คำถามติดแท็ก sampling

ฉันมีค่า RSSI (พล็อตด้านล่าง) ของค่าที่คาดหวังในช่วงเวลาที่ฉันต้องการเปรียบเทียบกับค่า RSSI ที่วัดได้ของฉัน สิ่งที่ฉันกำลังมองหาคือวิธีการหาปริมาณเพื่อให้ฉันสามารถเปลี่ยนพารามิเตอร์และสามารถเปรียบเทียบ / เปรียบเทียบวิธีที่แตกต่างกัน มันเป็นปัญหาที่ยากในใจของฉันเพราะฉันไม่รู้วิธีเปรียบเทียบสัญญาณและยังคำนึงถึงสัญญาณขนาดใหญ่ (รูปร่างโดยรวม) และสัญญาณขนาดเล็ก (ความผันผวนของแต่ละบุคคล) ตัวอย่างเช่นนี่คือสัญญาณพล็อตหนึ่งชุด: ในภาพฉันเห็นได้ว่าสัญญาณการวัดสีแดงตามแบบจำลองคร่าวๆ แต่มันก็เป็นงานที่ดีในการจำลองคุณสมบัติไซน์บางส่วนของแบบจำลอง (ในบางแห่ง) ความคิดใด ๆ <> ในการตอบสนองต่อความคิดเห็นของ pichenettes (ซึ่งดูสมเหตุสมผล) ฉันใช้ความต่างของสองค่าและพล็อต abs (fft (diff)) และได้สิ่งนี้: ฉันไม่แน่ใจว่าจะทำอย่างไร เนื่องจากเราไม่มีความถี่จริงใด ๆ ฉันไม่แน่ใจว่าจะปรับขนาดแกนแล้วถ้าเป็นเช่นนั้นคุณจะใช้เมตริกอะไร

11 matlab  algorithms  sampling 

ใน MATLAB ฉันต้องผ่านการตัดความถี่เพื่อออกแบบตัวกรอง แต่ความถี่ตัดนี้อยู่ในรูปเรเดียนต่อตัวอย่าง ฉันจะแปลงความถี่คัทเอาท์อนาลอกในเป็นเรเดียนต่อตัวอย่างที่ต้องการสำหรับ MATLAB ได้อย่างไร HzHz\textrm{Hz}

11 matlab  sampling 

ฉันได้ศึกษาสัญญาณและระบบเมื่อเร็ว ๆ นี้และฉันได้พบกับข้อเรียกร้องต่อไปนี้: การสุ่มตัวอย่างอย่างสม่ำเสมอของสัญญาณต่อเนื่องเป็นระยะอาจไม่เป็นระยะ! ใครช่วยอธิบายหน่อยได้ไหมว่าทำไมข้อความนี้ถึงเป็นจริง

9 discrete-signals  signal-analysis  sampling  continuous-signals 

ฟังก์ชันสี่เหลี่ยมถูกนิยามเป็น: r e c t (t)=⎧⎩⎨⎪⎪⎪⎪0121ถ้า | t | &gt;12ถ้า | t | =12ถ้า | t | &lt;12.rect(t)={0if |t|&gt;1212if |t|=121if |t|&lt;12.\mathrm{rect}(t) = \begin{cases} 0 & \mbox{if } |t| > \frac{1}{2} \\ \frac{1}{2} & \mbox{if } |t| = \frac{1}{2} \\ 1 & \mbox{if } |t| < \frac{1}{2}. \\ \end{cases} ฟังก์ชันสามเหลี่ยมถูกกำหนดเป็น: ไตร( …

