การประมวลผลสัญญาณ

มี postdoc ในห้องปฏิบัติการของฉันซึ่งมีความพิเศษคือ "การประมวลผลสัญญาณเชิงสถิติ" เขามีปริญญาเอกในสาขาวิศวกรรมไฟฟ้าและเขาวิเคราะห์ข้อมูลทางประสาทที่เก็บรวบรวม ฉันสงสัยว่าหลักสูตร / หัวข้อใดที่ฉันควรเริ่มศึกษาเพื่อเดินตามรอยเท้าของเขา ฉันไม่ได้มองหาสิ่งต่าง ๆ เช่นสถิติและการประมวลผลสัญญาณฉันมีชั้นเรียนพื้นฐานทั้งคู่ แต่ก็ยังพบว่ามันยากที่จะเข้าใจงานของเขา

11 reference-request  soft-question 

ในความคิดเห็นต่อคำตอบนี้โดยใช้เลเซอร์ไดโอดและตะแกรงกระจายเพื่อให้พื้นผิวบนพื้นผิวถูกแนะนำเพื่อช่วยในการคำนวณความสูงในระบบการมองเห็นของคอมพิวเตอร์ ฉันเชื่อว่ารูปแบบที่ฉันคุ้นเคยคือฉายรูปแบบกระดานหมากรุกบนวัตถุ ฉันอยู่ภายใต้การทำความเข้าใจ (ไม่สมบูรณ์) ว่าการเสียรูปของภาพที่ฉายนั้นถูกนำไปใช้โดยตรง กล่าวคือรูปแบบสี่เหลี่ยมจัตุรัสเดิมที่คาดการณ์ไว้จะกลายเป็นรูปหลายเหลี่ยมโค้งและการแปลงกลับไปเป็นสี่เหลี่ยมจัตุรัสให้ข้อมูลเกี่ยวกับโครงสร้าง 3 มิติ สิ่งนี้ไม่ถูกต้องหรือ มีรูปแบบที่ต้องการหรือไม่ การพึ่งพาในการเลือกรูปแบบคืออะไร มันขึ้นอยู่กับรูปร่างวัสดุ ฯลฯ ของวัตถุเป้าหมายหรือเป็นฟังก์ชันของจำนวนความแปรปรวนในคุณลักษณะหรือไม่

11 computer-vision 

ฉันกำลังอ่านข้อมูลเกี่ยวกับAutocorrelationแต่ฉันไม่แน่ใจว่าฉันเข้าใจอย่างแน่ชัดว่ามันทำงานอย่างไรและควรคาดหวังอะไรจากผลลัพธ์ ฉันคิดถูกแล้วว่าฉันควรป้อนสัญญาณของฉันไปยังฟังก์ชัน AC และมีอินพุตหน้าต่างแบบเลื่อน แต่ละหน้าต่าง (ตัวอย่าง 1024 ตัวอย่าง) จะส่งออกสัมประสิทธิ์ระหว่าง -1 ถึง 1 เครื่องหมายจะระบุว่าเส้นตรงขึ้นหรือลงและค่าจะระบุว่าค่าสหสัมพันธ์นั้นแข็งแกร่งแค่ไหน สำหรับความเรียบง่ายสมมติว่าฉันไม่มีเหลื่อมกันและเพียงแค่ย้ายหน้าต่าง 1024 ตัวอย่างทุกครั้ง ในตัวอย่าง 44100 ฉันจะได้ 43 สัมประสิทธิ์และฉันจำเป็นต้องรักษาทั้งหมดหรือไม่ ให้บอกว่าฉันทำสิ่งนี้เพื่อสัญญาณ 200 วินาทีให้ค่าสัมประสิทธิ์ 8600 กับฉัน ฉันจะใช้สัมประสิทธิ์เหล่านี้เพื่อตรวจสอบการทำซ้ำและในทางกลับกันความเร็วได้อย่างไร ฉันควรสร้างเครือข่ายประสาทบางอย่างเพื่อจัดกลุ่มพวกเขาหรือว่า overkill นั้น? ขอบคุณสำหรับความช่วยเหลือ

