คำถามติดแท็ก power-spectral-density

วิธีการของ Welch เป็นอัลกอริธึมไปสู่การคำนวณความหนาแน่นสเปกตรัมพลังงาน (PSD) ของไทม์สตัวอย่างที่สม่ำเสมอ ฉันสังเกตเห็นว่ามีวิธีการมากมายสำหรับการคำนวณ PSD ตัวอย่างเช่นใน Matlab ฉันเห็น: PSD ใช้เมธอด Burg PSD ใช้วิธีความแปรปรวนร่วม PSD ใช้ periodogram PSD ใช้วิธีการแปรปรวนร่วมที่แก้ไขแล้ว PSD โดยใช้วิธีการหลายจุด (MTM) PSD ใช้วิธีของ Welch PSD ใช้วิธี Yule-Walker AR Spectrogram โดยใช้การแปลงฟูริเยร์ในระยะเวลาอันสั้น การประมาณสเปกตรัม อะไรคือข้อดีของวิธีการต่างๆเหล่านี้? เป็นคำถามที่ปฏิบัติได้เมื่อใดฉันจะต้องการใช้วิธีอื่นนอกเหนือจากวิธีของ Welch

53 frequency-spectrum  power-spectral-density  psd 

สเปกตรัมพลังงานของสัญญาณสามารถคำนวณได้โดยใช้ขนาดกำลังสองของการแปลงฟูริเยร์ การเป็นคนที่ได้ยินเสียงสัญญาณที่น่าสนใจสำหรับฉันจะเป็นช่วงเวลา การเป็นตัวแทนนี้แตกต่างจาก PSD (ความหนาแน่นของสเปกตรัมพลังงาน) อย่างไรและที่สำคัญในสถานการณ์จริงที่ควรใช้ PSD แทนสเปกตรัมพลังงานที่อธิบายไว้ข้างต้น

21 fft  frequency-spectrum  power-spectral-density  psd 

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 

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 

ตกลงความเรียบของสเปกตรัม (หรือเรียกอีกอย่างว่า Wiener เอนโทรปี) ถูกกำหนดเป็นอัตราส่วนของค่าเฉลี่ยเรขาคณิตของสเปกตรัมต่อค่าเฉลี่ยเลขคณิต วิกิพีเดียและการอ้างอิงอื่น ๆ บอกว่าสเปกตรัมกำลัง นั่นคือจตุรัสของฟูริเยร์ใช่ไหม FFT สร้าง "สเปกตรัมแอมพลิจูด" แล้วคุณยกกำลังสองนั้นเพื่อให้ได้ "สเปกตรัมพลังงาน"? โดยพื้นฐานแล้วสิ่งที่ฉันอยากรู้คือถ้าspectrum = abs(fft(signal))สิ่งใดที่ถูกต้อง? spectral_flatness = gmean(spectrum)/mean(spectrum) spectral_flatness = gmean(spectrum^2)/mean(spectrum^2) คำนิยามของ Wikipedia ดูเหมือนว่าจะใช้ขนาดโดยตรง: F l a t n e s s = ∏ยังไม่มีข้อความ- 1n = 0x ( n )---------√ยังไม่มีข้อความΣยังไม่มีข้อความ- 1n = 0x ( n )ยังไม่มีข้อความ= ประสบการณ์( 1)ยังไม่มีข้อความΣยังไม่มีข้อความ- …

17 fft  frequency-spectrum  power-spectral-density 

ฉันพยายามที่จะเข้าใจวิธีการคำนวณ PSD ฉันได้ดูหนังสือเรียนด้านวิศวกรรมการสื่อสารของฉันสองสามเล่ม แต่ก็ไม่เป็นประโยชน์ ฉันดูออนไลน์ด้วย Wikipediaดูเหมือนจะมีคำอธิบายที่ดีที่สุด อย่างไรก็ตามฉันหลงทางในส่วนที่พวกเขาตัดสินใจที่จะสร้าง CDF (ฟังก์ชั่นการสะสม Distrubution) และจากนั้นด้วยเหตุผลบางอย่างตัดสินใจที่เกี่ยวข้องกับที่เกี่ยวข้องกับฟังก์ชั่น ฉันเดาว่าสิ่งที่ฉันไม่เข้าใจคือความสัมพันธ์อัตโนมัติมีส่วนเกี่ยวข้องกับการคำนวณ PSD อย่างไร ฉันคิดว่า PSD ง่าย ๆ คือการแปลงฟูริเยร์ของ (โดยที่คือพลังของสัญญาณเมื่อเทียบกับเวลา)P(t)P(t)P(t)P(t)P(t)P(t)

