คำถามติดแท็ก snr

ฉันมีปัญหาในการทำความเข้าใจวิธีการใช้งานจริง ฉันมีไฟล์ wav ที่มีคำพูดที่บริสุทธิ์และไฟล์ ave อื่นที่เพิ่งมีสัญญาณรบกวนพื้นหลัง (อาจเป็นสิ่งต่าง ๆ เช่นเสียงสีขาวเสียงฝูงชนบันทึกเสียงลมพัด ฯลฯ ) เหล่านี้เป็นคำพูดที่บริสุทธิ์หรือเสียงล้วน ดังนั้นฉันคิดว่าฉันสามารถรับค่า SNR จากพวกเขาโดยการแบ่งตัวอย่างง่ายๆที่สอดคล้องกัน (หรือค่าเฉลี่ยของกรอบตัวอย่าง) ในไฟล์ทั้งสอง จากนั้นฉันรวมเข้าด้วยกันด้วยความกล้าเพื่อให้ได้ไฟล์เสียงพูดที่มีเสียงดัง ฉันเดาว่าไฟล์นี้จะยังคงมี SNR เดียวกัน ตอนนี้ฉันส่งไฟล์นี้ผ่านโปรแกรมลดเสียงรบกวนและได้รับไฟล์อื่นตามมา ฉันจะคำนวณ SNR ของไฟล์ "ลดเสียงรบกวน" นี้ได้อย่างไร --- แก้ไข --- คำถามติดตามติดตามโพสต์ที่นี่

14 matlab  snr 

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

14 noise  signal-detection  snr  information-theory 

คำนิยามของดูเหมือนจะเป็นหอคอยบาเบลในอุตสาหกรรม คำจำกัดความของมีอะไรบ้าง(รู้สึกฟรีกับแอปพลิเคชันของไซต์) และสามารถวัดได้อย่างแม่นยำสำหรับแอปพลิเคชันนั้น ๆS N RS N RSNR\rm SNRS N RSNR\rm SNR คำถามเฉพาะของฉันเกี่ยวกับคือ:S N RSNR\rm SNR เราจะวัดสำหรับระบบสื่อสารได้อย่างไรถ้าเรายังไม่สามารถบรรลุเวลาสุ่มตัวอย่างบิตที่ดีที่สุดและสิ่งที่เราต้องทำงานด้วยคือสัญญาณทั้งหมดในเครื่องรับถึงและรวมถึงซองจดหมายของ I และ ช่อง Q ดูโพสต์นี้สำหรับบริบทS N RSNR\rm SNR เมื่อเราได้รับการสุ่มตัวอย่างบิตที่ดีที่สุดและได้รับ softbits แล้ววิธีที่ดีที่สุดในการวัด (หรือ ) วิธีหนึ่งที่ฉันใช้คือ: E b N 0 10 บันทึก10 [ mean { | s n | 2 }S N RSNR\rm SNREขยังไม่มีข้อความ0EbN0E_bN_010 บันทึก10[ …

13 noise  bpsk  snr 

ฉันกำลังอ่านกระดาษที่สัญญาณไม่ต่อเนื่อง x ( n ) = s ( n ) + w ( n )x(n)=s(n)+w(n)x(n) = s(n) + w(n) เป็นที่ยอมรับว่า. เป็นชุดอนุกรมที่รู้จักกันและw ( n )เป็นเสียงสีขาวที่มีค่าเฉลี่ยเป็นศูนย์ ผู้เขียนเขียนว่าs ( n )s(n)s(n)w ( n )w(n)w(n) สัญญาณถูกสร้างขึ้นด้วย SNR ที่ 20 เดซิเบล สิ่งนี้หมายความว่า? พลังงานสัญญาณหมายถึงอะไร ดูเหมือนจะมีหลายวิธีในการกำหนดสิ่งนี้ แต่ไม่มีการพยายามทำเช่นนั้นในบทความนี้ 20 dB SNR หมายถึงอะไร? ฉันคิดว่าหรือ20 = 20 log E s …

