การประมวลผลสัญญาณ

ฉันพยายามถอดรหัสข้อความที่ซ่อนอยู่ในไฟล์เสียงที่มีเสียงดังมาก (.wav) (ฉันคิดว่ามันเป็นเสียงสีขาวพร้อมเสียงพึมพำเพิ่มเติม) ข้อความที่เป็นเลขหกหลัก ฉันไม่มีรายละเอียดเพิ่มเติมเกี่ยวกับเสียงรบกวน ฉันพยายามใช้ตัวกรอง low-pass ด้วยความหวังว่าการกำจัดความถี่ที่สูงกว่าส่วนใหญ่จะทำให้ฉันได้ยินตัวเลข แต่ดูเหมือนว่าฉันจะไม่สามารถกำจัดเสียงพึมพำต่ำพอที่จะได้ยินเสียงได้ดีพอ ความพยายามของฉันเป็นดังนี้ (ฟังก์ชั่นการจ้างงานfreq_space_low_pass_filterรวมอยู่ท้าย): [data, SampleRate, NbitsPerSample]=wavread('noisy_msg6.wav'); y=data(:,1); % we will work only with one channel in this demo N=length(y); %number of sample points t=( (1:N)*1/SampleRate ).'; % time spacing is 1/SampleRate and we want column vector Y=fft(y); spectrum_freq=fourier_frequencies(SampleRate, N); Freq3db=100; [spectrum_filtered,g_vs_freq]=freq_space_low_pass_filter(Y, SampleRate, …

9 matlab  noise  lowpass-filter  voice 

ฉันกำลังพยายามหาการข้ามศูนย์ของคลื่นไซน์เพื่อแปลงคลื่นไซน์ให้เป็นคลื่นสี่เหลี่ยม ปัญหาเดียวก็คือคลื่นไซน์นั้นมีเสียงดังดังนั้นฉันจึงได้รับการกระวนกระวายใจและการข้ามศูนย์ผิดมาก ใครสามารถแนะนำ psuedocode ง่าย ๆ หรือวัสดุที่เกี่ยวข้อง? จนถึงตอนนี้ฉันมีสิ่งนี้: if (sample[i]>0 && sample[i+1]<0) || (sample[i]<0 && sample[i+1]>0) ทุกคนสามารถแนะนำวิธีการที่แข็งแกร่งกว่านี้ได้หรือไม่?

9 noise 

ฉันเพิ่งเริ่มใช้ช่วงเวลาภาพสำหรับการประมวลผลภาพของภาพไบนารี ผมอ่านว่าเพื่อรูปร่างช่วงเวลาที่เป็นปริมณฑลและเพื่อพื้นที่ขณะนี้เป็นพื้นที่ ช่วงเวลาดิบเหล่านี้มีให้โดย:0t h0th0^{th}0t h0th0^{th} Mฉันเจ=ΣxΣYxผมYJMij=∑x∑yxiyjM_{ij} = \sum_{x}\sum_{y}x^iy^jเจ ซึ่งหมายความว่าหากฉันมีภาพเช่นนี้ (แต่เป็นเลขฐานสอง, พิกเซลด้านหน้าที่แสดงเป็นสีน้ำเงิน) ช่วงเวลาจะสอดคล้องกับเส้นรอบรูปเนื่องจากมันเป็นภาพของรูปร่าง :0t h0th0^{th} ในทางกลับกันถ้าฉันมีภาพเช่นนี้ (เบื้องหน้าแสดงในขณะที่) ฉันจะได้พื้นที่ของวัตถุเป็นช่วงเวลา :0t h0th0^{th} เนื่องจากฉันต้องการใช้รูปทรงเพื่อให้ได้คุณสมบัติมากขึ้นฉันจึงคำนวณลำดับที่สูงขึ้น ( , ,ลำดับ) ช่วงเวลาที่เป็นรูปแบบดิบ ฉันต้องการใช้สิ่งเหล่านี้เพื่อรับช่วงเวลาสำคัญ1s T1st1^{st}2ไม่มีวัน2nd2^{nd}3R d3rd3^{rd} สูตรที่ฉันใช้เพื่อให้ได้ช่วงเวลากลางคือ: μ00=M00μ00=M00\mu_{00} = M_{00} μ01= 0μ01=0\mu_{01} = 0 μ10= 0μ10=0\mu_{10} = 0 μ11=M11M00-xค* * * *Yค=M11M00- (M10M00) ∗ (M01M00)μ11=M11M00−xc∗yc=M11M00−(M10M00)∗(M01M00)\mu_{11} = \frac{M_{11}}{M_{00}} - x_c*y_c …