9 sampling  interpolation 

อัปเดต:ดูความคิดเพิ่มเติมที่ด้านล่างของโพสต์นี้ ภายใต้เงื่อนไขการสุ่มตัวอย่างทั่วไปที่ไม่ถูก จำกัด โดยสิ่งที่อธิบายไว้ด้านล่าง (สัญญาณที่ไม่สัมพันธ์กับนาฬิกาการสุ่มตัวอย่าง) เสียงการหาปริมาณมักจะถูกประเมินว่าเป็นการกระจายแบบสม่ำเสมอในระดับควอนตัมหนึ่งระดับ เมื่อ ADC สองตัวรวมกันกับเส้นทาง I และ Q เพื่อสร้างการสุ่มตัวอย่างของสัญญาณที่ซับซ้อนเสียงเชิงปริมาณจะมีทั้งความกว้างของเสียงและเฟสเสียงประกอบดังที่จำลองไว้ด้านล่าง ดังที่แสดงไว้เสียงรบกวนนี้มีการแจกแจงเป็นรูปสามเหลี่ยมเมื่อองค์ประกอบ I และ Q มีส่วนร่วมในแอมพลิจูดและเฟสอย่างเท่าเทียมกันเช่นเมื่อสัญญาณอยู่ที่มุม 45 °และสม่ำเสมอเมื่อสัญญาณอยู่บนแกน สิ่งนี้คาดว่าจะเกิดขึ้นเนื่องจากเสียง quantization ของแต่ละ I และ Q นั้นไม่ได้มีความสัมพันธ์กันดังนั้นการแจกแจงจะเกิดขึ้นเมื่อทั้งคู่มีส่วนร่วมในผลลัพธ์ผลลัพธ์ คำถามที่ถูกถามคือถ้าการกระจายของสัญญาณรบกวนเฟสเปลี่ยนไปอย่างมีนัยสำคัญสำหรับกรณีของการสุ่มตัวอย่างที่สอดคล้องกัน (สมมติว่านาฬิกาการสุ่มตัวอย่างนั้นมีสัญญาณรบกวนเฟสที่เหนือกว่าดังนั้นไม่ใช่ปัจจัย) โดยเฉพาะฉันพยายามที่จะเข้าใจว่าการสุ่มตัวอย่างที่สอดคล้องกันจะช่วยลดสัญญาณรบกวนเฟสที่เกี่ยวข้องกับการทำให้เป็นควอนตัมได้หรือไม่ สิ่งนี้จะนำไปใช้โดยตรงกับการสร้างสัญญาณนาฬิกาซึ่งจะสามารถรักษาความเชื่อมโยงได้อย่างง่ายดาย พิจารณาทั้งสัญญาณจริง (หนึ่ง ADC) หรือสัญญาณที่ซับซ้อน (สอง ADC's; หนึ่งสำหรับฉันและหนึ่งสำหรับ Q ร่วมกันอธิบายตัวอย่างที่ซับซ้อนเดียว) ในกรณีของสัญญาณจริงอินพุตเป็นคลื่นไซน์เต็มรูปแบบและคำของเฟสได้มาจากสัญญาณการวิเคราะห์ กระวนกระวายใจที่เกี่ยวข้องกับการเปลี่ยนแปลงในการข้ามศูนย์ของเสียงไซน์จะเป็นตัวอย่างของเสียงเฟสที่เกิดขึ้นสำหรับสัญญาณจริง สำหรับกรณีของสัญญาณที่ซับซ้อนอินพุตเป็นสเกลเต็มAejωtAejωtAe^{j \omega t}ที่ซึ่งองค์ประกอบที่แท้จริงและจินตภาพจะเป็นคลื่นไซน์เต็มขนาด สิ่งนี้เกี่ยวข้องกับคำถามนี้ซึ่งมีการอธิบายการสุ่มตัวอย่างที่สอดคล้องกันเป็นอย่างดี แต่ไม่ได้กล่าวถึงสัญญาณรบกวนเฟสโดยเฉพาะ: การสุ่มตัวอย่างที่สอดคล้องกันและการกระจายของเสียงรบกวนเชิงปริมาณ เพื่ออธิบายองค์ประกอบเสียงรบกวน AM …

