การประมวลผลสัญญาณ

แม้หลังจากศึกษามาหลายครั้งแล้วฉันก็มักจะลืม [ถ้าฉันไม่ทันได้สักพัก] ว่าพวกเขาเกี่ยวข้องกันอย่างไรและแต่ละคนย่อมาจากอะไรเพราะพวกเขามีชื่อคล้าย ๆ กัน] ฉันหวังว่าคุณจะได้คำอธิบายที่ใช้งานง่ายและสวยงามทางคณิตศาสตร์ที่พวกเขาจะถูกฝังอยู่ในความทรงจำของฉันตลอดกาลและกระทู้นี้จะทำหน้าที่เป็นทบทวนอย่างรวดเร็วสุดเมื่อใดก็ตามที่ฉัน [หรือคนอื่น ๆ ] ต้องการมัน

30 fourier-transform 

ในการประมวลผลสัญญาณ 1d ใช้ตัวกรองสัญญาณความถี่ต่ำหลายประเภท แม้ว่าตัวกรองแบบเกาส์นั้นแทบจะไม่เคยใช้เลย เหตุใดจึงเป็นที่นิยมในแอปพลิเคชั่นประมวลผลข้อมูลภาพ? ตัวกรองเหล่านี้เป็นผลมาจากการเพิ่มประสิทธิภาพเกณฑ์หรือเป็นเพียงโซลูชันเฉพาะกิจเนื่องจากภาพ 'แบนด์วิดท์' ไม่ได้กำหนดไว้อย่างดี

30 image-processing 

ขั้นตอนวิธีการกรองคาลมาทำงานดังนี้ เริ่มต้นx 0 | 0และ0}x^0|0x^0|0 \hat{\textbf{x}}_{0|0}P0|0P0|0\textbf{P}_{0|0} ในแต่ละการวนซ้ำk=1,…,nk=1,…,nk=1,\dots,n ทำนาย ที่คาดการณ์ไว้ (เป็นนิรนัย) สถานะการคาดการณ์ ทำนายความแปรปรวนร่วม (เบื้องต้น)อัปเดตPk| k-1=FkPk-1| k-1F T k +Qkx^k|k−1=Fkx^k−1|k−1+Bkukx^k|k−1=Fkx^k−1|k−1+Bkuk \hat{\textbf{x}}_{k|k-1} = \textbf{F}_{k}\hat{\textbf{x}}_{k-1|k-1} + \textbf{B}_{k} \textbf{u}_{k} Pk|k−1=FkPk−1|k−1FTk+QkPk|k−1=FkPk−1|k−1FkT+Qk \textbf{P}_{k|k-1} = \textbf{F}_{k} \textbf{P}_{k-1|k-1} \textbf{F}_{k}^{\text{T}} + \textbf{Q}_{k} นวัตกรรมหรือการวัดส่วนที่เหลือ นวัตกรรม (หรือส่วนที่เหลือ) ความแปรปรวน Optimal Kalman ได้ Updated (ก posteriori) ประมาณการรัฐ อัปเดตแล้ว (ผู้หลัง) ประมาณความแปรปรวน \ textbf {P} _ …

30 kalman-filters 

ความหมายที่แท้จริงของระบบขั้นต่ำคืออะไร? การอ่านบทความ Wikipedia และOppenheimเป็นความช่วยเหลือซึ่งเราเข้าใจว่าสำหรับระบบLTIขั้นต่ำสุดหมายถึงสิ่งที่ตรงกันข้ามนั้นเป็นสาเหตุและมั่นคง (นั่นหมายความว่าศูนย์และเสาอยู่ภายในวงกลมหน่วย) แต่ "เฟส" และ "ขั้นต่ำ" ต้องทำอะไรกับมัน เราสามารถบอกได้หรือไม่ว่าระบบเป็นเฟสต่ำสุดโดยดูที่การตอบสนองเฟสของ DFT อย่างใด

29 filters  filter-design 

ฉันกำลังพยายามใช้ระบบการดึงข้อมูลรูปภาพตามเนื้อหา แต่ก่อนหน้านั้นฉันต้องการรับภาพรวมของภาษาการเขียนโปรแกรมบางอย่างที่เหมาะสมสำหรับงานนี้ (มี libs ที่ดีและเช่นนั้น) ไม่มีใครรู้ภาษาและ libs ที่ดีสำหรับงานประเภทนั้นบ้าง? งูหลามหรือจาวาล่ะ ดีที่สุด

