การประมวลผลสัญญาณ

ดังนั้นในขณะที่ตอบวิธีออกแบบตัวควบคุม PI สำหรับระบบที่ล่าช้าในการสั่งซื้อครั้งแรก (คำถามที่นี่ ) นี่คือสมการลูปปิดกับระบบควบคุม: GC(s)=KT(1−sT)(s)s3+(1T+a−KKp)s2+(aT+KKPT+KI)s+KKITGC(s)=KT(1−sT)(s)s3+(1T+a−KKp)s2+(aT+KKPT+KI)s+KKIT G_C(s) = \frac{\frac{K}{T}(1-sT)(s)} { s^3 + (\frac{1}{T} + a - KK_p)s^2 + (\frac{a}{T} + \frac{KK_P}{T} +K_I)s+\frac{KK_I}{T}} คำถาม:คุณจัดการกับ normalizing ตัวเศษในฟังก์ชั่นการถ่ายโอนวงปิดของคุณได้อย่างไรเมื่อตัวกรองไม่เสถียร? (ขั้วบน RH ของเครื่องบิน) โดยทั่วไปแล้วคุณจะแนะนำตัวกรองก่อนตัวควบคุมที่ทำ: 1KT(1−sT)(s)1KT(1−sT)(s) \frac{1} {\frac{K}{T} (1-sT)(s)} เพื่อทำให้ปกติตัวเศษ แต่ตัวกรองนั้นไม่เสถียรเนื่องจากคำว่า: ไม่แน่นอนสำหรับการตอบสนองขั้นตอนซึ่งจะสร้างปัญหาการตระหนักถึงระบบที่ทุกคน1(1−sT)1(1−sT) \frac{1}{(1-sT)} วิธีหนึ่งที่ฉันคิดเกี่ยวกับการจัดการกับสิ่งนี้คือการคูณมันด้วยคอนจูเกตที่ซับซ้อน (1+sT)(1+sT)(1+sT)(1+sT) \frac{(1+sT)} {(1+sT)} แต่ฉันไม่แน่ใจเกี่ยวกับข้อดีของมัน

16 filters  filter-design  transfer-function  analog  control-systems 

อย่างไรก็ตามมีการแบ่งกลุ่มวัตถุตามระยะห่างจากผู้ดูหรือไม่ ค่าสีสามารถประเมินสิ่งเหล่านี้ได้หรือไม่? ระดับความเข้มจะช่วยในการกำหนดว่าวัตถุนั้นมาจากผู้ชมมากแค่ไหน ภาพอื่น:

16 image-processing  computer-vision  image  image-segmentation 

การแปลงฟูริเยร์แบบไม่ต่อเนื่องแบบดั้งเดิม (DFT) และลูกพี่ลูกน้องของมันคือ FFT ผลิตถังขยะที่เว้นระยะเท่ากัน พูดอีกอย่างก็คือคุณได้รับ 10 เฮิร์ตซ์แรกในถังขยะแรก 10.1 ถึง 20 ในวินาที ฯลฯ อย่างไรก็ตามฉันต้องการบางสิ่งที่แตกต่างออกไปเล็กน้อย ฉันต้องการช่วงความถี่ที่ครอบคลุมโดยแต่ละถังเพื่อเพิ่มแบบเรขาคณิต สมมติว่าฉันเลือกตัวคูณ 1.5 จากนั้นเรามี 0 ถึง 10 ในถังขยะแรกฉันต้องการ 11 ถึง 25 ในถังขยะที่สอง, 26 ถึง 48 ในถังขยะที่สาม ฯลฯ เป็นไปได้หรือไม่ที่จะปรับเปลี่ยนอัลกอริทึม DFT ให้ทำงานในลักษณะนี้

