信号処理

ホワイトノイズを燃料とする自動回帰2次モデルをシミュレートし、次数1〜4の正規化された最小平均二乗フィルターを使用してパラメーターを推定しました。 一次フィルターはシステムをモデル化しているため、当然、推定は奇妙です。2次フィルターは、いくつかの鋭いジャンプがありますが、適切な推定値を見つけます。これは、NLMSフィルターの性質から予想されるものです。 私を混乱させるのは、3次と4次のフィルターです。次の図に示すように、急激なジャンプが解消されているようです。システムをモデル化するには2次フィルターで十分なので、何を追加するかわかりません。とにかく、冗長パラメーターはを中心に動きます。000 誰かがこの現象を定性的に説明してくれませんか？何が原因で、それは望ましいことですか？ Iは、ステップサイズ用い、10個の4サンプル、およびARモデルX （T ）= E （T ）- 0.9 X （T - 1 ）- 0.2 X （T - 2 ）ここで、E （T ）であるホワイトノイズを分散1。μ=0.01μ=0.01\mu=0.0110410410^4x(t)=e(t)−0.9x(t−1)−0.2x(t−2)x(t)=e(t)−0.9x(t−1)−0.2x(t−2)x(t)=e(t)-0.9x(t-1)-0.2x(t-2)e(t)e(t)e(t) 参考のために、MATLABコード： % ar_nlms.m function th=ar_nlms(y,order,mu) N=length(y); th=zeros(order,N); % estimated parameters for t=na+1:N phi = -y( t-1:-1:t-na, : ); residue = phi*( y(t)-phi'*th(:,t-1) ); th(:,t) = th(:,t-1) …

10 adaptive-filters  autoregressive-model 

水中ソナーレシーバーで受信したデータをフィルター処理するために、MATLABで適応しきい値アルゴリズムを実装したいと考えています。受信したデータには、水中ノイズと鏡面反射によるインタラクティブなノイズ成分が含まれています。CFARDメソッドは近いですが、私の目的を果たしません。ソナーのスキャン深度内の水中に配置されたオブジェクトを画面上で確認できるように、データを画像化する必要があります。どんな助けでも大歓迎です。 編集： 水中環境です。トランスデューサーと同じ環境にある固体ターゲットによって反射された後、ソナートランスデューサーから受信した信号にしきい値を設定しようとしています。問題は水中音響イメージングソナードメインに属しています。問題は、水中の環境騒音をモデル化できなかったことです。このトピックについて今まで読んだことから、ノイズモデルは分布に従いますKKK。また、環境ノイズは本質的に加法的ではなく、インタラクティブです。したがって、しきい値は適応可能でなければなりません。質問ではCFARDメソッドについても触れました。高エネルギーの広い領域で単一のポイントを見つけることに関心があるだけなので、これはレーダーアプリケーションでの信号処理に役立ちます。水中音響イメージングソナーについても同じことが言えません。そこでは、ターゲットを画面にビデオとして表示しようとします。私はそれを今より明確にしたと思います。

10 algorithms  adaptive-algorithms  sonar 

誰かが私にいくつかの情報やリンクなどを与えることができるだろうか... ハーレット別名ハールウェーブレットのような機能に関する。私は修士論文のためにいくつかの論文を読んでおり、これらの論文のいくつかはハーレーについて簡単に述べています。私はそれらが何であるか、そしてそれらがどのように使用されるかを本当に理解することができないようです。これが基本的な質問である場合は、お詫び申し上げます。しかし、私はこの件について明確で構造化された情報を本当に感謝します。

10 image-processing  edge-detection  wavelet 

信号をLPフィルター処理し、元のフィルターから出力を差し引くことにより、信号をHPフィルター処理しようとしています。LPフィルター処理された信号を取得するために、16,000サンプルの信号に対して3次バタワースフィルターを使用して逆方向にフィルター処理しました。カットオフ周波数は、250 Hzで0.5 Hzでした。ウィンドウは使用されませんでした。 最初の85％程度のサンプルでは、​​このメソッドの出力は実際にHPフィルターされた信号と完全にオーバーラップしているようです。ただし、出力の最後には、sincのような疑わしい現象があります。 何が原因ですか？ この方法を実現するために何を変更できますか？ 以下は、2つの信号を重ねたものです。青いものはHPフィルター処理され、赤いものは減算によって得られます。 これはサンプルごとの絶対差です。それらが完全に等しくなることはありません。最小の差は8e-12です。値の87％が0.01未満です。 H（z）H(z)H(z)

