คำถามติดแท็ก algorithms

ฉันต้องการผสมผสานช่องสัญญาณเสียง PCM สองช่องขึ้นไป (เช่นตัวอย่างที่บันทึก) แบบดิจิทัลในลักษณะที่แสดงถึงความเชื่อทางเสียงโดยเฉพาะอย่างยิ่งในเวลาใกล้เคียงแบบเรียลไทม์ วิธีที่ "ถูกต้อง" ทางกายภาพในการทำเช่นนี้คือการสรุปตัวอย่าง อย่างไรก็ตามเมื่อคุณเพิ่มสองตัวอย่างโดยพลการค่าผลลัพธ์อาจเป็นค่าสูงสุดสองเท่า ตัวอย่างเช่นหากตัวอย่างของคุณมีค่า 16 บิตผลลัพธ์จะมากถึง 65536 * 2 ผลลัพธ์นี้ในรูปวาด ทางออกที่ไร้เดียงสาที่นี่คือการหารด้วย N โดยที่ N คือจำนวนช่องสัญญาณที่ถูกผสม อย่างไรก็ตามผลลัพธ์นี้ในแต่ละตัวอย่างมีค่า 1 / Nth ดังซึ่งไม่สมจริงอย่างสมบูรณ์ ในโลกแห่งความจริงเมื่อทั้งสองเครื่องดนตรีเล่นพร้อมกันแต่ละเครื่องดนตรีจะไม่กลายเป็นครึ่งดัง จากการอ่านรอบ ๆ วิธีการผสมทั่วไปคือ: result = A + B - AB โดยที่ A และ B เป็นสองตัวอย่างที่ถูกทำให้เป็นมาตรฐานและ AB เป็นคำศัพท์เพื่อให้แน่ใจว่าเสียงดังดังขึ้น อย่างไรก็ตามสิ่งนี้แนะนำการบิดเบือนของสัญญาณ ระดับการบิดเบือนนี้ยอมรับได้ในการสังเคราะห์เสียงคุณภาพสูงหรือไม่? มีวิธีอื่นใดอีกบ้างในการแก้ไขปัญหานี้ ฉันสนใจอัลกอริธึมที่มีคุณภาพต่ำกว่าและอัลกอริธึมคุณภาพสูงที่มีประสิทธิภาพน้อยลง ฉันกำลังถามคำถามของฉันในบริบทของการสังเคราะห์เพลงดิจิทัลเพื่อจุดประสงค์ในการผสมแทร็กที่หลากหลายเข้าด้วยกัน เพลงสามารถสังเคราะห์เสียงตัวอย่างที่บันทึกล่วงหน้าหรืออินพุตไมโครโฟนแบบเรียลไทม์

49 audio  algorithms  distortion 

ฉันได้เรียนรู้เกี่ยวกับอัลกอริธึมการตรวจจับขอบจำนวนหนึ่งรวมถึงอัลกอริทึมอย่าง Sobel, Laplacian และ Canny ดูเหมือนว่าสำหรับฉันแล้วตัวตรวจจับขอบที่ได้รับความนิยมมากที่สุดคือตัวตรวจจับขอบ Canny แต่มีบางกรณีที่นี่ไม่ใช่อัลกอริธึมที่เหมาะสมที่สุดที่จะใช้หรือไม่? ฉันจะตัดสินใจได้อย่างไรว่าจะใช้อัลกอริทึมใด ขอบคุณ!

33 algorithms  image-processing  edge-detection 

เมื่อได้รับการบันทึกฉันต้องตรวจสอบว่ามีการคลิปเกิดขึ้นหรือไม่ ฉันสามารถสรุปได้อย่างปลอดภัยว่ามีการตัดหากตัวอย่างใด (หนึ่ง) ถึงค่าตัวอย่างสูงสุดหรือฉันควรมองหาชุดตัวอย่างที่ตามมาที่ระดับสูงสุดหรือไม่ การบันทึกอาจจะนำมาจาก 16 หรือ 24 บิต A / D แปลงและจะถูกแปลงเป็นค่าจุดตั้งแต่ลอย 1 หากการแปลงนี้ใช้รูปแบบของการหารด้วยหรือจากนั้นสันนิษฐานว่าพีคเชิงลบอาจต่ำกว่า -1 และตัวอย่างที่มีค่า -1 ไม่ถูกตัด?2 15 - 1 2 23 - 1−1...1−1...1-1...1215−1215−12^{15}-1223−1223−12^{23}-1 เห็นได้ชัดว่ามีใครสามารถสร้างสัญญาณโดยเฉพาะเพื่อเอาชนะอัลกอริทึมการตรวจจับการคลิป แต่ฉันกำลังดูการบันทึกคำพูด, เพลง, คลื่นไซน์หรือเสียงสีชมพู / สีขาว