11 algorithms  audio  autocorrelation 

ฉันโพสต์คำถามนี้ไว้ใน StackOverflow แล้ว ฉันได้รับคำแนะนำให้ไปหาคำตอบที่ดีกว่าที่นี่ เพื่อให้คำถามกระชับขึ้นฉันสนใจที่จะแนะนำตัวกรองดิจิทัลทรัพยากรใด ๆ ก็ดี แต่ก่อนอื่นฉันจะพอใจถ้ามีคนชี้ให้ฉันไปยังแหล่งข้อมูลที่อธิบายตัวกรองนี้ (ใช้ใน Android): http://gitorious.org/rowboat/frameworks-base/blobs/671a6ff4be11b3e2d8eb017e0c7a78e6133fb2b8/services/sensorservice/SecondOrderLowPassFilter.cpp สิ่งที่ฉันสนใจคือวิธีเลือกพารามิเตอร์ของตัวกรอง ในขณะที่ฉันสามารถคัดลอกได้โดยไม่ต้องคิดฉันคิดว่าฉันควรเข้าใจแนวคิดพื้นฐาน / ความคิดเบื้องหลังก่อนที่จะใช้ ขอบคุณ Iulian

11 filters  filter-design  lowpass-filter 

ฉันยังใหม่กับการวิเคราะห์ภาพอย่างสมบูรณ์ คุณรู้วิธีการจำแนกภาพนี้ในลักษณะที่จะได้รับเส้นใยเท่านั้นหรือไม่? ขั้นตอนเป็นขั้นตอนจะยอดเยี่ยม แต่คำแนะนำใด ๆ ก็ชื่นชมเช่นกัน ฉันสามารถใช้ Matlab, .NET และฉันเปิดให้เครื่องมืออื่น ๆ PS: ตอนนี้อยู่คุณสามารถหาคำถามเดียวกัน

11 filters  image-processing 

ฉันกำลังคิดเกี่ยวกับเรื่องการเลื่อนหน้าต่าง DFT และความคิดเข้ามาในใจของฉัน DFT จะให้คลื่นความถี่ของสัญญาณที่ซับซ้อนด้วยสเปกตรัมของหน้าต่างที่ใช้ดังนั้นจึงมีก้อนหลักและก้อนด้านข้าง ฉันคิดว่ามันเป็นไปได้ที่จะลบเอฟเฟกต์หน้าต่างบนสเปกตรัมของสัญญาณโดยการโน้มน้าวอีกครั้งทั้งสัญญาณและขนาดสเปกตรัมของหน้าต่างและมันก็ใช้งานได้จริงอย่างที่คุณเห็นในภาพต่อไปนี้ ด้านซ้ายคือสเปกตรัมต้นฉบับที่สร้างด้วยหน้าต่างการแฮ็ก ขวาเป็นสเปกตรัมที่ซับซ้อนโดย DFT ของหน้าต่าง hanning ด้านบนคือสเปกตรัมเองด้านล่างคือfindpeaksผลลัพธ์ของMATLAB ฉันไม่เคยอ่านอะไรเกี่ยวกับเทคนิคนี้ แต่ฉันค่อนข้างแน่ใจว่าฉันไม่ได้คิดค้นอะไรที่นั่น ดังนั้นฉันจึงสงสัยว่าจะมีประโยชน์ในการทำโพรเซสซิงนี้หรือไม่ถ้ามีข้อเสียคือฉันไม่เห็น จากสิ่งที่ฉันเห็นสิ่งนี้สามารถช่วยให้การตรวจจับสูงสุดอย่างที่เราเห็นในภาพก่อนหน้า นอกจากนี้ดูเหมือนว่าสเปกตรัมจะมีการบิดเบือนเล็กน้อยเช่นที่เราเห็นในภาพต่อไปนี้ 2 : ที่ซึ่งกราฟสีน้ำเงินคือสเปกตรัมและกราฟสีแดงคือสเปกตรัมที่ซับซ้อน มีความคิดเห็นเกี่ยวกับเรื่องนี้ไหม? มีปัญหาที่อาจเกิดขึ้นจากการสนทนาโพสต์ FFT นี้หรือไม่? กระดาษชนิดใดที่ใช้กับตัวแบบ? แก้ไข คุณสามารถค้นหาสคริปต์ที่นี่ซึ่งจะสร้างกราฟต่อไปนี้:

