คำถามติดแท็ก continuous-signals

ฉันพยายามเข้าใจความแตกต่างระหว่างการโน้มน้าวใจกับความสัมพันธ์ข้าม ฉันได้อ่านเข้าใจนี้คำตอบ ฉันเข้าใจภาพด้านล่าง แต่ในแง่ของการประมวลผลสัญญาณ (ฟิลด์ที่ฉันรู้เพียงเล็กน้อยเกี่ยวกับ .. ), ให้สัญญาณสองสัญญาณ (หรืออาจเป็นสัญญาณและตัวกรอง?), เมื่อใดที่เราจะใช้สังวัตนาและเมื่อใดที่เราต้องการใช้สหสัมพันธ์ข้าม หมายความว่าเมื่อในการวิเคราะห์ชีวิตจริงเราจะชอบการโน้มน้าวใจและเมื่อใดความสัมพันธ์ข้าม ดูเหมือนว่าทั้งสองคำนี้มีการใช้งานจำนวนมากดังนั้นการใช้งานนั้นคืออะไร * ความสัมพันธ์ข้ามที่นี่ควรอ่านg*fแทนf*g

33 discrete-signals  continuous-signals  signal-detection 

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 

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 

ฉันเพิ่งได้ เข้าใจผิดโดยพิจารณาจากเสา s = 1 เนื่องจากมีการตอบสนองที่ไม่สิ้นสุดที่ความถี่ 1 แต่การตอบสนองเป็นเพียง 1 เท่านั้นทีนี้คุณจะได้รับการตอบสนองความถี่จากเสาหรือไม่? ประการที่สองทฤษฎีบอกว่าระบบมีเสถียรภาพเมื่อเสาอยู่ในระนาบ s ซ้ายและจึงสลายตัวตามเวลา แต่เดี๋ยวก่อน. ไม่ "เสา" หมายถึงการตอบสนองที่ไม่มีที่สิ้นสุด - การเติบโตในเวลา? ในที่สุดคำถามที่ถูกต้องใน DSP คืออะไร? IMO, Dย่อมาจากดิจิตอลในขณะที่ s- โดเมนเป็นแบบอะนาล็อก ฉันไม่พบแท็กแปลง s-plane หรือ Laplace เพื่อติดป้ายกำกับโพสต์ของฉัน อัปเดตขอบคุณสำหรับคำตอบ ดูเหมือนว่าฉันจะได้รับยกเว้นสิ่งเล็กน้อย แต่สิ่งพื้นฐาน - ความสัมพันธ์ของเสา (และเลขศูนย์) กับความถี่ โดยทั่วไปเหตุใดค่าลักษณะเฉพาะ (หรือคุณจะเรียกsssตัวดำเนินการ / ตัวแปร) ที่เกี่ยวข้องกับความถี่ได้อย่างไร มันควรเกี่ยวข้องกับการเติบโตแบบเลขชี้กำลังและการแปลงแบบ Laplace ฉันค่อนข้างเข้าใจว่าเสานั้นมีค่าลักษณะเฉพาะ (โดยเฉพาะอย่างยิ่งสำหรับการเกิดซ้ำโดยสิ้นเชิง) แต่สิ่งนี้เกี่ยวข้องกับความถี่อย่างไร

16 continuous-signals  frequency-response  transfer-function  laplace-transform  poles-zeros 

การเป็นนักเรียนวิทยาศาสตร์การประมวลผลสัญญาณที่ไม่ใช่ฉันมีความเข้าใจแนวคิด จำกัด ฉันมีสัญญาณผิดพลาดแบริ่งเป็นระยะอย่างต่อเนื่อง (ที่มีแอมพลิจูดเวลา) ซึ่งสุ่มตัวอย่างที่และความถี่ ฉันใช้เทคนิคการเรียนรู้ของเครื่อง (Convolutional Neural Network) เพื่อจำแนกสัญญาณที่ผิดปกติกับสัญญาณที่ไม่ผิดพลาด12 kHz12 kHz12\textrm{ kHz}48 kHz48 kHz48\textrm{ kHz} เมื่อฉันใช้ฉันสามารถบรรลุความแม่นยำในการจำแนกประเภทความแม่นยำ ในทำนองเดียวกันฉันสามารถบรรลุความถูกต้องของเมื่อฉันใช้เทคนิคเดียวกันกับสัญญาณเดียวกัน แต่ตัวอย่างที่แม้จะมีการบันทึกที่ RPM โหลดและมุมการบันทึกด้วยเซ็นเซอร์เดียวกัน12 kHz12 kHz12\textrm{ kHz}97±1.2%97±1.2%97 \pm 1.2 \%95%95%95\%48 kHz48 kHz48\textrm{ kHz} อะไรคือสาเหตุของอัตราการผิดประเภทที่เพิ่มขึ้นนี้? มีเทคนิคใดบ้างที่สามารถมองเห็นความแตกต่างของสัญญาณได้หรือไม่? สัญญาณความละเอียดสูงมีแนวโน้มที่จะมีเสียงรบกวนสูงขึ้นหรือไม่? รายละเอียดของสัญญาณสามารถดูได้ที่นี่ในบทที่ 3