32 audio  algorithms 

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 

คำถามเมื่อเร็ว ๆ นี้ขึ้นมาเกี่ยวกับสวนสาธารณะ-McClellan และบางส่วนของความคิดเห็นที่ชี้ให้เห็นว่าบทความวิกิพีเดียในสวนสาธารณะ-McClellanรัฐ ... อัลกอริทึม Parks-McClellan เป็นรูปแบบของอัลกอริทึม Remez หรืออัลกอริทึมแลกเปลี่ยน Remez มีความแตกต่างในประสิทธิภาพหรือไม่ เป็นremezฟังก์ชั่นในคู่เทียบเท่ากับฟังก์ชั่น Matlab firpm?

21 algorithms  filter-design  parks-mclellan 

ฉันกำลังมองหาอัลกอริทึมที่เร็วที่สุดสำหรับการแปลงระยะทาง ตามเว็บไซต์นี้http://homepages.inf.ed.ac.uk/rbf/HIPR2/distance.htmเว็บไซต์นี้อธิบาย: การแปลงระยะทางสามารถคำนวณได้อย่างมีประสิทธิภาพมากขึ้นโดยใช้อัลกอรึทึมที่ชาญฉลาดเพียงแค่สองรอบเท่านั้น (เช่น Rosenfeld และ Pfaltz 1968) ฉันพบรอบ ๆ : "Rosenfeld, A และ Pfaltz, J L. 1968. ฟังก์ชั่นระยะทางกับภาพดิจิตอลการจดจำรูปแบบ, 1, 33-61" แต่ฉันเชื่อว่าเราควรมีอัลกอริธึมที่ดีกว่าและเร็วกว่าในปี 1968 หรือไม่? ในความเป็นจริงฉันไม่สามารถหาแหล่งที่มาจากปี 1968 ดังนั้นความช่วยเหลือใด ๆ ที่ชื่นชมอย่างมาก

21 image-processing  algorithms 

ฉันกำลังพยายามใช้ตัวกรอง IIR อันดับที่ 8 และบันทึกย่อของแอปพลิเคชันและหนังสือทุกเล่มที่ฉันได้อ่านบอกว่ามันเป็นการดีที่สุดที่จะใช้ตัวกรองลำดับที่สองมากกว่านั้นเป็นส่วนที่สอง ฉันใช้tf2sosMATLAB เพื่อรับค่าสัมประสิทธิ์สำหรับส่วนที่สองซึ่งทำให้ฉันมีค่า 6x4 coeffs สำหรับส่วนของคำสั่งที่สอง 4 ตามที่คาดไว้ ก่อนการใช้งานเป็น SOS ตัวกรองลำดับที่ 8 จำเป็นต้องเก็บค่าตัวอย่าง 7 ค่าก่อนหน้า (และค่าเอาต์พุตด้วย) ตอนนี้เมื่อดำเนินการตามลำดับส่วนที่สองโฟลว์ทำงานอย่างไรจากอินพุตไปยังเอาต์พุตฉันต้องเก็บค่าตัวอย่างก่อนหน้านี้เพียง 2 ค่าหรือไม่ หรือผลลัพธ์ของตัวกรองตัวแรกป้อนเช่นเดียวx_inกับตัวกรองที่สองและอื่น ๆ ?