16 fft  dft 

ชื่อถามมันทั้งหมด ฉันมีงานการป้อนข้อมูลที่ฉันไม่กระตือรือร้นเกินไปเกี่ยวกับ: หน้า 50-100 หน้าของการเขียนด้วยลายมือออกจากระบบ / ลงชื่อเข้าใช้ในบันทึก รูปแบบของบันทึกอาจช่วยได้ หน้าจะถูกแบ่งออกเป็นแถวและคอลัมน์ที่กำหนดอย่างชัดเจน (13r x 6c พร้อมแถวส่วนหัวที่พิมพ์พิเศษ) การช่วยเหลือฉันเพิ่มเติมคือคอลัมน์ที่สามเกี่ยวข้องกับวันที่ / เวลา (วันที่หมดเวลาและเวลาเข้า) นอกจากนี้ข้อมูลในสองคอลัมน์ (ทรัพยากรและชื่อ) มีการแจกแจงมากหรือน้อยดังนั้นตัวอย่างเช่นชื่อ "Smith" อาจปรากฏขึ้นครั้งแล้วครั้งเล่าในคอลัมน์ชื่อแต่ละครั้งด้วยลายมือเดียวกัน คอลัมน์สุดท้าย "Notes" เป็นรูปแบบอิสระ แต่ถ้าฉันสามารถทำให้คอลัมน์ 6 คอลัมน์ก่อนหน้านี้เป็นแบบอัตโนมัติได้ฉันก็ไม่อยากป้อน Notes ด้วยมือเลย ข้อเสนอแนะใด ๆ (นอกจาก 'เริ่มพิมพ์') ป.ล. หากมีเว็บไซต์ SE ที่ดีกว่าให้ถามฉันรู้ว่าฉันจะถามที่นั่น

16 image-processing  computer-vision 

ฉันได้ทดลองหลายสัปดาห์เพื่อหาวิธีจับคู่ / ค้นหาเพลงที่คล้ายกันในห้องสมุดที่มีแนวดนตรีที่แตกต่างกัน ความพยายามครั้งแรกของฉันคือการตรวจสอบคุณสมบัติเช่น Tempo หรือเสียงเบสที่มีในเพลงที่รวมตัวกันเป็นกลุ่ม แต่ฉันไม่ได้ไปไกลกับวิธีนี้ (การตรวจจับจังหวะการเปลี่ยนแปลงตามปริมาณ) ตั้งแต่ประมาณ 20% ของเพลง Beat เสมอบางครั้ง 1/2 หรือ 1/3 ของพวกเขาและฉันไม่สามารถใช้มันได้ หลังจากพยายามล้มเหลวหลายสัปดาห์ฉันก็มีความคิดใหม่ซึ่งจะอธิบายต่อไปในโพสต์นี้ เพียงแค่ทำให้มันใช้งานได้โดยใช้ Spectrum Samples of Files ทำให้เป็นเหมือน "Average Spectrum" ของไฟล์เพื่อเปรียบเทียบ แนวคิดที่อยู่เบื้องหลังคือตัวอย่างเช่น Hardstyle มีเบสมากกว่าเพลงร็อคโดยเฉลี่ยฉันยังตรวจสอบเรื่องนี้ด้วยการดู Spectrums ใน Audacity ไฟล์ 1: นำไฟล์เต็ม FFT Spectrums (2048 ตัวอย่างขนาด ATM, สัดส่วนการบันทึก Amplitudes) รวมอาร์เรย์สเปกตรัมทั้งหมดใช้ค่าเฉลี่ยของแต่ละ Bin ทำเช่นเดียวกันกับไฟล์อื่นบางไฟล์จัดเก็บผลลัพธ์ทั้งหมด ทำรายการค่า FFT ความแตกต่างระหว่างไฟล์ 1 …

16 audio  fft  music 

ฉันกำลังทำการวิจัยเกี่ยวกับตัวกรอง Gabor เพื่อตรวจจับรอยบุบในรถยนต์ ฉันรู้ว่าตัวกรอง Gabor มีการใช้อย่างกว้างขวางสำหรับการจดจำรูปแบบการจดจำลายนิ้วมือ ฯลฯ ฉันมีรูป ใช้รหัสจากเว็บไซต์ MathWorks File Exchange ฉันได้ผลลัพธ์ต่อไปนี้ ซึ่งอย่างใดไม่ใช่เอาท์พุทที่เราคาดหวัง นี่ไม่ใช่ผลลัพธ์ที่ดี สคริปต์ของฉันเป็นดังนี้: I = imread('dent.jpg'); I = rgb2gray(I); [G, gabout] = gaborfilter1(I, 2, 4, 16, pi/2); figure imshow(uint8(gabout)); แก้ไข: การใช้รหัสที่แตกต่างกับภาพต่อไปนี้: ภาพที่ส่งออกหลังจากทิศทางที่แตกต่างกันของตัวกรอง gabor: ฉันจะแยก DENT นี้ซึ่งตรวจพบได้อย่างถูกต้องได้อย่างไร

