DSP确实是一门非常数学的学科，但并不完全。幸运的是，您要舒适地操作 DSP 概念所需的数学知识量仅限于一个相当小的子集。我会说你需要以下内容：

1. 复杂的变量。DSP 处理振荡信号和系统，使用欧拉的复指数公式可以非常方便地表示这些信号和系统。这包括关于复变量的多项式的知识，等等。
2. 简单的微积分。我想说你需要知道如何对多项式和其他常见函数（如指数和对数）求导。了解l'Hôpital 的规则有时也会派上用场。求导数主要用于求函数的最小值和最大值。请注意，您也需要能够对复变量执行此操作，但在此阶段，实数微分和复数微分之间的概念实际上没有区别。
3. 线性代数。我把线性代数放在积分之前，因为它更有用，而且由于积分是线性运算，所以很多可以用线性代数概念代替。我不能夸大线性代数的重要性，所以去学习它。我强烈推荐 Gilbert 的MIT Open Courseware 线性代数课。没有人比这家伙教得更好。只看讲座。
4. 积分。我不太确定如何描述集成在 DSP 中的重要性。如果线性代数是一个比较容易、有趣和有用的学习主题，那么积分，尤其是复杂积分，需要大量的投入和直觉，而这两者都需要大量的时间。尽管我通常提倡深入的数学知识，但这就是你可以很容易摆脱的东西。了解集成概念、它的含义以及集成与衍生产品的关系。由于大多数积分难以手工计算，因此人们使用积分表来查找答案。这将使您了解 DSP 所需的大部分集成。
5. 无限系列。这是微积分的一部分，每个人在参加期末考试的那一刻就忘记了，但它实际上在 DSP 中派上用场。具体而言，在分析递归系统时，即那些将其输出并重用为输入创建反馈循环的系统，您需要能够发现出现的几种类型的无限数模式，并指向一个公式，该公式产生那无限的数字串或多项式系数。
6. 概率。我有点犹豫要不要写这个，因为并不是所有的 DSP 课程都严格要求概率，但如果你正在看的那个是，知道它不会有坏处。不要迷路，您需要了解均值和方差的表达式和概念，以及贝叶斯规则。

显然，我上面给出的只是最低要求，但您可能需要在学习过程中了解更多信息。