11 fft  frequency-spectrum  dft  convolution 

ตัวกรอง IIR / FIR ดั้งเดิม (lowpass เพื่อกำจัดการแกว่งความถี่สูง) เช่นค่าเฉลี่ยเคลื่อนที่ หรือตัวกรองSavitzky-Golay ทุกคนสามารถเป็นประโยชน์ในการทำให้สัญญาณเรียบขึ้นเช่นสัญญาณซองจดหมาย: ตัวกรอง Savitzky-Golay จะน่าสนใจมากกว่าแอพพลิเคชั่น lowpass แบบคลาสสิกอย่างไร อะไรทำให้แตกต่างจากตัวกรองมาตรฐานและมันเพิ่มอะไรเมื่อเปรียบเทียบกับตัวกรองมาตรฐาน มันปรับตัวเองเข้ากับข้อมูลอินพุตหรือไม่ มันจะดีกว่าสำหรับการรักษาชั่วคราว? คุณเคยอยู่ในสถานการณ์ทางวิศวกรรมมาแล้ววันหนึ่งเมื่อคุณตัดสินใจว่า"ลองใช้ตัวกรอง SG แทนค่าเฉลี่ยเคลื่อนที่หรือ lowpass FIR ตัวอื่นดีกว่าเพราะสิ่งนี้กับสิ่งนี้และสิ่งนี้ ... " ? ถ้าอย่างนั้นคำถามนี้เหมาะสำหรับคุณ!

11 filters  filter-design  lowpass-filter  smoothing 

ใน MATLAB ผลลัพธ์ของfftและ / หรือifftฟังก์ชั่นมักจะต้องการการประมวลผลเพิ่มเติมก่อนที่จะได้รับการพิจารณาเพื่อการวิเคราะห์ ฉันเคยได้ยินความคิดเห็นที่แตกต่างมากมายในสิ่งที่ถูกต้อง: ขูดหินปูน Mathworks ระบุว่าfftและifftฟังก์ชันจะขึ้นอยู่กับสมการต่อไปนี้: X[k]x[n]=11⋅∑n=1Nx[n]⋅e−j⋅2π⋅(k−1)⋅(n−1)N,where1≤k≤N=1N⋅∑k=1NX[k]⋅e+j⋅2π⋅(k−1)⋅(n−1)N,where1≤n≤NX[k]=11⋅∑n=1Nx[n]⋅e−j⋅2π⋅(k−1)⋅(n−1)N,where1≤k≤Nx[n]=1N⋅∑k=1NX[k]⋅e+j⋅2π⋅(k−1)⋅(n−1)N,where1≤n≤N\begin{align} X[k] &= \frac{1}{1} \cdot \sum_{n=1}^{N} x[n] \cdot e^{\frac{-j \cdot 2 \pi \cdot (k-1) \cdot (n-1)}{N}}, \quad\textrm{where}\quad 1\leq k\leq N\\ x[n] &= \frac{1}{N} \cdot \sum_{k=1}^{N} X[k] \cdot e^{\frac{+j \cdot 2 \pi \cdot (k-1) \cdot (n-1)}{N}},\quad \textrm{where}\quad 1 \leq n\leq N \end{align} …

