การประมวลผลสัญญาณ

ฉันเป็นสามเณรใน DSP และฉันมีข้อสงสัยเล็กน้อยเกี่ยวกับ ZZ\mathcal Z- การแปลงและขอบเขตของการลู่เข้า (ROC) ฉันรู้ว่า ZZ\mathcal Z- รูปแบบคือ แต่ฉันมีปัญหากับการเข้าใจ ROC ก่อนอื่นฉันมีความสับสนด้วยX( z)X(z)X(z) และ x ( z)x(z)x(z). ฉันถูกจับได้ง่าย ๆ โดยการแลกเปลี่ยนคำศัพท์เหล่านี้ ฉันรู้ว่า ROC กำหนดภูมิภาคของที่ZZ\mathcal Z- การเปลี่ยนแปลงมีอยู่ จากเว็บและหนังสือของฉันระบุว่า: ถ้า x [ n ]x[n]x[n] เป็นลำดับระยะเวลาที่ จำกัด จากนั้น ROC คือทั้งหมด Zzz- เครื่องบินยกเว้นที่เป็นไปได้ Z= 0z=0z = 0 หรือ | Z| = ∞|z|=∞\lvert z\rvert …

9 discrete-signals  z-transform 

ในกลุ่มของฉันเราได้พัฒนาอัลกอริทึมที่แสดงข้อมูลนามธรรมจากระบบกลไกควอนตัมเป็นภาพ ด้วยวิธีนี้เราได้ภาพที่เกี่ยวข้องซึ่งมีข้อมูลเดียวกันและทำให้คุณสมบัติบางอย่างสามารถมองเห็นได้ด้วยระบบควอนตัม หนึ่งในคุณสมบัติที่สำคัญนั้นได้มาจาก "cross-correlation matrix": เราแบ่งภาพออกเป็น L × LL×LL\times Lภาพย่อยและค้นหา "เหลื่อม" ระหว่างคู่ทั้งหมด ดังนั้นรายการสำหรับรูปภาพย่อยผมii และ Jjj, Aฉัน, JAi,jA_{i,j}เป็นตัวเลขที่ระบุว่ามีความคล้ายคลึงกันอย่างไร มิติของเมทริกซ์คือL2×L2L2×L2L^2\times L^2. คำถามคือ: เป็นเมทริกซ์นี้หรือญาติสนิทที่ใช้ในการประมวลผลภาพ? ถ้ามีจะมีชื่อหรือไม่? มันมีคุณสมบัติที่น่าสนใจหรือช่วยอัลกอริทึมที่เป็นประโยชน์หรือไม่?

9 image-processing 

ปัญหาของฉันคือฉันไม่รู้พลังงานของเสียงพื้นหลังดังนั้นฉันจึงไม่สามารถ จำกัด พลังงานได้ การประมวลผลเสร็จในเวลาจริงและฉันมีเวลาประมาณ 500 มิลลิวินาทีในการตัดสินใจ เป็นการดีที่ฉันต้องการพยัญชนะที่เงียบสงบซึ่งไม่ใช่ความเงียบ

9 audio  speech-recognition 

ในการพยายามที่จะเข้าใจคำตอบสำหรับคำถามก่อนหน้านี้ของฉันมีใครช่วยอธิบายได้ไหมว่าทำไมกล้องจึงไม่ได้อยู่ในระนาบเดียวกันเมื่อระยะโฟกัสมีขนาดใหญ่เมื่อเทียบกับการแยกระหว่างกล้องกับวัตถุ "มองใน" มีความหมายว่าอะไร? สิ่งนี้จะเปลี่ยนแปลงหรือไม่หากจำนวนการดู / กล้องเพิ่มขึ้น?

