信号処理

キャリア周波数のない光OOK（キーリングのオン）システムを構築しています。[ただし、シンボル間にガードタイムがあるため、連続した「1」メッセージはDCとは対照的にパルス列になります。画像を参照してください]。基本的に、シグナルの存在は1を示し、シグナルの欠如はゼロを示します。レシーバーとトランスミッターを同期する正確なクロックがあります。システムは低いSNRで動作し、DSP技術を使用してSNRを改善するのが好きです。 少し質問があります： ハードウェアで選択的なサンプリングを行います。言い換えると、チャネルを連続的にサンプリングするのではなく、信号を見る確率が最大の場合にのみサンプリングします（つまり、これは光パルスであり、ADCが最後にサンプリングするようにADCの時間を計りますアナログチェーン全体が安定していることがわかっているパルスの）。画像をご覧ください。 当然、この図面にはノイズは表示されませんが、そこにあります。これは特に低信号システムであり、主なノイズ源はショットノイズ、ジョンソンノイズ、およびアンプの内部ノイズです。（光学システムなので、Sun以外の干渉物はありません）。私のノイズの観測は、すべての周波数で類似していることを示しています。（少なくともスコープに表示されるもの） ソフトウェアで単純なしきい値比較を使用して、データが1かゼロかを判断します。もっと良い方法はありますか？私はいくつかの選択肢を考えましたが、専門家からの連絡をお待ちしています。 これまでのところ、次のオプションを検討しました。 連続ADCを実行し、立ち上がり時に統合を試みます：利点については完全にはわかりません（他の利点があるかもしれませんが、わかりません）。 ソフトウェアの一致フィルター：数学を本当に理解していないが、私が読んだものに基づいて、可能性 ガード時間中にサンプリングし、これを信号ADC値から減算します（これにより、さらに詳細な情報が得られる場合がありますが、確かではありません。ガード時間はノイズ測定になります） ハードウェアを同期デコーダーに変更すると、コストがかかり、時間がかかり、データレートが高速であり、同期復調器を取得すると、マルチMHz搬送周波数システムを構築する必要があるため、高価なボードになるため、うまく機能しない可能性があります。

14 demodulation 

カルマンフィルターに関する章で、私のDSPの本は、一見すると一見、一見、システムの定常カルマンフィルターであると述べています。 { x （t + 1 ）y（t ）= A x （t ）+ w （t ）= Cx （t ）+ v （t ）{x(t+1)=Ax(t)+w(t)y(t)=Cx(t)+v(t)\begin{cases} x(t+1) &= Ax(t) + w(t) \\ y(t) &= Cx(t) + v(t) \end{cases} 予測子があります バツ^（t + 1 | t ）= （A − A K¯C）x^（t | t − 1 ）+ A …

14 kalman-filters 

私はFFTアルゴリズムを実装するための取り組みに関与しており、入力テストデータを使用するために推奨されるアドバイスが何であるか、そしてその理由を知りたいと思っています。-そして、どのような精度が期待されますか。 テストの入力については、古いUsenetの投稿に回答として投稿する少しのガイダンスが見つかりましたが、それは正当な理由のない1人の提案にすぎません。 正確性について、ウィキペディアはエラーがO（e log N）であるべきだと言っていますが、絶対的な用語で合理的な期待は何ですか？ 編集して追加：実際のテストは、入力データの配列と比較対象の事前計算された「参照」出力データを格納した形式になっているため、必ずしも閉じた形式のソリューションを必要としません。

14 fft 

シーケンスをゼロに4Nにパディングし、FFTを実行し、生成された4NからNポイントの最低周波数のみを使用するアルゴリズムを持っています。 これは多くの無駄な作業のように思えますが、どのようにこれをより速く行うことができますか？