14 discrete-signals  signal-analysis  continuous-signals  signal-synthesis  resolution 

ฉันคุ้นเคยกับพื้นหลังทางคณิตศาสตร์มากมายหลังเวฟเล็ต อย่างไรก็ตามเมื่อใช้อัลกอริทึมบนคอมพิวเตอร์ที่มีเวฟเล็ตฉันไม่ค่อยแน่ใจว่าควรจะใช้เวฟเล็ตแบบต่อเนื่องหรือไม่ต่อเนื่อง ในความเป็นจริงทุกอย่างทุกอย่างในคอมพิวเตอร์นั้นไม่ต่อเนื่องดังนั้นจึงเห็นได้ชัดว่าเวฟเล็ตไม่ต่อเนื่องเป็นตัวเลือกที่เหมาะสมสำหรับการประมวลผลสัญญาณดิจิตอล อย่างไรก็ตามตามวิกิพีเดียมันเป็นการแปลงเวฟเล็ตอย่างต่อเนื่องที่ใช้เป็นหลักในการบีบอัดภาพ (ดิจิตอล) เช่นเดียวกับกิจกรรมการประมวลผลข้อมูลดิจิตอลอื่น ๆ จำนวนมาก อะไรคือข้อดีและข้อเสียที่ต้องพิจารณาเมื่อตัดสินใจว่าจะใช้การแปลงเวฟเล็ตต่อเนื่อง (โดยประมาณ) แทนการแปลงเวฟเล็ตแบบไม่ต่อเนื่อง (แน่นอน) สำหรับภาพดิจิทัลหรือการประมวลผลสัญญาณ? PS (ตรวจสอบสมมติฐานที่นี่) ฉันกำลังสมมติว่าการแปลงเวฟเล็ตต่อเนื่องถูกนำมาใช้ในการประมวลผลดิจิตอลโดยเพียงแค่รับค่าของเวฟต่อเนื่องที่จุดเว้นระยะเท่ากันและใช้ลำดับผลลัพธ์สำหรับการคำนวณเวฟเล็ต ถูกต้องหรือไม่ PPS โดยปกติวิกิพีเดียนั้นค่อนข้างแม่นยำเกี่ยวกับคณิตศาสตร์ดังนั้นฉันจึงสมมติว่าแอปพลิเคชันในบทความเกี่ยวกับการแปลงเวฟเล็ตแบบต่อเนื่องเป็นแอพพลิเคชั่นของการแปลงเวฟเล็ตแบบต่อเนื่อง แน่นอนมันกล่าวถึงบางอย่างที่เป็น CWT โดยเฉพาะดังนั้นจึงมีการใช้ CWT ในแอปพลิเคชันดิจิตอลอย่างชัดเจน

14 discrete-signals  wavelet  continuous-signals  approximation 

ฉันได้ทำการสุ่มสัญญาณด้วย aa Gaussian และเพิ่มสัญญาณรบกวน (เสียง Poisson ในกรณีนี้) เพื่อสร้างสัญญาณที่มีเสียงดัง ตอนนี้ฉันต้องการถอดรหัสสัญญาณที่มีเสียงดังนี้เพื่อแยกสัญญาณดั้งเดิมโดยใช้ Gaussian เดียวกัน ปัญหาคือฉันต้องการรหัสที่ทำงานของ deconvolution ใน 1D (ฉันได้พบบางอย่างใน 2D แต่เป้าหมายหลักของฉันคือ 1D) คุณช่วยแนะนำแพ็คเกจหรือโปรแกรมบางอย่างที่สามารถทำได้หรือไม่? (โดยเฉพาะอย่างยิ่งใน MATLAB) ขอบคุณล่วงหน้าสำหรับความช่วยเหลือ