28 image-processing  computer-vision 

ฉันค่อนข้างใหม่สำหรับ DSP และได้ทำการวิจัยบางอย่างเกี่ยวกับตัวกรองที่เป็นไปได้สำหรับการทำให้ข้อมูล accelerometer ใน python ราบรื่นขึ้น ตัวอย่างประเภทของข้อมูลที่ป่วยจะเห็นได้ในภาพต่อไปนี้: โดยพื้นฐานแล้วฉันกำลังมองหาคำแนะนำในการทำให้ข้อมูลนี้ราบรื่นในที่สุดเพื่อแปลงเป็นความเร็วและการกระจัด ฉันเข้าใจว่า accelerometers จากโทรศัพท์มือถือมีเสียงดังมาก ฉันไม่คิดว่าฉันสามารถใช้ตัวกรองคาลมานได้ในขณะนี้เพราะฉันไม่สามารถถืออุปกรณ์เพื่ออ้างอิงเสียงที่เกิดจากข้อมูลได้ (ฉันอ่านว่าจำเป็นที่จะต้องวางอุปกรณ์ให้แบนและหาเสียงจากการอ่านเหล่านั้นหรือไม่) FFT ให้ผลลัพธ์ที่น่าสนใจ หนึ่งในความพยายามของฉันคือ FFT สัญญาณการเร่งความเร็วจากนั้นแสดงความถี่ต่ำให้มีค่า FFT สัมบูรณ์เป็น 0 จากนั้นฉันใช้เลขคณิตโอเมก้าและผกผัน FFT เพื่อให้ได้พล็อตเรื่องความเร็ว ผลการวิจัยพบว่า นี่เป็นวิธีที่ดีในการไปต่าง ๆ หรือไม่? ฉันกำลังพยายามลบลักษณะโดยรวมของสัญญาณรบกวน แต่ต้องมีการระบุจุดสูงสุดอย่างชัดเจนเช่นประมาณ 80 วินาที ฉันยังเหนื่อยกับการใช้ low pass filter กับข้อมูล accelerometer ดั้งเดิมซึ่งทำได้ดีมากในการทำให้เรียบ แต่ฉันไม่แน่ใจว่าจะไปจากที่นี่ได้อย่างไร คำแนะนำเกี่ยวกับสถานที่ที่จะไปจากที่นี่จะเป็นประโยชน์จริง ๆ ! แก้ไข: รหัสเล็กน้อย: for i in range(len(fz)): …

28 fft  python 

ฉันเรียนรู้ DSP ช้าและพยายามคลุมหัวคำศัพท์บางคำ: คำถามที่ 1 : สมมติว่าฉันมีสมการความแตกต่างของตัวกรองต่อไปนี้: Y[ n ] = 2 x [ n ] + 4 x [ n - 2 ] + 6 x [ n - 3 ] + 8 x [ n - 4 ]Y[n]=2x[n]+4x[n-2]+6x[n-3]+8x[n-4]y[n] = 2 x[n] + 4 x[n-2] + 6 x[n-3] + …

28 filters  filter-design  infinite-impulse-response  fir 

ฉันได้ยินมาว่าการแปลงของฮิลแบร์ตนั้นสามารถใช้ในการคำนวณซองจดหมายของสัญญาณ มันทำงานอย่างไร และ "ซองจดหมาย Hilbert" นี้แตกต่างจากซองจดหมายที่ได้รับเพียงแค่แก้ไขสัญญาณได้อย่างไร ฉันสนใจเป็นพิเศษในการค้นหาวิธีคำนวณซองจดหมายสำหรับใช้ในการบีบอัดช่วงไดนามิก (เช่น "ลดระดับเสียง" ของส่วนที่ดังของสัญญาณเสียงโดยอัตโนมัติ)