20 filters  filter-design  infinite-impulse-response  biquad  audio  image-processing  distance-metrics  algorithms  interpolation  audio  hardware  performance  sampling  computer-vision  dsp-core  music  frequency-spectrum  matlab  power-spectral-density  filter-design  ica  source-separation  fourier-transform  fourier-transform  sampling  bandpass  audio  algorithms  edge-detection  filters  computer-vision  stereo-vision  filters  finite-impulse-response  infinite-impulse-response  image-processing  blur  impulse-response  state-space  linear-systems  dft  floating-point  software-implementation  oscillator  matched-filter  digital-communications  digital-communications  deconvolution  continuous-signals  discrete-signals  transfer-function  image-processing  computer-vision  3d 

ฉันพยายามเข้าใจแนวคิดว่าเกิดอะไรขึ้นเมื่อมีการใช้การแปลงฟูริเยร์ช่วงเวลาสั้น ๆ (STFT) ไปข้างหน้าและผกผันกับสัญญาณโดเมนเวลาแบบไม่ต่อเนื่อง ฉันได้พบกระดาษคลาสสิกโดย Allen และ Rabiner ( 1977 ) รวมถึงบทความ Wikipedia ( ลิงก์ ) ผมเชื่อว่ายังมีอีกบทความที่ดีที่จะพบได้ที่นี่ ฉันสนใจในการคำนวณการแปลง Gabor ซึ่งไม่มีอะไรมากไปกว่า STFT ด้วยหน้าต่างแบบเกาส์เซียน นี่คือสิ่งที่ฉันเข้าใจเกี่ยวกับSTFT ไปข้างหน้า : ลำดับย่อยจะถูกเลือกจากสัญญาณซึ่งประกอบด้วยองค์ประกอบโดเมนเวลา ลำดับย่อยจะถูกคูณด้วยฟังก์ชันหน้าต่างโดยใช้การคูณแบบจุดต่อจุดในโดเมนเวลา ลำดับย่อยคูณจะถูกนำเข้าสู่โดเมนความถี่โดยใช้ FFT ด้วยการเลือกลำดับย่อยที่ทับซ้อนกันอย่างต่อเนื่องและทำซ้ำขั้นตอนข้างต้นเราจะได้เมทริกซ์ที่มีแถวmและคอลัมน์n แต่ละคอลัมน์เป็นลำดับย่อยที่คำนวณในเวลาที่กำหนด นี้สามารถใช้ในการคำนวณ spectrogram อย่างไรก็ตามสำหรับผกผัน STFT เอกสารพูดคุยเกี่ยวกับผลรวมของส่วนการวิเคราะห์ที่ทับซ้อนกัน ฉันพบว่ามันท้าทายมากที่จะเห็นภาพว่าเกิดอะไรขึ้นที่นี่ ฉันต้องทำอย่างไรจึงจะสามารถคำนวณSTFT ผกผัน (เรียงลำดับตามขั้นตอนข้างต้น) ได้ ส่งต่อ STFT ฉันได้สร้างภาพวาดที่แสดงสิ่งที่ฉันคิดว่าเกิดขึ้นสำหรับ STFT ไปข้างหน้า สิ่งที่ฉันไม่เข้าใจคือวิธีการรวบรวมแต่ละลำดับย่อยเพื่อที่ฉันจะได้กลับไปตามลำดับเวลาเดิม ใครสามารถแก้ไขภาพวาดนี้หรือให้สมการที่แสดงวิธีการย่อยลำดับจะถูกเพิ่ม? การแปลงผกผัน นี่คือสิ่งที่ฉันเข้าใจเกี่ยวกับการแปลงผกผัน …

20 fourier-transform  algorithms  stft 

วิธีที่มีประสิทธิภาพในการใส่ข้อมูลเชิงเส้น แต่ไม่มีเสียงรบกวนคืออะไร ฉันกำลังวัดสัญญาณซึ่งประกอบด้วยส่วนต่าง ๆ เกือบเป็นเส้น ฉันต้องการใส่ข้อมูลลงไปหลายเส้นเพื่อตรวจจับการเปลี่ยนผ่านโดยอัตโนมัติ ชุดข้อมูลประกอบด้วยสองสามพันคะแนนโดยมี 1-10 เซกเมนต์และฉันรู้จำนวนเซกเมนต์ นี่คือตัวอย่างของสิ่งที่ฉันต้องการทำโดยอัตโนมัติ

