同的訊號特點和應用場景，深度學習都存在一些機會。目前來看，在生物醫學領域，處理影象和處理訊號會是深度學習主要的兩個應用點。可以說數字訊號處理分為幾部分： 第一部分就是離散訊號與系統，說的也是訊號與系統那一套，只不過變到了離散域，比如DTFT，DFS,,Z變換，比如週期卷積和圓周卷積 第二部分則是離散訊號與系統在訊號分析的應用：提出工程方法：DFT以及其快速演算法FFT，DFT的理論則緊扣實際分析，比如牽扯頻率解析度，快速卷積演算法 第三部分則是離散訊號與系統在訊號處理中的應用：主要就是數字濾波器，分為IIR和FIR，分別介紹設計方法和規範型系統框圖以及流圖 第四部分則是高階的分析手段，有的書有，有什麼現代譜分析處理之類的高階方法，諸如譜估計 第五部分則是數字訊號處理實現，就是用硬體DSP晶片實現數字訊號處理。如果根據通道中傳輸的訊號型別來分，則物理通道可分為模擬通道和數字通道。但是計算機產生的是離散脈衝表示的數字訊號，因此要利用電話交換網實現計算機的數字脈衝訊號的傳輸，就必須首先將數字脈衝訊號轉換成模擬訊號。模擬訊號和數字訊號之間可以相互轉換：模擬訊號一般透過PCM脈碼調製(Pulse Code Modulation)方法量化為數字訊號，即讓模擬訊號的不同幅度分別對應不同的二進位制值，例如採用8位編碼可將模擬訊號量化為2^8=256個量級，實用中常採取24位或30位編碼；數字訊號一般透過對載波進行移相(Phase Shift)的方法轉換為模擬訊號。