信号処理

深宇宙通信（Pioneer、Voyagerなど）から得られるビットエラーレートの種類と、その微視的レベルの受信信号電力でメッセージを回復できるようにする変調とFECの種類を教えてください。 同様のチャネル条件に対して、より近代的な変調方法とエンコード方式はありますか？

9 modulation  forward-error-correction 

最近、バイナリ画像の画像処理に画像モーメントを使用し始めました。私はそれを読み取る0th0th0^{th}順序輪郭モーメントが境界と0th0th0^{th}順序面積モーメントである領域。これらの生の瞬間は両方によって与えられます： Mij=∑x∑yxiyjMij=∑x∑yxiyjM_{ij} = \sum_{x}\sum_{y}x^iy^jです。 つまり、次のような画像（ただし、バイナリの前景ピクセルは青で表示されます）がある場合、輪郭の画像であるため、モーメントは外周に対応します。0th0th0^{th} 私はこの（フォアグラウンド一方として示される）のようなイメージを持っている一方、私が取得する領域としてオブジェクトのモーメント：0th0th0^{th} コンターを使用してより多くのプロパティを取得したいので、高次（、2 n d、3 r dオーダ）の生のコンターモーメントも計算します。これらを使用して中心的な瞬間を取得したいと思います。1st1st1^{st}2nd2nd2^{nd}3rd3rd3^{rd} 中心的なモーメントを取得するために使用している式は次のとおりです。 μ00=M00μ00=M00\mu_{00} = M_{00} μ01=0μ01=0\mu_{01} = 0 μ10=0μ10=0\mu_{10} = 0 μ11=M11M00−xc∗yc=M11M00−(M10M00)∗(M01M00)μ11=M11M00−xc∗yc=M11M00−(M10M00)∗(M01M00)\mu_{11} = \frac{M_{11}}{M_{00}} - x_c*y_c = \frac{M_{11}}{M_{00}} - (\frac{M_{10}}{M_{00}})*(\frac{M_{01}}{M_{00}}) 0th0th0^{th}0th0th0^{th} さらに、等高線の生のモーメントに基づいて中心モーメントを計算できますか？

9 image-processing 

リーキーインテグレーターを支配する方程式（少なくともWikipediaによると）は dOdt+ A O（t）= I（t ）dOdt+あO（t）=私（t）\frac{d\mathcal{O}}{dt} + A\mathcal{O}(t) = \mathcal{I}(t)。 したがって、連続時間リーキー積分は、時定数ローパスフィルターと同じですが、入力のスケーリングまでは同じですか？ああA

9 filters 

最近、画像処理を始めて、大学院に関連するコースを受講しました。しかし、私はすでにこの問題についてあまり情報を必要としないプロジェクトを持っていますが、着実に進歩しました。錠剤をそれぞれの背景からセグメント化しようとしています。背景が対照的な画像の場合、大津の方法を使用して錠剤を分割することができました。背景が似ている画像に関しては、大津の方法はうまくいきません。私はセグメンテーションに関してかなりの数の論文を読んでいますが、私が読んだほとんどの論文は、画像の種類に応じて手動のしきい値を使用しています。正しいしきい値を検出し、自動的に画像にしきい値を設定し、シード成長やクラスタリングなどの手法を使用して画像をセグメント化することは可能ですか？ 私が使ってきた色空間はL a b *ですので、自分が使いたい色空間をお勧めしてもらえれば幸いです。 問題の画像： オリジナル1 結果1 オリジナル2 結果2 オリジナル3 結果3

9 image-segmentation  thresholding 

倍精度浮動小数点数を使用して高速x86マシンで動作するデジタル信号処理システムがあります。私は、浮動小数点表現の巨大なダイナミックレンジを実際に使用していないことに気付きました。すべての量が簡単に±32768の範囲に収まります。 私の質問：固定小数点計算に切り替えると、数値の精度（優先度が高い）または計算時間（優先度が低い）でメリットが得られる可能性はありますか？ もちろん、答えは固定小数点計算に使用できるビット数によって異なります。一般的な固定小数点システムは何ビットの精度を利用しますか？たとえば、x86-64 で64ビット（16ビット整数部、48ビット小数部）を使用して、固定小数点計算を効率的に行うことは可能ですか？ 固定小数点計算はCPUパワーが制限されている状況でのみ使用されるといつも思っていました。CPUパワーが問題にならないときに固定小数点計算を使用することは理にかなっていますか？

