การประมวลผลสัญญาณ

ในบทที่เกี่ยวกับตัวกรองคาลมานสถานะหนังสือ DSP ของฉันดูเหมือนจะออกมาจากสีน้ำเงินซึ่งตัวกรองคาลมานที่อยู่นิ่งสำหรับระบบ { x ( t + 1 )Y( t )= A x ( t ) + w ( t )= Cx ( t ) + v ( t ){x(เสื้อ+1)=Ax(เสื้อ)+W(เสื้อ)Y(เสื้อ)=คx(เสื้อ)+โวลต์(เสื้อ)\begin{cases} x(t+1) &= Ax(t) + w(t) \\ y(t) &= Cx(t) + v(t) \end{cases} มีตัวทำนาย x^( t + 1 | t …

14 kalman-filters 

ฉันกำลังสร้างระบบ OOK แบบออพติคอล (เปิดปิดพวงกุญแจ) โดยไม่มีความถี่ของผู้ให้บริการ [อย่างไรก็ตามฉันมีเวลาเฝ้าระวังระหว่างสัญลักษณ์ดังนั้นข้อความ "1" ต่อเนื่องจะส่งผลให้มีการรถไฟชีพจรตรงข้ามกับ DC ดูภาพ] โดยพื้นฐานแล้วการปรากฏตัวของสัญญาณบ่งชี้หนึ่งและขาดมันบ่งบอกถึงศูนย์ ฉันมีนาฬิกาที่แม่นยำที่ซิงค์เครื่องรับกับเครื่องส่งสัญญาณ ระบบทำงานด้วย SNR ต่ำและฉันต้องการปรับปรุง SNR โดยใช้เทคนิค DSP ฉันมีคำถามสองสามข้อ: ฉันเลือกสุ่มตัวอย่างในฮาร์ดแวร์ของฉันในคำอื่น ๆ ฉันไม่ได้ตัวอย่างช่องอย่างต่อเนื่อง แต่ตัวอย่างเฉพาะเมื่อความน่าจะเป็นที่จะเห็นสัญญาณสูงสุด (เช่นนี่คือชีพจรแสงฉันเวลา ADC เช่น ADC ตัวอย่างในตอนท้าย ของพัลส์ที่ฉันรู้ว่าโซ่อะนาล็อกทั้งหมดมีความเสถียร) ดูภาพ ตามธรรมชาติแล้วภาพวาดนี้ไม่แสดงเสียงรบกวน แต่มีอยู่ โดยเฉพาะอย่างยิ่งระบบสัญญาณต่ำและแหล่งกำเนิดเสียงรบกวนหลักคือเสียงรบกวนการถ่ายภาพเสียงรบกวนของจอห์นสันและสัญญาณรบกวนภายในเครื่องขยายเสียง (ระบบออพติคอลดังนั้นจึงไม่มีผู้รบกวนคนอื่นยกเว้นซัน) เสียงจากการสังเกตของฉันบ่งบอกว่ามันคล้ายกันในทุกความถี่ (อย่างน้อยสิ่งที่ฉันเห็นในขอบเขต) ตอนนี้ฉันใช้การเปรียบเทียบเกณฑ์ง่าย ๆ ในซอฟต์แวร์เพื่อตรวจสอบว่าข้อมูลเป็นหนึ่งหรือศูนย์ มีวิธีที่ดีกว่า? ฉันคิดว่ามีตัวเลือกบางอย่าง แต่ฉันชอบที่จะได้ยินจากผู้เชี่ยวชาญ จนถึงตอนนี้ฉันได้พิจารณาตัวเลือกต่อไปนี้: ทำ ADC อย่างต่อเนื่องและพยายามรวมในช่วงเวลาที่เพิ่มขึ้น: ไม่แน่ใจในผลประโยชน์ทั้งหมด (อาจมีประโยชน์อื่น ๆ ฉันไม่รู้) …