9 computer-vision  stereo-vision 

ฉันพยายามใช้การแปลง Hough สำหรับการตรวจจับขอบและต้องการใช้ภาพไล่ระดับสีเป็นพื้นฐาน สิ่งที่ฉันได้ทำเพื่อให้ห่างไกลได้รับภาพIที่มีขนาด[M,N]และอนุพันธ์บางส่วนของมันgx, คือการคำนวณมุมการไล่ระดับสีในแต่ละพิกเซลgy ในทำนองเดียวกันผมคำนวณขนาดการไล่ระดับสีเป็นthetas = atan(gy(x,y) ./ gxmagnitudes = sqrt(gx.^2+gy.^2) เพื่อสร้างการแปลง Hough ฉันใช้รหัส MATLAB ต่อไปนี้: max_rho = ceil(sqrt(M^2 + N^2)); hough = zeros(2*max_rho, 101); for x=1:M for y=1:N theta = thetas(x,y); rho = x*cos(theta) + y*sin(theta); rho_idx = round(rho)+max_rho; theta_idx = floor((theta + pi/2) / pi * 100) …

9 image-processing  edge-detection  image-processing  computer-vision  image-registration  discrete-signals  noise  bpsk  snr  demodulation  bpsk  multipath  synchronization  timing  image-processing  filters  algorithms  edge-detection  sampling  demodulation  bpsk  synchronization  timing  fft  fourier-transform  delay  audio  speech-recognition  soft-question  discrete-signals  discrete-signals  autocorrelation  frequency  computer-vision 

ฉันดูแอพพลิเคชั่นวิชันสเตอริโอและตัวอย่างการทำงานหนึ่งอย่างเกี่ยวข้องกับการใช้เว็บแคม USB สองอันเชื่อมต่อกันและปรับเทียบ มีวิธีประเมินความละเอียดเชิงพื้นที่เชิงทฤษฎีของการตั้งค่าเช่นนี้หรือไม่? เป้าหมายคือเพื่อหลีกเลี่ยงการซื้อและทดสอบแบบสุ่มสี่สุ่มห้า แต่ค่อนข้างจะมั่นใจก่อนเวลา ฉันเข้าใจว่าความละเอียดที่แน่นอนนั้นอาจต้องมีการตั้งค่าการทดสอบเนื่องจากการใช้เลนส์เป็นต้น จะต้องใช้ข้อมูลอะไรบ้างในการตัดสินใจนี้ ความยาวโฟกัสต่ำสุดและความละเอียดสูงสุดจะเพียงพอหรือไม่ เห็นได้ชัดว่าความหนาแน่นของพิกเซลมีบทบาทในเรื่องนี้และมีการโฆษณาในกล้องดิจิตอลส่วนใหญ่ (ซึ่งมีความละเอียดสูงสุดมากขึ้น) หากฉันพยายามคำนวณการประมาณฉันควรรวมสิ่งนี้อย่างไร เป็นตัวอย่างให้พิจารณาการตั้งค่าต่อไปนี้: ความยาวโฟกัสต่ำสุด 4 "(ความยาวโฟกัส MS HD เว็บแคม) ความละเอียดสูงสุด 1920x1080 วัตถุอยู่ในคำสั่งของสองสามเซนติเมตร รายละเอียดเกี่ยวกับคำสั่งของสิบของมิลลิเมตร ระยะห่างระหว่างกล้องกับวัตถุควรเล็กผมคิดว่า 15 ซม. ถึง 25 ซม. มีความยืดหยุ่นตามคำตอบที่นี่ ระยะห่างระหว่างกล้องจำนวนกล้องสามารถยืดหยุ่นได้ แต่ควรอยู่ในช่วงเล็ก ๆ ... ถ้าฉันต้องการกล้อง 10,000 ดอลลาร์มันเป็นคำตอบที่ไม่ดี