18 algorithms 

ฉันพบรูปทรงในสองภาพที่มีวัตถุเดียวกันและฉันต้องการค้นหาการกระจัดและการหมุนของวัตถุนี้ ฉันได้ลองกับกล่องที่มีขอบหมุนของรูปทรงนี้แล้วมุมและจุดกึ่งกลางของมัน แต่การหมุนของกล่องขอบไม่ได้บอกเกี่ยวกับการหมุนของรูปร่างอย่างถูกต้องเพราะมันเหมือนกันสำหรับมุมที่ 0, a + 90, a + 180 เป็นต้น องศา มันเป็นวิธีการอื่นที่ดีในการค้นหาการหมุนและการเคลื่อนที่ของรูปทรง? บางทีการใช้ตัวเรือนูนข้อบกพร่องนูนบาง? ฉันอ่านในการเรียนรู้ OpenCv เกี่ยวกับรูปทรงที่ตรงกัน แต่มันไม่ได้ช่วย ใครช่วยยกตัวอย่างได้บ้าง ตัวอย่าง: ฉันต้องการตรวจจับเช่นสี่เหลี่ยมสีชมพูและในปากกาตัวที่สอง ตัวอย่างอื่น ๆ อาจเป็นสี่เหลี่ยมจัตุรัสที่มีบางหลุมดาว ฯลฯ อย่างที่ฉันบอกว่าฉันต้องการทำบางสิ่งที่ไม่เหมือนกัน ข้อเสนอแนะใด ๆ ชื่นชมเพราะฉันต้องการทดสอบวิธีการให้มากที่สุด

17 image-processing  computer-vision  algorithms 

ฉันพยายามเข้าใจ FFT นี่คือสิ่งที่ฉันมี: เพื่อที่จะหาขนาดของความถี่ในรูปแบบของคลื่นเราจะต้องตรวจสอบพวกเขาโดยการคูณคลื่นด้วยความถี่ที่พวกเขากำลังค้นหาในสองขั้นตอนที่แตกต่างกัน (บาปและ cos) และเฉลี่ยแต่ละค่า เฟสถูกพบโดยความสัมพันธ์กับทั้งสองและโค้ดสำหรับสิ่งนั้นเป็นดังนี้: //simple pseudocode var wave = [...]; //an array of floats representing amplitude of wave var numSamples = wave.length; var spectrum = [1,2,3,4,5,6...] //all frequencies being tested for. function getMagnitudesOfSpectrum() { var magnitudesOut = []; var phasesOut = []; for(freq in spectrum) { …

16 fft  dft  algorithms 

ตัวอธิบายในอัลกอริทึม BRIEFจับคู่กันอย่างไร รูปภาพเทมเพลตเป็นวิธีการที่พบในภาพอื่นได้อย่างไร เราจะเปรียบเทียบคำอธิบายอย่างไร ฉันได้อ่านบทความนั้นแล้ว แต่ไม่เข้าใจว่าพวกเขาทำมันได้อย่างไร พวกเขาเขียนว่าพวกเขาเปรียบเทียบตัวบอกรายละเอียดโดยใช้ระยะทาง Hamming แต่ค่าคงที่กับการเปลี่ยนแปลงของแสงขนาดและอื่น ๆ เป็นอย่างไร

14 computer-vision  algorithms  local-features 

ฉันกำลังมองหาที่จะสร้างอัลกอริทึมที่เพิ่มเอฟเฟกต์มุมเอียงไปยังบิตแมปโดยใช้อัลฟ่าเป็นแผนที่ชน ฉันจะไปทำอะไรแบบนี้ได้อย่างไร ฉันลองแสงแบบพิเศษ แต่ฉันได้เฉพาะไฮไลต์ไม่ใช่ที่ร่ม นี่คือผลกระทบที่ฉันกำลังพูดถึง (ทำโดยใช้ Photoshop): ทั้งหมดเหล่านี้ได้กระทำโดยใช้(ความลึกของมุมจากรูปร่างของบิตแมป)size: 30px ,angle 130altitude 50 จากซ้ายไปขวาบนลงล่าง: สิ่วยกนูน Chisel Soft Bevel เอียงเรียบ สิ่วยากกับsoften: 16px- เอียงเบลอ? ฉันกำลังพยายามสร้างเอฟเฟกต์เหล่านี้แต่ละประเภทฉันจะดำเนินการสร้างมุมเอียงขั้นพื้นฐานอย่างไร และสิ่งที่ฉันต้องได้รับจากสิ่งเหล่านี้แต่ละมุม