14 demodulation 

ฉันมีส่วนร่วมกับความพยายามในการใช้อัลกอริทึม FFT และอยากรู้ว่าคำแนะนำที่แนะนำสำหรับข้อมูลการทดสอบการใช้งานคืออะไรและเพราะเหตุใด! - และความแม่นยำที่คาดหวัง ในอินพุตทดสอบฉันพบคำแนะนำเล็กน้อยในโพสต์ Usenet เก่าที่ฉันโพสต์เป็นคำตอบ แต่เป็นเพียงคำแนะนำของบุคคลหนึ่งโดยไม่มีเหตุผลมากมาย - ฉันไม่พบสิ่งใดที่ดูเหมือนคำตอบที่ชัดเจน ในความแม่นยำ Wikipedia บอกว่าข้อผิดพลาดควรเป็น O (e log N) แต่ความคาดหวังที่สมเหตุสมผลในแง่ที่สมบูรณ์คืออะไร? แก้ไขเพื่อเพิ่ม: การทดสอบจริงอยู่ในรูปแบบที่ฉันได้จัดเก็บอาร์เรย์ของข้อมูลอินพุตและข้อมูลเอาต์พุต "อ้างอิง" ที่คำนวณล่วงหน้าเพื่อเปรียบเทียบกับดังนั้นฉันจึงไม่จำเป็นต้องใช้โซลูชันที่มีรูปแบบปิด

14 fft 

ฉันมีอัลกอริทึมที่ zero pad เรียงลำดับไปที่ 4N ทำ FFT และใช้ความถี่ต่ำสุด N ที่ชี้จาก 4N ที่สร้างขึ้นเท่านั้น ดูเหมือนว่าจะมีงานที่ต้องสูญเปล่ามากมายความคิดใด ๆ ที่สามารถทำได้เร็วกว่านี้

14 fft  dft 

เมฆจุด(x,y,z)จะถูกสร้างขึ้นโดยใช้ฟังก์ชั่นการสุ่มชุดสำหรับ ดังที่แสดงในรูปภาพต่อไปนี้ระนาบการตัดแบบเรียบ ( โปรไฟล์ ) กำลังถูกตรวจสอบว่าตรงกับที่ดีที่สุด (แม้ว่าจะไม่ใช่แบบที่แน่นอน) โปรไฟล์เป้าหมายคือที่ให้ไว้ที่มุมซ้ายล่าง ดังนั้นคำถามคือ: 1- วิธีการค้นหาการจับคู่ดังกล่าวtarget 2D point mapผ่านการpoint cloudพิจารณาบันทึกย่อ / เงื่อนไขต่อไปนี้? 2- อะไรคือพิกัด / ทิศทาง / องศาของความคล้ายคลึงกัน ฯลฯ ? หมายเหตุ 1:โปรไฟล์ที่น่าสนใจอาจอยู่ที่ใดก็ได้ที่มีการหมุนตามแกนและอาจมีรูปร่างที่แตกต่างกันเช่นสามเหลี่ยมสี่เหลี่ยมผืนผ้าสี่เหลี่ยมจัตุรัส ฯลฯ ขึ้นอยู่กับตำแหน่งและทิศทางของมัน ในการสาธิตต่อไปนี้จะแสดงเฉพาะสี่เหลี่ยมที่เรียบง่าย หมายเหตุ 2:ค่าความคลาดเคลื่อนอาจถือได้ว่าเป็นระยะทางของคะแนนจากโปรไฟล์ แสดงให้เห็นถึงนี้สำหรับรูปต่อไปนี้สมมติว่าความอดทนของ0.01ครั้งมิติที่มีขนาดเล็กที่สุดเพื่อให้(~1) tol=0.01ดังนั้นหากเราลบส่วนที่เหลือออกและฉายจุดที่เหลือทั้งหมดบนระนาบของโปรไฟล์ที่ถูกตรวจสอบแล้วเราจะสามารถตรวจสอบความคล้ายคลึงกันกับโปรไฟล์เป้าหมายได้ หมายเหตุ 3:หัวข้อที่เกี่ยวข้องอาจจะพบได้ที่จุดรับรู้รูปแบบ

