การประมวลผลสัญญาณ

ฉันพยายามที่จะแยกคุณสมบัติออกจากไฟล์เสียงและจำแนกเสียงว่าเป็นของประเภทใดหมวดหนึ่ง (เช่น: เปลือกสุนัขเครื่องยนต์ยานพาหนะ ฯลฯ ) ฉันต้องการความชัดเจนในสิ่งต่อไปนี้: 1) สิ่งนี้เป็นไปได้หรือไม่? มีโปรแกรมที่สามารถรู้จำเสียงพูดและแยกแยะความแตกต่างระหว่างชนิดเปลือกสุนัข แต่เป็นไปได้หรือไม่ที่จะมีโปรแกรมที่สามารถรับตัวอย่างเสียงและเพียงแค่พูดว่าเป็นเสียงแบบใด (สมมติว่ามีฐานข้อมูลที่มีตัวอย่างเสียงจำนวนมากที่จะอ้างอิง) ตัวอย่างเสียงอินพุตอาจมีเสียงดังเล็กน้อย (อินพุตไมโครโฟน) 2) ฉันคิดว่าขั้นตอนแรกคือการแยกคุณสมบัติเสียง นี้บทความแสดงให้เห็นการแยก MFCCs และการให้อาหารพวกเขาไปยังขั้นตอนวิธีการเรียนรู้ของเครื่อง MFCC เพียงพอหรือไม่ มีคุณสมบัติอื่น ๆ ที่ใช้โดยทั่วไปสำหรับการจำแนกเสียงหรือไม่ ขอขอบคุณสำหรับเวลาของคุณ.

15 audio  mfcc  machine-learning  classification  sound-recognition 

ดังนั้นเมื่อไม่นานมานี้เองที่ Bessel ฟิลเตอร์ถึงแม้ว่าจะมีการระบุไว้ในประเภททั่วไปอื่น ๆ มันเป็นลูกบอลที่แปลก ๆ ที่อยู่ใน "คลาส" ที่แตกต่างกันและฉันพยายามเรียนรู้เพิ่มเติมเกี่ยวกับมัน การตอบสนองขนาดรูปสี่เหลี่ยมผืนผ้าแสดงถึงการตอบสนองโดเมนความถี่ในอุดมคติสำหรับย่านความถี่เปลี่ยนเป็นศูนย์และตัวหยุดหยุดมีการลดทอนไม่สิ้นสุด ในอีกทางหนึ่งการตอบสนองแบบเกาส์แสดงให้เห็นถึงการตอบสนองโดเมนเวลาที่เหมาะในการที่ไม่มี overshoots เกิดขึ้นในการตอบสนองแรงกระตุ้นและการตอบสนองขั้นตอน การตอบสนองจำนวนมากที่เกิดขึ้นในทางปฏิบัติเป็นการประมาณค่ากับแหล่งข้อมูลอุดมคติเหล่านี้ ดังนั้น ตัวกรอง brickwallจึงสามารถสร้างด้วยฟังก์ชัน sinc และมีคุณสมบัติโดเมนความถี่เหล่านี้: passband แบน ศูนย์หยุด อัตราการหมุนไม่สิ้นสุด / ไม่มีแบนด์การเปลี่ยนแปลง มันไม่ได้เป็นสาเหตุและไม่สามารถปรับเปลี่ยนได้เนื่องจากหางไม่มีที่สิ้นสุดในทั้งสองทิศทาง มันถูกประมาณโดยตัวกรอง IIR เหล่านี้พร้อมการปรับปรุงโดยประมาณเมื่อคำสั่งซื้อเพิ่มขึ้น: บัตเตอร์เวิร์ ธ (passband แบนสูงสุด) Chebyshev (อัตราการหมุนสูงสุดพร้อม Stopband หรือ passband ripple) รูปไข่ (อัตราการหมุนสูงสุดที่มีตัวหยุดและแถบระลอก passband) Legendre (อัตราการหมุนสูงสุดพร้อม passband แบบ monotonic) เสียนกรองเป็นบิดที่มีฟังก์ชั่นเสียนและมีคุณสมบัติในโดเมนเวลาเหล่านี้: ไม่มีเลยเลยเลย เวลาขึ้นและตกที่น้อยที่สุด …

