タグ付けされた質問 「signal-processing」

更新：これまでで 最高のパフォーマンスのアルゴリズムはこれです。 この質問では、リアルタイムの時系列データの突然のピークを検出するための堅牢なアルゴリズムについて説明します。 次のデータセットを検討してください。 p = [1 1 1.1 1 0.9 1 1 1.1 1 0.9 1 1.1 1 1 0.9 1 1 1.1 1 1 1 1 1.1 0.9 1 1.1 1 1 0.9 1, ... 1.1 1 1 1.1 1 0.8 0.9 1 1.2 0.9 1 1 1.1 …

242 algorithm  language-agnostic  time-series  signal-processing  data-analysis 

およそ次のように与えられるデータセットがあるとしましょう import numpy as np x = np.linspace(0,2*np.pi,100) y = np.sin(x) + np.random.random(100) * 0.2 したがって、データセットの20％の変動があります。私の最初のアイデアはscipyのUnivariateSpline関数を使用することでしたが、問題は小さなノイズを適切に考慮していないことです。周波数を考慮すると、背景は信号よりもはるかに小さいため、カットオフのみのスプラインが考えられるかもしれませんが、前後にフーリエ変換を行うため、動作が悪くなる可能性があります。別の方法は移動平均ですが、これには遅延の正しい選択も必要です。 この問題に取り組むためのヒント/本またはリンクはありますか？

200 python  numpy  scipy  signal-processing  data-processing 

FFTの結果があります。これらは2つに保存されますdouble、実部配列と虚部配列の配列にます。これらの配列の各要素に対応する周波数をどのように決定しますか？ 言い換えると、FFTの各実数成分と虚数成分の周波数を格納する配列を作成したいと思います。

148 c#  signal-processing  fft 

例を使用して、（ディープラーニングにおける）畳み込みニューラルネットワークの1D、2D、3D畳み込みの違いを明確に説明できますか？

126 machine-learning  deep-learning  signal-processing  conv-neural-network  convolution 

私はpythonでグラフィカルスペクトラムアナライザーを作成しようとしています。 私は現在、1024ビットの16ビットデュアルチャネル44,100 Hzのサンプルレートのオーディオストリームを読み取り、2つのチャネルの振幅を一緒に平均しています。だから今私は256の署名されたショーツの配列を持っています。次に、numpyのようなモジュールを使用して、その配列にfftを実行し、その結果を使用して、グラフィカルスペクトラムアナライザーを作成します。これは、最初は32バーだけです。 高速フーリエ変換と離散フーリエ変換に関するウィキペディアの記事を読みましたが、結果の配列が何を表しているのかまだわかりません。これは、numpyを使用して配列にfftを実行した後の配列の様子です。 [ -3.37260500e+05 +0.00000000e+00j 7.11787022e+05 +1.70667403e+04j 4.10040193e+05 +3.28653370e+05j 9.90933073e+04 +1.60555003e+05j 2.28787050e+05 +3.24141951e+05j 2.09781047e+04 +2.31063376e+05j -2.15941453e+05 +1.63773851e+05j -7.07833051e+04 +1.52467334e+05j -1.37440802e+05 +6.28107674e+04j -7.07536614e+03 +5.55634993e+03j -4.31009964e+04 -1.74891657e+05j 1.39384348e+05 +1.95956947e+04j 1.73613033e+05 +1.16883207e+05j 1.15610357e+05 -2.62619884e+04j -2.05469722e+05 +1.71343186e+05j -1.56779748e+04 +1.51258101e+05j -2.08639913e+05 +6.07372799e+04j -2.90623668e+05 -2.79550838e+05j -1.68112214e+05 +4.47877871e+04j -1.21289916e+03 +1.18397979e+05j -1.55779104e+05 +5.06852464e+04j 1.95309737e+05 +1.93876325e+04j -2.80400414e+05 …

109 python  audio  signal-processing  fft  spectrum 

更新： この質問に基づいたScipyレシピを見つけました！したがって、興味のある方は、次のサイトに直接アクセスしてください。目次»信号処理»バターワースバンドパス 1次元のnumpy配列（時系列）にバターワースバンドパスフィルターを実装するという、最初は単純なタスクのように見えたものを実現するのに苦労しています。 私が含めなければならないパラメーターは、sample_rate、ヘルツ単位のカットオフ周波数、そして場合によっては次数です（減衰、固有振動数などの他のパラメーターは私にはわかりにくいので、「デフォルト」値ならどれでもかまいません）。 私が今持っているのはこれです。これはハイパスフィルターとして機能しているようですが、正しく実行しているかどうかはわかりません。 def butter_highpass(interval, sampling_rate, cutoff, order=5): nyq = sampling_rate * 0.5 stopfreq = float(cutoff) cornerfreq = 0.4 * stopfreq # (?) ws = cornerfreq/nyq wp = stopfreq/nyq # for bandpass: # wp = [0.2, 0.5], ws = [0.1, 0.6] N, wn = scipy.signal.buttord(wp, ws, 3, 16) …

83 python  scipy  signal-processing  digital-filter 

私たちが遭遇したすべてのFFT実装は、アルゴリズムへの入力が実数（整数）の離散セットであったとしても、（実数部と虚数部を含む）複素数になります。 周波数領域を実数だけで表すことはできませんか？

83 algorithm  math  audio  signal-processing  fft