11 matlab  fft  ifft 

ฉันต้องการแปลงสัญญาณเป็นโดเมนความถี่ ช่วงความถี่ที่ต้องการเป็น0.1 Hzไปและความละเอียดความถี่1 Hz0.01 Hz ด้วยอัตราการสุ่มตัวอย่าง30 HzFFT ให้ส่วนประกอบความถี่สูงถึง 15 Hz การเพิ่มอัตราการสุ่มตัวอย่างให้ความละเอียดความถี่ที่ดีขึ้น อย่างไรก็ตาม FFT ให้ช่วงความถี่ที่กว้างขึ้น ในกรณีของฉันฉันเพียงต้องการ0.1 Hzที่จะ1 Hz, FFT ให้ถึง15 Hz(คำนวณพิเศษ) คำถามของฉันคือมีวิธีมาตรฐานในการคำนวณโดเมนความถี่ของสัญญาณที่มีช่วงความถี่เฉพาะและความละเอียดสูงหรือไม่

11 fft  frequency 

ฉันมีค่า RSSI (พล็อตด้านล่าง) ของค่าที่คาดหวังในช่วงเวลาที่ฉันต้องการเปรียบเทียบกับค่า RSSI ที่วัดได้ของฉัน สิ่งที่ฉันกำลังมองหาคือวิธีการหาปริมาณเพื่อให้ฉันสามารถเปลี่ยนพารามิเตอร์และสามารถเปรียบเทียบ / เปรียบเทียบวิธีที่แตกต่างกัน มันเป็นปัญหาที่ยากในใจของฉันเพราะฉันไม่รู้วิธีเปรียบเทียบสัญญาณและยังคำนึงถึงสัญญาณขนาดใหญ่ (รูปร่างโดยรวม) และสัญญาณขนาดเล็ก (ความผันผวนของแต่ละบุคคล) ตัวอย่างเช่นนี่คือสัญญาณพล็อตหนึ่งชุด: ในภาพฉันเห็นได้ว่าสัญญาณการวัดสีแดงตามแบบจำลองคร่าวๆ แต่มันก็เป็นงานที่ดีในการจำลองคุณสมบัติไซน์บางส่วนของแบบจำลอง (ในบางแห่ง) ความคิดใด ๆ <> ในการตอบสนองต่อความคิดเห็นของ pichenettes (ซึ่งดูสมเหตุสมผล) ฉันใช้ความต่างของสองค่าและพล็อต abs (fft (diff)) และได้สิ่งนี้: ฉันไม่แน่ใจว่าจะทำอย่างไร เนื่องจากเราไม่มีความถี่จริงใด ๆ ฉันไม่แน่ใจว่าจะปรับขนาดแกนแล้วถ้าเป็นเช่นนั้นคุณจะใช้เมตริกอะไร

11 matlab  algorithms  sampling 

ตัวกรองค่ามัธยฐานเป็นกระบวนการที่ไม่เป็นเชิงเส้นและสูญเสียดังนั้นจึงไม่มีการตอบสนองความถี่แบบปิดเช่นเดียวกับตัวกรอง FIR (พูดตัวกรองแบบกล่องที่มีความยาวเท่ากัน) ในระบบ LTI แต่สิ่งที่คล้ายกับการตอบสนองความถี่ของตัวกรองมัธยฐานสามารถประมาณได้อย่างไร สเกลนี้มีความยาวของตัวกรองแบบกลางอย่างไร ภายใต้เงื่อนไขใดหรือสำหรับระดับสัญญาณใดการประมาณนี้อาจเป็นสนามเบสบอล "ปิด" การประมาณนี้ของสัญญาณใดที่อาจผิดพลาดมาก? ตัวกรองค่ามัธยฐานแบบใดที่สร้างขึ้นโดยมีการบิดเบือนโดเมนหรือเสียงรบกวนเพิ่มเติม