15 filters  filter-design  gaussian 

แม้ว่าฉันจะมีประสบการณ์ที่แข็งแกร่งในการออกแบบเอนจิ้นเสียง แต่ฉันก็ค่อนข้างใหม่สำหรับขอบเขตของ Digital Filter Design โดยเฉพาะตัวกรอง IIR และ FIR กล่าวอีกนัยหนึ่งฉันพยายามเรียนรู้ให้มากที่สุดเท่าที่จะทำได้เกี่ยวกับวิธีการออกแบบตัวกรองและหาสมการความแตกต่าง ฉันเริ่มจากพื้นฐานดังนั้นโปรดอดทนกับฉันอย่างที่ฉันพูดฉันพยายามเรียนรู้ นี่คือคำถามของฉัน: ว่าฉันต้องการออกแบบตัวกรอง low-pass ด้วย cutoff เฉพาะ - พูด 300 Hz อะไรจะเป็นวิธีที่ดีที่สุดในการได้มาซึ่งฟังก์ชั่นการถ่ายโอนทางคณิตศาสตร์และจากนั้นจะได้รับสมการความแตกต่างโดยเฉพาะเพื่อใช้ตัวกรองในแบบฟอร์มโดยตรงและแบบฟอร์มตรง II (หรือ DF-1 เท่านั้นตอนนี้ ... ) ฉันมีความเข้าใจเกี่ยวกับฟังก์ชั่นการถ่ายโอนและวิธีการที่พวกเขาเกี่ยวข้องกับสมการที่แตกต่างจากวัสดุที่ยอดเยี่ยมบางอย่างบนเว็บ แต่น่าเสียดายที่มันบางส่วนสันนิษฐานว่าเป็นความรู้ก่อนหน้าเล็กน้อยดังนั้นมันจึงสับสนกว่า ดังนั้นฉันเดาว่าฉันต้องการตัวอย่างทีละขั้นตอนมากขึ้นซึ่งจะช่วยให้ฉันเชื่อมต่อจุดต่างๆ โดยพื้นฐานแล้วฉันกำลังมองหาความช่วยเหลือเกี่ยวกับการแยกย่อยของกระบวนการเริ่มต้นจากการเลือกความถี่ cutoff ขึ้นไปเพื่อหาสมการผลต่าง ความช่วยเหลือใด ๆ จะได้รับการชื่นชมมาก ฉันคุ้นเคยกับแนวคิดมากมาย - การตอบสนองแบบแรงกระตุ้น, DFT, คณิตศาสตร์ที่อยู่เบื้องหลังฉันเดาว่าฉันต้องการความช่วยเหลืออะไรเพิ่มเติมคือแนวคิดของการแปลง z และการใช้ขั้ว / ศูนย์เพื่อออกแบบฟังก์ชันถ่ายโอนของตัวกรองแล้ว ความถี่ของ cutoff เป็นอย่างไร เล่นทั้งหมดนี้เพื่อรับสมการความแตกต่างในที่สุด …

15 filter-design  infinite-impulse-response  fir 

ฉันกำลังทำงานในสาขาการฟื้นฟูภาพดิจิทัล ฉันได้อ่านทุกสิ่งเกี่ยวกับการโน้มน้าวใจแล้วว่าสำหรับระบบLTIถ้าเรารู้ว่าการตอบสนองต่อแรงกระตุ้นนั้นเราสามารถหาผลลัพธ์ได้โดยใช้การโต้ตอบระหว่างอินพุตกับการตอบสนองแบบอิมพัลส์ ใครสามารถบอกฉันได้ว่าอะไรคือปรัชญาทางคณิตศาสตร์หลักที่อยู่เบื้องหลัง ประสบการณ์ของคุณจะบอกกับฉันมากกว่าเพียงแค่ท่องอินเทอร์เน็ตเกี่ยวกับเรื่องนี้

