คำถามติดแท็ก estimation

นั่นคือถ้าคุณมีสถานะตัวแปรเป็นตำแหน่ง ( p ) และความเร็ว ( v ) และฉันทำการวัดความถี่ต่ำของpนี่ก็ให้ข้อมูลเกี่ยวกับvทางอ้อมด้วย(เพราะเป็นอนุพันธ์ของp ) วิธีที่ดีที่สุดในการจัดการความสัมพันธ์คืออะไร? A) ในขั้นตอนการอัพเดตฉันควรจะบอกว่าฉันวัดค่าpแล้วและพึ่งพากระบวนการกรองและเมทริกซ์ความแปรปรวนร่วมของรัฐที่สะสม ( P ) ของฉันเพื่อแก้ไขv ? B) ฉันควรสร้าง "พิเศษ" ขั้นตอนการทำนายทั้งหลังหรือก่อนขั้นตอนการปรับปรุงของฉันสำหรับการตรวจวัดของพีที่ใช้วัดของฉันหน้าและ (ค่อนข้างใหญ่) เดลต้าเวลาที่จะทำให้การคาดการณ์สูงแปรปรวนของวี ? C) ในขั้นตอนอัปเดต / การวัดของฉันฉันควรจะบอกว่าฉันทำการวัดทั้งpและ vแล้วเข้ารหัสข้อมูลเกี่ยวกับการพึ่งพาซึ่งกันและกันของพวกเขาในเมทริกซ์ความแปรปรวนร่วม ( R ) หรือไม่? สำหรับพื้นหลังเพิ่มเติมเล็กน้อยต่อไปนี้เป็นสถานการณ์เฉพาะที่ฉันพบปัญหา: ฉันกำลังทำงานกับระบบที่ฉันต้องการที่จะประเมินตำแหน่ง ( P ) ของวัตถุและฉันทำให้การวัดที่พบบ่อยของการเร่งความเร็ว ( ) และไม่บ่อยนักที่วัดสูงเสียงพี ฉันกำลังทำงานกับ codebase ที่ไม่นี้กับคาลมานกรองขยายที่จะช่วยให้เป็นตัวแปรรัฐพีและวี มันรันขั้นตอน "การคาดคะเน" หลังจากการวัดความเร่งทุกครั้งซึ่งจะใช้aและ delta-time …

13 filters  kalman-filters  estimation  measurement  bayesian-estimation 

โปรดสมมติว่าต่อไปนี้: ความถี่พื้นฐานของสัญญาณได้รับการประมาณโดยใช้ FFT และวิธีการประมาณความถี่บางอย่างและอยู่ระหว่างศูนย์ bin สองแห่ง ความถี่ในการสุ่มตัวอย่างได้รับการแก้ไข ความพยายามในการคำนวณไม่ใช่ปัญหา เมื่อทราบความถี่แล้ววิธีใดที่แม่นยำที่สุดในการประเมินค่าสูงสุดของสัญญาณขั้นพื้นฐาน วิธีหนึ่งอาจเป็นสัญญาณแผ่นเวลาเป็นศูนย์เพื่อเพิ่มความละเอียด FFT เช่นที่ศูนย์ช่องเก็บจะอยู่ใกล้กับความถี่โดยประมาณ ในสถานการณ์นี้จุดหนึ่งที่ฉันไม่แน่ใจเกี่ยวกับคือถ้าฉันสามารถเป็นศูนย์ได้มากเท่าที่ฉันต้องการหรือหากมีข้อบกพร่องบางอย่างในการทำเช่นนั้น อีกอันหนึ่งคือศูนย์ bin ที่ฉันควรเลือกหลังจากการเติมศูนย์เป็นศูนย์ที่ฉันได้รับค่าสูงสุดจาก (เพราะอาจไม่มีความถี่ของดอกเบี้ยที่น่าสนใจแม้แต่หลังจากการเติมเต็มศูนย์) อย่างไรก็ตามฉันยังสงสัยว่ามีวิธีอื่นที่อาจให้ผลลัพธ์ที่ดีกว่าได้หรือไม่ผู้ประเมินที่ใช้ค่าสูงสุดของศูนย์ bin สองแห่งรอบข้างเพื่อประเมินมูลค่าสูงสุดตามความถี่ที่น่าสนใจ

12 fft  discrete-signals  signal-analysis  estimation  peak-detection 

นี่เป็นเรื่องง่ายที่ฉันคิด แต่วิธีการไร้เดียงสาของฉันนำไปสู่ผลลัพธ์ที่มีเสียงดังมาก ฉันมีเวลาตัวอย่างและตำแหน่งในไฟล์ชื่อ t_angle.txt: 0.768 -166.099892 0.837 -165.994148 0.898 -165.670052 0.958 -165.138245 1.025 -164.381218 1.084 -163.405838 1.144 -162.232704 1.213 -160.824051 1.268 -159.224854 1.337 -157.383270 1.398 -155.357666 1.458 -153.082809 1.524 -150.589943 1.584 -147.923012 1.644 -144.996872 1.713 -141.904221 1.768 -138.544807 1.837 -135.025749 1.896 -131.233063 1.957 -127.222366 2.024 -123.062325 2.084 -118.618355 2.144 -114.031906 …