9 stereo-vision  resolution 

เรารู้ว่าผลลัพธ์การสุ่มตัวอย่างในนามแฝงและความถี่สูงกว่าครึ่งหนึ่งของอัตรา Nyquist นั้นไม่สามารถแยกแยะได้ ฉันเป็นสัญญาณเบสแบนด์ที่ฉันต้องการใช้ความถี่ที่สูงกว่าซึ่งสูงกว่าครึ่งหนึ่งของอัตรา Nyquist (ความถี่ Nyquist) เช่นเดียวกับความถี่ต่ำ (ทุกส่วน) ฉันมีกระบวนการพิเศษกับเส้นทางนี้: อินพุต⟶ตัวกรองล่วงหน้าการลบรอยหยัก⟶Decimate⟶FFT⟶ปรับแต่งในส่วนพิเศษของสัญญาณInput⟶anti-aliasing pre-filter⟶decimate⟶FFT⟶tune on special partof the signal\textrm{Input}{\longrightarrow}\boxed{\textrm{anti-aliasing pre-filter}}{\longrightarrow}\boxed{\textrm{decimate}}{\longrightarrow}\boxed{\textrm{FFT}}{\longrightarrow}\boxed{\textrm{tune on special part}\\{\textrm{of the signal}}} low-pass post-filter ที่คนมักจะใช้เป็น anti-aliasing filter จะลบความถี่สูงที่น่าสนใจสำหรับฉัน ตัวกรองการลบรอยหยักล่วงหน้าแบบดิจิตอลหรืออนาล็อกคืออะไรที่ฉันไม่เสียความถี่สูง

9 sampling  downsampling 

ฉันมีอนุกรมเวลาแบบไม่ต่อเนื่องที่มีสัญญาณพร้อมความถี่ที่แตกต่างกันอย่างราบรื่นตลอดเวลา (เรียกว่า "การกวาด") ฉันจะออกแบบตัวกรองแบบไม่ต่อเนื่อง (low-pass หรือ band-pass ในกรณีของฉัน) ที่มีความยาว จำกัด โดยมีความถี่ตัดที่แตกต่างกันตามเวลาและความชันคงที่ได้อย่างไร แก้ไข: สัญญาณเป็นตัวอย่าง"trace"ของแหล่งกำเนิดแผ่นดินไหว - ตัวสั่นสะเทือนแผ่นดินไหวซึ่งส่งการสั่นสะเทือนของความถี่ที่เปลี่ยนแปลงช้าๆลงสู่พื้นดิน การพึ่งพาของความถี่ในช่วงเวลาหนึ่ง (การกวาด) เป็นที่รู้จัก (ปล่อยให้มันเป็นเส้นตรงf(t)=f1∗(1−t)+f2∗t)f(t)=f1∗(1−t)+f2∗t)f(t)=f_1*(1-t)+f_2*t)แต่มีปัญหาที่อาจมีอีกตัวสั่นที่ทำงานด้วยตัวเองและงานคือ"band-guard"การติดตามของตัวสั่นนี้ที่หลีกเลี่ยงสัญญาณที่ไม่พึงประสงค์จากคนอื่น

9 filters  filter-design 

ฉันได้รับไฟล์เสียง (คลื่นไซน์) 1,000Hz เป็นอินพุตสำหรับอัลกอริทึม FFT ของฉัน ฉันมีตัวอย่างสเปกตรัมพลังงาน 8192 ตัวอย่างในอาร์เรย์ อะไรคือวิธีที่ดีที่สุดและง่ายที่สุดในการตรวจสอบว่าผลลัพธ์ของฉันถูกหรือผิด? ถ้าฉันให้ไฟล์เสียงเงียบผลลัพธ์จะเป็นศูนย์สำหรับตัวอย่างทั้งหมด ในไซน์ wav ค่า o / p จะเพิ่มขึ้นจาก 20 (ตัวอย่างที่ 0) เป็น 26059811 (ตัวอย่างที่ 743) และค่อยๆลดลงเป็น 40 หากฉันได้รับแนวคิดเกี่ยวกับช่วงเอาต์พุตจากนั้นฉันสามารถพิสูจน์ได้ทางเทคนิคว่า FFT ทำงานได้หรือไม่ ความคิดใด ๆ ที่จะเป็นประโยชน์ อ้างถึงลิงค์นี้สำหรับข้อสงสัยทางเทคนิคใด ๆ

9 fft  audio