11 discrete-signals  snr 

นี่คือเครื่องตรวจกรนของฉันอีกครั้ง ฉันได้รับการตรวจจับสัญญาณที่ดีเมื่อมีสิ่งใดอยู่ในนั้น - สามารถติดตามจากเสียงกรนกราดผนังเพื่อการหายใจที่คุณไม่ได้ยินแม้แต่ในการบันทึก ปัญหาคือฉันไม่สามารถบอกได้เมื่อสัญญาณลดลงต่ำกว่าระดับที่ตรวจพบได้และแอพเป็นเพียง "ได้ยินสิ่ง" และน่าเสียดายที่การกรน / การหายใจมักจะผิดปกติพอที่ความสัมพันธ์แบบง่าย ๆ หรือช่วงเวลาคล้ายกันนั้นไม่น่าจะช่วยอะไรได้มากนัก (และอาจเป็นไปได้ว่าในบางกรณีเสียงดังกว่าปกติในการหายใจ) ดังนั้นจะมีเทคนิคใดที่ฉันขาดหายไปในการหาเมื่อไม่มีสัญญาณหรือไม่? ดูเหมือนว่าฉันกำลังเผชิญหน้ากับสถานที่ที่ยากลำบากที่นี่เนื่องจาก "สัญญาณ" เป็นเสียงเริ่มต้น (และนี่อาจเกี่ยวข้องกับปัญหาอื่นที่ฉันมี: น่าแปลกที่ฉันไม่สามารถวัดระดับสัญญาณได้อย่างแม่นยำแม้จะค่อนข้างดังเนื่องจากฉันต้องใช้ค่าเฉลี่ยและอัตราส่วนการหมุนเพื่อตรวจจับสัญญาณต่อไป ประเภทข้อมูลระดับจะหายไปฉันกำลังมองหาเทคนิคเพื่อสร้างมันขึ้นมาใหม่) เทคนิคพื้นฐาน (สำหรับ Yoda) สัญญาณเสียงถูกสุ่มตัวอย่าง (โดยทั่วไปที่ 8000Hz ด้วยเหตุผลต่าง ๆ ) แล้ว FFTed ใน 1024 บล็อก (ในการทดลองของฉัน Hamming ฟิลเตอร์และบล็อกที่ทับซ้อนกันดูเหมือนจะมีผลเพียงเล็กน้อยแม้ว่าสิ่งเหล่านั้นอาจได้รับการตรวจสอบในภายหลัง) FFT ถูกแบ่งออกเป็น "วงดนตรี" (ปัจจุบัน 5 ขนาดเอียงเล็กน้อยเพื่อวางรายละเอียดเพิ่มเติมในระดับต่ำ) และ "ความแตกต่างของสเปกตรัม" และระดับของแต่ละวงจะถูกรวมเข้าด้วยกัน ค่าเฉลี่ยระยะยาวของค่าสูงสุดที่ จำกัด ใช้เป็น "เกณฑ์" และการปรับตั้งค่าอคติต่อไปจะใช้เพื่อรักษาอัตรา …

11 noise  snr 

ฉันมีสัญญาณ:ที่n-1ฉผม(เสื้อผม= i Δ t )ฉผม(เสื้อผม=ผมΔเสื้อ)f_i(t_i=i\Delta t)i = 0 … n - 1ผม=0...n-1i = 0\ldots n-1 สัญญาณดูเหมือนจะเปลี่ยนแปลงอย่างรวดเร็วรอบ "แนวโน้ม" ที่ช้าลง ฉันสมมติว่าส่วนที่เปลี่ยนแปลงอย่างรวดเร็วคือเสียงรบกวนและส่วนที่เปลี่ยนแปลงช้าคือสัญญาณจริง ฉันจะประเมินอัตราส่วนสัญญาณต่อสัญญาณรบกวน (SNR) ของสัญญาณได้อย่างไร ฉันเดาว่าถ้าฉันสามารถตัดสินใจเกี่ยวกับความถี่ของ treshold:ฉันสามารถใช้นิพจน์ต่อไปนี้:ωเสื้อωเสื้อ\omega_t S/ N=∫ωเสื้อ0| F( ω )|2∫∞ωเสื้อ| F( ω )|2S/ยังไม่มีข้อความ=∫0ωเสื้อ|F(ω)|2∫ωเสื้อ∞|F(ω)|2S/N=\frac{\displaystyle\int_0^{\omega_t}|F(\omega)|^2}{\displaystyle\int_{\omega_t}^{\infty}|F(\omega)|^2} ที่หมายถึงฟูเรียร์ของ(t)FFFฉ( t )ฉ(เสื้อ)f(t)

9 fft  noise  snr 

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