คำถามติดแท็ก noise

โทรทัศน์แคโทดเรย์ Tube (CRT) ที่ทันสมัยที่สุดในปัจจุบันผลิตขึ้นหลังจากปี 1960 (หลังจากการนำมาตรฐาน NTSC และ PAL) มาใช้สนับสนุนการถอดรหัสสัญญาณสีแบบวงจร เป็นที่ทราบกันดีว่ามาตรฐานสีใหม่ถูกสร้างขึ้นเพื่อให้ทีวีชุดใหม่สามารถใช้งานร่วมกับการออกอากาศเก่าและขาวดำของวันได้ มาตรฐานสีใหม่เพิ่มข้อมูลสีในความถี่พาหะที่สูงขึ้น (แต่ในช่วงเวลาเดียวกันของความส่องสว่าง) ข้อมูลสีจะตรงหลังจากที่จุดเริ่มต้นของเส้นแนวนอนแต่ละและเป็นที่รู้จักในฐานะcolorburst ดูเหมือนว่าเมื่อคุณป้อนสัญญาณรบกวนลงในโทรทัศน์ทีวีไม่ควรสร้างเสียงสีดำและสีขาว แต่ยังมีสัญญาณรบกวนสีเนื่องจากจะมีข้อมูลสีในแต่ละเส้นแนวนอนใหม่ที่แต่ละเฟรมควรอยู่ แต่นี่ไม่ใช่กรณีที่ทีวีสีทั้งหมดยังคงส่งเสียงสีดำและสีขาว! เหตุใดจึงเป็นเช่นนี้ นี่คือตัวอย่างสัญญาณของการสแกนในแนวนอนครั้งเดียว และนี่คือภาพที่ได้หากการสแกนในแนวนอนทั้งหมดเหมือนกัน (คุณจะได้แท่ง)

58 noise  color  analog  video 

พื้นหลัง: ฉันกำลังทำงานกับโปรแกรม iPhone (พาดพิงถึงใน หลาย อื่น ๆ โพสต์ ) ที่ "ฟัง" นอนกรน / การหายใจในขณะที่หนึ่งคือนอนหลับและกำหนดว่ามีสัญญาณของการหยุดหายใจขณะหลับ (ในขณะที่ก่อนหน้าจอสำหรับ "นอนห้องปฏิบัติการ" การทดสอบ) แอปพลิเคชั่นส่วนใหญ่ใช้ "ความแตกต่างของสเปกตรัม" เพื่อตรวจจับกรน / ลมหายใจและทำงานได้ค่อนข้างดี (มีความสัมพันธ์ 0.85--0.90) เมื่อทดสอบกับการบันทึกแล็บในห้องปฏิบัติการ (ซึ่งจริง ๆ แล้วค่อนข้างมีเสียงดัง) ปัญหา: เสียง "ห้องนอน" ส่วนใหญ่ (พัดลม ฯลฯ ) ฉันสามารถกรองด้วยเทคนิคต่าง ๆ และมักจะตรวจจับการหายใจในระดับ S / N ที่หูมนุษย์ไม่สามารถตรวจพบได้อย่างน่าเชื่อถือ ปัญหาคือเสียงรบกวน ไม่ใช่เรื่องผิดปกติที่จะมีโทรทัศน์หรือวิทยุทำงานในพื้นหลัง (หรือเพียงแค่ให้ใครบางคนกำลังพูดอยู่ในระยะไกล) และจังหวะของเสียงที่ใกล้เคียงกับการหายใจ / การนอนกรน ในความเป็นจริงฉันใช้งานการบันทึกของ Bill …