10 filters  filter-design  lowpass-filter 

カットオフ周波数 1次バタワースフィルターがあります。その伝達関数はωcωc\omega_c H（s ）= ωcs + ωcH(s)=ωcs+ωcH(s) = \frac{\omega_c}{s+\omega_c} 双線形変換を使用して（その関数は何と呼ばれていますか）を見つけると、H（z）H(z)H(z) H（z）= ωc2Tz− 1z+ 1+ ωc= ωcz+ ωc（2T+ ωc） z+ ωc− 2TH(z)=ωc2Tz−1z+1+ωc=ωcz+ωc(2T+ωc)z+ωc−2TH(z)=\frac{\omega_c}{\frac{2}{T}\frac{z-1}{z+1} + \omega_c} = \frac{\omega_c z + \omega_c}{\left(\frac{2}{T}+\omega_c\right)z + \omega_c-\frac{2}{T}} ただし、この結果をMatlabが行っていることと一致させることはできません。値に関係なく、それは間違っているようです。以下はH （z ）の係数であると仮定します。TTTBAH（z）H(z)H(z) >> [B,A] = butter(1,0.5) B = 0.5000 0.5000 A = 1.0000 -0.0000 >> [B,A] = butter(1,0.6) B …

10 filters  matlab 

HPSを使用してピッチ検出アルゴリズムを作成しましたが、問題に直面しています。私は信号処理の初心者ですが、このサイトは以前から役に立ちました。 より高いピッチ（eg. >C6:1046.50hz）については、HPSからガベージデータを取得し始めています。ピッチが高いほど、多くのゴミが発生します（ゴミとは、オクターブエラーや高調波ではなく、約1Hz〜20Hzの周波数を意味します） 私が経験的に観察したこと： ピッチが高くなると結果は最悪になります。ファンダメンタルズがA6程度以上の場合、ガベージデータのみを取得します。 FFTは、非常に高いピッチでも正常に機能します（細かく言うと、ピークは基本波またはその高調波のいずれかを示しますが、ガベージは示しません）。 HPSで考慮する高調波の数を減らすと、ゴミは減りますが、基本波と高調波を区別するのが難しくなります。 これが私のアルゴリズムです： ->raw buffer -> hann window, 16384 samples, 50% overlap -> zero padding -> FFT -> HPS どんな助けでもありがたいです！ 更新1：では、追加したいことがいくつかあります。 私が記録しているサンプルレートは44100 Hzです この振る舞いはギターではほとんど見えないが、デジタルピアノでは非常によく見えることを確認しました（同じ演奏ノートに対して） これが私のhpsアルゴリズムです、多分経験のある人が問題を見つけることができます。 int hps(float* spectrum, int spectrumSize, int harmonics) { int i, j, maxSearchIndex, maxBin; maxSearchIndex = spectrumSize/harmonics; maxBin = 1; for …

