การประมวลผลสัญญาณ

ฉันได้สร้างระบบ TDOA ที่ค่อนข้างง่ายซึ่งใช้สัญญาณอัลตราโซนิกที่ปล่อยออกมาจากลำโพงสองตัวเพื่อระบุตำแหน่งทางภูมิศาสตร์ (สัมพันธ์กับลำโพง) โทรศัพท์มือถือ สัญญาณทั้งสองจะถูกคั่นด้วยความถี่ ระบบมีข้อ จำกัด ดังต่อไปนี้: สัญญาณจะต้องไม่ได้ยิน ด้วยเหตุนี้เราจึงยึดความถี่ที่มากกว่า 17 kHz บางคนยังคงได้ยินเช่นนั้น แต่ส่วนใหญ่ไม่สามารถทำได้ อัตราตัวอย่าง 44.1 kHz โดยทั่วไปแล้วเพลงจะเล่นดังนั้นจึงมีสัญญาณรบกวนที่ความถี่ต่ำกว่ามาก เราไม่สามารถควบคุมว่าลำโพงและไมโครโฟนทำงานที่ความถี่สูงได้ดีเพียงใดดังนั้นเราจึง จำกัด ความเร็วสูงสุดที่ 20 kHz สัญญาณเฉพาะที่ฉันกำลังใช้คือ BPSK ปรับรหัสบาร์เกอร์ 13 บิตเนื่องจากคุณสมบัติปรับค่าความสัมพันธ์อัตโนมัติที่ดี ความสัมพันธ์อัตโนมัติดูเหมือนดังต่อไปนี้ - เมื่อฉันข้ามสัญญาณที่คาดหวังกับสัญญาณที่ได้รับในชีวิตจริงแม้ว่าสิ่งที่ฉันได้รับมักจะเป็นเช่นนี้ - สีฟ้าคือความสัมพันธ์ข้ามกับสัญญาณของลำโพง 1 และสีแดงคือความสัมพันธ์ข้ามกับสัญญาณของลำโพง 2 ปรากฏว่าเสียงก้องมีความสำคัญและน่าเสียดายที่มักจะแข็งแกร่งกว่าสัญญาณเส้นทางตรงเนื่องจากได้รับทิศทางของไมโครโฟน ฉันพยายามตรวจจับสัญญาณที่ปรากฏเร็วที่สุดเท่าที่เป็นไปได้ซึ่งเป็นเส้นทางโดยตรง วิธีการนี้มีความอ่อนไหวต่อขีด จำกัด ที่ฉันใช้สำหรับการตัดสินใจเมื่อมีสัญญาณและดังนั้นจึงไม่แข็งแกร่งเลย ฉันต้องการวิธีการที่แข็งแกร่งในการกำหนดเวลาถึง "จริง" ของสัญญาณ - เช่นเวลาที่มาถึงของสัญญาณเส้นทางตรง บางทีรูปแบบการประมาณค่าช่องสัญญาณและการถอดรหัสบางรูปแบบ? ถ้าเป็นเช่นนั้นจะทำงานอย่างไร ข้อมูล …

9 signal-detection  multipath  ultrasound 

เมื่อฉันศึกษาการกระจายตัวของดัชนีหักเหในเซมิคอนดักเตอร์และไดอิเล็กทริกอาจารย์ของฉันพยายามอธิบายว่าถ้าตัวกรอง (เช่นอิเล็กทริกดูดซับความถี่แสงบางส่วนหรือตัวกรอง RC ไฟฟ้า) เอาความถี่บางส่วนออก เพื่อชดเชยความถี่เหล่านั้น (ซึ่งแพร่กระจายอย่างไม่มีกำหนดเวลาตามปกติสัญญาณโมโนโครม) ถูกลบออกจากสัญญาณทั้งหมดเพื่อรักษาเวรกรรม ฉันเข้าใจอย่างถ่องแท้ในสิ่งที่เขาพูดถึง แต่สิ่งที่ฉันไม่แน่ใจก็คือว่าเหตุผลของเขาเป็นธรรมจริง ๆ หรือไม่ - นั่นคือสามารถมีตัวกรองที่ไม่น่าสนใจได้หรือไม่ซึ่งดูดซับบางความถี่และทิ้งสิ่งที่เหลืออยู่ เวรกรรม ฉันดูเหมือนจะสร้างไม่ได้ แต่ไม่สามารถพิสูจน์ได้ว่ามันไม่มีอยู่จริง ดังนั้นคำถามคือ: มันจะเป็นอย่างไร (dis) พิสูจน์แล้วว่าตัวกรองเชิงสาเหตุต้องเปลี่ยนเฟสของความถี่ที่สัมพันธ์กัน?