11 kalman-filters  estimation 

การถดถอยเชิงเส้นและตัวกรองคาลมานสามารถใช้ในการประมาณค่าและทำนายจากลำดับเวลาของข้อมูลในโดเมน หากมีวิธีใดบ้างที่สามารถใช้ในการทำนายโดยใช้ข้อมูลโดเมนความถี่ได้ (เช่นทำนายขั้นตอนในอนาคตโดยใช้ผลลัพธ์จาก FFT ที่เหมาะสมของข้อมูลก่อนหน้าโดยไม่ต้องย้อนกลับไปที่โดเมนเวลาสำหรับการประมาณค่า) ข้อสมมติฐานเกี่ยวกับข้อมูลหรือตัวแบบเบื้องหลังข้อมูลอาจจำเป็นสำหรับสิ่งที่มีคุณภาพหรือการเพิ่มประสิทธิภาพของการทำนายในโดเมนความถี่ (แต่คิดว่ามันไม่เป็นที่ทราบแน่ชัดว่าแหล่งข้อมูลนั้นมีความกว้างรูรับแสง FFT เป็นระยะอย่างเคร่งครัดหรือไม่)

11 fft  control-systems  estimation 

ฉันใช้อัลกอริทึมRANSACสำหรับการประมาณค่า homography ระหว่างคู่ของภาพที่ถ่ายด้วยกล้องซึ่งไม่มีการแปลระหว่างกัน (การหมุนอย่างแท้จริงและการเปลี่ยนสเกล / ซูม) มันทำงานได้ดีในครึ่งหนึ่งของกรณี ผลลัพธ์ที่ถูกต้องมีลักษณะดังนี้: เส้นสีแดงนั้นเป็นตัวกรองที่มีการกรองและรูปสี่เหลี่ยมที่แสดงให้เห็นว่าการบ้านนั้นบิดเบือนมุมมองอย่างไร อย่างไรก็ตามบางครั้งมีกรณีเลวร้ายเกิดขึ้นเช่นนี้: ฉันมีการทดสอบอย่างง่ายในลูป RANSAC มันทำให้รูปสี่เหลี่ยมง่าย ๆ (หน่วยสี่เหลี่ยม) และแปลงด้วยการแปลงตัวอย่าง จากนั้นดูว่าการเปลี่ยนแปลงนั้นรักษาความนูนเอาไว้หรือไม่ อย่างไรก็ตามกระนั้นก็มีกลุ่มของรูปสี่เหลี่ยมสี่เหลี่ยมเว้าออกมา คุณมีความคิดวิธีการทดสอบ homography อย่างถูกต้องหรือไม่ถ้ามันทำงานได้ดีและกรองคำตอบที่ไม่ถูกต้องออกไป ฉันพบรหัสบางส่วนที่พวกเขาทดสอบว่าไม่มีจุดเปลี่ยนสามจุดใดที่เป็นโคลิเนียร์ แต่ดูเหมือนจะไม่เพียงพอเพราะจะไม่กรอง deltoids และ quadrilaterals "ไม่ถูกต้อง" อื่น ๆ ...

10 homography  estimation  transform 

หน้าวิกิพีเดียสำหรับฟังก์ชันความแตกต่างเฉลี่ย / สูตร (AMDF) ดูเหมือนจะว่างเปล่า AMDF คืออะไร คุณสมบัติของ AMDF คืออะไร อะไรคือจุดแข็งและจุดอ่อนของ AMDF เมื่อเทียบกับวิธีการประมาณระดับเสียงอื่น ๆ เช่นการหาค่าอัตโนมัติ?

9 autocorrelation  estimation  pitch 

ก่อนที่ทุกคนจะตะโกนใส่ฉันฉันก็ตระหนักว่าคำถามนี้ถูกถามมาหลายครั้งแล้ว ฉันรับรองว่าฉันได้อ่านคำถามและคำตอบที่มีอยู่แล้ว แต่ฉันยังสับสนเกี่ยวกับปัญหา ฉันมีแหล่งกำเนิดเสียงที่เล่นเพลง (A) ในสภาพแวดล้อมที่ปิด ฉันมีไมโครโฟนที่ฉันใช้บันทึก A. ฉันเหลือไฟล์ wav สองไฟล์ซึ่งมีลักษณะและความยาวเท่ากัน (จำนวนตัวอย่าง) เป้าหมายของฉันคือคำนวณเวลาที่ใช้ในการเข้าถึงไมโครโฟน ฉันพยายามคำนวณโดยใช้ความสัมพันธ์ข้าม (numpy): # Delay estimation corr = numpy.convolve(original_audio, recorded_audio, 'full') delay = int(len(corr)/2) - numpy.argmax(corr) distance = delay / sample_rate * 343 # sample_rate == 22050, m/s = speed of sound print("Distance full: %.2f cm" % (distance …

9 audio  cross-correlation  estimation  delay 

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