15 image-processing  discrete-signals  convolution 

อัลกอริธึมการลงทะเบียนภาพมักขึ้นอยู่กับคุณสมบัติของจุดเช่น SIFT (การแปลงคุณลักษณะแบบไม่แปรปรวน) ผมเห็นอ้างอิงบางคุณสมบัติบรรทัด แต่ผมสงสัยว่าถ้ามันจะเป็นไปได้ที่จะตรงกับกลุ่มภาพแทนของจุด ตัวอย่างเช่นกำหนดแหล่งที่มาและภาพที่แปลง: ฉันสามารถทำการตรวจจับขอบ, การเบลอและการแปลงลุ่มน้ำในแต่ละ: น่าเสียดายที่การแบ่งส่วนนั้นแตกต่างกันไปในแต่ละภาพเพื่อให้ตรงกับแต่ละส่วน ฉันเห็นกระดาษบางส่วนเกี่ยวกับการจับคู่รูปร่างและตัวอธิบายรูปร่างซึ่งไม่แปรเปลี่ยนเพื่อเลียนแบบการแปลงดังนั้นพื้นที่นี้จึงดูเหมือนว่าจะมีแนวโน้ม ... มีวิธีการแบ่งส่วนใดที่มีประสิทธิภาพมากกว่าในการเลียนแบบ (หรือแม้แต่ฉายภาพ) ของภาพ

15 local-features  image-segmentation  image-registration 

สวัสดีชุมชน CV / รูปแบบการรับรู้ ฉันมีปัญหาร้ายแรงเกี่ยวกับการแบ่งส่วนของรูปภาพ สถานการณ์เป็นบรรยากาศภายในเตาหลอมซึ่งทำให้หัวฉันเสียสติ และฉันต้องการตรวจจับวัตถุรูปทรงของวัสดุที่แตกต่างกัน (แก้ว, เซรามิก, อัล, ไออาร์ .. ) ในช่วงเวลาสั้น ๆ (<10 วินาที) และไม่ใช่แค่กรณีพิเศษอย่างเดียว ฉันยังต้องการเส้นชั้นความสูงในแถวพิกเซลต่อเนื่องเพื่อรับรหัส ดังนั้นจำเป็นต้องใช้รหัสลูกโซ่หรือที่เรียกว่าการติดตามเส้นขอบ / รูปร่างดังนั้นรูเปิดจึงไม่ดี ในพื้นหลังไม่ใช่เสียงเชิงเส้นประมาณฝุ่นอนุภาคหรืออย่างอื่นที่ปรากฏขึ้นเป็นครั้งคราว ยินดีต้อนรับข้อเสนอแนะ Matlab หรือ OpenCV เพื่อให้ชัดเจนยิ่งขึ้นฉันได้โพสต์ภาพเป้าหมายและวัตถุโปร่งใสครึ่งหนึ่งซึ่งต้องตรวจจับด้วย นอกจากนี้ยังมีตัวอย่างเพิ่มเติมที่ต้องระวัง อย่างที่คุณเห็นในภาพ # 1 มีอนุภาคอยู่ทางด้านขวาของภาพและใกล้กับรูปร่างชั้นนอกของดาวซึ่งเป็นวัตถุ ความคมชัดโดยรวมยังไม่ดีมาก วัตถุนั้นตั้งอยู่บนชั้นใต้ดินซึ่งไม่เกี่ยวข้องกับการตรวจจับเส้นชั้นความสูง รูปภาพ # 2 แสดงวัตถุแบบกึ่งโปร่งใสซึ่งเป็นไปได้เช่นกัน ฉันต้องการค้นหารูปร่าง / ขอบเขตของวัตถุนั้นเช่นบนหน้าจอถัดไป (เส้นสีแดง) สี่เหลี่ยมสองรูป (สีเหลือง) กำลังทำเครื่องหมายจุดเริ่มต้น (ซ้าย) และจุดสิ้นสุด (ขวา) เส้นสีฟ้านั้นไม่น่าสนใจ …

15 matlab  opencv  computer-vision  edge-detection  image-segmentation 

ฉันต้องการใช้การแปลงโคไซน์อย่างรวดเร็ว ฉันอ่านวิกิพีเดียว่ามีรุ่น DCT ที่รวดเร็วซึ่งคำนวณได้คล้ายกับ FFT ฉันพยายามอ่านMakhoul * paper ที่อ้างถึงสำหรับการใช้งาน FTPACK และ FFTW ที่ใช้ในScipyแต่ฉันไม่สามารถแยกอัลกอริทึมจริงได้ นี่คือสิ่งที่ฉันมี: รหัส FFT: def fft(x): if x.size ==1: return x N = x.size x0 = my_fft(x[0:N:2]) x1 = my_fft(x[0+1:N:2]) k = numpy.arange(N/2) e = numpy.exp(-2j*numpy.pi*k/N) l = x0 + x1 * e r = x0 - x1 …