9 filters  phase 

ผมพบว่าชิ้นส่วนที่น่าสนใจมากของสำหรับ MDFT ธนาคารกรองหลายเฟสที่นี่ น่าเสียดายที่ดูเหมือนจะไม่มีบทความอธิบายทฤษฎี ไม่มีใครรู้อ้างอิงบางอย่างสำหรับรหัสหรือไม่ ฉันสนใจเป็นพิเศษใน 3 หัวข้อเหล่านี้: ข้อมูลในช่องอะไรกันแน่? พวกเขาควรจะเป็นจริงหรือจินตนาการหรือซับซ้อน? รหัสคำนวณเพียงครึ่งหนึ่งของจำนวนแบนด์ นั่นเป็นเพราะสัญญาณที่ใช้มูลค่าจริงหรือไม่? ผลลัพธ์ของขั้นตอนการสังเคราะห์คือการสร้างความแตกต่างที่ชาญฉลาดช่องของผลลัพธ์ของธนาคารกรองสังเคราะห์สอง ทำไมถึงเป็นเช่นนั้น ฉันไม่พบบทความใด ๆ ที่อธิบายแนวคิดนี้

9 filters  filter-bank 

นี่คือความต่อเนื่องของการอภิปรายที่นี่ ฉันจะแสดงความคิดเห็นที่นั่น แต่ฉันไม่มีตัวแทน 50 คนฉันจึงถามคำถามใหม่ นี่คือวิธีที่ฉันเข้าใจขั้นตอน DCT ในกระบวนการคำนวณ MFCC: เหตุผลที่อยู่เบื้องหลังคือการแยกสหสัมพันธ์ในขนาดบันทึกการทำงาน (จากตัวกรอง) เนื่องจากการซ้อนทับของตัวกรอง โดยพื้นฐานแล้ว DCT ทำให้การแสดงสเปกตรัมเป็นไปอย่างราบรื่นโดยขนาดของ log-spectral มันจะถูกต้องหรือไม่ที่จะบอกว่าเส้นสีน้ำเงินในภาพด้านล่างแทนสเปกตรัมที่แสดงโดยเวกเตอร์ของขนาด - บันทึกสเปกตรัมและเส้นสีแดงคือเวกเตอร์นั้นครั้งหนึ่งเคยเป็น DCT-ified?

9 mfcc  dct 

นี่คือภาพถ่ายของโฮมเวิร์ลดของเราซึ่งถ่ายโดยยานจูโนเมื่อไม่นานมานี้โดยมีการยิงสลิงไปถึงจูปิเตอร์ สิ่งที่ได้รับในความเร็วเราสูญเสียในของเราอย่างไรก็ตามโชคดีที่เราจะไม่ตกอยู่ในดวงอาทิตย์ ฉันคิดว่าทวีปอเมริกาใต้อยู่ทางซ้าย อย่างไรก็ตามเราสามารถสังเกตเห็นได้ว่ามีสิ่งประดิษฐ์อยู่ทั่วทั้งภาพแถบสีฟ้าจาง ๆ ที่มีอยู่ทั่วทั้งภาพ ฉันอยากรู้ว่าสิ่งที่อาจทำให้เกิด สิ่งที่ฉันอยากรู้จริงๆคือเทคนิคการประมวลผลภาพใดที่เราลงโทษมนุษย์อาจรวมตัวกันเพื่อลบสิ่งประดิษฐ์นี้

9 image-processing  filters  image  denoising 

การทดสอบ MATLAB ที่ง่ายมาก: f = 200; fs = 1000; t = 0: 1/fs : 1; x = cos(2*pi*f*t); plot(angle(fftshift(fft(x)))); และนี่คือผลลัพธ์: ตอนนี้ทำการเปลี่ยนแปลงเล็กน้อยกับตัวอย่างโค้ดข้างต้น ลดระยะเวลาเพียง 1 ตัวอย่างดังนี้ f = 200; fs = 1000; t = 0: 1/fs : 1 - 1/fs; x = cos(2*pi*f*t); plot(angle(fftshift(fft(x)))); และสเปกตรัมของเฟสก็บ้าไปหมด: คำถาม: ในพล็อตแรกฉันหวังว่าจะเห็นเฟสศูนย์ที่ bin 700 ซึ่งสอดคล้องกับความถี่บวก 200 ในตัวอย่างนี้ …