9 sampling  adc 

ฉันเข้าใจคณิตศาสตร์ที่อยู่เบื้องหลังการเปลี่ยนแปลงรูปแบบดิจิตอล แต่ฉันไม่แน่ใจว่าระบบดังกล่าวนำไปใช้ในทางปฏิบัติอย่างไร ตัวอย่างเช่นในเรดาร์ FMCW แบบไวด์แบนด์ทั่วไปที่ทำงานใน S-band แบนด์วิดท์พัลส์ (เบสแบนด์) อาจมีขนาดใหญ่ถึง 500MHz ในการแปลงสัญญาณเป็นดิจิตอลนี้คุณต้องใช้ ADC ความเร็วสูงซึ่งโดยทั่วไปแล้วจะมีความถี่การสุ่มตัวอย่าง 1GHz เท่าที่ฉันรู้ ADCs เหล่านี้ไม่ถูก ทีนี้ถ้าคุณสมมุติว่า Uniform Rectangular Array (URA) ที่มีองค์ประกอบเสาอากาศ 20 ตัวคุณต้องทำการจำลองส่วนหน้า RF ของคุณ 20 ครั้ง! ส่วนหน้าของ RF นี้จะประกอบด้วย LNA ตัวปรับแต่งเสียงและ ADC ความเร็วสูง นอกจากนี้จำนวนข้อมูลที่ผลิตโดยระบบดังกล่าวข้างต้นนั้นมีขนาดใหญ่มากซึ่งต้องการหน่วยความจำขนาดใหญ่และกำลังประมวลผล คำถามของฉันคือ: สถานการณ์ข้างต้นสะท้อนให้เห็นถึงการใช้ระบบการจัดรูปแบบทางปฏิบัติที่นำไปปฏิบัติจริงหรือไร้เดียงสาเกินไปหรือไม่? ฉันขาดพื้นฐานบางอย่างที่นี่หรือไม่ มีเทคนิคการประมวลผลสัญญาณ / ฮาร์ดแวร์ที่สามารถช่วยลดข้อกำหนดด้านฮาร์ดแวร์หรือการประมวลผลในระบบดังกล่าวได้หรือไม่? ขอบคุณ

9 sampling  beamforming  array-signal-processing 

ฉันต้องการถามคำถามเชิงทฤษฎีเกี่ยวกับฟังก์ชัน Dirac การแปลงฟูริเยร์ของฟังก์ชัน Dirac คือค่า 1 (DC) สำหรับทุกความถี่ ถ้าเราพิจารณาการสุ่มตัวอย่างทฤษฎีบทเราต้องไปหาความถี่สูงสุดของสัญญาณเพื่อให้เราได้ลิ้มลองกับ{} แต่อย่างที่เราเห็นได้จากการแปลงฟูริเยร์ฟังก์ชั่น Dirac นั้นบรรจุทุกความถี่ดังนั้นเราจึงไม่สามารถหาที่เหมาะสมได้ คำถามของฉันคือจากมุมมองทางทฤษฎีแล้วฟังก์ชัน Dirac สามารถถูกสุ่มตัวอย่างได้หรือไม่? fmax fmax \ f_{max} fs≥ 2fmax fs≥ 2fmax \ f_s \ge \ 2f_{max}fsfs f_s แก้ไข: ขอบคุณสำหรับคำตอบที่เป็นประโยชน์ของคุณ!

9 sampling 

ฉันกำลังเรียนระบบมัลติมีเดียในวิทยาการคอมพิวเตอร์ MSc ของฉันและฉันมีปัญหาบางอย่างในการทำความเข้าใจสูตรสำหรับความถี่นามแฝง - สิ่งนี้อาจเกิดจากความเข้าใจผิดเกี่ยวกับสัญญาณนามแฝงของฉัน ความเข้าใจของฉันเกี่ยวกับสัญญาณนามแฝงคือถ้าคุณขีดตัวอย่างสัญญาณอินพุตของคุณ (เช่นตัวอย่างในอัตราที่น้อยกว่าความถี่สูงสุดสองเท่า) จากนั้นเราสามารถสร้างนามแฝงได้เนื่องจากเราสุ่มตัวอย่างไม่บ่อยพอที่จะจับรายละเอียดความถี่สูง สัญญาณนามแฝงเป็นผลมาจากการรับค่าตัวอย่างเหล่านี้และเข้าร่วมกับพวกเขาด้วยเส้นโค้งเรียบ ดังนั้นสัญญาณที่ได้จึงมีความถี่ครึ่งหนึ่งของความถี่สุ่มตัวอย่างเนื่องจากไซนัสบริสุทธิ์บริสุทธิ์จะต้องใช้สองตัวอย่างต่อการแกว่ง (1 สำหรับแต่ละจุดเปลี่ยน) - นี่หมายความว่าความถี่นามแฝงควรเป็นหน้าที่ของความถี่สุ่มตัวอย่าง สูตรสำหรับความถี่นามแฝงคือความแตกต่างที่แน่นอนของความถี่สัญญาณและจำนวนเต็มคูณที่ใกล้เคียงที่สุดของความถี่การสุ่มตัวอย่างใครบางคนสามารถอธิบายสิ่งนี้ให้ฉันได้หรือไม่ ขอบคุณล่วงหน้า!