14 fft  dft 

ポイントクラウドは、のために均一なランダム関数を使用して生成されます(x,y,z)。次の図に示すように、（正確ではないにしても）最適なターゲットプロファイルに一致する、つまり左下のコーナーで与えられる、平らな交差面（profile）が調査されています。だから、質問は次のとおりです。 1- 以下の注意事項/条件target 2D point mapをpoint cloud考慮することにより、このような一致を見つける方法は？ 2-座標/方向/類似度などは何ですか？ 注1：関心のあるプロファイルは、軸に沿って任意の回転が可能な場所であればどこでもかまいません。また、位置や向きに応じて、三角形、長方形、四角形などの異なる形状にすることもできます。次のデモンストレーションでは、単純な長方形のみが示されています。 注2：許容値は、プロファイルからのポイントの距離と見なすことができます。次の図のためにこれを実証するためには、許容範囲の仮定0.01最小寸法回(~1)そうにtol=0.01。したがって、残りを削除して、調査対象のプロファイルの平面上に残りのすべてのポイントを投影すると、ターゲットプロファイルとの類似性を確認できます。 注3：関連するトピックは、ポイントパターン認識にあります。

14 image-processing  computer-vision  image-registration  point-cloud 

私は画像処理の経験がほとんどない生物学者ですが、MATLABについて十分な知識があり、画像処理ツールボックスを持っています。理想的には、MATLABベースのソリューションを探していますが、その実行方法を概説するアプローチも役立ちます。 更新（2011年11月28日） 合成画像（最初の質問で示したもの）を使用する場合、特定の問題（信号の重複や色の定義など）があるようです。2つのチャネルから別々の画像を添付しています：緑と赤（合成画像の青緑色の領域は無視できます）、および合成画像です。赤チャンネルは、2つの理由で不良です。1。背景が高いためコントラストが低い。2。背景レベルで赤が緑に染み込んでいるように見えるため。 機能が同等緑-赤-青緑色、赤-緑または緑に2つの隣接する線形セグメントと同一直線上と伝染性である赤色を有する合成画像上の領域として定義されます。 2つの別々のチャネルからの画像を見ることで、機能の識別が容易になることを望んでいます。 アルゴリズムについて次の提案があります。 最初に同一直線上の緑のセグメントを特定します（そして緑のセグメントの長さを決定します） 赤のチャネルに、互いに向かい合って隣接する伝染性の同一線上セグメントが存在するかどうかを判断します（緑->赤-> <-赤<-緑）。「はい」の場合、緑のセグメントが終了する点（緑のセグメントと重なるため）から、他の赤のセグメントに最も近い赤のセグメント上の点までの赤のセグメントの長さを定義します。（つまり、赤のセグメントの端の1つは、重なっている緑のセグメントの端に設定されます）。 どうもありがとう！ 背景： 私の質問は、画像から特徴を抽出することに関するものです。 元の画像（tif）は次の場所にあります。 画像例1（ドロップボックス） この画像は、3つのチャネル（tif形式）の合成です：赤、緑、青緑色。ターコイズ色の繊維は、カバースリップ上にあるすべてのDNAを単純にマークします。関心のある特徴は、画像の中央にある1本のDNA鎖にある緑-赤-ターコイズ-赤-緑の特徴です。 赤は一般的に最もうるさいです。コントラストが良いので、この例は良いです。ただし、画像があまり美しくなく、画像全体に色相がある場合があるため、緑と赤の色に特定のRGB値をハードコーディングすると、すべての画像で機能しない場合があります。また、繊維は必ずしも水平ではなく、回転する可能性があります（ただし、垂直になることはありません）。 例については、この画像を参照してください。 元の画像（tif）は次の場所にあります。 画像例2（ドロップボックス） また、単一の画像にそのような多くの特徴がある場合もあれば、同じDNA鎖に複数の特徴がある場合もあります。最後に、部分的な特徴のみが存在する場合があります（つまり、孤立した緑または孤立した赤または孤立した緑赤のセグメントですが、ペアではありません）。 質問： 緑色と赤色のセグメントの個々のセグメントの長さを誰かが手伝ってくれると感謝します。つまり、関心のある特徴は緑-赤-ターコイズ-赤-緑なので、各特徴には5つの値の配列があります（最初の緑のセグメントの長さ、最初の赤のセグメントの長さ、青緑色のセグメントの長さ、2番目の赤のセグメントの長さ、2番目の緑のセグメントの長さ）