9 fft  matlab  phase 

ดังนั้นฉันกำลังอ่านกระดาษบนSURF (Bay, Ess, Tuytelaars, Van Gool: คุณสมบัติที่แข็งแกร่งขึ้นอย่างรวดเร็ว (SURF) )และฉันไม่สามารถเข้าใจย่อหน้านี้ด้านล่าง: เนื่องจากการใช้ตัวกรองกล่องและรูปภาพที่เป็นส่วนประกอบเราไม่จำเป็นต้องใช้ตัวกรองซ้ำกับผลลัพธ์ของเลเยอร์ที่กรองก่อนหน้านี้ แต่สามารถใช้ตัวกรองกล่องขนาดใดก็ได้ที่ความเร็วเดียวกันกับภาพต้นฉบับโดยตรงและ แม้ในแบบคู่ขนาน (แม้ว่าจะไม่ได้ใช้ประโยชน์ที่นี่) ดังนั้นการวิเคราะห์ขนาดพื้นที่โดยการปรับขนาดตัวกรองมากกว่าการลดขนาดภาพซ้ำรูปที่ 4 This is figure 4 in question. ป.ล. : บทความนี้มีคำอธิบายเกี่ยวกับภาพรวม แต่เนื้อหาทั้งหมดของบทความจะขึ้นอยู่กับย่อหน้าเฉพาะด้านบน หากใครอ่านบทความนี้คุณช่วยพูดสั้น ๆ ว่าเกิดอะไรขึ้นที่นี่ คำอธิบายทางคณิตศาสตร์ทั้งหมดนั้นค่อนข้างซับซ้อนที่จะเข้าใจก่อนดีดังนั้นฉันต้องการความช่วยเหลือ ขอบคุณ แก้ไขสองประเด็น: 1 แต่ละคู่จะแบ่งออกเป็นระดับมาตราส่วนคงที่ เนื่องจากลักษณะที่ไม่ต่อเนื่องของภาพที่เป็นส่วนประกอบความแตกต่างของสเกลขั้นต่ำระหว่าง 2 สเกลที่ตามมานั้นขึ้นอยู่กับความยาวแท้จริงของ lobes บวกหรือลบของอนุพันธ์อันดับสองบางส่วนในทิศทางของการสืบทอด (x หรือ y) ซึ่งตั้งค่าเป็น สามของความยาวขนาดตัวกรอง สำหรับตัวกรอง 9x9 ความยาวแท้จริงคือ 3 สำหรับสองระดับต่อเนื่องเราจะต้องเพิ่มขนาดนี้อย่างน้อย 2 พิกเซล …

9 image-processing  computer-vision  multi-scale-analysis 

"สเปกตรัมการฟอกสีฟัน" ใน DSP หมายถึงอะไร สเปกตรัมสีขาวมีผลกระทบอะไรบ้างเมื่อใช้ในการประมวลผลภาพ? (มองเห็นหรืออย่างอื่น ... ) การฟอกสีฟันจะมีประโยชน์ในการประมวลผลหรือการวิเคราะห์เสียงที่ไหน? สัญญาณเสียงที่เป็นสีขาวจะเป็นอย่างไร

9 filters  frequency-spectrum 

ฉันจะคำนวณ Spectral Entropy ของสัญญาณใน MATLAB ได้อย่างไร ฉันรู้ขั้นตอนพื้นฐาน แต่จะดีถ้ามีคนช่วย คำนวณสเปกตรัมพลังงานของสัญญาณโดยใช้คำสั่ง FFT ใน MATLAB คำนวณความหนาแน่นพลังงานสเปกตรัมโดยใช้สเปกตรัมพลังงานหรือใช้เทคนิคอื่น ๆ ทำให้ค่าความหนาแน่นสเปกตรัมทางพลังงานเป็นปกติระหว่างเพื่อให้สามารถใช้เป็นฟังก์ชันความหนาแน่นของความน่าจะเป็นได้[0,1][0,1][0, 1]pipip_i คำนวณเอนโทรปีH(s)=−∑pilog2(pi)H(s)=−∑pilog2⁡(pi)H(s) = -\sum p_i\log_2\left(p_i\right)