14 image-processing  computer-vision  image-registration  point-cloud 

ฉันเป็นนักชีววิทยาที่มีประสบการณ์น้อยมากเกี่ยวกับการประมวลผลภาพ แต่มีความรู้เพียงพอเกี่ยวกับ MATLAB และมีกล่องเครื่องมือการประมวลผลภาพ นึกคิดฉันกำลังมองหาวิธีการแก้ปัญหาตาม MATLAB แต่วิธีการที่สรุปวิธีการเกี่ยวกับมันก็จะเป็นประโยชน์ Update (28 พ.ย. 2554) ปรากฏว่ามีปัญหาบางอย่าง (เช่นการซ้อนทับของสัญญาณและคำจำกัดความของสี) เมื่อใช้ภาพคอมโพสิต (ซึ่งเป็นสิ่งที่ฉันนำเสนอในคำถามเริ่มต้น) ฉันกำลังติดภาพแยกจาก 2 ช่อง: สีเขียวและสีแดง(สีเขียวขุ่นภูมิภาคในภาพคอมโพสิตสามารถปฏิเสธ) และภาพ ช่องสีแดงนั้นไม่ดีด้วยเหตุผล 2 ประการ: 1. มันมีคอนทราสต์ไม่ดีเนื่องจากพื้นหลังที่สูงขึ้น 2. เนื่องจากสีแดงดูเหมือนว่าจะมีเลือดออกเป็นสีเขียวในระดับพื้นหลัง คุณลักษณะที่ถูกกำหนดให้เป็นพื้นที่ในภาพคอมโพสิตที่มีสีเขียวสีแดงสีเขียวขุ่นสีแดงสีเขียวหรือเท่ากัน 2 กลุ่มเชิงเส้นที่อยู่ติดกันบนสีเขียวและสีแดงที่มี colinear และโรคติดต่อ ฉันหวังว่าการดูภาพจากทั้งสองแชนเนลแยกกันจะทำให้การระบุคุณสมบัติง่ายขึ้น ฉันมีคำแนะนำต่อไปนี้สำหรับอัลกอริทึม: ก่อนอื่นให้ระบุส่วนสีเขียวเชิงเส้นร่วม (และกำหนดความยาวของส่วนสีเขียว) ตรวจสอบว่ามีส่วนที่ติดต่อกันและส่วนต่อกันของสีที่หันเข้าหากัน (เช่นสีเขียว -> สีแดง -> <-red <- สีเขียว) ในช่องสีแดง ถ้าใช่กำหนดความยาวส่วนสีแดงจากจุดที่ส่วนสีเขียวสิ้นสุด (เพราะจะทับซ้อนกับส่วนสีเขียว) จนถึงจุดบนส่วนสีแดงที่อยู่ใกล้กับส่วนสีแดงอื่น ๆ ของคุณลักษณะ …

14 image-processing 

ฉันกำลังมองหาที่จะสร้างอัลกอริทึมที่เพิ่มเอฟเฟกต์มุมเอียงไปยังบิตแมปโดยใช้อัลฟ่าเป็นแผนที่ชน ฉันจะไปทำอะไรแบบนี้ได้อย่างไร ฉันลองแสงแบบพิเศษ แต่ฉันได้เฉพาะไฮไลต์ไม่ใช่ที่ร่ม นี่คือผลกระทบที่ฉันกำลังพูดถึง (ทำโดยใช้ Photoshop): ทั้งหมดเหล่านี้ได้กระทำโดยใช้(ความลึกของมุมจากรูปร่างของบิตแมป)size: 30px ,angle 130altitude 50 จากซ้ายไปขวาบนลงล่าง: สิ่วยกนูน Chisel Soft Bevel เอียงเรียบ สิ่วยากกับsoften: 16px- เอียงเบลอ? ฉันกำลังพยายามสร้างเอฟเฟกต์เหล่านี้แต่ละประเภทฉันจะดำเนินการสร้างมุมเอียงขั้นพื้นฐานอย่างไร และสิ่งที่ฉันต้องได้รับจากสิ่งเหล่านี้แต่ละมุม