27 audio 

ฉันได้ยินมาพอสมควรว่าการสุ่มตัวอย่างสัญญาณที่ซับซ้อนไม่จำเป็นต้องเป็นไปตามอัตราการสุ่มตัวอย่าง Nyquist แต่จริง ๆ แล้วสามารถได้รับไปด้วยอัตราการสุ่มตัวอย่าง Nyquist ครึ่งหนึ่ง ฉันสงสัยว่ามีความจริงใด ๆ กับเรื่องนี้หรือไม่? จาก Nyquist เรารู้ว่าการสุ่มตัวอย่างสัญญาณอย่างไม่ชัดเจนเราจำเป็นต้องสุ่มตัวอย่างอย่างน้อยสูงกว่าแบนด์วิดท์ของสัญญาณนั้นอย่างน้อยสองเท่า (ฉันกำลังกำหนดแบนด์วิดท์ที่นี่เช่นเดียวกับที่พวกเขาทำในลิงค์วิกิหรือที่รู้จักกันว่าการมีความถี่เป็นบวก) กล่าวอีกนัยหนึ่งถ้าสัญญาณของฉันมีอยู่จาก -B ถึง B ฉันต้องสุ่มตัวอย่างอย่างน้อย> 2 * B เพื่อสนอง nyquist ถ้าฉันผสมสัญญาณนี้กับ fc และต้องการทำการสุ่มตัวอย่างด้วย bandpass ฉันจะต้องสุ่มอย่างน้อย> 4 * B ทั้งหมดนี้ยอดเยี่ยมสำหรับสัญญาณจริง คำถามของฉันคือมีความจริงใด ๆ กับคำสั่งว่าสัญญาณเบสแบนด์ที่ซับซ้อน (aka สิ่งที่มีอยู่เพียงด้านเดียวของสเปกตรัมความถี่) ไม่จำเป็นต้องได้รับการสุ่มตัวอย่างในอัตราอย่างน้อย> 2 * B แต่ในความเป็นจริงแล้ว มีการสุ่มตัวอย่างอย่างเพียงพอในอัตราอย่างน้อย> B หรือไม่ (ฉันมักจะคิดว่าถ้าเป็นกรณีนี้เป็นเพียงความหมายเพราะคุณยังต้องใช้สองตัวอย่าง (หนึ่งจริงและหนึ่งจินตนาการ) ต่อเวลาตัวอย่างเพื่อให้เป็นตัวแทนของเฟสเซอร์หมุนได้อย่างสมบูรณ์ดังนั้นจึงยังคงติดตาม Nyquist …

27 sampling  frequency-spectrum 

ฉันสามารถเขียนเครื่องกำเนิดคลื่นไซน์พื้นฐานสำหรับเสียงได้ แต่ฉันต้องการให้สามารถเปลี่ยนจากความถี่หนึ่งไปเป็นอีกความถี่ได้อย่างราบรื่น หากฉันเพิ่งหยุดสร้างความถี่หนึ่งและเปลี่ยนไปใช้ความถี่อื่นทันทีจะมีความไม่ต่อเนื่องของสัญญาณและจะได้ยิน "คลิก" คำถามของฉันคืออะไรอัลกอริทึมที่ดีในการสร้างคลื่นที่เริ่มต้นคือพูด 250Hz แล้วเปลี่ยนเป็น 300Hz โดยไม่ต้องคลิกใด ๆ หากอัลกอริทึมมีเวลาร่อน / พอร์ตเสริมที่เป็นทางเลือกดังนั้นดีกว่ามาก ฉันสามารถนึกถึงวิธีที่เป็นไปได้สองสามอย่างเช่นการสุ่มตัวอย่างมากเกินไปตามด้วยตัวกรองความถี่ต่ำหรืออาจใช้ wavetable แต่ฉันแน่ใจว่านี่เป็นปัญหาที่พบได้บ่อยพอที่มีวิธีมาตรฐานในการแก้ปัญหา

27 audio 

ฉันมีเซ็นเซอร์ที่รายงานการอ่านด้วยการประทับเวลาและค่า อย่างไรก็ตามจะไม่สร้างการอ่านในอัตราคงที่ ฉันพบว่าข้อมูลอัตราตัวแปรนั้นยากที่จะจัดการ ตัวกรองส่วนใหญ่คาดว่าอัตราตัวอย่างคงที่ กราฟการวาดง่ายขึ้นด้วยอัตราตัวอย่างคงที่เช่นกัน มีอัลกอริธึมที่จะสุ่มตัวอย่างจากอัตราตัวอย่างแปรไปเป็นอัตราตัวอย่างคงที่หรือไม่?