9 power-spectral-density 

ต่อไปนี้มาจากกระดาษ Lowe 2004 ( http://www.cs.ubc.ca/~lowe/papers/ijcv04.pdf ) วิธีการหนึ่งที่เห็นได้ชัดคือการทดสอบความเข้มของภาพในพื้นที่รอบ ๆ จุดสำคัญในระดับที่เหมาะสม อย่างไรก็ตามความสัมพันธ์อย่างง่ายของแพทช์ภาพมีความไวสูงต่อการเปลี่ยนแปลงที่ทำให้เกิดการลงทะเบียนตัวอย่างผิดพลาดเช่นการเปลี่ยนมุมมอง 3 มิติหรือมุมมอง 3D หรือการเปลี่ยนรูปแบบไม่เข้มงวด Edelman, Intrator และ Poggio (1997) แสดงให้เห็นถึงวิธีการที่ดีกว่า การนำเสนอที่เสนอของพวกเขาขึ้นอยู่กับรูปแบบของการมองเห็นทางชีวภาพโดยเฉพาะอย่างยิ่งเซลล์ประสาทที่ซับซ้อนในเยื่อหุ้มสมองภาพหลักเซลล์ประสาทที่ซับซ้อนเหล่านี้ตอบสนองต่อการไล่ระดับสีในทิศทางที่เฉพาะเจาะจงและความถี่เชิงพื้นที่ แต่ตำแหน่งของการไล่ระดับสีบนเรตินาได้รับอนุญาตให้เลื่อนไปที่ช่องรับแสงขนาดเล็กแทนที่จะเป็นหน่วงอย่างแม่นยำ Edelman และคณะ ตั้งสมมติฐานว่าหน้าที่ของเซลล์ประสาทที่ซับซ้อนเหล่านี้คือการอนุญาตให้จับคู่และรับรู้วัตถุ 3 มิติจากมุมมองที่หลากหลาย ฉันกำลังพยายามทำความเข้าใจกับ descriptor ของ SIFT ฉันเข้าใจขั้นตอนก่อนหน้า (เครื่องตรวจจับจุดสำคัญ) ฉันไม่รู้ว่าทำไมมันถึงถูกใช้อย่างนั้น ฉันอยากรู้เรื่องเบื้องหลัง

9 sift 

ปิด คำถามนี้จะต้องมีมากขึ้นมุ่งเน้น ไม่ยอมรับคำตอบในขณะนี้ ต้องการปรับปรุงคำถามนี้หรือไม่ อัปเดตคำถามเพื่อให้มุ่งเน้นที่ปัญหาเดียวโดยแก้ไขโพสต์นี้ ปิดให้บริการใน6 ปีที่ผ่านมา คำถาม: ฉันต้องการพูดคุยเกี่ยวกับวิธีที่ผู้คนตั้งค่าพารามิเตอร์อัลกอริทึมเมื่อไม่มีการตรวจสอบความถูกต้องกับความจริงของพื้นดิน (อาจเป็นเพราะความจริงไม่สามารถรับได้หรือเป็นเรื่องยาก / น่าเบื่อมากที่จะได้รับ) ฉันได้อ่านเอกสารจำนวนมากและใช้อัลกอริธึมพื้นฐานซึ่งในนั้นมีชุดของพารามิเตอร์ที่ได้รับการตั้งค่าว่า "สังเกตุ" - และบ่อยครั้งที่ฉันพบว่าสิ่งเหล่านี้เป็นสิ่งที่ส่งผลกระทบต่อ ทฤษฏีที่เป็นรากฐานของวิธีการนั้นสง่างามล่อลวงและเสียง ฉันจะขอบคุณถ้าคุณสามารถแบ่งปันความคิดของคุณ และไม่มีคำตอบที่ถูกหรือผิดสำหรับคำถามนี้ ฉันแค่อยากรู้ว่าคนอื่น ๆ เกี่ยวข้องกับเรื่องนี้อย่างไร ประวัติความเป็นมา / ที่มาของคำถาม: ฉันเป็นนักวิทยาศาสตร์คอมพิวเตอร์ที่ทำงานในด้านการวิเคราะห์ภาพการมองเห็นคอมพิวเตอร์และการเรียนรู้ของเครื่องและคำถามนี้อยู่ในใจของฉันมาระยะหนึ่งแล้วเมื่อฉันต้องเผชิญกับภาวะที่กลืนไม่เข้าคายไม่ออกครั้งนี้และอีกครั้งเมื่อใดก็ตามที่ฉันออกแบบอัลกอริทึมใหม่ พบว่าตัวเองใช้เวลามากในการปรับพารามิเตอร์ นอกจากนี้ฉันคิดว่าคำถามของฉันที่นี่เป็นเรื่องทั่วไปมากขึ้นในพื้นที่ใด ๆ ที่มีอัลกอริทึมการคำนวณเกี่ยวข้องกันอย่างหนักและฉันต้องการเชิญความคิดของผู้คนจากทุกพื้นที่ที่เกี่ยวข้อง ฉันต้องการให้คุณเป็นตัวอย่างที่เป็นรูปธรรมเพียงเพื่อช่วยให้คุณคิดว่า: --- ใช้กรณีของการตรวจจับคุณสมบัติ (สมมติว่า blobs แบบวงกลมหรือจุดสำคัญ) คุณรันตัวกรองบางตัว (ต้องการพารามิเตอร์) ในระดับที่แตกต่างกัน (พารามิเตอร์มาตราส่วน) และอาจเป็นขีด จำกัด การตอบสนอง (พารามิเตอร์ขีด จำกัด ) มันเป็นไปไม่ได้ที่จะได้รับความจริงที่จะตรวจสอบและปรับพารามิเตอร์ของคุณโดยอัตโนมัติในสถานการณ์ดังกล่าว --- ใช้กรอบการคำนวณใด ๆ …