16 matlab  image-processing 

ฉันต้องปรับปรุงการมองเห็นของหลอดเลือดดำในภาพมือหลอดเลือดดำหลังในโครงการของฉัน ฉันใช้ตัวกรอง Gabor ที่สมดุลกันสองตัวที่ต่างกันปรับปรุงการมองเห็นเส้นเลือด ธนาคารแรกประกอบด้วยฟังก์ชัน gabor เหล่านี้: Gemk(x,y)=γ2πσ2exp{−12(xθ+γ2y2θσ2)}×(cos(2πf0xθ)−exp(−υ22))Gmke(x,y)=γ2πσ2exp⁡{−12(xθ+γ2yθ2σ2)}×(cos⁡(2πf0xθ)−exp⁡(−υ22))G^\mathit{e}_\mathit{mk}(x,y)=\dfrac{\gamma}{2\pi\sigma^2}\exp\Bigg\{-\frac{1}{2}\left(\dfrac{x_\mathit{\theta}+\gamma^2y_\mathit{\theta}^2}{\sigma^2}\right)\Bigg\}\times \left(\cos(2\pi f_\mathit{0}x_\mathit{\theta})-\exp(-\dfrac{\upsilon^2}{2})\right) ธนาคารที่สองประกอบด้วยสิ่งเหล่านี้: Gemk(x,y)=exp{−12(xθ+γ2y2θσ2)}×cos(2πf0xθ)Gmke(x,y)=exp⁡{−12(xθ+γ2yθ2σ2)}×cos⁡(2πf0xθ)G^\mathit{e}_\mathit{mk}(x,y)=\exp\Bigg\{-\frac{1}{2}\left(\dfrac{x_\mathit{\theta}+\gamma^2y_\mathit{\theta}^2}{\sigma^2}\right)\Bigg\}\times \cos(2\pi f_\mathit{0}x_\mathit{\theta}) โดยที่คือดัชนีสเกลkคือดัชนีการวางแนวf θคือความถี่ศูนย์ตัวกรองσคือค่าเบี่ยงเบนมาตรฐาน (มักเรียกว่าสเกล), γคืออัตราส่วนกว้างยาวของซองจดหมายเกาส์รูปไข่υคือปัจจัยที่กำหนดการตอบสนอง DC , x θ = ( x cos θ + y sin θ )และy θ = ( - x sin θ + y cos θ )เป็นรุ่นที่หมุนรอบของxmmmkkkfθfθf_\thetaσσ\sigmaγγ\gammaυυ\upsilonxθ=(xcosθ+ysinθ)xθ=(xcos⁡θ+ysin⁡θ)x_\theta=(x\cos\theta+y\sin\theta)yθ=(−xsinθ+ycosθ)yθ=(−xsin⁡θ+ycos⁡θ)y_\theta=(-x\sin\theta+y\cos\theta)xxxและพิกัดyyy ฉันเขียนรหัสตัวกรองเหล่านี้ใน MATLAB ฉันไม่มีปัญหาในการเขียนโค้ด แต่ฉันไม่เข้าใจความแตกต่างพื้นฐานระหว่างฟังก์ชัน gabor ทั้งสองนี้

16 image-processing  filter-design 

ใน MPEG มีกระบวนการที่ภาพแตกออกเป็น macroblocks และเวกเตอร์การเคลื่อนไหวถูกคำนวณสำหรับแต่ละบล็อกแมโครเหล่านั้น จากนั้นคุณส่งเวกเตอร์เหล่านี้พร้อมกับข้อผิดพลาดในการคาดการณ์เพื่อสร้างภาพถัดไปในลำดับวิดีโอ ฉันกำลังพยายามที่จะเข้าใจวิธีการทำงานนี้ macroblock แต่ละตัวมีเวกเตอร์แบบเคลื่อนไหวที่เกี่ยวข้องซึ่งถ้า (เวกเตอร์คือ [1,0]) กล่าวว่าall the pixels in this block move 1 in the x direction and 0 in the y direction for the next frame. หากเวกเตอร์การเคลื่อนไหวทั้งหมดไม่ได้จัดแนวอย่างถูกต้องสิ่งนี้จะไม่ทำให้พื้นที่ของภาพที่ไม่มีการนับ (เช่นพื้นที่ที่ macroblock นั้นเริ่มแรก)? ตัวอย่างเช่นฉันมีคำถามต่อไปนี้ที่ฉันพบ พิจารณาภาพต่อไปนี้ในเวลา t: 7 7 7 7 7 7 5 5 7 5 …

16 image-processing  video-processing  video-compression  motion-estimation  motion-compensation 

ฉันต้องการสร้างข้อความจากภาพต่อไปนี้ให้ดีที่สุดเท่าที่จะทำได้ ส่วนที่ยุ่งยากคือฉันต้องการทำโดยใช้การทำงานแบบสัณฐานวิทยากับภาพเท่านั้น ฉันลองใช้การกัดเซาะการขยายเปิดและปิด แต่ผลลัพธ์ไม่ดีมาก เป็นไปได้ไหม

16 image-processing  morphological-operations 

เวฟเล็ตดูเหมือนจะมีประโยชน์มากสำหรับการประมวลผลภาพ สมมติว่าฉันเพิ่งจะศึกษาสัญญาณของเวลาเช่นสัญญาณ 1D ฉันควรจะเรียนในการวิเคราะห์เวฟเล็ตหรือไม่? สามารถใช้กับสัญญาณ 1D ได้หรือไม่?