9 fixed-point 

Harrisコーナーに基づいて特徴検出器を実装しました。ほとんどの場合正常に機能しますが、パフォーマンスが低下する場合があります。個別に構成せずに、さまざまな画像で機能させる必要があります。 問題は、検出器のしきい値にあります。設定が低すぎると、検出器が何度も起動し、その結果、膨大な数の機能が発生します。高すぎる設定では、機能が少なすぎます。 私はこれをANMS（Adaptive Non-Maximal Suppression）で部分的に解決し、記述子ベクトルを割り当てる前に機能の数を減らしました。 ただし、次のような画像に問題があります。 コントラストが低く、すべての画像に対してしきい値を低く設定しすぎることは「ありません」。検出器がこれらの画像を処理するようになりますが、他の画像には何千もの機能が含まれるため、ANMSでのフィルタリングが遅くなり、全体的なパフォーマンスが低下します。 特徴検出の前に画像を調整することを考えていました。たぶん、ヒストグラムの等化がうまくいくでしょう。コントラストのグローバルな変更はフィーチャ記述子に影響を与えないため、これは有効な操作である可能性があります（輝度とコントラストの変更に対して不変です）。 たぶん、適応しきい値またはいくつかのヒューリスティックを使用するほうがうまくいくでしょう。 他に何か提案はありますか？

9 image-processing  local-features 

この質問では、CTスキャンの強度値に焦点を当てたいと思います。まず、下の画像を見てください。 上の画像は元の画像で、下の画像はしきい値バージョンです。任意の形状のボリュームを測定するために、理論的には、単に画像内のボクセルの数を数えることが可能です。ただし、オブジェクトの最も外側の層（結節など）の輝度は暗く、オブジェクト内のすべてのボクセルの輝度は非常に高くなっています。しきい値バージョンのボクセルを単純に数えると、肺結節の実際のボリュームよりも大きい結果ボリュームが得られる可能性が非常に高くなります。 また、DICOM画像の輝度情報を調整するために使用できるウィンドウの中心（レベル）やウィンドウの幅などの変数があることもわかります。強度が異なると、結果のボリュームが変わる可能性があります。 だからここに質問があります：私が特定の肺結節を測定する場合、可能な限り最高の精度を達成するために何をすべきですか？強度の低いボクセルはいつ無視すべきですか？それとも他の方法でこれを行う必要がありますか？

9 image-processing  3d  computer-vision 

500kHzでサンプリングする信号があります。入力データの上昇、下降、ピークを検出しようとしています。ピークのベースは250マイクロ秒または2.5ミリ秒の場合があり、振幅はノイズフロアより6dbまたは15db高い場合があります。残念ながら私は良いsnrを持っていません。信号のDCレベルは一定ではありませんが、ACコンポーネントよりもはるかに遅く移動します。 決定点では、上昇と下降の勾配を知る必要があります。これはハードリアルタイムシステムであり、下り勾配がDCレベルに達した後、100usecで決定を行う必要があります。 まともなアルゴリズムを効率的に実装するにはどうすればよいかという提案を探しています。 現在、私は移動平均を行い（過去25データポイントを合計）、傾向を検出しようとしています。上昇傾向を検出したら、下降傾向を探し始め、検出すると、おそらくさらに50個のサンプルを収集して計算を開始します。 ノイズはこのアルゴリズムを簡単に台無しにするので、問題になります。 更新 他の人の利益のために、私は移動平均、続いてインテグレーターを実装することになりました。過去64のデータの移動平均は十分に平滑化されましたが、ある程度上昇を失い、最後の8つの値を統合することで上昇を取り戻し、単純に上昇と下降を求め、後で勾配の線形回帰を行いました。大丈夫ではありませんが、大丈夫です。

9 peak-detection 

鳥のさえずりを検出して分類するためにPythonでプロジェクトに取り組んでおり、waveファイルを周波数対時間データに変換する必要がある状況にいます。これはそれほど問題ではありませんでしたが、さまざまな音節をグループに分類できるようにするには、データが特定の形にクラスター化されるときに検出する何かを書く必要があります。データがどのように見えるかを理解するために、プロットしたときにデータがどのように見えるかのイメージを次に示します。 SciPyを使用してそれらの間のピアソン相関を実行できるように、個々の音節（両側に分離がある各形状）を取得して変数または独自のファイルに保存する方法が必要です。 また、私はPythonを好みますが、別の方法でコーディングできる場合は、他の言語でコーディングすることもできます。 ありがとう！

9 audio  python  wave  classification 

ここでは、C でシンプルなV.23のようなFSKモデムを実装しました。 選択された変調の特殊性は、0と1が2つの異なる周波数（それぞれ2100 Hzと1300 Hz）のトーンとして送信され、各シンボルの持続時間が1/1200秒、つまり1と2の全周期の間にあるというものです。シンボルトーン周波数の。 受信機で使用したバンドパスフィルターは約875Hz〜2350Hzです。この範囲は経験的に決定されました。 問題は、トーン周波数とシンボル持続時間からそのような信号のこの周波数範囲をどのように計算するかです。 編集：振幅変調との類似性が示唆されています。変調信号は、F キャリア -メッセージ帯域幅からF キャリア +メッセージ帯域幅 Hzの帯域に分類されます。 このロジックをケースに直接適用しようとすると、FSK信号の帯域幅が以下の和集合になると期待できます。 F1 - ビットレートのF1 +はレートビット F0 - ビットレートにF0 + ビットレート または、数字を挿入すると、以下の和集合になります。 1300-1200 = 100から1300 + 1200 = 2500 2100-1200 = 900から2100 + 1200 = 3300 それとも、単にから100への3300ヘルツ。 ただし、FSK信号のスペクトルを見ると、1300-1200 = 100から2100 + 1200 = 3300 Hz ではなく、2100-1200 = 900から1300 …

