信号エンコーディングの学習


9

マンチェスターでエンコードされたビットストリームをオーディオ信号として表す多数のサンプルがあります。それらがエンコードされる周波数は、それが高い場合の主要な周波数成分であり、バックグラウンドに一定量のホワイトノイズがあります。

これらのストリームを手動でデコードしましたが、なんらかの機械学習手法を使用してエンコードスキームを学習できるかどうか疑問に思っていました。これにより、これらのスキームを手動で認識する時間を大幅に節約できます。難点は、異なる信号は異なる方法でエンコードされることです。

複数のエンコード方式のデコードを学習できるモデルを構築することは可能ですか?そのようなモデルはどの程度堅牢であり、どのような手法を採用したいですか?独立成分分析(ICA)は、気になる周波数を分離するのに役立つようですが、エンコードスキームをどのように学習しますか?

回答:


3

(1)高レベルと(0)低レベルの2つの可能な状態で、隠れマルコフモデルを使用することをお勧めします。

この手法は、信号のデコードに役立つ場合があります。おそらく、コード化ごとに特定のHMMが必要になります。

ノイズが問題である場合、Blackman-Harrisウィンドウ関数を備えたFIRフィルターを使用すると、関心のある周波数を分離できます。


これは、値が状態遷移でエンコードされているマンチェスターエンコード信号で機能しますか?
ragingSloth 2014年

それはマンチェスターの成文化によって異なりますが、私はそう言うでしょう。それでも、HMMトレーニングの前に、ゼロクロッシングアルゴリズムを使用して信号の側面を検出することをお勧めします。これにより、クロック速度のヒントとなる変更が発生する最小時間を検出できます。
adesantos 2014年

なぜクロック速度が必要なのですか?マンチェスターのエンコーディングはセルフクロッキングです。タイミングは重要ではありません。
ragingSloth 2014年

低い値と高い値の間の遷移がどれだけ速いかを知るために、クロック速度を知ることは役立つかもしれませんが。
adesantos 2014年
弊社のサイトを使用することにより、あなたは弊社のクッキーポリシーおよびプライバシーポリシーを読み、理解したものとみなされます。
Licensed under cc by-sa 3.0 with attribution required.