15 fft  dct 

ตัวกรองที่ดีที่สุดในการขจัดเสียงเกาส์โดยไม่ทำลายขอบคืออะไร? ฉันกำลังใช้ภาพ Lena มาตรฐานที่มีสัญญาณรบกวนแบบเกาส์เพิ่มเติมและฉันต้องการ denoise ก่อนที่จะใช้การกระจายแบบแอนไอโซทรอปิก ฉันไม่ต้องการกรองค่ามัธยฐานเนื่องจากขอบเบลอ ฉันพยายามกรองแบบปรับตัว แต่ผลลัพธ์ไม่เป็นที่น่าพอใจ

15 image-processing  filters  noise 

ฉันพยายามคำนวณความดังของแทร็กเสียงที่ฉันเก็บไว้ในบัฟเฟอร์ บัฟเฟอร์ประกอบด้วยข้อมูล PCM ของสัญญาณและฉันต้องการทราบว่า 'ดัง' โดยใช้ Root Mean Squared ฉันคิดว่าฉันสามารถทำได้ในโดเมนเวลาแทนที่จะต้องเปลี่ยนไปใช้โดเมนความถี่ รหัสหลอกสำหรับการทำสิ่งนี้จะเป็นอย่างไร ฉันจะเพียงแค่ตัวอย่างหนึ่งวินาที (เสียง [0] - เสียง [44099], เสียง [44099] - เสียง [88199] ฯลฯ .. ) และคำนวณ RMS ของค่าเหล่านั้นหรือไม่ ตัวอย่างเช่นฉันจะทำสิ่งนี้: อาร์เอ็มS= audio [ 0 ]2+ เสียง[ 1 ]2+ เสียง[ 2 ]2. . . . . เสียง[ 44099 ]244100-----------------------------------------√RMS=เสียง[0]2+เสียง[1]2+เสียง[2]2.....เสียง[44099]244100RMS = \sqrt{\frac{\text{audio}[0]^2 + …

15 audio  discrete-signals 

สมมติว่าเรามีการแสดงเชิงเส้นในสัญกรณ์พื้นที่รัฐมาตรฐาน: x˙(t)=Ax(t)+Bu(t)x˙(t)=Ax(t)+Bu(t) \dot{x}(t)=Ax(t)+Bu(t) y(t)=Cx(t)+Du(t)y(t)=Cx(t)+Du(t)y(t) = Cx(t) + Du(t) เพื่อให้ได้การตอบสนองแบบแรงกระตุ้นเป็นไปได้ที่จะใช้ Laplace transform เพื่อรับ Y = C X + D UsX=AX+BUsX=AX+BUsX=AX+BU Y=CX+DUY=CX+DUY=CX+DU แล้วแก้หาฟังก์ชั่นการถ่ายโอนซึ่งก็คือ YU=C(sI−A)−1B+DYU=C(sI−A)−1B+D\frac{Y}{U}=C(sI-A)^{-1}B+D ในทำนองเดียวกันสำหรับระบบที่ไม่ต่อเนื่อง transform ของ x [ n + 1 ] = A x [ n ] + B u [ n ] y [ n ] = C x …

15 impulse-response  state-space  linear-systems 

ฉันพยายามที่จะเข้าใจวิธีการคำนวณ PSD ฉันได้ดูหนังสือเรียนด้านวิศวกรรมการสื่อสารของฉันสองสามเล่ม แต่ก็ไม่เป็นประโยชน์ ฉันดูออนไลน์ด้วย Wikipediaดูเหมือนจะมีคำอธิบายที่ดีที่สุด อย่างไรก็ตามฉันหลงทางในส่วนที่พวกเขาตัดสินใจที่จะสร้าง CDF (ฟังก์ชั่นการสะสม Distrubution) และจากนั้นด้วยเหตุผลบางอย่างตัดสินใจที่เกี่ยวข้องกับที่เกี่ยวข้องกับฟังก์ชั่น ฉันเดาว่าสิ่งที่ฉันไม่เข้าใจคือความสัมพันธ์อัตโนมัติมีส่วนเกี่ยวข้องกับการคำนวณ PSD อย่างไร ฉันคิดว่า PSD ง่าย ๆ คือการแปลงฟูริเยร์ของ (โดยที่คือพลังของสัญญาณเมื่อเทียบกับเวลา)P(t)P(t)P(t)P(t)P(t)P(t)