27 resampling 

เมื่อไม่นานมานี้ฉันได้ลองวิธีต่างๆในการวาดรูปคลื่นดิจิตอลและหนึ่งในสิ่งที่ฉันได้ลองก็คือแทนที่จะเป็นภาพเงามาตรฐานของซองขนาดแอมพลิจูดเพื่อแสดงมันเหมือนออสซิลโลสโคป นี่คือลักษณะของไซน์และคลื่นสแควร์: วิธีที่ไร้เดียงสาในการทำเช่นนี้คือ: แบ่งไฟล์เสียงเป็นก้อนเดียวต่อพิกเซลแนวนอนในภาพออก คำนวณฮิสโตแกรมของแอมพลิจูดของตัวอย่างสำหรับแต่ละอัน พล็อตฮิสโตแกรมโดยความสว่างเป็นคอลัมน์ของพิกเซล มันสร้างบางสิ่งเช่นนี้ วิธีนี้ใช้งานได้ดีหากมีตัวอย่างจำนวนมากต่อชิ้นและความถี่ของสัญญาณไม่เกี่ยวข้องกับความถี่ในการสุ่มตัวอย่าง แต่ไม่เช่นนั้น หากความถี่สัญญาณเป็นตัวอย่างที่แน่นอนของความถี่การสุ่มตัวอย่างตัวอย่างจะเกิดขึ้นที่แอมพลิจูดเดียวกันในแต่ละรอบและฮิสโทแกรมจะมีเพียงไม่กี่จุดแม้ว่าสัญญาณที่สร้างขึ้นจริงจะอยู่ระหว่างจุดเหล่านี้ ชีพจรไซน์นี้ควรราบเรียบเท่าที่อยู่ด้านบนซ้าย แต่ไม่ใช่เพราะมันคือ 1 kHz และตัวอย่างจะเกิดขึ้นรอบ ๆ จุดเดียวกันเสมอ: ฉันพยายามอัปแซมปลิงเพื่อเพิ่มจำนวนคะแนน แต่มันไม่สามารถแก้ปัญหาได้เพียงช่วยให้สิ่งต่าง ๆ ราบรื่นในบางกรณี สิ่งที่ฉันชอบคือวิธีการคำนวณPDF ที่แท้จริง(ความน่าจะเป็นเทียบกับแอมพลิจูด) ของสัญญาณที่สร้างใหม่อย่างต่อเนื่องจากตัวอย่างดิจิทัล (แอมพลิจูดเทียบกับเวลา) ฉันไม่รู้ว่าจะใช้อัลกอริธึมอะไรสำหรับเรื่องนี้ โดยทั่วไปรูปแบบไฟล์ PDF ของฟังก์ชั่นเป็นอนุพันธ์ของฟังก์ชันผกผัน PDF ของ sin (x): ddxarcsinx=11−x2√ddxarcsin⁡x=11−x2\frac{d}{dx} \arcsin x = \frac{1}{\sqrt{1-x^2}} แต่ฉันไม่ทราบวิธีคำนวณสิ่งนี้สำหรับคลื่นที่อินเวอร์สเป็นฟังก์ชันหลายค่าหรือวิธีที่รวดเร็ว แยกมันออกเป็นกิ่งไม้และคำนวณค่าผกผันของแต่ละตัวนำอนุพันธ์มารวมกัน แต่มันค่อนข้างซับซ้อนและอาจเป็นวิธีที่ง่ายกว่า "PDF ของข้อมูลที่ถูกสอดแทรก" นี้ยังใช้กับความพยายามที่ฉันทำเพื่อประมาณความหนาแน่นของเคอร์เนลของแทร็ก GPS มันควรจะเป็นรูปวงแหวน แต่เนื่องจากมันเป็นเพียงการดูตัวอย่างและไม่พิจารณาจุดแทรกระหว่างตัวอย่าง KDE จึงดูคล้ายกับโคกมากกว่าวงแหวน หากตัวอย่างเป็นสิ่งที่เรารู้แล้วนี่คือสิ่งที่ดีที่สุดที่เราสามารถทำได้ …