22 fft  noise  frequency-spectrum  voice 

คำถามนี้ถูกโยกย้ายจาก Stack Overflow เพราะสามารถตอบได้ในการประมวลผลสัญญาณ Stack Exchange อพยพ 7 ปีที่ผ่านมา ฉันรู้ว่าสิ่งนี้ขึ้นอยู่กับสัญญาณ แต่เมื่อหันหน้าไปทางสัญญาณรบกวนใหม่กระเป๋าของคุณมีเล่ห์เหลี่ยมอะไรบ้างสำหรับพยายามที่จะ denoise สัญญาณในขณะที่ยังคงมีการเปลี่ยนแปลงที่คมชัด (เช่นการเฉลี่ยแบบง่าย ๆ ฉันมักจะพบว่าตัวเองกำลังเผชิญกับคำถามนี้และไม่รู้สึกว่าฉันรู้ว่าสิ่งที่ฉันควรจะลอง (นอกเหนือจาก splines แต่พวกเขาสามารถเคาะการเปลี่ยนแปลงที่คมชัดอย่างถูกต้องเช่นกัน) ป.ล. เป็นหมายเหตุด้านข้างถ้าคุณรู้วิธีการที่ดีในการใช้เวฟเล็ตให้ฉันรู้ว่ามันคืออะไร ดูเหมือนว่าพวกเขามีศักยภาพมากมายในพื้นที่นี้ แต่ในขณะที่มีเอกสารบางส่วนใน 90s ที่มีการอ้างอิงเพียงพอที่จะแนะนำวิธีการของกระดาษที่เปิดออกได้ดีฉันไม่สามารถหาสิ่งที่เกี่ยวกับวิธีการใด ปีที่ผ่านมา แน่นอนว่าวิธีการบางอย่างกลายเป็น "สิ่งแรกที่ต้องลอง" โดยทั่วไปตั้งแต่นั้นมา

21 noise  wavelet  denoising  smoothing  total-variation 

ดูเหมือนจะเป็นคำถามง่าย ๆ และไม่ต้องสงสัยเลยว่ามี แต่ฉันพยายามคำนวณความแปรปรวนของเสียงเกาส์เซียนสีขาวโดยไม่มีผลลัพธ์ใด ๆ ความหนาแน่นของสเปกตรัมพลังงาน (PSD) ของเสียงรบกวนแบบเกาส์เซียนสีขาว (AWGN) คือในขณะที่ autocorrelation คือดังนั้นความแปรปรวนจึงไม่มีที่สิ้นสุด? N0N02N02\frac{N_0}{2}N02δ(τ)N02δ(τ)\frac{N_0}{2}\delta(\tau)

20 noise  power-spectral-density  random-process 

มีอัลกอริธึมอะไรบ้างในการสร้างการประมาณแบบหลอกเทียมที่ดีสำหรับเสียง (สีชมพู) แต่เหมาะสำหรับการนำไปใช้งานด้วยต้นทุนการคำนวณที่ต่ำใน DSP จำนวนเต็ม?1/f1/f1/f

20 noise  random 

ไม่มีใครรู้ของตัวกรองเพื่อลดทอนคำพูด? ฉันกำลังเขียนซอฟต์แวร์รู้จำเสียงพูดและต้องการกรองทุกอย่างยกเว้นคำพูดของมนุษย์ สิ่งนี้จะรวมถึงเสียงพื้นหลังเสียงที่เกิดจากไมโครโฟนเส็งเคร็งหรือแม้แต่เพลงประกอบ ฉันได้ติดตั้งตัวกรองคำสั่งแรกแล้วซึ่งชดเชยการแผ่พลังงาน 6 เดซิเบล แต่ฉันยังคงได้ยินเสียงรบกวนอยู่ ฉันคิดว่าจะใช้ตัวกรอง low-pass แต่ฉันรู้สึกไม่ดีเกี่ยวกับการทำเช่นนั้นด้วยเหตุผลสองประการ: ฉันไม่ทราบว่า low-pass pre-filter จะรบกวนการประมวลผลคำพูดที่เหลือหรือไม่ แม้ว่าหูของมนุษย์จะสามารถตรวจจับเสียงที่ต่ำกว่า 20 kHz แต่ฉันไม่ต้องการที่จะกำจัดฮาร์มอนิกที่มีลำดับสูงขึ้นซึ่งอาจจำเป็นในการประมวลผลคำพูด (แม้ว่าฉันไม่รู้ว่านี่เป็นกรณีหรือไม่ก็ตาม) ฉันไม่ต้องการรับโอกาสใด ๆ ) ฉันเข้าใจว่าการกระตุ้นของพยัญชนะบางตัว (เช่น f, h และ s) เป็นเสียงสีขาวเกือบทั้งหมด ฉันไม่ต้องการใช้ตัวกรองเสียงรบกวนซึ่งจะขจัดเสียงรบกวนที่ดีดังนั้นพูด เป็นการดีที่ฉันต้องการจะเหลือเพียงคำพูดของคนที่พูดในไมโครโฟน หากคุณมีความคิดใด ๆ หรือมีบางอย่างที่ฉันขาดหายไปโปรดแจ้งให้เราทราบ ชื่นชมมาก!