9 frequency-spectrum  modulation  fsk 

複素共役平面を持つすべての複素共役平面で、未知であるが有限かつ有限の数の極と零点があると仮定して、何らかの応答を生成します。単位円の周りに等間隔に配置された一連の点の絶対値、つまり、その応答の極と零点の数の2倍よりも大きい値から、そのサンプリングされた大きさを生成した極と零点の数を推定または計算できます応答？ 追加：極と零点の数を決定するために2X以上のサンプルポイントが必要ですか？（合計がX未満である場合）。 追加：複数の解がある場合、最小の解（極と零点の合計の最小数など）を見つけたり、推定したりできますか？

9 filters  estimation  z-transform 

講義は受講しませんでしたが、過去3ヶ月間、講義ノートや重要書を基に勉強しました。そこで、この時点で、画像処理スキルを磨きたいと思います。もちろん、私はたくさんの画像処理作業を行っていますが、作業は非常に似ているようです。 プログラマーとして、私はトップコーダーなどから多くのことを学びました。難しい画像処理の問題を解決できるWebサイトはありますか？

9 image-processing 

私はEEではなく化学エンジニアなので、これは少し難しいです。 振幅と時間のデータを取得して、周波数と時間に変換する方法を理解しようとしています。私の最初の本能は、データをチャンクにスライスし、各チャンクでFFTを実行し、それをプロットすることです。残念ながら、各スライスの継続時間がゼロに近づくと、正確な周波数情報を取得するのに十分な情報がなくなります（低周波数には非常に小さなタイムスライス以上のものが必要です）。だから...どうすればいいですか？これは誰かがすでに解決しているある種の有名な問題だと確信しています。 これが私が探している一種の変形で、音波で示されています（ピアノのノートG）。ご覧のとおり、このグラフは3つの軸として表示され、3番目の軸は色で表されています。 ありがとう！

9 fourier-transform  frequency  transform 

追跡ロボットのおもちゃを手に入れ、iPhoneでそれを操作しています。ロボットが既知のフレームサイズのライブカメラフィードを出力し、UIImageに表示しています。 レーザーポインターをロボットに追加し、ロボットの軸に沿って固定しました。画像のレーザーポインタードットを検出して、オブジェクトの近接度を計算しようとしています。レーザードットが中心から離れている場合、ロボットが壁に貼り付いており、バックアップする必要があることがわかります。 画面上の明るい白赤のピクセルのドットを検出するにはどうすればよいですか？1つの解決策は、中心の特定の半径内のピクセルの色をサンプリングし、ブロブの明るい色を検出することです。誰かがこの活動のアルゴリズムを提案できますか？ 別のアプローチは、最後の数フレームにわたるドットの平均位置を追跡して、推定半径を減らすことです。事前定義された領域内にドットがない場合、検索領域が拡大されることがあります。 最後に、ロボットに周囲のカーペットを検出するように教えたいです。カーペットはレーザーポインターを一定の方法で反射します。ロボットの周りのフレームが同様の特性を持つフレームがいくつあるかを知りたいのです。レーザーポインターが画面のどこにあるかわかっている場合は、その画像から小さな四角形を切り取り、それらを互いに比較できます。複数の小さな画像を互いに比較して、それらのシルエットが一致するかどうかを理解する効率的な方法はありますか？ レーザーが光沢のある表面で反射していることに気付きました。この反射の方向から、屈折の法則に従って、空間での表面の向きがわかります。 ありがとうございました！

9 computer-vision 

独立したガウス状態と出力ノイズ、および初期状態の完全な推定を含む線形状態空間モデルの場合、カルマン推定には次のプロパティがありますか？ どこPのK | K = V R （X K | K - X kは）、 または V R （X K | K）、 または V R （X K）？E(x^k|k−xk)=0E(x^k|k−xk)=0 E(\hat{x}_{k|k} - x_k) = 0 Pk|k=Var(x^k|k−xk), or Var(x^k|k), or Var(xk)?Pk|k=Var(x^k|k−xk), or Var(x^k|k), or Var(xk)? P_{k|k} = Var(\hat{x}_{k|k} - x_k),\text{ or }Var(\hat{x}_{k|k}),\text{ or }Var(x_k) ? …

9 kalman-filters