Το βιβλίο αυτό αποτελεί μια εισαγωγή στις βασικές αρχές επεξεργασίας διακριτών σημάτων με εφαρμογές στη βιοϊατρική. Ο στόχος του βιβλίου δεν είναι μια παρουσίαση του συνόλου των διαδικασιών και μεθόδων της επεξεργασίας σημάτων, που υπάρχουν εξάλλου σε δεκάδες ακαδημαϊκά συγγράμματα, αλλά περισσότερο η πληρέστερη κατανόησή τους μέσω της υλοποίησής τους με αλγοριθμικό τρόπο σε μια γλώσσα προγραμματισμού. Το βιβλίο, στο πρώτο μέρος του, αρχικά εισάγει τον αναγνώστη σε γενικές έννοιες περί σημάτων, με εστίαση σε ιατρικά σήματα. Στη συνέχεια, μετά από την παρουσίαση βασικών συναρτήσεων δημιουργίας διακριτών σημάτων, εισάγονται οι βασικές έννοιες επεξεργασίας σημάτων, δηλαδή η συνέλιξη, η συσχέτιση και ο μετασχηματισμός Fourier. Παράλληλα, αναπτύσσονται εφαρμογές χρήσης των ανωτέρω διαδικασιών, κυρίως στο φιλτράρισμα σημάτων, τόσο στο πεδίο του χρόνου όσο και στο πεδίο των συχνοτήτων. Τα χρησιμοποιούμενα παραδείγματα αναφέρονται κατά βάση σε ιατρικά σήματα και εικόνες. Το δεύτερο μέρος του βιβλίου περιλαμβάνει μια σειρά ολοκληρωμένων εργαστηριακών ασκήσεων, που περιλαμβάνουν την υλοποίηση σε γλώσσα προγραμματισμού των θεωρητικών εννοιών επεξεργασίας σήματος που αναπτύχθηκαν στο πρώτο μέρος. Κάθε άσκηση αποτελείται από συνοπτική θεωρία, με τις βασικές γνώσεις που πρέπει να γνωρίζει ο φοιτητής για την διενέργεια του εργαστηριακού μαθήματος, ακολουθούν λυμένα παραδείγματα των εννοιών του μαθήματος με προοδευτική δυσκολία, και τέλος περιλαμβάνονται θέματα για εξάσκηση, των οποίων οι λύσεις βρίσκονται στο τέλος του βιβλίου. Για την υλοποίηση των προγραμμάτων του βιβλίου επιλέχθηκε το περιβάλλον MATLAB, λόγω τόσο της απλότητας και ευκολίας σύνταξης της γλώσσας προγραμματισμού του, όσο και της μεγάλης του διείσδυσης στο χώρο των μηχανικών, τόσο σε ακαδημαϊκό όσο και σε ερευνητικό αλλά και σε αναπτυξιακό περιβάλλον. Παρόλ' αυτά, καθώς στόχος του βιβλίου είναι η βαθύτερη κατανόηση των μεθόδων επεξεργασίας σημάτων που αναπτύσσονται, δεν χρησιμοποιούνται γενικά έτοιμες συναρτήσεις του MATLAB για επεξεργασία σήματος, αλλά ο κώδικας αναπτύσσεται με χρήση απλών αλγοριθμικών δομών, κοινών στις περισσότερες συνήθεις γλώσσες προγραμματισμού.

This book is an introduction to the basic principles of discrete signal processing with applications in biomedicine. The goal of the book is not a presentation of all the processes and methods of signal processing, which are also present in dozens of academic books, but rather their deeper understanding through their implementation in an algorithmic way in a programming language. The book, in its first part, introduces the reader to general concepts of signals, with a focus on medical signals. Then, after introducing basic discrete signal generation functions, basic signal processing concepts are presented, namely convolution, correlation, and Fourier transform. At the same time, applications are being developed using the above procedures, mainly in signal filtering, both in the time and in the frequency domains. The examples used refer mainly to medical signals and images. The second part of the book includes a series of comprehensive laboratory exercises, involving the implementation in a programming language of the theoretical signal processing concepts developed in the first part. Each exercise consists of a brief theory, with the basic knowledge that the student must know to carry out the laboratory course, followed by solved examples of the concepts of the course with progressive difficulty, and finally topics for practice are included, the solutions of which are at the end of the book. The MATLAB environment was chosen for the implementation of the programs in the book, due to both the simplicity and ease of coding, as well as its great penetration in engineering, both in academic and research as well as in a development environment. However, as the goal of the book is to gain a deeper understanding of the signal processing methods being developed, ready-made MATLAB functions for signal processing are generally not used. Instead, the code is developed using simple algorithmic structures, common to most widely used programming languages.