17 filters  audio  noise  speech-recognition 

ในเอกสารบางเล่มฉันได้อ่านว่าเสียงรบกวนเพิ่มเติมนั้น จำกัด อยู่ที่สีขาวแบบเกาส์เซียน ฉันจะจำลองเสียงประเภทนี้ใช้ MATLAB ได้อย่างไร

16 matlab  noise  gaussian 

ฉันต้องการสร้างเสียงรบกวนสีขาวในโดเมนความถี่แล้วแปลงเป็นโดเมนเวลาโดยใช้ python เพื่อทำความเข้าใจกับปัญหาฉันเพียงแค่สร้างเสียงรบกวนสีขาวในโดเมนเวลาและเปลี่ยนเป็นโดเมนความถี่: import scipy.signal as sg import numpy as np import matplotlib.pyplot as plt e = np.random.normal(0,1,1e3) E = sg.fft(e) plt.figure("Bode plot") plt.subplot(211) plt.title("Magitude") plt.plot(abs(E)) plt.subplot(212) plt.title("Phase") plt.plot(np.angle(E)) plt.show() ฉันไม่ได้ดูอย่างที่คาด: คำถาม: เสียงสีขาวไม่ควรที่จะตอบสนองขนาดแบนหรือไม่? (จำนวนเท่ากันสำหรับทุกความถี่) อะไรคือความสัมพันธ์ระหว่างค่าเบี่ยงเบนมาตรฐาน (1 ในตัวอย่างของฉัน) และขนาดและเฟส ขอบคุณล่วงหน้า!

16 fft  noise  python 

ฉันพยายามทำให้การทำงานของตัวกรอง Wiener เป็นไปโดยรอบเพื่อจุดประสงค์ในการลดสัญญาณรบกวนภาพ ในกรณีของฉันฉันจะใช้ตัวกรองลดเสียงรบกวนอื่นก่อนแล้วจึงจะใช้ผลลัพธ์ของสิ่งนี้เป็นการประมาณลักษณะเสียงของตัวกรอง Wiener เกี่ยวกับข้อมูลเกี่ยวกับตัวกรอง Wiener ฉันพบว่ารหัส Matlab และคำอธิบายต่อไปนี้มีประโยชน์: http://www.mathworks.co.uk/help/toolbox/images/f11-12251.html#f11-14272 และลิงก์ที่ดีอื่น ๆ เช่น http://blogs.mathworks.com/steve/2007/11/02/image-deblurring-wiener-filter/ ดังนั้นจากมุมมอง Matlab ฉันสามารถเห็นวิธีการใช้ฟังก์ชั่น inbuilt Matlab แต่ฉันต้องการความเข้าใจขั้นพื้นฐานมากกว่าแค่ใช้การเรียกใช้ฟังก์ชั่น แต่ในเวลาเดียวกันฉันต้องการค้นหาสิ่งที่ย่อยได้มากกว่ารายการวิกิพีเดีย Wiener กรอง ใครสนใจที่จะเสนอคำอธิบายสั้น ๆ เกี่ยวกับการกรอง Wiener