10 fourier-transform  frequency-spectrum  pitch 

そこで最近、最急降下法を使用して最小コストに収束するCMAイコライザーをMATLABに実装しました。（私はイコライザーの実装のどんちゃん騒ぎです）。 私の質問は次のとおりです。 1）CMAアルゴリズムは、比較的「フラット」なチャネルにのみ適しているように思えます。言い換えれば、深いフェード/ヌルのあるチャンネルでは機能しないのですか？これは一般的に本当ですか？ 2）私はBPSK信号を使用しています。ここの最初の図から、マルチパス効果の後、BPSK信号の複雑な平面にスミアが発生していることがわかります。代わりに、4つの赤いクラスターが表示されます。CMAイコライザー私は後に私の質問はどのように来ている、まだ 4つのクラスタを持っていますか？（私はそれらを青に着色しました）。CMAはエンベロープを1に強制するだけで、どのクラスターについて話しているのかを気にしないので、それはある程度理にかなっていると思います。しかし、CMAは極小問題に悩まされる可能性があると聞いています。これはその例でしょうか？（つまり、これはBPSKであるため、2つではなく4つのクラスターを取得します）。そうでない場合、それについて何ができますか？ 3）質問2に答えるように、私は先に進み、エラーを最小限に抑えるために求めている定数係数を変更しました。（BPSKの場合に想定されるように）1を選択する代わりに、係数として0.25を選択しました。これは私が得た星座です： 問題は、これが「解決策」であったとしても、どの係数をどのように選択するかをアプリオリにどのようにして知るのでしょうか。問題と考える理由は、2つではなく4つのクラスターがある場合、特にBPSKシグナリングのために2つのクラスターが予想される場合、シンボル後の位相/周波数オフセットの推定/修正がより複雑になるためです。 （完全を期すために、同じプロットを添付しましたが、周波数オフセットを追加したとき） このイコライザーに与えることができる洞察を事前に感謝します！

10 equalization 

スケール空間理論の信号のスケール空間表現、（画像の場合には、D = 2）のように与えられる： L （X 、y ; t ）= g （x 、y ; t ）∗ f （x 、y ）ここでg （x 、f(x),x=(x1,...,xd)f(x),x=(x1,...,xd)f(x), x = (x_1, ..., x_d)d=2d=2d = 2L(x,y;t)=g(x,y;t)∗f(x,y)L(x,y;t)=g(x,y;t)∗f(x,y)L(x, y; t) = g(x, y; t) * f(x, y)はパラメーター tのガウスカーネルで、 *はたたみ込みです。tパラメータを変更することにより、多かれ少なかれ平滑化された画像を受け取ります。その結果、粗い表現（パラメーター t）には小さなオブジェクトやノイズが含まれなくなります。g(x,y;t)g(x,y;t)g(x, y; t)ttt∗∗*tttttt 主なポイントは、スケール不変の特徴検出の方法を見つけることですよね？そのため、一部の画像のサイズが縮小された場合、他のノイズキーポイントを見つけることなく、キーポイントなどの機能がサイズが異なっていても正しく検出されます。 この論文では、彼らは正規化導関数を使用しています。 δ ξ 、γ - N 、O …

10 image-processing  computer-vision  scale-space 

私たちは、実際の信号にDFT演算を適用するとを得るためにX [ kは]、その後の正方形の大き取るX [ kは]、| X [ k ] | 2、パワースペクトルは対称です。X [ k ]の周波数情報として、正の周波数または負の周波数を使用できます。x[n]x[n]x[n]X[k]X[k]X[k]X[k]X[k]X[k]|X[k]|2|X[k]|2\lvert X[k]\rvert^2X[k]X[k]X[k] ただし、これは複雑な値の信号には当てはまりません。パワースペクトルは対称的ではありません。 この場合、元の信号の周波数成分をどのように決定しますか？ 負の周波数部分だけを落とせますか？

10 fft  frequency-spectrum 

非常に遅いドリフトを取り除くために、脳波（EEG）データセット用のハイパスフィルターを作成しようとしています。ただし、0.3 Hz前後の周波数は、これらのデータが提供する研究にとって非常に重要です。 私はMatlabを使って色々試しました。FIRフィルターでは、3 dBの非常に低いdB減衰で問題ないようです。たとえば、私はそれを使用しました： h=fdesign.highpass('Fst,Fp,Ast,Ap',0.005,0.01,3,1,250); % i needed to cut d=design(h,'butter'); fvtool(d) ただし、このフィルターはデータの開始時にDCドリフトを発生させるため、これらの最初のデータポイントを失いたくありません。 賢いアイデアはローパスフィルターを設計することであり、後で実際のデータから差し引くことです。私はそれを等リップルフィルターで行いましたが、それは機能しましたが、ベースラインリフトを残しました。これは分析プロトコルの次のステップなので、今は平均除去を実行したくありません。 助言がありますか？