9 image-processing  computer-vision 

กำหนด n × Nn×Nn\times N sensing matrix AAAโดยกับความน่าจะและกับความน่าจะเป็น1-Pไม่ตอบสนองที่ถูก จำกัด คุณสมบัติ isometry ?Aฉันเจ= 0Aij=0A_{ij} = 0พีppAฉันเจ= 1 /n--√Aij=1/nA_{ij} = 1/\sqrt{n}1 - หน้า1−p1-pAAA สำหรับการอ้างอิงกรณีที่สมมาตรได้รับคำตอบในกระดาษต่อไปนี้: RG Baraniuk, MA ดาเวนพอร์ท, RA DeVore, และ MB Wakin, "การพิสูจน์อย่างง่ายของคุณสมบัติไอโซโทปที่ จำกัด สำหรับเมทริกซ์แบบสุ่ม" การประมาณเชิงสร้างสรรค์, 28 (3) pp 253-263, ธันวาคม 2008 ( pdf )

9 compressive-sensing 

ฉันเข้าใจคณิตศาสตร์ที่อยู่เบื้องหลังการเปลี่ยนแปลงรูปแบบดิจิตอล แต่ฉันไม่แน่ใจว่าระบบดังกล่าวนำไปใช้ในทางปฏิบัติอย่างไร ตัวอย่างเช่นในเรดาร์ FMCW แบบไวด์แบนด์ทั่วไปที่ทำงานใน S-band แบนด์วิดท์พัลส์ (เบสแบนด์) อาจมีขนาดใหญ่ถึง 500MHz ในการแปลงสัญญาณเป็นดิจิตอลนี้คุณต้องใช้ ADC ความเร็วสูงซึ่งโดยทั่วไปแล้วจะมีความถี่การสุ่มตัวอย่าง 1GHz เท่าที่ฉันรู้ ADCs เหล่านี้ไม่ถูก ทีนี้ถ้าคุณสมมุติว่า Uniform Rectangular Array (URA) ที่มีองค์ประกอบเสาอากาศ 20 ตัวคุณต้องทำการจำลองส่วนหน้า RF ของคุณ 20 ครั้ง! ส่วนหน้าของ RF นี้จะประกอบด้วย LNA ตัวปรับแต่งเสียงและ ADC ความเร็วสูง นอกจากนี้จำนวนข้อมูลที่ผลิตโดยระบบดังกล่าวข้างต้นนั้นมีขนาดใหญ่มากซึ่งต้องการหน่วยความจำขนาดใหญ่และกำลังประมวลผล คำถามของฉันคือ: สถานการณ์ข้างต้นสะท้อนให้เห็นถึงการใช้ระบบการจัดรูปแบบทางปฏิบัติที่นำไปปฏิบัติจริงหรือไร้เดียงสาเกินไปหรือไม่? ฉันขาดพื้นฐานบางอย่างที่นี่หรือไม่ มีเทคนิคการประมวลผลสัญญาณ / ฮาร์ดแวร์ที่สามารถช่วยลดข้อกำหนดด้านฮาร์ดแวร์หรือการประมวลผลในระบบดังกล่าวได้หรือไม่? ขอบคุณ