16 discrete-signals 

ฉันสงสัยว่ามีวิธีการใดที่ดีสำหรับการประมาณค่า (และการชดเชยตามมา) ของการเปลี่ยน doppler สำหรับสัญญาณที่ส่งไม่ว่าจะเป็นอะคูสติกหรือ RF ในบริบทของการสื่อสาร คำถาม: โดยเฉพาะถ้าระดับของการเปลี่ยนแปลงของ doppler เปลี่ยนแปลงไปตามระยะเวลาของแพ็คเก็ตวิธีที่ดีที่สุดในการประเมิน (ติดตามมัน) แล้วชดเชยมัน สมมติว่าเรามีลำดับผู้ฝึกสอน คุณอาจจะถือว่าสัญญาณ passband BW เป็นไปตามลำดับของผู้ให้บริการ (เช่นหากสัญญาณ passband อยู่ระหว่าง 2500-7500 Hz, BW ของมันคือ 5000Hz เช่นเดียวกับผู้ให้บริการ) พื้นหลังเพิ่มเติมบางส่วนสำหรับบริบท: วิธีหนึ่งที่ฉันค้นพบระหว่างการวิจัยของฉัน: เนื่องจากฉันมีลำดับผู้ฝึกสอนและรู้ความถี่ก่อนอื่นฉันจึงประเมินความถี่ที่ได้รับ ต่อไปฉันจะสุ่มตัวอย่างแพ็กเก็ตใหม่ทั้งหมดตามอัตราส่วนที่เกี่ยวข้องกับความเร็วของคลื่นในสื่อกลางความถี่ที่ฉันรู้จักที่ส่งมาและ doppler ที่คาดคะเนใหม่ของฉันเปลี่ยนความถี่ สิ่งนี้ทำงานได้ดีในการจำลอง แต่จุดอ่อนคือการประมาณความถี่ต้องแม่นยำมากและยังถือว่าการเปลี่ยน doppler ไม่เปลี่ยนแปลงในช่วงระยะเวลาของแพ็กเก็ต มีวิธีอื่นใดที่สามารถใช้ในการแก้ปัญหาเมื่อ doppler เปลี่ยนแปลงในช่วงระยะเวลาของแพ็กเก็ตหรือไม่ ความคิดเห็นของวิธีการข้างต้นคืออะไร? ขอบคุณมาก!

16 digital-communications 

ฉันพยายามทำให้การทำงานของตัวกรอง Wiener เป็นไปโดยรอบเพื่อจุดประสงค์ในการลดสัญญาณรบกวนภาพ ในกรณีของฉันฉันจะใช้ตัวกรองลดเสียงรบกวนอื่นก่อนแล้วจึงจะใช้ผลลัพธ์ของสิ่งนี้เป็นการประมาณลักษณะเสียงของตัวกรอง Wiener เกี่ยวกับข้อมูลเกี่ยวกับตัวกรอง Wiener ฉันพบว่ารหัส Matlab และคำอธิบายต่อไปนี้มีประโยชน์: http://www.mathworks.co.uk/help/toolbox/images/f11-12251.html#f11-14272 และลิงก์ที่ดีอื่น ๆ เช่น http://blogs.mathworks.com/steve/2007/11/02/image-deblurring-wiener-filter/ ดังนั้นจากมุมมอง Matlab ฉันสามารถเห็นวิธีการใช้ฟังก์ชั่น inbuilt Matlab แต่ฉันต้องการความเข้าใจขั้นพื้นฐานมากกว่าแค่ใช้การเรียกใช้ฟังก์ชั่น แต่ในเวลาเดียวกันฉันต้องการค้นหาสิ่งที่ย่อยได้มากกว่ารายการวิกิพีเดีย Wiener กรอง ใครสนใจที่จะเสนอคำอธิบายสั้น ๆ เกี่ยวกับการกรอง Wiener