16 image-processing  filters  noise  denoising  wiener-filter 

สมมติว่าเรามีสัญญาณnnnซึ่งประกอบด้วยเสียงรบกวนแบบเกาส์เซียนสีขาว หากเราปรับสัญญาณนี้โดยการคูณมันด้วยsin2ωtsin⁡2ωt\sin 2\omega tสัญญาณที่ได้จะยังคงมีสเปคตรัมของพลังงานสีขาว นี่คือตัวอย่างของหนึ่งกระบวนการ cyclostationary x(t)=n(t)sin2ωtx(t)=n(t)sin⁡2ωtx(t) = n(t) \sin2\omega t สมมติว่าตอนนี้เรา demodulate สัญญาณนี้ที่ความถี่ωω\omegaโดยการผสมกับสัญญาณออสซิลเลเตอร์ไซน์และโคไซน์สร้างสัญญาณ I และ Q: Q = x ( t ) × cos ω tI=x(t)×sinωtI=x(t)×sin⁡ωtI = x(t) \times \sin\omega t Q=x(t)×cosωtQ=x(t)×cos⁡ωtQ = x(t) \times \cos\omega t การสังเกตอย่างไร้เดียงสาว่าสเปคตรัมพลังงานของx(t)x(t)x(t) (ถ่ายในช่วงเวลาที่มากกว่า1/f1/f1/f ) นั้นเป็นสีขาวเราคาดหวังว่าIIIและQQQทั้งสองจะมีเสียงเกาส์เซียนสีขาวของแอมพลิจูดเดียวกัน อย่างไรก็ตามสิ่งที่เกิดขึ้นจริงคือIIIสร้างพื้นที่สี่เหลี่ยมจัตุรัสโดยการสุ่มเลือกส่วนของ timeseries x(t)x(t)x(t)มีความแปรปรวนสูงในขณะที่QQQ , 90 องศาออกจากเฟสตัวอย่างส่วนย่อยความแปรปรวนที่ต่ำกว่า: ผลลัพธ์คือความหนาแน่นของสเปกตรัมเสียงรบกวนใน I …

16 noise  modulation  cyclostationary-random-process 

ฉันมีระบบสื่อสารไร้สายที่ฉันจำลองใน Matlab ฉันกำลังทำการลายน้ำผ่านการปรับเฟสของสัญญาณที่ส่งเล็กน้อย การจำลองของฉันใช้ค่า I (inphase) และ Q (quadrature) ดั้งเดิมและเพิ่มในลายน้ำ ฉันต้องจำลองอัตราความผิดพลาดของบิตที่เกิดขึ้นหลังจากถูกส่ง สำหรับตอนนี้ฉันแค่ต้องเพิ่มสัญญาณรบกวนความร้อนจำนวนมากในสัญญาณ เนื่องจากฉันมีสัญญาณที่แสดงเป็นช่อง I และ Q มันจะง่ายที่สุดในการเพิ่มAWGN (เสียงรบกวนแบบเกาส์สีขาวเสริม) ลงใน I และ Q โดยตรง หนึ่งความคิดคือการเพิ่มเสียงให้กับทั้งสองช่องอย่างอิสระ แต่ปรีชาญาณของฉันบอกฉันว่านี่ไม่เหมือนกับการเพิ่มไปยังสัญญาณโดยรวม ดังนั้นฉันจะเพิ่มเสียงรบกวนเมื่ออยู่ในฟอร์มนี้ได้อย่างไร