9 image-processing 

ฉันมีระบบการประมวลผลสัญญาณดิจิตอลที่ดำเนินการบนเครื่อง x86 ได้อย่างรวดเร็วโดยใช้ความแม่นยำสองตัวเลขทศนิยม มันเกิดขึ้นกับฉันว่าฉันไม่ได้ใช้ช่วงไดนามิกขนาดใหญ่ของการแทนจุดลอยตัวปริมาณทั้งหมดพอดีในช่วง± 32768 คำถามของฉัน: เป็นไปได้ไหมที่การเปลี่ยนไปใช้การคำนวณจุดคงที่จะให้ประโยชน์ในความแม่นยำเชิงตัวเลข (ลำดับความสำคัญสูง) หรือเวลาการคำนวณ (ลำดับความสำคัญต่ำ)? แน่นอนคำตอบขึ้นอยู่กับจำนวนบิตที่มีสำหรับการคำนวณจุดคงที่ ระบบจุดคงที่ทั่วไปใช้ความแม่นยำกี่บิต เป็นไปได้หรือไม่ที่จะทำการคำนวณจุดคงที่อย่างมีประสิทธิภาพด้วยการพูด 64 บิต ( ส่วนจำนวนเต็ม 16 บิต, เศษส่วน 48 บิต ) บน x86-64? ฉันเคยคิดเสมอว่าการคำนวณจุดคงที่จะใช้เฉพาะในสถานการณ์ที่พลังงาน CPU มี จำกัด - มันสมเหตุสมผลไหมที่จะใช้การคำนวณแบบจุดคงที่เมื่อพลังงาน CPU ไม่ต้องกังวล?

9 fixed-point 

สมการที่ควบคุมการรวมตัวที่รั่ว (ตามวิกิพีเดียอย่างน้อย) คือ dOdเสื้อ+ A O ( t ) = I( t )dOdt+AO(t)=I(t)\frac{d\mathcal{O}}{dt} + A\mathcal{O}(t) = \mathcal{I}(t)(t) อินทิเกรเตอร์รั่วอย่างต่อเนื่องเป็นเวลาหรือไม่ดังนั้นสิ่งเดียวกันกับฟิลเตอร์กรองความถี่ต่ำที่มีค่าคงที่ของเวลาขึ้นอยู่กับขนาดของอินพุต?AAA

9 filters 

ฉันเพิ่งเริ่มต้นด้วยการประมวลผลภาพและเรียนหลักสูตรที่เกี่ยวข้องกับมันในโรงเรียนแกร็ด แต่ฉันมีโครงการที่ต้องทำโดยไม่มีข้อมูลมากเกินไปเกี่ยวกับเรื่องนี้อย่างไรก็ตามฉันมีความก้าวหน้าที่มั่นคง ฉันพยายามแบ่งยาตามภูมิหลังของพวกเขา สำหรับภาพที่มีพื้นหลังตัดกันฉันสามารถแบ่งยาโดยใช้วิธีของ Otsu ได้ สำหรับภาพที่มีพื้นหลังคล้ายกันวิธีของ Otsu นั้นใช้งานไม่ได้ ฉันได้อ่านบทความสองสามฉบับเกี่ยวกับการแบ่งกลุ่ม แต่เอกสารส่วนใหญ่ที่ฉันอ่านใช้ค่าการกำหนดเกณฑ์เองขึ้นอยู่กับประเภทของภาพ เป็นไปได้หรือไม่ที่จะตรวจจับค่า thresholding ที่ถูกต้องและกำหนดเกณฑ์รูปภาพและเทคนิคการใช้งานโดยอัตโนมัติเช่นการปลูกเมล็ดหรือการจัดกลุ่มเพื่อแบ่งภาพ พื้นที่สีที่ฉันใช้คือ L a b * ดังนั้นฉันจะขอบคุณถ้าคุณสามารถแนะนำพื้นที่สีที่เหมาะสมที่ฉันควรใช้ด้วย ภาพที่เป็นปัญหา: ต้นฉบับ 1 ผล 1 เดิม 2 ผล 2 ต้นฉบับ 3 ผล 3