14 image-processing  filters  algorithms 

เทคนิคใดที่เราจะใช้ในการประมาณเวลาที่เริ่มมีอาการของเสียงไซนัสออกมาในสัญญาณที่มีเสียงดัง สมมติว่าเสียงระเบิดมีความถี่คงที่ที่ทราบ (แต่ไม่ทราบระยะ) และเวลาเพิ่มขึ้นที่คมชัดมากและเป้าหมายคือการประเมินเวลาเริ่มต้นภายในเวลาที่ดีกว่าครึ่งเวลาเพิ่มขึ้นและ / หรือระยะเวลาหนึ่งของความถี่ของเสียง , ถ้าเป็นไปได้. เทคนิคการประมาณค่าจะเปลี่ยนไปอย่างไรถ้าอัตราส่วน S / N ต่ำมาก (น้อยกว่า 1) เพิ่ม: สมมติว่าความดังของเสียงนั้นมีความยาวไม่ทราบ แต่นานกว่าตัวคูณเล็ก ๆ ของเวลาที่เพิ่มขึ้นและช่วงความถี่ เพิ่มเติม: DFT / FFT แสดงการมีอยู่ของเสียง ปัญหาคือการหาอย่างแม่นยำตรงที่ในหน้าต่าง FFT เสียง (หรืออาจมีหลายเสียงระเบิดของความถี่เดียวกัน) อาจเริ่มต้นภายในหน้าต่าง FFT หรือพิจารณาว่าเสียงปัจจุบันเริ่มนอกหน้าต่าง DFT นั้นถ้าฉันมีทุกสิ่งที่ ข้อมูลโดเมนเวลาเพิ่มเติม ความแม่นยำในการตรวจจับเรดาร์ของพัลส์นั้นใกล้เคียงกับความละเอียดที่ฉันต้องการยกเว้นฉันมีเพียงขอบเนื่องจากโทนเสียงนั้นมีความยาวที่ไม่รู้จัก ตัวกรองผ่านแถบแคบทำให้เวลาที่เพิ่มขึ้นผิดเพี้ยนและทำให้ความละเอียดการประมาณค่าการมาถึงของการทำลายขอบลดลง

14 audio  algorithms  edge-detection 

ฉันต้องการคอมพิวเตอร์atan2(x,y)ใน FPGA ที่มีกระแสข้อมูลเข้า / ออกอย่างต่อเนื่อง ฉันจัดการเพื่อใช้มันโดยใช้เมล็ด CORDIC ที่ยังไม่ผ่านการควบคุม แต่เพื่อให้ได้ความแม่นยำที่ฉันต้องการฉันต้องดำเนินการซ้ำ 32 ครั้ง สิ่งนี้นำไปสู่ ​​LUT จำนวนมากที่อุทิศให้กับภารกิจนี้ ฉันพยายามเปลี่ยนโฟลว์เพื่อใช้เมล็ด CORDIC ที่ไม่ได้ควบคุมบางส่วน แต่แล้วฉันต้องการความถี่สัญญาณนาฬิกาคูณเพื่อรันลูปซ้ำ ๆ ในขณะที่ยังคงอินพุต / เอาต์พุตไหลต่อเนื่อง ด้วยสิ่งนี้ฉันไม่สามารถทำตามกำหนดเวลาได้ atan2(x,y)ดังนั้นตอนนี้ฉันกำลังเอื้อมมือออกหาวิธีทางเลือกของการใช้คอมพิวเตอร์ ฉันคิดเกี่ยวกับการใช้ตารางการค้นหา block-RAM พร้อมการแก้ไข แต่เนื่องจากมี 2 ตัวแปรฉันจะต้องใช้ตารางการค้นหา 2 มิติและนี่เป็นทรัพยากรที่ใช้ทรัพยากรมากในแง่ของการใช้งาน block-RAM ฉันคิดถึงการใช้ความจริงที่atan2(x,y)เกี่ยวข้องatan(x/y)กับการปรับควอดเรน ปัญหาเกี่ยวกับสิ่งนี้คือx/yต้องการการแบ่งที่แท้จริงเนื่องจากyไม่ใช่ค่าคงที่และการแบ่งส่วนบน FPGA นั้นใช้ทรัพยากรอย่างมาก มีวิธีการใหม่ ๆ ที่จะนำไปใช้atan2(x,y)กับ FPGA ที่จะส่งผลให้การใช้ LUT ลดลง แต่ยังให้ความแม่นยำที่ดีหรือไม่?

12 algorithms