9 sampling  beamforming  array-signal-processing 

ฉันได้อ่านคำถามมากมายเกี่ยวกับ SO และตรงไปตรงมาพวกเขาแต่ละคนไม่ได้อธิบายวิธีการเฉพาะเกี่ยวกับเรื่องนี้ บางคนพูดว่า "ทำ FFT" และบางคนก็พูดว่า "การข้ามศูนย์" เป็นต้น แต่ฉันก็แค่เข้าใจว่าอินพุตเสียงดิจิตอลนั้นประกอบไปด้วยแอมพลิจูดสำหรับความถี่เฉพาะและดี .. ไม่ค่อยรู้เท่าไหร่ เกินมัน ตอนนี้ฉันรู้ทฤษฎี Nyquist, ความถี่, แอมพลิจูด, อนุกรมฟูริเยร์และอื่น ๆ และเมื่อ 2-3 ปีที่แล้วตอนที่ฉันทำในหลักสูตรมหาวิทยาลัยของฉันในบางภาคการศึกษา แต่ก่อนหน้านั้นเราไม่ได้สอนการใช้ฟูริเยร์ในโลกแห่งความเป็นจริงและฉันก็ไม่อยากที่จะขุดเรื่องมากไปกว่าการเรียนรู้มากพอที่จะผ่านเรื่องไป แต่ตอนนี้ฉันจะต้องใช้ทุกอย่าง นี่คือภาพรวมของเสียงที่ฉันพยายามตรวจจับ: เห็นได้ชัดว่าเสียงมีกราฟที่ไม่ซ้ำกัน ฉันแค่ต้องการที่จะเข้าใจวิธีการแยกลักษณะเฉพาะของพวกเขาสำหรับเส้นแหลมคมที่ไม่ซ้ำกันในกราฟ เช่นเดียวกับแอมพลิจูดความถี่และอื่น ๆ และสำหรับเวลาเท่าไหร่ - ถึงแม้ว่ามันจะไม่สำคัญก็ตาม ฉันต้องการขั้นตอนง่าย ๆ รายการคำสั่งไม่คลุมเครือ - ฉันสามารถ google ศัพท์ที่ฉันจะไม่เข้าใจ เช่นนี้อาจ? - รับข้อมูลเสียงอินพุต พลอตโตกราฟ รับกราฟกราฟสำหรับเสียงที่คุณต้องการตรวจจับในสภาพแวดล้อมที่ไม่มีเสียง ศึกษากราฟนั้น - วาดลักษณะเฉพาะของเสียงนั้น สร้างฟังก์ชั่นบางอย่างที่สามารถตรวจจับลักษณะเฉพาะเหล่านั้นในฟีดเสียงสดโดยใช้คุณสมบัติของเสียงที่พบใน (4) หากพบการแข่งขันดี …

9 fft  audio  speech-processing 

ฉันต้องการถามคำถามเชิงทฤษฎีเกี่ยวกับฟังก์ชัน Dirac การแปลงฟูริเยร์ของฟังก์ชัน Dirac คือค่า 1 (DC) สำหรับทุกความถี่ ถ้าเราพิจารณาการสุ่มตัวอย่างทฤษฎีบทเราต้องไปหาความถี่สูงสุดของสัญญาณเพื่อให้เราได้ลิ้มลองกับ{} แต่อย่างที่เราเห็นได้จากการแปลงฟูริเยร์ฟังก์ชั่น Dirac นั้นบรรจุทุกความถี่ดังนั้นเราจึงไม่สามารถหาที่เหมาะสมได้ คำถามของฉันคือจากมุมมองทางทฤษฎีแล้วฟังก์ชัน Dirac สามารถถูกสุ่มตัวอย่างได้หรือไม่? fmax fmax \ f_{max} fs≥ 2fmax fs≥ 2fmax \ f_s \ge \ 2f_{max}fsfs f_s แก้ไข: ขอบคุณสำหรับคำตอบที่เป็นประโยชน์ของคุณ!

9 sampling