14 image-processing  filters  algorithms 

เป็นที่ทราบกันดีว่าการแปลงรูปแบบไบลิแนร์เป็นที่รู้จักกันในชื่อวิธีการของ Tustin เท่าที่ผมรู้ว่าอาร์โนล Tustinจริงๆไม่แนะนำความคิดลงไปในวรรณคดีระบบควบคุมเพื่อชื่อไม่ได้เป็นเพียงกรณีของกฎหมายของ Stigler ตัวอย่างเช่นฉันจัดการเพื่อค้นหาข้อมูลอ้างอิงต่อไปนี้: Tustin ในสหราชอาณาจักรพัฒนาการเปลี่ยนแปลงแบบไบนิอาร์สำหรับแบบจำลองอนุกรมเวลาในขณะที่ Oldenbourg และ Sartorius ยังใช้สมการความแตกต่างเพื่อสร้างแบบจำลองระบบดังกล่าว [ 1 ][1][1] อะไรคือสิ่งที่ไม่ชัดเจนเป็นครั้งแรกที่เขานำความคิด - แม้ในขณะที่เรียกดูชื่อเรื่องของสิ่งพิมพ์ของเขา ฉันคาดเดาว่ามันจะกลายเป็นที่รู้จักเพียงแค่การแปลง bilinear ในภายหลังดังนั้นเขาอาจไม่ได้ใช้คำศัพท์นั้น ฉันต้องการอ่านคำอธิบายของเทคนิค ไม่มีใครรู้ว่าเขาตีพิมพ์ครั้งแรกที่ไหน? Bissel, CC ประวัติความเป็นมาของการควบคุมอัตโนมัติ ลิงค์

14 discrete-signals  reference-request  signals-history 

ฉันมักจะใช้ค่าเฉลี่ยข้อผิดพลาดกำลังสอง (MSE) หรืออัตราส่วนสัญญาณต่อเสียงรบกวน (PSNR) สูงสุดเพื่อเปรียบเทียบภาพสองภาพ แต่สิ่งนี้ไม่ดีพอ ฉันต้องการค้นหาสูตรที่ส่งคืนระยะทางที่ไกลมากระหว่างรูปภาพ A และรุ่น B ที่มีจุดภาพ (หรือเบลอ) แต่ฉันไม่ทราบวิธีการดำเนินการต่อ สิ่งที่จะเป็นตัวชี้วัดที่ดีสำหรับความต้องการของฉัน?

14 image-processing  distance-metrics 

การถอดเสียงโพลีโฟนิคเพลงในปัจจุบันไม่ได้เป็นปัญหาที่แก้ไขแล้ว วิธีการเกี่ยวกับการผกผันของปัญหาเล็ก ๆ มีลักษณะสเปกตรัมแบบใดบ้าง (จาก STFT) ที่สามารถใช้เพื่อกำจัดคอร์ดดนตรีบางส่วนจากพื้นที่ความน่าจะเป็นหรือไม่? (เช่นตัวอย่างของเสียงส่วนใหญ่น่าจะไม่มีคอร์ด C # หรือคอร์ดเล็ก ๆ น้อย ๆ ที่ลดลงหรือเป็นโน้ตเดี่ยวที่ไม่ใช่คอร์ด ฯลฯ ) สมมติว่าตัวอย่างข้อมูลเสียงมีความนิ่งมากขึ้นหรือน้อยลง (ลบการโจมตีชั่วคราว ฯลฯ ) และเสียงส่วนเกินสำหรับบันทึกย่อส่วนบุคคลหรือทั้งหมดมีแนวโน้มมาก (และคำถามนี้ไม่เกี่ยวกับคอร์ดฤinษี)