9 audio  sampling  continuous-signals  aliasing 

ฉันมีสเปกตรัมสองอันของวัตถุทางดาราศาสตร์เดียวกัน คำถามสำคัญคือ: ฉันจะคำนวณการเปลี่ยนแปลงสัมพัทธ์ระหว่าง spectra เหล่านี้และได้รับข้อผิดพลาดที่แม่นยำในการเปลี่ยนแปลงนั้นได้อย่างไร รายละเอียดเพิ่มเติมถ้าคุณยังอยู่กับฉัน แต่ละสเปกตรัมจะเป็นอาร์เรย์ที่มีค่า x (ความยาวคลื่น), ค่า y (ฟลักซ์) และข้อผิดพลาด การเปลี่ยนความยาวคลื่นจะเป็นพิกเซลย่อย สมมติว่าระยะห่างของพิกเซลเป็นประจำและมีเพียงการเลื่อนความยาวคลื่นเดียวที่ใช้กับสเปกตรัมทั้งหมด ดังนั้นคำตอบสุดท้ายจะเป็นดังนี้: 0.35 +/- 0.25 พิกเซล spectra ทั้งสองนั้นจะมีความต่อเนื่องที่ไม่มีรูปแบบมาแทนที่ด้วยคุณสมบัติการดูดซับที่ค่อนข้างซับซ้อน (dips) ที่ไม่ได้สร้างแบบจำลองได้ง่าย (และไม่ได้เป็นคาบ) ฉันต้องการหาวิธีที่เปรียบเทียบสเปกตรัมทั้งสองโดยตรง สัญชาตญาณแรกของทุกคนคือการทำครอสสัมพันธ์ แต่ด้วยการเลื่อนพิกเซลย่อยคุณจะต้องสอดแทรกระหว่างสเปคตรัม วิธีการปัจจุบันของฉันคือทำให้ข้อมูลราบรื่นขึ้นโดยใช้เคอร์เนลแบบเกาส์เซียนแล้วจึงทำให้ผลที่ได้เป็นไปอย่างราบรื่นและเปรียบเทียบสเปกตรัมสองอันที่แยกกัน - แต่ฉันไม่ไว้ใจ (โดยเฉพาะข้อผิดพลาด) ไม่มีใครรู้วิธีที่จะทำอย่างถูกต้องหรือไม่ นี่คือโปรแกรมไพ ธ อนสั้น ๆ ที่จะสร้างสเปกตรัมของเล่นสองอันที่ถูกเลื่อนด้วย 0.4 พิกเซล (เขียนเป็น toy1.ascii และ toy2.ascii) ที่คุณสามารถเล่นได้ แม้ว่าโมเดลของเล่นนี้จะใช้คุณสมบัติแบบเกาส์เซียนอย่างง่าย แต่สมมติว่าข้อมูลจริงไม่สามารถใช้กับโมเดลแบบง่ายได้ import numpy as …

9 sampling  cross-correlation  smoothing 

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 

เรารู้ว่าผลลัพธ์การสุ่มตัวอย่างในนามแฝงและความถี่สูงกว่าครึ่งหนึ่งของอัตรา Nyquist นั้นไม่สามารถแยกแยะได้ ฉันเป็นสัญญาณเบสแบนด์ที่ฉันต้องการใช้ความถี่ที่สูงกว่าซึ่งสูงกว่าครึ่งหนึ่งของอัตรา Nyquist (ความถี่ Nyquist) เช่นเดียวกับความถี่ต่ำ (ทุกส่วน) ฉันมีกระบวนการพิเศษกับเส้นทางนี้: อินพุต⟶ตัวกรองล่วงหน้าการลบรอยหยัก⟶Decimate⟶FFT⟶ปรับแต่งในส่วนพิเศษของสัญญาณInput⟶anti-aliasing pre-filter⟶decimate⟶FFT⟶tune on special partof the signal\textrm{Input}{\longrightarrow}\boxed{\textrm{anti-aliasing pre-filter}}{\longrightarrow}\boxed{\textrm{decimate}}{\longrightarrow}\boxed{\textrm{FFT}}{\longrightarrow}\boxed{\textrm{tune on special part}\\{\textrm{of the signal}}} low-pass post-filter ที่คนมักจะใช้เป็น anti-aliasing filter จะลบความถี่สูงที่น่าสนใจสำหรับฉัน ตัวกรองการลบรอยหยักล่วงหน้าแบบดิจิตอลหรืออนาล็อกคืออะไรที่ฉันไม่เสียความถี่สูง

9 sampling  downsampling