15 power-spectral-density  psd 

ฉันแสดงสัญญาณ FFT ที่ 512 จุด ฉันได้รับหมายเลข 512 ชุดอื่น ฉันเข้าใจว่าตัวเลขเหล่านั้นเป็นตัวแทนของคลื่นไซน์และโคไซน์ต่าง ๆ ที่มีความถี่ต่างกัน หากความเข้าใจของฉันถูกต้องใครบางคนสามารถบอกฉันว่าจะรู้ความถี่ของคลื่นไซน์และโคไซน์เหล่านั้นได้อย่างไรจากความรู้ของตัวเลข 512 เหล่านั้น (เช่นแอมพลิจูด)

15 fft  fourier-transform 

ฉันต้องเชื่อมต่อรูปทรงใกล้เคียงในภาพตามระยะห่างระหว่างพวกเขาซึ่งระบุว่าจะต้องเชื่อมต่อรูปทรงหรือไม่ ตอนนี้มีคำถามเกี่ยวกับปัญหาเดียวกันนี้แล้วที่นี่/programming/8973017/opencv-c-obj-c-connect-nearby-contoursแต่ที่นี่เขารวมรูปทรงทั้งหมดเป็นหนึ่งเดียว ฉันไม่ต้องการ ฉันไม่คิดว่ามีฟังก์ชั่นบางอย่างใน opencv สำหรับเรื่องนี้ แต่คุณสามารถแนะนำอัลกอริทึมสำหรับสิ่งนั้นได้ แอปพลิเคชันของฉันเป็นดังนี้: ฉันกำลังตรวจจับมือดังนั้นฉันจึงใช้อัลกอริธึมการตรวจจับผิวหนังเพื่อตรวจสอบพวกเขา แต่เนื่องจากผิวของฉันไม่ขาวและอาจเป็นเพราะสภาพแสงบางครั้งเส้นแบ่งที่ข้อศอก ดังนั้นฉันจึงต้องการให้รูปทรงใกล้เคียงเชื่อมต่อกัน แต่ไม่ใช่ทั้งหมด (เพราะทั้งสองมือของฉันจะอยู่ในรูปทรง) (ด้วยมือฉันหมายถึงจากไหล่ถึงต้นปาล์ม) ยิ่งกว่านั้นฉันคิดว่าการใช้การตรวจจับขอบบางอย่างฉันจะทำให้มือของฉันมีขอบเขตและตรวจสอบว่ามีการตรวจพบว่าแพทช์นี้ภายในขอบเขตนี้เป็นผิวหนังจากนั้นพื้นที่ทั้งหมดภายในขอบเขตนี้จะถูกตรวจพบเป็นผิวหนัง แต่ฉันไม่แน่ใจว่าจะทำอย่างไร ส่วนหนึ่ง ความช่วยเหลือใด ๆ ที่จะได้รับการชื่นชม. ขอบคุณล่วงหน้า ภาพตัวอย่าง: ในภาพนี้ฉันต้องการเชื่อมต่อจุดเชื่อมต่อ (การเชื่อมต่อ 8 จุด) ซึ่งน้อยกว่าความยาว 40 พิกเซลเพื่อบอกว่าฉันจะได้มือซ้ายของฉันเป็นรูปร่างเดียว เป้าหมายของฉันคือการได้รับรูปร่างของมือ (ฉันไม่สนใจเกี่ยวกับภูมิภาคอื่น ๆ )