14 image-processing 

双線形変換がTustinの方法としても知られていることはよく知られています。私の知る限り、アーノルド・タスティンは実際に制御システムの文献にこの考えを導入したので、名前はスティグラーの法則の単なる例ではありません。たとえば、次の参照を見つけることができました。 英国のTustinは時系列モデルの双線形変換を開発しましたが、OldenbourgとSartoriusは差分方程式を使用してそのようなシステムをモデル化しました。[1][1][1] はっきりしていないのは、彼の出版物のタイトルを閲覧するときでさえ、彼が最初にアイデアを導入した場所です。私はそれが後に双線形変換として知られるようになったと推測しているので、おそらく彼はその用語を使用しなかったでしょう。彼のテクニックの解説を読みたいです。彼が最初にそれを公開した場所を知っている人はいますか？ ビッセル、CC 自動制御の歴史。リンク。

14 discrete-signals  reference-request  signals-history 

アルファをバンプマップとして使用して、ビットマップにベベル効果を追加するアルゴリズムを作成したいと考えています。 このようなことをどのようにすればいいですか？鏡面照明を試しましたが、ハイライトのみが得られ、シェードは得られません。 これが私が話している効果です（Photoshopを使用して作成）： これらの全てを用いて行ったsize: 30px（ビットマップの輪郭からベベルの深さ）をangle 130、altitude 50。 左から右、上から下： チゼルハードベベル チゼルソフトベベル 滑らかなベベル チゼルハードでsoften: 16px-ぼやけた面取り？ これらのエフェクトをそれぞれ作成しようとしていますが、基本的なベベルを作成するにはどうすればよいですか？そして、その斜面からこれらのそれぞれに到達するには何が必要ですか

14 image-processing  filters  algorithms 

私は通常、平均二乗誤差（MSE）またはピーク S / N比（PSNR）を使用して2つの画像を比較しますが、これでは十分ではありません。画像Aとそのピクセル化された（またはぼやけた）バージョンBの間の非常に大きな距離を返す式を見つける必要がありますが、処理方法がわかりません。私のニーズに適した指標は何でしょうか？

14 image-processing  distance-metrics 

バックグラウンド 電話の種類の設定で使用する単一の小さなマイクとスピーカーを持つシステムを設計しています。最も簡単な例は、コンピューターのスピーカーとデスクトップマイクを使用しているSkypeの会話です。 スピーカーからの音声がマイクに拾われて元の人に返送されるのが心配です。VoIP会話の初期の頃は、これが常に発生するのを聞いていましたが、それ以上聞こえることはほとんどありませんでした。 私の想定では、グループはエコーをキャンセルする方法を考え出していますが、どのようにそれを行うのでしょうか？ アプローチ 私が最初に考えたのは、マイク信号からスピーカーに送信される信号を単純に差し引くことでした。ただし、この方法では遅延に注意する必要があります。何らかの事前キャリブレーションなしで遅延が何であるかを判断する方法がわかりませんが、これは避けたいと思います。また、信号を減算する前に信号をどれだけスケーリングするかという問題もあります。 次に、マイク信号がエコーである可能性を判断し、実際の遅延を判断できるようにするために、スピーカー信号とマイク信号の間で何らかの相関を行うことを考えました。この方法は、記録された信号で遊んでいたときは問題なく動作しましたが、リアルタイムシステムで役立つ相関を計算する際の遅延は非常に長いと思われました。また、スピーカーの音量を調整できるため、実際に何かが相関しているかどうかを判断することが困難でした。 私の次の考えは、インターネット上でこれまでに成功した人がいるに違いないと思いますが、素晴らしい例は見つかりませんでした。そこで、この種の問題を解決するために使用できる方法を確認するためにここに来ました。

14 audio 

ポリフォニック音楽の転写は現在、解決された問題ではないようです。 問題の小さな部分の逆はどうですか。確率空間から一部の音楽コードを除去するために使用できるスペクトル特性（STFTから）がありますか？（たとえば、この音のスニペットには、C＃の和音やマイナーな和音が含まれていないか、和音ではなく単一の音ですなど） オーディオスニペットがほぼ定常的である（一時的な攻撃が除去されるなど）と仮定し、個々のノートのほとんどまたはすべての倍音が存在する可能性が非常に高いと仮定します。（そして、この質問は逆さの和音に関するものではありません。）