27 algorithms  interpolation  audio 

ฉันสนใจที่จะค้นหาสนามเทนนิสทั้งหมด (และคุณสมบัติอื่น ๆ ที่คล้ายคลึงกันอย่างดีเช่นสนามบาสเก็ตบอล) ในเขตของฉันและฉันมีภาพถ่ายทางอากาศที่มีความละเอียดดี (แต่แตกต่างกัน) แต่ฉันไม่แน่ใจว่าจะหาวิธีที่ดีที่สุดได้อย่างไร . นี่คือสองตัวอย่างของภาพ: ฉันได้ดูวิธีการต่าง ๆ และฉันคิดว่าการจับคู่แม่แบบจะไม่ทำงานเนื่องจากจะช้ามากเนื่องจากอาจมีขนาดและการหมุนตามอำเภอใจและสีก็อาจแตกต่างกันไป การแปลงเสียงของHoughฟังดูแวววาว แต่เมื่อฉันได้รับทุกเส้นฉันไม่แน่ใจว่าจะหาบรรทัดที่เป็นรูปสี่เหลี่ยมผืนผ้าที่มีอัตราส่วนที่เหมาะสม (ประมาณ 36x29 ฟุต) หรือดีกว่าหรือยังสำหรับบรรทัดที่มีเครื่องหมายอื่น ๆ สำหรับพื้นหลังฉันตั้งใจจะเพิ่มสนามเทนนิสทั้งหมดในเคาน์ตีของฉันใน OpenStreetMap

26 computer-vision 

เมื่อมีการออกแบบตัวกรองดิจิตอลขึ้นอยู่กับตัวกรองอนาล็อกที่เรามักจะใช้bilinear เปลี่ยน เพื่อประมาณฟังก์ชั่นการถ่ายโอนแบบไม่ต่อเนื่องจากฟังก์ชันการถ่ายโอนแบบอะนาล็อก (ต่อเนื่อง) A ( s ) ที่เราแทนที่Da(z)Da(z)D_a(z)A(s)A(s)A(s) z=1+sT/21−sT/2z=1+sT/21−sT/2z = \frac{1+sT/2}{1-sT/2} โดยที่คือระยะเวลาการสุ่มตัวอย่าง อีกทางเลือกหนึ่งที่ใกล้เคียงกับฟังก์ชั่นการถ่ายโอนอย่างต่อเนื่อง( s )จากที่ไม่ต่อเนื่องฟังก์ชันถ่ายโอนD ( Z )เราแทนTTTAa(s)Aa(s)A_a(s)D(z)D(z)D(z) s=2Tz−1z+1s=2Tz−1z+1s = \frac{2}{T} \frac{z-1}{z+1} มีวิธีอื่นในการดำเนินการแปลงดังกล่าวหรือไม่ มีการประมาณที่ดีขึ้นหรือไม่

26 continuous-signals  discrete-signals  transfer-function 

ในหนังสือของ Hamming, Art of Doing Science และ Engineeringเขาเกี่ยวข้องกับเรื่องต่อไปนี้: กลุ่มที่โรงเรียนระดับสูงกว่าปริญญาตรีของกองทัพเรือกำลังปรับสัญญาณความถี่สูงมากไปจนถึงจุดที่พวกเขาสามารถสุ่มตัวอย่างได้ตามทฤษฎีการสุ่มตัวอย่างที่พวกเขาเข้าใจ แต่ฉันรู้ว่าหากพวกเขาสุ่มตัวอย่างความถี่สูงอย่างชาญฉลาดการสุ่มตัวอย่างจะกระทำเอง (นามแฝง) หรือไม่ หลังจากทะเลาะกันหลายวันพวกเขาก็ถอดชั้นวางอุปกรณ์ลดความถี่และอุปกรณ์ที่เหลือก็วิ่งได้ดีกว่า! มีวิธีอื่นในการใช้นามแฝงเป็นเทคนิคหลักในการประมวลผลสัญญาณซึ่งตรงข้ามกับผลข้างเคียงที่ต้องหลีกเลี่ยงหรือไม่?

26 sampling  bandpass