16 image-processing  filters  noise  denoising  wiener-filter 

การนำ ICA ไปใช้โดยทั่วไปสำหรับการแยกสัญญาณNNNออกเป็นส่วนประกอบของพวกเขาMMMต้องการให้สัญญาณถูกสันนิษฐานว่าเป็นส่วนผสมที่เป็นเชิงเส้นในทันทีของแหล่งที่มา คำอธิบายทั้งหมดของ ICA ที่ฉันเจอดูเหมือนจะยอมรับความจริงที่ว่าแหล่งสัญญาณทั้งหมดมีอยู่บ้างในการผสมสัญญาณ ทั้งหมดMMMNNN คำถามของฉันคืออะไรถ้าแหล่งสัญญาณมีอยู่ในบางส่วนเท่านั้น แต่ไม่ใช่สัญญาณผสมทั้งหมด? MMM สถานการณ์นี้ละเมิดสมมติฐานพื้นฐานที่จำเป็นสำหรับ ICA เพื่อให้สามารถแยกสัญญาณเหล่านี้ได้หรือไม่? (สมมติว่าเพื่อเหตุผลของการโต้แย้งว่าเรากำลังเผชิญกับระบบที่สมบูรณ์หรือไม่สมบูรณ์ (หรือ ) และสัญญาณแต่ละแหล่งนั้นมีความเป็นอิสระทางสถิติจากกัน)N = M MN>MN>MN>MN=MN=MN=MMMM การนำไปใช้ที่ฉันกำลังพิจารณาใช้ ICA สำหรับซึ่งในสถานการณ์นี้เกิดขึ้นมีดังต่อไปนี้: ฉันมีข้อมูลจากเซ็นเซอร์ 4 ชนิดที่แตกต่างกันแต่ละตัวมีจำนวนช่องสัญญาณแตกต่างกัน โดยเฉพาะฉันมีข้อมูล EEG 24 ช่องข้อมูลของ electrooculographic (EOG) 3 ช่องข้อมูล EMG 4 ช่องและข้อมูล ECG 1 ช่อง ข้อมูลทั้งหมดจะถูกบันทึกพร้อมกัน ฉันต้องการระบุการมีส่วนร่วมของสัญญาณ ECG, EMG และ EOG ภายในข้อมูล EEG เพื่อให้สามารถลบออกได้ ความคาดหวังคือสัญญาณ …

16 ica  eeg  separability 

เมื่อสุ่มตัวอย่างภาพด้วยปัจจัยจำนวนเต็มวิธีที่ชัดเจนคือตั้งค่าพิกเซลของภาพที่ส่งออกเป็นค่าเฉลี่ยของบล็อกn × n ที่สอดคล้องกันในภาพอินพุตnnnn × nn×nn \times n ฉันจำได้ว่าเพิ่งอ่านบางแห่งว่าวิธีนี้ไม่เหมาะสม (ขออภัยฉันจำรายละเอียดไม่ได้) เป็นความจริงไหมว่ามีวิธีที่ดีกว่า (และถ้าเป็นเช่นนั้นวิธีการข้างต้นจะล้มเหลวแม้ว่าจะดูเหมือนว่า "ชัด" ถูกต้อง) ฉันไม่รู้มากเกี่ยวกับการประมวลผลสัญญาณคำถามนี้แค่สนใจฉัน

16 image-processing  sampling 

ในห้าเรื่องสั้นเกี่ยวกับซีรี่ส์สำคัญ ผู้เขียนแสดงความคิดเห็นต่อไปนี้:[1][1][1] น่าสนใจมากพอที่ Shannon กล่าวต่อไปว่าชุดข้อมูลอื่น ๆ สามารถใช้เพื่อกำหนดสัญญาณที่มีวง จำกัด เช่นค่าของƒและอนุพันธ์อันดับแรกที่จุดตัวอย่างทุกจุดค่าของƒและอันดับแรก และอนุพันธ์อันดับสองในทุก ๆ จุดตัวอย่างและอื่น ๆ กระดาษกล่าวถึงพัฒนาการทางประวัติศาสตร์บางอย่าง แต่ฉันอยากรู้ว่า "แอปนักฆ่า" สำหรับการสุ่มตัวอย่างแบบอนุพันธ์คืออะไร มันใช้ชื่ออื่นหรือไม่? มีแนวทางทั่วไปเพิ่มเติมของวิธีการนี้หรือไม่? ภาพรวมอย่างง่ายหรือตัวชี้ไปยังการอ้างอิงบางอย่างจะดี - JR Higgins เรื่องสั้นห้าเรื่องเกี่ยวกับกระทิงชุด อาเมอร์ คณิตศาสตร์. Soc (NS) 12 (1985) หมายเลข 1, 45-89 http://bit.ly/plioNg

16 sampling