Przetwarzanie sygnałów

Nie ma to dla mnie sensu, ponieważ nierówność Heisenberga stwierdza, że ΔtΔωΔtΔω\Delta t\Delta \omega ~ 1. Dlatego kiedy masz coś idealnie zlokalizowanego w czasie, dostajesz coś całkowicie rozłożonego na częstotliwość. Stąd podstawowa zależność gdzie jest operatorem transformacji Fouriera .F.F{δ(t)}=1F{δ(t)}=1\mathfrak{F}\{\delta(t)\} = 1FF\mathfrak{F} Ale dla grzebienia Dirac , stosując transformację Fouriera, otrzymujesz …

16 fourier-transform 

Zadałem pytanie wcześniej, ale nie uzyskałem na nie odpowiedzi. Teraz upraszczam: czym jest gęstość spektralna (CSD) i czułość spektralna mocy (PSD)? Jakie jest ich zastosowanie? Jak mogę je zdobyć w MATLAB? Skk(ω)=limT→∞1Skl(ω)=limT→∞1TE{Y∗k(ω)Yl(ω)}Skl(ω)=limT→∞1TE{Yk∗(ω)Yl(ω)}S_{kl}(\omega)=\lim_{T\to\infty}\frac{1}{T}E\{Y_k^*(\omega)Y_l(\omega)\} Skk(ω)=limT→∞1TE{Y∗k(ω)Yk(ω)}Skk(ω)=limT→∞1TE{Yk∗(ω)Yk(ω)}S_{kk}(\omega)=\lim_{T\to\infty}\frac{1}{T}E\{Y_k^*(\omega)Y_k(\omega)\} Skl(ω)Skl(ω)S_{kl}(\omega) to funkcja gęstości widmowej (CSD) między sygnałami ogólnymi yk(t)yk(t)y_k(t) i yl( t )yl(t)y_l(t) , S.k k( …

16 psd 

Chciałbym rozpoznać granice sześciokątnej płytki na zdjęciu, jak na zdjęciu poniżej: Wydaje mi się, że standardowym podejściem do kwadratowej siatki jest najpierw wykrycie narożników (np. Sprytnych), a następnie wyodrębnienie najdłuższych linii za pomocą transformaty Hougha lub czegoś podobnego. Nie wydaje się to optymalnym rozwiązaniem z kafelkami sześciokątnymi, ponieważ długość linii …

16 image-processing  opencv  image-segmentation 

W niektórych artykułach czytałem, że hałas addytywny jest ograniczony przez pasmo bieli Gaussa. Jak mogę zasymulować ten rodzaj hałasu za pomocą MATLAB?

16 matlab  noise  gaussian 

Wiem, że istnieją 4 rodzaje filtrów FIR z fazą liniową, tj. Stałe opóźnienie grupy: (M = długość odpowiedzi impulsowej) Reakcja impulsowa symetryczna, M = nieparzysta Chochlik. odpowiednio symetryczny, M = parzysty Chochlik. odpowiednio antysymetryczny, M = nieparzysty Chochlik. odpowiednio antysymetryczny, M = parzysty każdy z jego cechami. Który z tych …

16 filters  filter-design  finite-impulse-response 

Niedawno popadłem w błąd , biorąc pod uwagę biegun s = 1, ponieważ istnieje nieskończona odpowiedź na częstotliwości 1. Jednak odpowiedź była tylko 1. Teraz, czy możesz wyliczyć odpowiedź częstotliwościową, biorąc pod uwagę bieguny? Po drugie, teoria mówi, że układ jest stabilny, gdy bieguny znajdują się w lewej płaszczyźnie s, …

16 continuous-signals  frequency-response  transfer-function  laplace-transform  poles-zeros 

Myślałem, że DSP zostanie wykonane przy użyciu FFT części sygnału, zmodyfikuje próbki, które wynikają z FFT (ponieważ reprezentują one widmo naszego sygnału + szum) i usunie wszelkie niepożądane sygnały, a następnie zrobi odwrotną FFT, aby uzyskać czas reprezentacja domeny filtrowanego sygnału (szum został teraz usunięty). Tak się jednak nie dzieje, …

16 filters  frequency-spectrum  filter-design  window-functions  analog 

Gdybyśmy mieli już krótkotrwałą transformatę Fouriera do lepszej analizy sygnału niż dyskretna transformata Fouriera, to jaka była potrzeba, która doprowadziła do opracowania transformaty falkowej?

16 wavelet 

Chciałbym stworzyć biały szum w dziedzinie częstotliwości, a następnie przekształcić go w domenę czasu za pomocą Pythona. Aby zrozumieć problem, po prostu wygenerowałem biały szum w dziedzinie czasu i przekształciłem go w domenę częstotliwości: import scipy.signal as sg import numpy as np import matplotlib.pyplot as plt e = np.random.normal(0,1,1e3) E …

16 fft  noise  python 

Co oznacza składnik o wysokiej częstotliwości i niskiej częstotliwości na obrazie. Jak oddzielić składową wysokiej i niskiej częstotliwości obrazu za pomocą filtra dwustronnego.

16 image-processing  filters  image  multi-scale-analysis  edge-preserving-filter 

Czy można wymienić niektóre deskryptory cech niezmienników skali i rotacji do zastosowania w wykrywaniu cech Aplikacja służy do wykrywania samochodów i ludzi na wideo zarejestrowanym przez UAV przy użyciu klasyfikatora wieloklasowego. Do tej pory patrzyłem na SIFT i MSER (który jest niezmiennikiem afinicznym). Patrzyłem również na LESH, LESH opiera się …

16 computer-vision  local-features  classification  object-recognition  sift 

Próbuję znaleźć metodę wykrywania ludzi za pomocą tylko jednej kamery 3 metry nad ziemią. To jest ramka zwrócona przez aparat: AKTUALIZACJA: Test wideo -> http://dl.dropbox.com/u/5576334/top_head_shadow.avi Aby to zrobić, najpierw rozumiem, że muszę przeprowadzić segmentację tła pierwszego planu. To jest łatwa część. Za pomocą maski pierwszego planu jestem w stanie wykonać …

16 image-processing  computer-vision  opencv 

Pod względem prawidłowych lub przyjętych konwencji nazewnictwa grafiki DSP lub danych wyjściowych oprzyrządowania, jaka jest różnica między widmem słów, spektrogramem, spektrografem i podobnymi terminami oraz jaki rodzaj wykresu, wykresu, wyświetlania CRT itp. Najlepiej opisuje każdy z nich . DODANO: Znalazłem również termin sonogram używany w kilku książkach do grafiki widma …

16 frequency-spectrum  terminology  visualization 

Mam obraz złożony z wielu „kątów”, które tworzą kształt siatki: Po kilku poszukiwaniach Hough wyglądał na dobrze dopasowanego, ponieważ nie przeszkadzają mu przerwy w linii. Jednak mam problem z tym, że moje linie są „grube”, a każde wykrywanie krawędzi, które uruchamiam (w tym przypadku Canny), wykrywa krawędzie linii, a nie …

16 image-processing  hough-transform 

Z tego, co słyszałem, skompresowane wykrywanie można wykorzystać tylko dla rzadkiego sygnału. Czy to jest poprawne? Jeśli tak jest, w jaki sposób można odróżnić rzadki sygnał od dowolnego sygnału ograniczonego pasmem? Każdy sygnał można rozszerzyć, tak aby obejmował część sygnału rzadkiego lub o zerowym współczynniku, niż czy w takim przypadku …

16 image-processing  image-compression  transform  compressive-sensing