12 matlab  convolution  continuous-signals  deconvolution  1d 

ฉันได้ศึกษาสัญญาณและระบบเมื่อเร็ว ๆ นี้และฉันได้พบกับข้อเรียกร้องต่อไปนี้: การสุ่มตัวอย่างอย่างสม่ำเสมอของสัญญาณต่อเนื่องเป็นระยะอาจไม่เป็นระยะ! ใครช่วยอธิบายหน่อยได้ไหมว่าทำไมข้อความนี้ถึงเป็นจริง

9 discrete-signals  signal-analysis  sampling  continuous-signals 

เรารู้ด้านล่าง F{x(t)}=X(f)(1)(1)F{x(t)}=X(f) \mathscr{F}\big\{x(t)\big\}=X(f) \tag{1} F{x(−t)}=X(−f)(2)(2)F{x(−t)}=X(−f) \mathscr{F}\big\{x(-t)\big\}=X(-f) \tag{2} F{x∗(t)}=X∗(−f)(3)(3)F{x∗(t)}=X∗(−f) \mathscr{F}\big\{x^*(t)\big\}=X^*(-f) \tag{3} ทีนี้ถ้ามีสัญญาณบ้าง x(−t)=x∗(t)(4)(4)x(−t)=x∗(t) x(-t)=x^*(t) \tag{4} จากนั้นจะปลอดภัยหรือไม่ที่จะถือว่าสิ่งต่อไปนี้? X(−f)=X∗(−f)(5)(5)X(−f)=X∗(−f) X(-f)=X^*(-f) \tag{5} หรือมันขึ้นอยู่กับประเภทของสัญญาณ?

9 fourier-transform  continuous-signals 

ฉันกำลังมองหาข้อพิสูจน์ถึงความจงรักภักดีแบบไซน์ ใน DSP เราศึกษาเกี่ยวกับระบบเชิงเส้นมากมาย ระบบเชิงเส้นเป็นเนื้อเดียวกันและเพิ่ม อีกเงื่อนไขหนึ่งที่ทำให้พอใจคือถ้าสัญญาณเป็นคลื่นไซน์หรือคลื่นคอสเอาต์พุตจะเปลี่ยนเฟสหรือแอมพลิจูดเพียงอย่างเดียว ทำไม? ทำไมถึงไม่สามารถเอาท์พุทที่แตกต่างกันโดยสิ้นเชิงเมื่อได้รับคลื่นไซน์เป็นอินพุท

9 convolution  continuous-signals  impulse-response  linear-systems 

ฉันกำลังเรียนระบบมัลติมีเดียในวิทยาการคอมพิวเตอร์ MSc ของฉันและฉันมีปัญหาบางอย่างในการทำความเข้าใจสูตรสำหรับความถี่นามแฝง - สิ่งนี้อาจเกิดจากความเข้าใจผิดเกี่ยวกับสัญญาณนามแฝงของฉัน ความเข้าใจของฉันเกี่ยวกับสัญญาณนามแฝงคือถ้าคุณขีดตัวอย่างสัญญาณอินพุตของคุณ (เช่นตัวอย่างในอัตราที่น้อยกว่าความถี่สูงสุดสองเท่า) จากนั้นเราสามารถสร้างนามแฝงได้เนื่องจากเราสุ่มตัวอย่างไม่บ่อยพอที่จะจับรายละเอียดความถี่สูง สัญญาณนามแฝงเป็นผลมาจากการรับค่าตัวอย่างเหล่านี้และเข้าร่วมกับพวกเขาด้วยเส้นโค้งเรียบ ดังนั้นสัญญาณที่ได้จึงมีความถี่ครึ่งหนึ่งของความถี่สุ่มตัวอย่างเนื่องจากไซนัสบริสุทธิ์บริสุทธิ์จะต้องใช้สองตัวอย่างต่อการแกว่ง (1 สำหรับแต่ละจุดเปลี่ยน) - นี่หมายความว่าความถี่นามแฝงควรเป็นหน้าที่ของความถี่สุ่มตัวอย่าง สูตรสำหรับความถี่นามแฝงคือความแตกต่างที่แน่นอนของความถี่สัญญาณและจำนวนเต็มคูณที่ใกล้เคียงที่สุดของความถี่การสุ่มตัวอย่างใครบางคนสามารถอธิบายสิ่งนี้ให้ฉันได้หรือไม่ ขอบคุณล่วงหน้า!

9 audio  sampling  continuous-signals  aliasing