ฉันสงสัยว่าเทคนิคอาจจะใช้ได้สำหรับ ' de-noising ' ตัวอย่างต่อไปนี้ภาพเวลาความถี่ที่ถูกสร้างขึ้นโดยใช้วิธีการของเวลช์ พล็อตต่อไปนี้สร้างขึ้นจากเซ็นเซอร์หุ่นยนต์ (นี่ไม่ใช่ภาพสี - เป็นภาพสีเทา - เพิ่มสีเพื่อจุดประสงค์ด้านภาพเท่านั้น)
เป้าหมาย:
เป้าหมายของฉันในที่สุดก็คือการประมาณอัตราการเต้นของชีพจรที่คุณเห็นที่นี่หากมีพัลส์ดังกล่าว นี่อาจเป็นไก่และไข่ด้วยเหตุนี้ฉันจึงถามตัวเองว่า "อัตราการเป็นตัวแทน + +- 10% นี้มีอยู่หรือเปล่า?" และตรวจจับพวกมัน สิ่งที่คุณเห็นอยู่ที่นี่คือสัญญาณ (พัลส์) แต่พร้อมกับสัญญาณรบกวนอื่น ๆ ที่ไม่ต้องการ อย่างไรก็ตามตามที่ Emre แนะนำพวกเขามีโครงสร้างแม้ว่าจะอยู่ในพื้นที่ Time-Frequency ตัวกรองความถี่ตามเวลามีอยู่จริงหรือไม่?
ฉันจะขอเหมือนจะเห็นโซลูชั่นการประมวลผลภาพที่นำมาใช้ที่นี่ แต่ฉันเปิดเพื่อแก้ปัญหาใด ๆ
ดังนั้น: เป้าหมายคือการลบสัญญาณความเข้มสูงทั้งหมดยกเว้นพัลส์ซ้ำ ๆ (พบใกล้ดัชนี 300 บนแกน y) ตามที่เห็น สัญญาณความเข้มสูงอื่น ๆ ทั้งหมดถือได้ว่าเป็น 'สัญญาณรบกวน'
สมมติฐานที่คุณอาจจะ:
คุณอาจจะคิดว่าคุณประมาณทราบความยาวชีพจรที่คุณจะได้เห็นที่นี่ (ให้เราบอกว่าภายใน +/- 10%) อีกวิธีหนึ่งคุณตัดสินใจที่จะมองหาคลื่นที่มีความยาวนี้ (+/-)
คุณอาจคิดว่าคุณรู้อัตราการเต้นของพัลส์อย่างคร่าว ๆ (อีกครั้งให้เราบอกว่า +/- 10%)
น่าเสียดายที่คุณไม่ทราบความถี่ที่แน่นอนอีกต่อไป ในภาพนี้พัลส์อยู่ที่ 300 แต่พวกมันน่าจะอยู่ที่ 100 หรือ 50 หรือ 489 หรืออะไรก็ตาม อย่างไรก็ตามข่าวดีก็คือความถี่เหล่านั้นที่แสดงอยู่ที่นี่นั้นอยู่ใกล้กันมากตามคำสั่งของ 10's of Hz)
ความคิดบางอย่างของฉัน:
การประมวลผลภาพ POV:
การดำเนินการทางสัณฐานวิทยาได้เกิดขึ้นกับฉัน แต่ฉันไม่คุ้นเคยกับผู้ที่รู้ว่าพวกเขาอาจทำงานหรือไม่ ฉันคิดว่าความคิดอาจเป็น 'ปิด' และด้วยเหตุนี้ลบคราบ 'ใหญ่'?
แถว Wize DFTการดำเนินงานอาจบ่งชี้แถวให้เป็นโมฆะออกขึ้นอยู่กับแถวของดอกเบี้ยที่มีรูปแบบซ้ำ ๆ มากที่สุด แต่มันอาจจะไม่เป็นโซลูชั่นที่ทำงานได้ถ้าพัลส์มีน้อยและไกลระหว่างหรือถ้าภาพจะมีเสียงดังมากขึ้น
เพียงแค่ดูที่ภาพคุณเกือบต้องการแยก 'รางวัล' และ 'ลงโทษ' การเชื่อมต่อ มีวิธีการประมวลผลภาพที่ทำให้การทำงานแบบนี้สำเร็จหรือไม่? (สัณฐานวิทยาในธรรมชาติอีกครั้ง)
วิธีการใดที่อาจช่วยได้ที่นี่?
การประมวลผลสัญญาณ POV:
ช่วงความถี่ที่แสดงที่นี่แน่นมากแล้วดังนั้นฉันไม่แน่ใจว่าการดำเนินการตัวกรองรอยบากจะช่วยได้ ยิ่งไปกว่านั้นความถี่ที่แน่นอนของพัลส์ที่แสดงภายในช่วงคับแคบนี้ยังไม่เป็นที่ทราบมาก่อน
โดยการคาดเดาการศึกษาเกี่ยวกับพัลส์ที่น่าสนใจที่นี่ (ความยาวของพวกเขาและครั้งซ้ำ) ฉันอาจจะสามารถคำนวณ2 มิติผิวเผินของ 'แม่แบบ' ของฉันและใช้ประโยชน์จากนี้เป็น 2 มิติกรอง Cepstral-ชั่วคราวที่ ฉันเพียงแค่คูณภาพ Welch ที่แสดงข้างบนแล้วทำ DFT ผกผันแบบ 2 มิติ?
OTOH บางทีตัวกรอง Gaborน่าจะตรงกับที่นี่ไหม? ท้ายที่สุดพวกมันคือฟิลเตอร์ที่ไวต่อการปฐมนิเทศคล้ายกับโปรเซสเซอร์วิชวล V1ในตัวของเราเอง พวกเขาจะถูกเอาเปรียบที่นี่ได้อย่างไร?
วิธีใดบ้างที่อาจช่วยในโดเมนนี้
ขอบคุณล่วงหน้า.