14 music  frequency-spectrum 

พื้นหลัง ฉันกำลังออกแบบระบบที่จะมีไมโครโฟนและลำโพงขนาดเล็กสำหรับใช้ในการตั้งค่าประเภทโทรศัพท์ ตัวอย่างที่ง่ายที่สุดที่ฉันสามารถให้ได้คือการสนทนาของ Skype ที่คุณใช้ลำโพงคอมพิวเตอร์และไมโครโฟนตั้งโต๊ะ ฉันกังวลเกี่ยวกับเสียงจากลำโพงที่รับโดยไมโครโฟนและส่งกลับไปยังบุคคลดั้งเดิม ฉันเคยได้ยินสิ่งนี้เกิดขึ้นตลอดเวลาในช่วงแรก ๆ ของการสนทนา VoIP แต่แทบจะไม่ได้ยินอีกเลย ข้อสันนิษฐานของฉันคือกลุ่มต่างๆมีวิธีในการยกเลิกเสียงสะท้อน แต่พวกเขาทำได้อย่างไร แนวทาง ความคิดแรกของฉันคือเพียงแค่ลบสัญญาณที่ส่งไปยังลำโพงจากสัญญาณไมโครโฟนยกเว้นด้วยวิธีนี้คุณต้องกังวลกับความล่าช้า ฉันไม่แน่ใจว่าจะทราบได้อย่างไรว่าการหน่วงเวลานั้นเกิดจากการสอบเทียบล่วงหน้าประเภทใดซึ่งฉันต้องการหลีกเลี่ยง นอกจากนี้ยังมีปัญหาว่าต้องปรับขนาดสัญญาณก่อนที่จะลบออก ฉันคิดต่อไปเกี่ยวกับการทำความสัมพันธ์บางอย่างระหว่างสัญญาณลำโพงและสัญญาณไมโครโฟนเพื่อกำหนดความน่าจะเป็นของสัญญาณไมโครโฟนที่เป็นเสียงสะท้อนรวมถึงความสามารถในการกำหนดความล่าช้าที่แท้จริง วิธีนี้สามารถทำงานได้ดีเมื่อฉันเล่นกับสัญญาณที่บันทึกไว้บางส่วน แต่ดูเหมือนว่าจะมีความล่าช้าในการคำนวณความสัมพันธ์ที่เป็นประโยชน์ในระบบเรียลไทม์ ระดับเสียงที่ปรับได้ของลำโพงทำให้ยากต่อการตรวจสอบว่ามีความสัมพันธ์กับสิ่งใดหรือไม่ ความคิดครั้งต่อไปของฉันต้องมีใครบางคนบนอินเทอร์เน็ตที่เคยทำสิ่งนี้มาก่อนด้วยความสำเร็จ แต่ไม่พบตัวอย่างที่ยอดเยี่ยม ดังนั้นฉันมาที่นี่เพื่อดูว่าวิธีใดที่สามารถใช้เพื่อแก้ไขปัญหาประเภทนี้

14 audio 

สำหรับกล้องจุลทรรศน์เรามักทดสอบกล้อง เนื่องจากแอปพลิเคชันของฉันเกี่ยวข้องกับอัตราส่วนสัญญาณต่อสัญญาณรบกวนต่ำมากจึงเป็นเรื่องสำคัญที่เสียงรบกวนจะไม่มีความสัมพันธ์และรูปแบบเนื่องจากความสัมพันธ์ในพื้นที่เป็นสิ่งที่แยกความแตกต่างของสัญญาณจากพื้นหลัง ในการทดสอบเสียงรบกวนฉันมักจะได้รับชุดของเฟรมมืดประมาณ 100 เฟรมเช่นเฟรมที่ไม่มีแสงภายนอกกระทบกับกล้องกำหนดรูปแบบกล้องคงที่โดยใช้เวลาเฉลี่ยและลบมันออกจากซีรีส์ ฉันสังเกตุรูปแบบของเสียงโดยเพียงแค่เบี่ยงเบนมาตรฐานสำหรับแต่ละพิกเซลผ่านเวลาและดูภาพที่เกิดขึ้น (เช่นแถว / คอลัมน์ที่แตกต่างกันของกล้องมีส่วนเบี่ยงเบนมาตรฐานของเสียงแตกต่างกัน) และทำแถวและคอลัมน์ที่ชาญฉลาด cross-correlation (ที่ฉันสังเกตเห็นสำหรับกล้อง interleaved บางตัวว่าเสียงนั้นมีความสัมพันธ์กันระหว่างแถวอื่น ๆ ) การทดสอบครั้งแรกเป็นการทดสอบเชิงคุณภาพเท่านั้นและการทดสอบครั้งที่สองให้ความสัมพันธ์ระดับโลก (ค่อนข้าง) กับฉัน มีวิธีที่ดีกว่า (และเร็วกว่า) ในการพิจารณาว่ามีความสัมพันธ์หรือรูปแบบไดนามิกในเสียงของกล้องหรือไม่?