15 power-spectral-density  psd 

ความหนาแน่นของสเปกตรัมกำลังงานสำหรับสัญญาณไม่ต่อเนื่องคืออะไร ฉันมักจะอยู่ภายใต้ข้อสันนิษฐานที่รับการแปลงฟูริเยร์ของสัญญาณแล้วอัตราส่วนของช่วงความถี่ที่ต้องการในช่วงความถี่ทั้งหมดจะให้อัตราส่วนกำลังสำหรับช่วงความถี่นั้นซึ่งเท่ากับความหนาแน่นสเปกตรัมพลังงาน มันผิดหรือเปล่า? การอ่านกระดาษนักเรียนทำให้ฉันสับสนเพราะมันบอกว่าจะคำนวณ PSD แล้ว 'พลังสัมบูรณ์และสเปกตรัมเชิงสัมพัทธ์ในวงที่ต้องการ' เช่นกัน พวกเขาแตกต่างกันอย่างไร ถ้าใช่จะคำนวณได้อย่างไร

12 psd  power-spectral-density 

ฉันอ่านสิ่งต่อไปนี้บน Wikipedia : ความหนาแน่นสเปกตรัมพลังงาน: ความหมายข้างต้นของความหนาแน่นพลังงานสเปกตรัมที่เหมาะสมที่สุดสำหรับ ชั่วคราวเช่นชีพจรเหมือนสัญญาณที่มีการแปลงฟูริเยร์ของสัญญาณอยู่ สำหรับสัญญาณต่อเนื่องที่อธิบายตัวอย่างเช่นกระบวนการทางกายภาพแบบคงที่มันสมเหตุสมผลมากกว่าที่จะกำหนด power spectrum density (PSD) ซึ่งอธิบายว่าอำนาจของสัญญาณหรืออนุกรมเวลาถูกกระจายไปตามความถี่ที่ต่างกันเช่นในตัวอย่างง่ายๆ ให้ไว้ก่อนหน้านี้ ฉันไม่เข้าใจย่อหน้านั้นมากนัก ส่วนแรกบอกว่า " สำหรับสัญญาณบางอย่าง .. การแปลงฟูริเยร์ไม่มีอยู่ " สำหรับสัญญาณใด (ในบริบทที่เรากำลังพูดถึง) การแปลงฟูริเยร์ไม่มีอยู่และเราจำเป็นต้องหันไปใช้ PSD แทนที่จะใช้ความหนาแน่นสเปกตรัมพลังงานหรือไม่ เมื่อได้รับความหนาแน่นสเปกตรัมพลังงานเหตุใดเราจึงไม่สามารถคำนวณได้โดยตรง ทำไมเราต้องประเมินมัน ในที่สุดในหัวข้อนี้ฉันได้อ่านเกี่ยวกับวิธีการที่ใช้ Kayser-windows เมื่อคำนวณ PSD เมื่อเวลาผ่านไป จุดประสงค์ของหน้าต่างเหล่านี้ในการประมาณค่า PSD คืออะไร?

10 power-spectral-density 

ฉันจะคำนวณ Spectral Entropy ของสัญญาณใน MATLAB ได้อย่างไร ฉันรู้ขั้นตอนพื้นฐาน แต่จะดีถ้ามีคนช่วย คำนวณสเปกตรัมพลังงานของสัญญาณโดยใช้คำสั่ง FFT ใน MATLAB คำนวณความหนาแน่นพลังงานสเปกตรัมโดยใช้สเปกตรัมพลังงานหรือใช้เทคนิคอื่น ๆ ทำให้ค่าความหนาแน่นสเปกตรัมทางพลังงานเป็นปกติระหว่างเพื่อให้สามารถใช้เป็นฟังก์ชันความหนาแน่นของความน่าจะเป็นได้[0,1][0,1][0, 1]pipip_i คำนวณเอนโทรปีH(s)=−∑pilog2(pi)H(s)=−∑pilog2⁡(pi)H(s) = -\sum p_i\log_2\left(p_i\right)

9 power-spectral-density