9 image-segmentation  thresholding 

พวกเขาได้รับอัตราความผิดพลาดบิตแบบไหนจากการสื่อสารในห้วงอวกาศ (Pioneer, Voyager, et.al. ) และการมอดูเลตแบบใดและ FEC ช่วยให้พวกเขากู้คืนข้อความด้วยระดับสัญญาณที่ได้รับจากกล้องจุลทรรศน์ มีวิธีการมอดูเลตและรูปแบบการเข้ารหัสที่ทันสมัยกว่าสำหรับเงื่อนไขของช่องสัญญาณที่คล้ายกันหรือไม่?

9 modulation  forward-error-correction 

ในคำถามนี้ฉันต้องการเน้นที่ค่าความเข้มของ CT Scan ก่อนอื่นให้ดูภาพด้านล่าง: ภาพด้านบนเป็นภาพต้นฉบับในขณะที่ภาพด้านล่างเป็นรุ่นที่ จำกัด ในการวัดปริมาณของรูปร่างใด ๆ ในทางทฤษฎีมันเป็นไปได้ที่จะนับจำนวน voxels ในภาพ อย่างไรก็ตามชั้นนอกสุดของวัตถุ (เช่นก้อนกลม) แสดงความเข้มที่เข้มกว่าในขณะที่ voxels ทั้งหมดภายในวัตถุนั้นมีความเข้มสูงมาก ถ้าฉันนับ voxels ในเวอร์ชันที่ จำกัด ฉันมีแนวโน้มสูงที่จะได้รับปริมาณผลลัพธ์ที่ใหญ่กว่าปริมาตรที่แท้จริงสำหรับโหนปอด ฉันยังเห็นว่ามีตัวแปรเช่น window center (ระดับ) และความกว้างของหน้าต่างซึ่งสามารถใช้เพื่อปรับข้อมูลความเข้มของภาพ DICOM ความเข้มต่างกันสามารถเปลี่ยนแปลงปริมาณผลลัพธ์ ดังนั้นนี่คือคำถาม: ถ้าฉันจะวัดปมปอดใด ๆ ที่ฉันควรทำเพื่อให้บรรลุความแม่นยำที่ดีที่สุดที่เป็นไปได้? เมื่อใดที่เราควรมองข้าม voxels ที่มีความเข้มต่ำกว่า หรือฉันต้องทำสิ่งนี้ด้วยวิธีอื่น?

9 image-processing  3d  computer-vision 

ฉันได้ดำเนินการตรวจจับคุณลักษณะที่ใช้มุมแฮร์ริส ทำงานได้ดีเกือบทุกครั้ง แต่มีบางกรณีที่ทำงานได้ไม่ดี ฉันต้องทำให้มันใช้งานได้กับหลาย ๆ ภาพโดยไม่ต้องตั้งค่าทีละตัว ปัญหาเกิดขึ้นกับค่าเกณฑ์ตรวจจับ หากตั้งค่าต่ำเกินไปเครื่องตรวจจับจะยิงหลายครั้งเกินไปทำให้มีคุณสมบัติจำนวนมาก หากตั้งค่าสูงเกินไปจะมีคุณสมบัติน้อยเกินไป ฉันได้แก้ไขบางส่วนโดยANMS (Adaptive Non-Maximal Suppression) เพื่อลดจำนวนฟีเจอร์ก่อนที่จะกำหนดเวกเตอร์ตัวบอกให้พวกเขา อย่างไรก็ตามภาพเช่นนี้เป็นปัญหา: พวกเขามีคอนทราสต์ต่ำและฉันไม่สามารถ "ตั้ง" เกณฑ์การตั้งค่าต่ำเกินไปสำหรับรูปภาพทั้งหมด มันจะทำให้เครื่องมือตรวจจับทำงานกับรูปภาพเหล่านี้ แต่รูปภาพอื่น ๆ จะมีคุณสมบัติมากมายกว่าพันคุณสมบัติซึ่งจะช้าในการกรองด้วย ANMS และสิ่งนี้จะเป็นอันตรายต่อประสิทธิภาพโดยรวม ฉันคิดว่าจะปรับภาพก่อนการตรวจจับคุณสมบัติ บางทีการทำให้เท่าเทียมกันฮิสโตแกรมจะทำงาน นี่อาจเป็นการดำเนินการที่ถูกต้องเนื่องจากการเปลี่ยนแปลงความคมชัดระดับโลกไม่มีผลต่อตัวบอกคุณลักษณะ อาจทำงานร่วมกับเกณฑ์การปรับตัวหรือการแก้ปัญหาบางอย่างจะทำงานได้ดีขึ้น ข้อเสนอแนะอื่น ๆ ?

