Podczas omawiania przetwarzania sygnału wszyscy omawiają transformatę Fouriera. Dlaczego przetwarzanie sygnału jest tak ważne i co mówi nam o sygnale? Czy dotyczy to tylko cyfrowego przetwarzania sygnału, czy dotyczy również sygnałów analogowych?
MIT ostatnio trochę hałasuje na temat nowego algorytmu reklamowanego jako szybsza transformacja Fouriera, która działa na określonych rodzajach sygnałów, na przykład: „ Szybsza transformacja Fouriera nazwana jedną z najważniejszych nowych technologii na świecie ”. Magazyn MIT Technology Review mówi : Dzięki nowemu algorytmowi, zwanemu rzadką transformacją Fouriera (SFT), strumienie danych …
Nawet po dłuższym przestudiowaniu ich, często zapominam [jeśli przez jakiś czas jestem poza kontaktem], jak są ze sobą spokrewnione i co oznaczają (ponieważ mają tak podobne brzmiące nazwy). Mam nadzieję, że wymyślisz wyjaśnienie, które jest tak intuicyjne i matematycznie piękne, że na zawsze zapadną mi w pamięć, a ten wątek …
Twierdzenie przesunięcie mówi : Mnożenie przez fazę liniową e 2 π ixnxnx_n niektórych całkowitąmodpowiadakołowym zmianywyjściaXk:XKzastąpionoXk-m, gdzie wskaźnikiem jest interpretowane moduloN(to znaczy periodycznie).e2πiNnme2πiNnme^{\frac{2\pi i}{N}n m}XkXkX_kXkXkX_kXk−mXk−mX_{k-m} Ok, to działa dobrze: plot a N = 9 k = [0, 1, 2, 3, 4, 5, 6, 7, 8] plot ifft(fft(a)*exp(-1j*2*pi*3*k/N)) Przesunęły się o 3 …
Czytałem wiele artykułów na temat DTFT i DFT, ale nie jestem w stanie dostrzec różnicy między nimi, z wyjątkiem kilku widocznych rzeczy, takich jak DTFT idzie do nieskończoności, podczas gdy DFT jest tylko do N-1. Czy ktoś może wyjaśnić różnicę i kiedy tego użyć? Wiki mówi DFT różni się od …
Jeśli mam sygnał, który jest ograniczony czasowo, powiedzmy sinusoidę, która trwa tylko sekund, i biorę FFT tego sygnału, widzę odpowiedź częstotliwościową. W tym przykładzie byłby to skok przy głównej częstotliwości sinusoidy.TTT Teraz powiedzmy, że biorę ten sam sygnał czasu i opóźniam go o stałą czasową, a następnie biorę FFT, jak …
Pracuję nad prostą aplikacją internetową, która pozwala użytkownikowi nastroić gitarę. Jestem prawdziwym początkującym w przetwarzaniu sygnałów, więc nie oceniaj zbyt mocno, jeśli moje pytanie jest niewłaściwe. Tak więc udało mi się uzyskać częstotliwość podstawową za pomocą algorytmu FFT i w tym momencie aplikacja jest w jakiś sposób funkcjonalna. Jest jednak …
Próbuję zaimplementować filtr IIR 8. rzędu, a każda notka aplikacji i podręcznik, który przeczytałem, mówi, że najlepiej jest zaimplementować dowolny filtr rzędu więcej niż 2 jako sekcje drugiego rzędu. Użyłem tf2sosw MATLAB, aby uzyskać współczynniki dla sekcji drugiego rzędu, co dało mi współczynniki 6x4 dla 4 sekcji drugiego rzędu, zgodnie …
Mam świadomość typowych typów okien (Hamming, Hanning, Kaiser, Tukey itp.). Jednak chociaż wiele książek je opisuje - prawie żadna nie mówi mi dokładnie, jak dokładnie zostały uzyskane. Co jest tak świętego w oknie wybijania? Co z Hanningiem? Rozumiem, że wszystkie grają na stosunku szerokości płata głównego tłumienia VS tłumienie boczne, …
Próbuję pojęciowo zrozumieć, co się dzieje, gdy do dyskretnego sygnału w dziedzinie czasu stosowane są odwrotne transformaty Fouriera (STFT) do przodu i do tyłu. Znalazłem klasyczny artykuł Allena i Rabinera ( 1977 ), a także artykuł w Wikipedii ( link ). Uważam, że można tu znaleźć jeszcze jeden dobry artykuł …
Ostatnio bawiłem się algorytmami rekonstrukcji tomograficznej. Mam już ładne działające implementacje FBP, ART, iteracyjny schemat SIRT / SART, a nawet używam prostej algebry liniowej (powoli!). To pytanie nie dotyczy żadnej z tych technik ; odpowiedzi w formie „dlaczego ktoś miałby to zrobić w ten sposób, zamiast tego podajemy kod FBP”, …
Wszystkie typowe funkcje okna innego niż prostokątne wydają się być symetryczne. Czy zdarza się, że przed FFT ktoś chciałby użyć niesymetrycznej funkcji okna? (Powiedz, czy dane po jednej stronie przysłony FFT były uważane za nieco ważniejsze niż dane po drugiej lub mniej zaszumione itp.) Jeśli tak, jakie rodzaje asymetrycznych funkcji …
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 …
Mam obraz i chciałbym zmierzyć w nim ilość szczegółów. Innym sposobem na to jest sprawdzenie, jak rozmazany jest obraz. Jednym ze sposobów jest analiza składników wysokiej częstotliwości w transformacie Fouriera obrazu. Czy są jakieś inne / lepsze metody?
Używamy plików cookie i innych technologii śledzenia w celu poprawy komfortu przeglądania naszej witryny, aby wyświetlać spersonalizowane treści i ukierunkowane reklamy, analizować ruch w naszej witrynie, i zrozumieć, skąd pochodzą nasi goście.
Kontynuując, wyrażasz zgodę na korzystanie z plików cookie i innych technologii śledzenia oraz potwierdzasz, że masz co najmniej 16 lat lub zgodę rodzica lub opiekuna.