14 music  frequency-spectrum 

顕微鏡検査では、カメラを頻繁にテストしています。私のアプリケーションは非常に低い信号対雑音比を伴うので、局所相関は信号をバックグラウンドから実際に区別するすべてであるため、雑音に相関やパターンがないことが重要になります。 ノイズをテストするには、通常、100個までの暗いフレーム、つまりカメラに外光が当たらないフレームを取得し、時間平均によって固定カメラパターンを決定し、それをシリーズから減算します。 私は単に各ピクセルの標準偏差を時間を通して取得し、結果の画像（カメラの異なる行/列に異なるノイズ標準偏差が含まれるなど）を見て、行と列ごとにノイズのパターンを観察しました相互相関（いくつかのインターリーブされたカメラで、1行おきにノイズが相関していることに気付きました）。 これらのテストの最初のテストは定性のみであり、2番目のテストは（比較的）グローバルな相関関係のみを提供します。カメラのノイズに相関パターンまたは動的パターンがあるかどうかを判断するためのより良い（および高速の）方法はありますか？

14 noise  camera 

正規化最小二乗（NLMS）フィルターの計算パフォーマンスを向上させる方法はありますか？マルチディレイブロック周波数領域（MDF）フィルターはこれを行うために提案されていますが、サンプルごとではなくブロックごとに推定インパルス応答を更新するだけなので、収束速度と精度も低下します。他の方法はありますか？

14 adaptive-filters  performance  least-squares 

ノイズの多い信号で正弦波トーンバーストの開始時間を推定するために、どのような手法を使用できますか？ トーンバーストは既知の固定周波数（ただし未知の位相）と非常に鋭い立ち上がり時間を持ち、目標は立ち上がり時間の半分、および/またはトーンの周波数の1周期以内で開始時間を推定することです、 可能なら。S / N比が非常に低い（1未満）場合、推定手法はどのように変化しますか？ 追加：トーンバーストの長さは不明ですが、立ち上がり時間と周波数周期の小さな倍数よりも長いと仮定します。 追加：DFT / FFTは、トーンの存在の可能性が非常に高いことを示しています。問題は、FFTウィンドウ内のトーン（またはおそらく同じ周波数の複数のトーンバースト）がFFTウィンドウ内で開始した場所を正確に把握すること、または現在のトーンがそのDFTウィンドウ外で開始したかどうかを判断することです。追加の時間領域データ。 レーダーパルスの検出精度は、トーンの長さが不明であり、既知の立ち上がり時間以外は変調されていないため、エッジのみがあることを除いて、必要な解像度に近くなります。狭帯域パスフィルターは立ち上がり時間を歪め、したがってエッジ到着推定の解像度を低下させます。

14 audio  algorithms  edge-detection 

携帯電話を使用してキャプチャした画像から四角形の看板を検出するにはどうすればよいですか？長方形のような形状を検出するにはどうすればよいですか？角丸長方形（形状コーナーの代わりに角丸）？ 私はopencv.wrapperを使用していますが、それは初めてです。 ありがとう。 サンプルは次のとおりです。 代替テキストhttp://www.freeimagehosting.net/uploads/b03442fd36.png 代替テキストhttp://www.freeimagehosting.net/uploads/e6b36040e8.png ノイズとそこに多くの線があるため、看板の境界線がどれであるかを判断できません。ハフ変換後に線の境界を見つけることができます。私は閉じ込められています...この種のシナリオでは... これは携帯電話のカメラから撮影した2枚の生写真です 代替テキストhttp://www.freeimagehosting.net/uploads/6dbd613edf.jpg 代替テキストhttp://www.freeimagehosting.net/uploads/720da20080.jpg 看板を出すために画像をどのように処理できるかを知るには、アドバイスが必要ですか？ どうもありがとうございました

14 c#  image-processing