9 image-processing  local-features 

ฉันกำลังทำงานในโครงการใน Python เพื่อตรวจจับและจำแนกเพลงนกบางเพลงและฉันพบว่าตัวเองอยู่ในตำแหน่งที่ฉันต้องการแปลงไฟล์คลื่นเป็นความถี่เทียบกับข้อมูลเวลา นี่ไม่ได้มีปัญหามากนัก แต่เพื่อให้สามารถจำแนกพยางค์ที่แตกต่างกันออกเป็นกลุ่มฉันต้องเขียนสิ่งที่จะตรวจจับเมื่อกลุ่มข้อมูลเป็นรูปร่างที่แน่นอน เพื่อให้คุณเห็นภาพว่าข้อมูลเป็นอย่างไรต่อไปนี้เป็นภาพที่แสดงข้อมูลเมื่อมีการพล็อต: ฉันต้องการวิธีที่จะทำให้แต่ละพยางค์ (แต่ละรูปร่างมีการแยกทั้งสองข้าง) และบันทึกไว้ในตัวแปรหรือไฟล์ของตัวเองเพื่อให้ฉันสามารถเรียกใช้ความสัมพันธ์เพียร์สันระหว่างพวกเขาโดยใช้ SciPy นอกจากนี้ฉันชอบ Python แต่ฉันเปิดให้มีการเข้ารหัสในภาษาอื่นถ้าคุณมีวิธีอื่นที่จะทำ ขอบคุณ!

9 audio  python  wave  classification 

ฉันมีสัญญาณที่ฉันสุ่มตัวอย่างที่ 500khz ฉันพยายามที่จะตรวจจับการเพิ่มขึ้นลดลงและจุดสูงสุดในข้อมูลที่เข้ามา ฐานของจุดสูงสุดอาจเป็น 250 usec หรือ 2.5msec, แอมพลิจูดอาจ 6db หรือ 15db เหนือพื้นเสียง ฉันไม่ได้มี snr ดีโชคไม่ดี ระดับ dc ของสัญญาณไม่คงที่ แต่เคลื่อนที่ช้ากว่าส่วนประกอบ ac มาก ณ จุดตัดสินใจฉันจำเป็นต้องรู้ถึงความชันของการขึ้นลง นี่เป็นระบบเรียลไทม์ที่ยากลำบากและฉันจำเป็นต้องตัดสินใจจริง ๆ ใน 100usec หลังจากความชันลดลงถึงระดับ dc ฉันกำลังมองหาคำแนะนำว่าฉันจะใช้อัลกอริทึมที่มีประสิทธิภาพได้อย่างไร ขณะนี้ฉันกำลังทำงานเฉลี่ย (25 จุดข้อมูลที่ผ่านมารวมกัน) และพยายามตรวจสอบแนวโน้ม เมื่อฉันตรวจสอบแนวโน้มขึ้นฉันเริ่มมองหาแนวโน้มลงและเมื่อฉันทำฉันจะรวบรวมอีก 50 ตัวอย่างและเริ่มคำนวณ เสียงรบกวนในขณะนี้ได้อย่างง่ายดายขันอัลกอริทึมนี้ดังนั้นคำถาม อัปเดต เพื่อประโยชน์ของผู้อื่นฉันได้ลงมือใช้ Moving Average แล้วตามด้วย integrator ค่าเฉลี่ยเคลื่อนที่ของข้อมูล 64 ที่ผ่านมานั้นราบเรียบพอเสียไป แต่เพิ่มขึ้นเป็นระดับรวม 8 …