14 noise  camera 

เทคนิคใดที่เราจะใช้ในการประมาณเวลาที่เริ่มมีอาการของเสียงไซนัสออกมาในสัญญาณที่มีเสียงดัง สมมติว่าเสียงระเบิดมีความถี่คงที่ที่ทราบ (แต่ไม่ทราบระยะ) และเวลาเพิ่มขึ้นที่คมชัดมากและเป้าหมายคือการประเมินเวลาเริ่มต้นภายในเวลาที่ดีกว่าครึ่งเวลาเพิ่มขึ้นและ / หรือระยะเวลาหนึ่งของความถี่ของเสียง , ถ้าเป็นไปได้. เทคนิคการประมาณค่าจะเปลี่ยนไปอย่างไรถ้าอัตราส่วน S / N ต่ำมาก (น้อยกว่า 1) เพิ่ม: สมมติว่าความดังของเสียงนั้นมีความยาวไม่ทราบ แต่นานกว่าตัวคูณเล็ก ๆ ของเวลาที่เพิ่มขึ้นและช่วงความถี่ เพิ่มเติม: DFT / FFT แสดงการมีอยู่ของเสียง ปัญหาคือการหาอย่างแม่นยำตรงที่ในหน้าต่าง FFT เสียง (หรืออาจมีหลายเสียงระเบิดของความถี่เดียวกัน) อาจเริ่มต้นภายในหน้าต่าง FFT หรือพิจารณาว่าเสียงปัจจุบันเริ่มนอกหน้าต่าง DFT นั้นถ้าฉันมีทุกสิ่งที่ ข้อมูลโดเมนเวลาเพิ่มเติม ความแม่นยำในการตรวจจับเรดาร์ของพัลส์นั้นใกล้เคียงกับความละเอียดที่ฉันต้องการยกเว้นฉันมีเพียงขอบเนื่องจากโทนเสียงนั้นมีความยาวที่ไม่รู้จัก ตัวกรองผ่านแถบแคบทำให้เวลาที่เพิ่มขึ้นผิดเพี้ยนและทำให้ความละเอียดการประมาณค่าการมาถึงของการทำลายขอบลดลง

14 audio  algorithms  edge-detection 

มีวิธีเพิ่มประสิทธิภาพการคำนวณของตัวกรอง squares (NLMS) ปกติหรือไม่? มีการเสนอตัวกรองMultidelay block frequency-domain (MDF)เพื่อทำสิ่งนี้ แต่พวกเขายังใช้ความเร็วและความแม่นยำในการลู่เข้าด้วยกันเพราะพวกเขาอัพเดตการตอบสนองต่อแรงกระตุ้นโดยประมาณเพียงครั้งเดียวทุกบล็อกไม่ใช่ทุกตัวอย่าง มีวิธีอื่นอีกไหม?

14 adaptive-filters  performance  least-squares 

ฉันจะตรวจสอบป้ายรูปสี่เหลี่ยมขนมเปียกปูนจากภาพที่ถ่ายด้วยโทรศัพท์มือถือได้อย่างไร ฉันจะตรวจจับรูปร่างเช่นสี่เหลี่ยมได้อย่างไร สี่เหลี่ยมผืนผ้ามุมมน (มุมโค้งมนแทนมุมรูปร่าง)? ฉันกำลังใช้ opencv.wrapper แต่ฉันใหม่กับมัน ขอบคุณ นี่คือตัวอย่าง: alt text http://www.freeimagehosting.net/uploads/b03442fd36.png alt text http://www.freeimagehosting.net/uploads/e6b36040e8.png เนื่องจากเสียงรบกวนและมีหลายบรรทัดฉันไม่สามารถตรวจสอบว่าเป็นเส้นเขตแดนของป้าย บางครั้งฉันสามารถหาขอบเขตของเส้นหลังจากแปลง Hough ฉันติดกับ .... ในสถานการณ์แบบนี้ ... นี่คือภาพดิบ 2 ภาพที่ถ่ายจากกล้องโทรศัพท์มือถือ alt text http://www.freeimagehosting.net/uploads/6dbd613edf.jpg ข้อความ ALT http://www.freeimagehosting.net/uploads/720da20080.jpg ฉันต้องการคำแนะนำเพื่อที่จะดูว่าฉันสามารถประมวลผลภาพเพื่อกำจัดป้ายโฆษณาได้อย่างไร ขอบคุณมาก

14 c#  image-processing