คำถามติดแท็ก frequency

ฉันกำลังรวบรวมข้อมูลอุณหภูมิจากตู้เย็น ข้อมูลดูเหมือนเป็นคลื่น ฉันต้องการกำหนดระยะเวลาและความถี่ของคลื่น (เพื่อให้ฉันสามารถวัดได้ว่าการดัดแปลงตู้เย็นมีผลกระทบใด ๆ ) ฉันใช้ R และฉันคิดว่าฉันต้องใช้ FFT กับข้อมูล แต่ฉันไม่แน่ใจว่าจะไปจากที่นั่น ฉันยังใหม่กับ R และการวิเคราะห์สัญญาณดังนั้นความช่วยเหลือใด ๆ ที่จะได้รับการชื่นชมอย่างมาก! นี่คือคลื่นที่ฉันกำลังผลิต: นี่คือรหัส R ของฉัน: require(graphics) library(DBI) library(RSQLite) drv <- dbDriver("SQLite") conn <- dbConnect(drv, dbname = "s.sqlite3") query <- function(con, query) { rs <- dbSendQuery(con, query) data <- fetch(rs, n = -1) dbClearResult(rs) data …

11 frequency  wave 

ฉันต้องการแปลงสัญญาณเป็นโดเมนความถี่ ช่วงความถี่ที่ต้องการเป็น0.1 Hzไปและความละเอียดความถี่1 Hz0.01 Hz ด้วยอัตราการสุ่มตัวอย่าง30 HzFFT ให้ส่วนประกอบความถี่สูงถึง 15 Hz การเพิ่มอัตราการสุ่มตัวอย่างให้ความละเอียดความถี่ที่ดีขึ้น อย่างไรก็ตาม FFT ให้ช่วงความถี่ที่กว้างขึ้น ในกรณีของฉันฉันเพียงต้องการ0.1 Hzที่จะ1 Hz, FFT ให้ถึง15 Hz(คำนวณพิเศษ) คำถามของฉันคือมีวิธีมาตรฐานในการคำนวณโดเมนความถี่ของสัญญาณที่มีช่วงความถี่เฉพาะและความละเอียดสูงหรือไม่

11 fft  frequency 

ฉันยังใหม่กับหลักการคำนวณความถี่ในทันทีและเกิดคำถามมากมายขึ้นมา คุณพบพวกเขาทั้งหมดในรายการสัญลักษณ์แสดงหัวข้อท้ายข้อความนี้ ข้อความอาจยาวไปหน่อยขอโทษสำหรับเรื่องนั้น แต่ฉันพยายามแก้ปัญหาด้วยตัวเอง ดังนั้นฉันสนใจความถี่ทันที ฉ( t )ฉ(เสื้อ)f(t) ของสัญญาณมูลค่าที่แท้จริง x ( t )x(เสื้อ)x(t). การคำนวณเสร็จสิ้นด้วยความช่วยเหลือของสัญญาณการวิเคราะห์Z( t ) = x ( t ) + j y( t )Z(เสื้อ)=x(เสื้อ)+JY(เสื้อ)z(t) = x(t) + j y(t)ที่ไหน Y( t )Y(เสื้อ)y(t) คือการเปลี่ยนแปลงของฮิลแบร์ต x ( t )x(เสื้อ)x(t). เพื่อคำนวณความถี่ทันทีจากสัญญาณวิเคราะห์ Z( t )Z(เสื้อ)z(t) ฉันติดตามกระดาษ: การคำนวณความถี่ทันทีและแบนด์วิดท์ทันทีโดย Arthur E. Barns จากปี 1992 …

9 signal-analysis  frequency  phase  hilbert-transform  analytic-signal 

ฉันเป็นวิศวกรเคมีไม่ใช่ EE ดังนั้นมันจึงค่อนข้างยาก ฉันกำลังพยายามหาวิธีนำแอมพลิจูดเทียบกับข้อมูลเวลาและแปลงเป็นความถี่เทียบกับเวลา สัญชาตญาณแรกของฉันคือการแบ่งข้อมูลของฉันออกเป็นชิ้น ๆ ดำเนินการ FFT ในแต่ละอัน น่าเสียดายที่ช่วงเวลาของแต่ละชิ้นเข้าใกล้ศูนย์จึงไม่มีข้อมูลเพียงพอที่จะรับข้อมูลความถี่ที่ถูกต้องได้อีกต่อไป (ความถี่ต่ำต้องใช้เวลามากกว่าชิ้นเล็กมาก) ดังนั้น ... ฉันจะทำสิ่งนี้ได้อย่างไร ฉันแน่ใจว่านี่เป็นปัญหาที่โด่งดังที่ใครบางคนได้แก้ไขไปแล้ว นี่คือการแปลงรูปแบบที่ฉันกำลังมองหาซึ่งแสดงด้วยคลื่นเสียง (โน้ตเปียโน G) อย่างที่คุณเห็นกราฟนี้เป็นแกนสามแกนโดยที่สีที่สามแสดงด้วยสี ขอบคุณ!

9 fourier-transform  frequency  transform 

เมื่อสัญญาณถูกมอดูเลตไปยังพาหะในสเปกตรัมคลื่นแม่เหล็กไฟฟ้าสัญญาณนั้นจะครอบครองส่วนเล็ก ๆ ของสเปกตรัมรอบความถี่พาหะ นอกจากนี้ยังทำให้สายรัดด้านข้างถูกสร้างขึ้นที่ความถี่สูงกว่าและต่ำกว่าความถี่พาหะ แต่วิธีการเหล่านั้นถูกสร้างขึ้นใน AM และ FM และทำไมมี sidebands มากมายที่สร้างขึ้นใน FM ในขณะที่มีเพียงสองตัวที่ถูกสร้างขึ้นใน AM? โปรดยกตัวอย่างที่ใช้งานได้จริงเพราะฉันรู้แล้วว่ามันถูกสร้างขึ้นทางคณิตศาสตร์ได้อย่างไร สิ่งที่ฉันรู้คือในโดเมนเวลาเมื่อสัญญาณดั้งเดิมถูกใส่ลงในสัญญาณพาหะมันจะถูกคูณกับสัญญาณพาหะซึ่งหมายความว่าในโดเมนความถี่สัญญาณดั้งเดิมจะถูกปนกับสัญญาณพาหะ สองแถบด้านข้างใน AM เป็นจริงการแปลงฟูริเยร์ของสัญญาณพาหะ ถูกต้องหรือไม่

9 frequency  frequency-spectrum  modulation 

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