9 peak-detection 

สมมติว่ามีจำนวนของขั้วและศูนย์ที่ไม่ทราบ แต่มีจำนวนน้อยและ จำกัด ในระนาบ Z เชิงซ้อนโดยทั้งหมดมีการผันคำกริยาที่ซับซ้อน อย่างเคร่งครัดจากค่าสัมบูรณ์ของชุดของจุดเว้นระยะเท่า ๆ กันรอบวงกลมหน่วยพูดมากกว่า 2 เท่าของจำนวนของเสาและศูนย์ของการตอบสนองนั้นเป็นไปได้ที่จะประเมินหรือคำนวณจำนวนของเสาและศูนย์ซึ่งสร้างขนาดตัวอย่าง การตอบสนอง? เพิ่ม: ต้องมีตัวอย่างมากกว่า 2X จุดเพื่อกำหนดจำนวนเสาและศูนย์หรือไม่ (เมื่อระบุว่าผลรวมน้อยกว่า X) เพิ่ม: หากมีมากกว่าหนึ่งวิธีการแก้ปัญหาขั้นต่ำสามารถ (หรือจำนวนขั้นต่ำรวมของเสาและศูนย์) สามารถหาได้หรือไม่?

9 filters  estimation  z-transform 

ฉันไม่ได้เรียนวิชาประมวลผลภาพ แต่ฉันเรียนวิชาตามบันทึกการบรรยายและหนังสือสำคัญในช่วงสามเดือนที่ผ่านมา ดังนั้น ณ จุดนี้ฉันต้องการที่จะเพิ่มพูนทักษะการประมวลผลภาพของฉัน แน่นอนฉันกำลังฝึกการประมวลผลภาพจำนวนมาก แต่งานดูเหมือนจะคล้ายกันมาก ในฐานะโปรแกรมเมอร์ฉันเรียนรู้มากมายจาก coder ชั้นนำหรือที่คล้ายกันซึ่งคุณสามารถแข่งขันกันเองเพื่อการเขียนโปรแกรมที่ดีขึ้น มีเว็บไซต์ใดบ้างที่ฉันสามารถแข่งขันกับปัญหาการประมวลผลภาพได้ยาก

9 image-processing 

ผมได้ดำเนินการ V.23 เหมือน FSK โมเด็มง่ายๆใน C ที่นี่ ความผิดปกติของการปรับที่เลือกนั้นคือ 0 และ 1 จะถูกส่งเป็นเสียงของสองความถี่ที่แตกต่างกัน (2100 Hz และ 1300 Hz ตามลำดับ) และระยะเวลาของแต่ละสัญลักษณ์คือ 1 / 1200th ของวินาทีซึ่งอยู่ระหว่างหนึ่งและสองช่วงเต็ม ของความถี่เสียงสัญลักษณ์ ตัวกรอง band-pass ที่ฉันใช้ในเครื่องรับนั้นมาจากประมาณ 875 Hz ถึง 2350 Hz ช่วงนี้ถูกกำหนดเชิงประจักษ์ คำถามคือคุณจะคำนวณช่วงความถี่นี้สำหรับสัญญาณเช่นนั้นจากความถี่เสียงและระยะเวลาของสัญลักษณ์ได้อย่างไร แก้ไข : ความคล้ายคลึงกันกับการปรับความกว้างได้รับการแนะนำที่สัญญาณมอดูเลตตกอยู่ในวงดนตรีจากผู้ให้บริการ F - แบนด์วิดท์ข้อความเพื่อF ผู้ให้บริการ + แบนด์วิดธ์ข้อความเฮิร์ตซ์ หากฉันพยายามใช้ตรรกะนี้กับกรณีของฉันโดยตรงฉันควรคาดหวังว่าแบนด์วิดท์ของสัญญาณ FSK ของฉันจะเป็นสหภาพ: F1 - bit rateเป็นF1 …

9 frequency-spectrum  modulation  fsk 

ฉันกำลังมองหาข้อพิสูจน์ถึงความจงรักภักดีแบบไซน์ ใน DSP เราศึกษาเกี่ยวกับระบบเชิงเส้นมากมาย ระบบเชิงเส้นเป็นเนื้อเดียวกันและเพิ่ม อีกเงื่อนไขหนึ่งที่ทำให้พอใจคือถ้าสัญญาณเป็นคลื่นไซน์หรือคลื่นคอสเอาต์พุตจะเปลี่ยนเฟสหรือแอมพลิจูดเพียงอย่างเดียว ทำไม? ทำไมถึงไม่สามารถเอาท์พุทที่แตกต่างกันโดยสิ้นเชิงเมื่อได้รับคลื่นไซน์เป็นอินพุท

9 convolution  continuous-signals  impulse-response  linear-systems