คำถามติดแท็ก discrete-signals

ความเข้าใจของฉันเกี่ยวกับ scalogram คือว่าสำหรับแถวใดแถวหนึ่งคะแนนการประมาณการของสัญญาณอินพุตด้วย wavelet ที่การกระจัดที่เฉพาะเจาะจงนั้นปรากฏขึ้น ข้ามแถวสิ่งเดียวกันใช้ แต่สำหรับเวฟเล็ตเวอร์ชันขยาย ฉันคิดว่าสามารถกำหนด scalograms สำหรับการแปลงเวฟเล็ตทุกประเภทนั่นคือสำหรับ: การแปลงเวฟเล็ตอย่างต่อเนื่อง การแปลงเวฟเล็ตแบบไม่ต่อเนื่อง การแปลงเวฟเล็ตซ้ำซ้อน อย่างไรก็ตามจากการตรวจสอบต่อไปดูเหมือนว่า scalogram นั้นสามารถนิยามได้เฉพาะ CWT เท่านั้น จากนี้ฉันมีคำถามที่เกี่ยวข้องกันหลายอย่างที่ Google ไม่ได้ทำเพื่อ ATM คำถาม: เป็นความจริงหรือไม่ที่ scalogram ไม่ได้ถูกกำหนดสำหรับ DWT หรือ RWT? ถ้าเป็นเช่นนั้นทำไมไม่ ให้เราบอกว่าสัญญาณความยาวมีการสลายตัว 10 ระดับโดยใช้ DWT หากทุกระดับถูกพล็อตเป็นรูปภาพ (นั่นคือภาพ ) ภาพนี้เรียกว่าอะไร?ยังไม่มีข้อความNN10 x N10xN10xN เป็นตัวอย่างของ 'scalogram' ของ DWT นี่คือตัวอย่างหนึ่งสำหรับ AWGN: เกี่ยวกับสัญญาณเดียวกันสมมติว่าเราแทนพล็อตการประมาณ MRA ของสัญญาณในทุกระดับ (ดังนั้นอีกครั้งเป็น …

9 discrete-signals  frequency-spectrum  wavelet  terminology  scale-space 

ฉันอ่านบทเกี่ยวกับการแปลงฟูริเยร์โดยสิ้นเชิงในหนังสือของ Lyons - ทำความเข้าใจกับการประมวลผลสัญญาณดิจิตอล - และไม่สามารถเข้าใจย่อหน้าสุดท้ายเกี่ยวกับความสมมาตร มีคุณสมบัติสมมาตรเพิ่มเติมของ DFT ที่สมควรกล่าวถึงในตอนนี้ ในทางปฏิบัติเราจำเป็นต้องกำหนด DFT ของฟังก์ชันอินพุตจริงเป็นบางครั้งซึ่งดัชนีอินพุทถูกกำหนดเหนือทั้งค่าบวกและค่าลบ หากฟังก์ชั่นอินพุตจริงนั้นเป็นเลขคู่จะเป็นจริงเสมอและสม่ำเสมอ นั่นคือถ้าจริงดังนั้นอยู่ทั่วไปไม่ใช่ศูนย์และเป็นศูนย์ ในทางกลับกันถ้าฟังก์ชั่นการป้อนข้อมูลจริงเป็นเลขคี่ดังนั้นจะเป็นศูนย์เสมอและคือ โดยทั่วไปไม่ใช่ศูนย์nnnX( m )X(ม.)X(m)x ( n ) = x ( - n )x(n)=x(-n)x(n) = x(−n)Xจริง( m )Xจริง(ม.)X_{\textrm{real}}(m)Ximag( m )Ximag(ม.)X_{\textrm{imag}}(m)x ( n ) = - x ( - n )x(n)=-x(-n)x(n) = −x(−n)Xจริง( m )Xจริง(ม.)X_{\textrm{real}}(m)Ximag( m )Ximag(ม.)X_{\textrm{imag}}(m) หมายเหตุ:X( …

9 discrete-signals  dft 

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 

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