15 image-processing  computer-vision  opencv  morphological-operations 

หนึ่งในโครงการสุดสัปดาห์ของฉันได้นำฉันเข้าสู่น่านน้ำลึกของการประมวลผลสัญญาณ เช่นเดียวกับโครงการรหัสของฉันทั้งหมดที่ต้องใช้เลขคณิตหนัก ๆ ฉันมีความสุขมากกว่าที่คนจรจัดจะแก้ปัญหาแม้จะไม่มีพื้นฐานทางทฤษฎี แต่ในกรณีนี้ฉันไม่มีเลยและรักคำแนะนำเกี่ยวกับปัญหาของฉัน คือ: ฉันพยายามที่จะคิดออกว่าเมื่อผู้ชมสดหัวเราะระหว่างรายการโทรทัศน์ ฉันใช้เวลาอ่านบทความเกี่ยวกับวิธีการเรียนรู้ของเครื่องในการตรวจจับเสียงหัวเราะ แต่ก็รู้ว่ามันเป็นเรื่องเกี่ยวกับการตรวจจับเสียงหัวเราะของแต่ละคน สองร้อยคนที่หัวเราะพร้อมกันนั้นจะมีคุณสมบัติทางเสียงที่แตกต่างกันมากและสัญชาตญาณของฉันก็คือพวกเขาควรจะแยกแยะได้ด้วยเทคนิคการยั่วยุมากกว่าเครือข่ายประสาท ฉันอาจจะผิดอย่างสมบูรณ์ แต่! จะขอบคุณความคิดในเรื่อง นี่คือสิ่งที่ฉันได้พยายาม: ฉันตัดข้อความที่ตัดตอนมาห้านาทีจากตอนล่าสุดของ Saturday Night Live เป็นสองวินาที ฉันจึงระบุว่า "หัวเราะ" หรือ "ไม่หัวเราะ" เหล่านี้ ด้วยการใช้ตัวแยกฟีเจอร์ MFCC ของ Librosa ฉันใช้ K-หมายถึงการรวมกลุ่มกับข้อมูลและได้ผลลัพธ์ที่ดี - ทั้งสองกลุ่มทำแผนที่กับป้ายกำกับของฉันอย่างเรียบร้อย แต่เมื่อฉันพยายามวนซ้ำไฟล์ที่ยาวขึ้นการคาดคะเนไม่ได้เก็บน้ำไว้ สิ่งที่ฉันจะลองตอนนี้: ฉันจะต้องแม่นยำมากขึ้นเกี่ยวกับการสร้างคลิปเสียงหัวเราะเหล่านี้ แทนที่จะแยกและแยกคนตาบอดฉันจะแยกพวกมันออกด้วยตัวเองเพื่อที่ว่าจะไม่มีการสนทนาใดที่ทำให้เกิดมลพิษ จากนั้นฉันจะแบ่งพวกมันออกเป็นคลิปควอเตอร์ที่สองคำนวณ MFCC ของสิ่งเหล่านี้และใช้มันเพื่อฝึกฝน SVM คำถามของฉัน ณ จุดนี้: มีเหตุผลอย่างนี้ไหม? สถิติช่วยได้ที่นี่ไหม ฉันเลื่อนไปมาในโหมดดูสเปคโทรแกรมของ Audacity และฉันสามารถเห็นได้อย่างชัดเจนว่าเกิดขึ้นที่ใด ในสเปคโตรแกรมพลังงานการพูดมีลักษณะโดดเด่นมาก "มีรอยย่น" …

14 audio  sound-recognition 

ฉันกำลังใช้การแปลงเวฟเล็ตอย่างต่อเนื่องของ Morlet ฉันมีwscalogramสัญญาณแล้วและตอนนี้ฉันต้องการพล็อตความอิสระเช่นภาพต่อไปนี้ แต่ฉันไม่รู้จะทำอย่างไร: ฉันใช้scal2freqฟังก์ชั่น MATLAB เพื่อแปลงเครื่องชั่งเป็นความถี่หลอก นอกจากนี้ฉันยังมีความถี่ในสัญญาณของฉันที่มีอัตราส่วนลดลงมาก (4%) ดังนั้นพวกเขาจึงไม่สามารถมองเห็นได้อย่างชัดเจนในพล็อต ฉันจะพูดเกินจริงโหมดที่ได้รับการป้องกันอย่างสูงเหล่านี้ได้อย่างไร ฉันใช้ MATLAB นี่คือรหัสของฉัน: % Import the text4.txt to matlab workspace. and save it under name "data" t=linspace(0,30,301); Fs=ceil(inv(t(2)-t(1))); x=data(:,4); % use x=data(:,3),x=data(:,5) too. first column is time,second is refrence wname = 'morl'; scales = 1:1:256; coefs = cwt(x,scales,wname,'lvlabs'); freq …

14 frequency-spectrum  frequency  wavelet