10 filters 

次元を減らすために射影行列を推定するが、同じクラスからの元のデータのスケール、シフト、および回転がわずかに異なる場合に、ユークリッド距離の項で類似のベクトルを遠くに射影しない固有値に類似したデータ分解方法はありますか（2D場合）。 y= Ex ;y=Eバツ;y = E x; 例えば、ECG分類問題の例。有酸素運動の周期は異なります。さらに、スケールとシフトはビート検出の精度に依存します。したがって、同じクラスに属する循環器は、その変動のために遠くに投影される可能性があります。

10 image-processing  algorithms 

低周波水中通信に使用するのに最適な変調タイプは何かについての一般的な考えをDSPハイブマインドにpingしたかったのです。多くのことを学ぶことができるので、このプロジェクトを選びました。 いくつかのコンテキスト： 500 Hz未満の低周波数（明らかに、キャリアデータと変調データの両方） たとえば、BPSは200 Hzが良いでしょう。 確かにマルチパスがあります。 周波数は、ドップラーにより、元の周波数の約0.3％の最大係数で不鮮明になる可能性があります。 これまでに見つけたもの： 私はOFDMについて考えていましたが、チャネル推定ははるかに簡単ですが、ドップラー効果に対してはるかに敏感であることを学びました。 チャープ変調についても考えていましたが、そのようなことをした人はいますか？ あなたの考えは何ですか？ 編集：（マルチパスチャネル、bps = 200 Hzの場合）の「最悪の場合」のシナリオと思われるものをいくつか添付しました。チャネルは時間領域のビット数で表されるため、次の反射が到着する前に通過するビット数をより簡単に確認できます。 ケース1： ケース2： ケース3： ケース4： ノート： 見てわかるように、私はほぼ常に同じ大きさの第2のパスを持っていますが、メインパスに固定する準備ができています。 200 bps（5秒）で1000ビットのパケットの場合、チャネルが大幅に変化する可能性があると思いますが、同時に、パケットの長さと内容を完全に制御できます。 ドップラーによる周波数オフセットは比較的「正常に動作」している、つまり突然の「ジャーク」はないと想定できます。キャリアの不一致による周波数オフセットも同様に考えることができます。

10 digital-communications  modulation 

ときは、デジタルデバイス（PC、ポータブルメディアプレーヤーなど）デジタル・オーディオ・ファイル（OGG、MP3、FLACなど）の音声信号出力は、常に関係なく、デバイスタイプ/ブランドの同じを果たしている、私は右ですか？したがって、音質に違いはありません。たとえば、mp3ファイルを再生するiPodがあります。別のブランドのメディアプレーヤーで同じファイルを再生する場合、それは非常に同じ信号（イコライザーやサウンドの変更なし）であるため、音質は同じになるはずです。 これは本当ですか？それが本当なら、私は音質に関する限り重要なのはヘッドホン/スピーカーだけだと思います。 PS：すべての答えは本当に素晴らしいです！私はそれらすべてを受け入れることができればいいのに

10 audio 

私は次の論文を参照しています。ビデオイメージングとブラインドソース分離を使用した非接触型の自動心臓パルス測定 上記の記事で、著者はRGBコンポーネントから心臓パルス信号を抽出することができます。以下のようにプロセスを視覚化してみます。 R' = R + cardiac pulse G' = G + cardiac pulse B' = B + cardiac pulse R '、G'、B 'は、カメラで観測される色成分です。R、G、Bは、心臓の脈拍がないと仮定することによる、人の色成分です。 4つのソース（R、G、B、心臓パルス）があるようです。現在、ICAを使用して、3つの混合信号（R '、G'、B '）から4つのソース（心臓パルス）のうちの1つを取得しようとしています。 それは意味がありますか？いくつかのテクニックが欠けていますか？または、私はプロセスについて間違った仮定をしていますか？

10 ica  source-separation 

カスケード型積分器櫛形（CIC）フィルターで狭帯域信号を間引きする場合、CIC周波数応答を補償するのにより適したFIRフィルターはどれですか。

10 filter-design