16 noise  gaussian 

ตัวกรองที่ดีที่สุดในการขจัดเสียงเกาส์โดยไม่ทำลายขอบคืออะไร? ฉันกำลังใช้ภาพ Lena มาตรฐานที่มีสัญญาณรบกวนแบบเกาส์เพิ่มเติมและฉันต้องการ denoise ก่อนที่จะใช้การกระจายแบบแอนไอโซทรอปิก ฉันไม่ต้องการกรองค่ามัธยฐานเนื่องจากขอบเบลอ ฉันพยายามกรองแบบปรับตัว แต่ผลลัพธ์ไม่เป็นที่น่าพอใจ

15 image-processing  filters  noise 

คนเราคิดว่าเสียง "สีขาว" เป็นอย่างไร? มีมาตรการทางสถิติใด ๆ หรือมาตรการอื่น ๆ (เช่น FFT) ที่สามารถวัดจำนวนว่าเสียงใดเป็นตัวอย่างที่ใกล้เคียงกับเสียงสีขาว?

14 noise 

สำหรับกล้องจุลทรรศน์เรามักทดสอบกล้อง เนื่องจากแอปพลิเคชันของฉันเกี่ยวข้องกับอัตราส่วนสัญญาณต่อสัญญาณรบกวนต่ำมากจึงเป็นเรื่องสำคัญที่เสียงรบกวนจะไม่มีความสัมพันธ์และรูปแบบเนื่องจากความสัมพันธ์ในพื้นที่เป็นสิ่งที่แยกความแตกต่างของสัญญาณจากพื้นหลัง ในการทดสอบเสียงรบกวนฉันมักจะได้รับชุดของเฟรมมืดประมาณ 100 เฟรมเช่นเฟรมที่ไม่มีแสงภายนอกกระทบกับกล้องกำหนดรูปแบบกล้องคงที่โดยใช้เวลาเฉลี่ยและลบมันออกจากซีรีส์ ฉันสังเกตุรูปแบบของเสียงโดยเพียงแค่เบี่ยงเบนมาตรฐานสำหรับแต่ละพิกเซลผ่านเวลาและดูภาพที่เกิดขึ้น (เช่นแถว / คอลัมน์ที่แตกต่างกันของกล้องมีส่วนเบี่ยงเบนมาตรฐานของเสียงแตกต่างกัน) และทำแถวและคอลัมน์ที่ชาญฉลาด cross-correlation (ที่ฉันสังเกตเห็นสำหรับกล้อง interleaved บางตัวว่าเสียงนั้นมีความสัมพันธ์กันระหว่างแถวอื่น ๆ ) การทดสอบครั้งแรกเป็นการทดสอบเชิงคุณภาพเท่านั้นและการทดสอบครั้งที่สองให้ความสัมพันธ์ระดับโลก (ค่อนข้าง) กับฉัน มีวิธีที่ดีกว่า (และเร็วกว่า) ในการพิจารณาว่ามีความสัมพันธ์หรือรูปแบบไดนามิกในเสียงของกล้องหรือไม่?

14 noise  camera 

โดยทั่วไปแล้วรูปแบบของพลังงานใด ๆ นั้นหมายถึงความไม่แน่นอนหรือการสุ่ม ในสภาพแวดล้อมที่มีเสียงดังผมเชื่อว่าการเพิ่มขึ้นของเอนโทรปีจะเพิ่มขึ้นเนื่องจากเรามีความไม่แน่นอนเกี่ยวกับเนื้อหาข้อมูลของสัญญาณที่ต้องการ ความสัมพันธ์ระหว่างเอนโทรปีและ SNR คืออะไร? ด้วยการเพิ่มขึ้นของสัญญาณการปันส่วนเสียงพลังเสียงลดลง แต่นี่ไม่ได้หมายความว่าเนื้อหาข้อมูลของสัญญาณจะเพิ่มขึ้น !! เนื้อหาข้อมูลอาจยังคงเหมือนเดิมนั่นหมายความว่าเอนโทรปีไม่ได้รับผลกระทบหรือไม่?

14 noise  signal-detection  snr  information-theory