11 noise  frequency-response  filtering 

ใน MATLAB ฉันต้องผ่านการตัดความถี่เพื่อออกแบบตัวกรอง แต่ความถี่ตัดนี้อยู่ในรูปเรเดียนต่อตัวอย่าง ฉันจะแปลงความถี่คัทเอาท์อนาลอกในเป็นเรเดียนต่อตัวอย่างที่ต้องการสำหรับ MATLAB ได้อย่างไร HzHz\textrm{Hz}

11 matlab  sampling 

ฉันต้องการทราบวิธีการแก้ไขปัญหาเหล่านั้น .. โดยการตรวจสอบหรือไม่ พิจารณาระบบเชิงเส้นด้านล่าง เมื่ออินพุตไปยังระบบ ,และการตอบสนองของระบบคือ ,และดังที่แสดงx 2 [ n ] x 3 [ n ] y 1 [ n ] y 2 [ n ] y 3 [ n ]x1[ n ]x1[n]x_1[n]x2[ n ]x2[n]x_2[n]x3[ n ]x3[n]x_3[n]Y1[ n ]Y1[n]y_1[n]Y2[ n ]Y2[n]y_2[n]Y3[ n ]Y3[n]y_3[n] ตรวจสอบว่าระบบเป็นเวลาที่คงที่หรือไม่ แค่คำตอบของคุณ การตอบสนองต่อแรงกระตุ้นคืออะไร? แก้ไข: สมมติกรณีทั่วไปที่อินพุตที่กำหนดไม่มีแรงกระตุ้นขนาดเช่นx2[ n ]x2[n]x_2[n]

11 convolution  linear-systems  homework  deconvolution 

ฉันต้องลดขนาดรูปภาพในปัจจัยของแนวนอนและแนวตั้ง ( , < )s y s x s y 1sxsxs_xsysys_ysxsxs_xsysys_y111 ฉันต้องการใช้ตัวกรองความถี่ต่ำก่อนการสุ่มตัวอย่างn×mn×mn\times m ฉันควรตรวจสอบพารามิเตอร์ low-pass filter (และแบบเกาส์ ) จะได้รับมันเป็นหน้าที่ของและ ?σ s x s yn,mn,mn, mσσ\sigmasxsxs_xsysys_y โดยเฉพาะผมที่น่าสนใจในกรณีที่{2}sx=sy=1/2–√sx=sy=1/2s_x=s_y=1/\sqrt{2}

11 image-processing  gaussian 

ภาพรวมการแปลงฟูริเยร์คงที่ Q และการแปลงเวฟเล็ต Gabor-Morletที่ซับซ้อนก็ดูเหมือนกัน ทั้งคู่เป็นตัวแทนความถี่ - เวลาตามตัวกรองค่าคงที่ -Q, ไซนัสด์แบบหน้าต่าง, ฯลฯ แต่อาจมีความแตกต่างที่ฉันขาดไปหรือไม่? กล่องเครื่องมือแปลง Q อย่างต่อเนื่องสำหรับการประมวลผลเพลงพูดว่า: CQT หมายถึงการเป็นตัวแทนเวลาความถี่ที่ถังขยะความถี่มีการเว้นระยะทางเรขาคณิตและปัจจัย -Q (อัตราส่วนของความถี่กลางถึงแบนด์วิดท์) ของถังขยะทั้งหมดจะเท่ากัน การวิเคราะห์ระดับเวลาพูดว่า: นั่นคือการคำนวณ CWT ของสัญญาณที่ใช้ Morlet เวฟเป็นเช่นเดียวกับการส่งผ่านสัญญาณผ่านชุดของตัวกรอง bandpass ศูนย์กลางที่f=5/2πaf=5/2πaf = \frac{5/2\pi}{a}กับ Q คงที่ของ5/25/2π5/2π5/2\pi

11 fourier-transform  wavelet  stft  gabor