信号処理

アクセス可能な出力周辺機器がオーディオインターフェイスのみであるコンピュータシステムから、以上でデータストリームを出力する必要があります。このインタフェースは、合理的なスペック、有する96 kHzのサンプリングレートと24 - ビット分解能が、出力段は、AC結合です。使用できる出力チャネルは1つだけです。良い仮定は、それが− 1 dB未満の減衰で4 Hzから40 kHzの通過帯域を持つバンドパスフィルターのように動作することです。また、SNR は90 dBです。エミッタに他の複雑さの制約はありません。40 kbit / s40 kbit/s40\textrm{ kbit/s}96 kHz96 kHz96\textrm{ kHz}242424ビットbit\textrm{bit}4 Hz4 Hz4\textrm{ Hz}40 kHz40 kHz40\textrm{ kHz}−1 dB−1 dB-1\textrm{ dB}90 dB90 dB90\textrm{ dB} エミッターとレシーバーを接続しているケーブルに追加のノイズ/減衰はありません。 レシーバーは、 Cortex-M3 MCUを備えた組み込みシステムです。必要に応じて、同様のオーディオ取得パフォーマンスを想定できます。追加の専用復調チップ（このような低周波数にそのようなものが存在する場合）はオプションになる可能性があります。120 MHz120 MHz120\textrm{ MHz} この状況にはどのデジタル変調方式が適していますか？ ホイールの再発明を妨げるコードライブラリ（ソフトウェア定義のラジオライブラリ？）はすでにありますか？ 私がインスピレーションを探すことができる同様の制約を持つ既存のアプリケーションはありますか？

8 demodulation  digital-communications  embedded-systems 

形態学的勾配の計算に使用される構造化要素の推奨形状を理解しようとしています。Pierre Soilleによると：形態学的画像分析： 原点を含む対称構造化要素のみが考慮されます。そうすることで、算術差が常に非負になるようにします。 算術差引用に記載され、現在の離散勾配を計算するために使用される3つの組み合わせを参照しています。 膨張と収縮の算術的差異; 膨張と元の画像の間の算術的な違い; 元の画像とその浸食の間の算術的差異。 しかし、私が思うに、その起源を含むSEを使用することがあり、十分な（それは確実に抗extensivity拡張とのextensivity浸食のを）。この場合、次のことが成立し、3つのケースすべてで非負性が保証されます。 （ iはdのアイデンティティ変換されます）εB≤id≤δBεB≤id≤δB\varepsilon_B \leq id \leq \delta_Bididid 対称条件を強制する理由を探しています。直感的に、対称SEを使用することは、非対称SEを使用するよりも優れていることを理解しています（たとえば、対称ピクセルの近傍を調べるなど）。この制約には歴史的な理由があるかもしれないことも私に示唆されました。 ただし、対称SEの望ましいプロパティ（または非対称SEの望ましくないプロパティ）を指す特定の例、引数、または参照が必要です。

8 image-processing  morphological-operations  gradient 

画像処理の本では、周波数領域でフィルタリングを行う際に画像にパディングを行う必要があると言われています。なぜゼロパディングが必要なのですか？

8 image-processing  filters  frequency-spectrum 

ロールオフとAWGNを使用して、約45Hzのカットオフで（多かれ少なかれ）帯域制限されたデータを生成するセンサーがあります。この信号を800HzでサンプリングするADCと、約200Hzの単極アンチエイリアシングフィルターを使用しています。問題は、100Hzでサンプルを送信するのに十分な通信帯域幅しかないため、デシメーションが必要になることです。 現在、私は単純に8サンプルの移動平均フィルターを持ち、8サンプルごとに送信しています。これは汚いと最適ではないと感じています。きっともっと良い方法があるはずです。 この場合、受け入れられる「最善の」ことはありますか？たとえば、ローパスFIRフィルターを使用して、信号帯域幅をできるだけ50Hzに近づける必要がありますか？または、ある種の最適な推定スキームの方が優れていますか？ 目的は、小さめのマイクロコントローラー（たとえば、ARM Cortex M4）にいくつかのチャネル（9チャネル）を実装することです。

8 filter-design 

タスクが画像上の要素の位置を決定することであるとしましょう。最初に非常に重要なことは、オブジェクトを正しく検出することです。次に、位置を計算するいくつかのアルゴリズムが使用されます（問題のあるブロブ分析のため）。すべては複数のものに依存します（検出の正確さ、使用されるアルゴリズムなど） カリブレーションされた画像があり、カリブレーションによって与えられたエラーを知っているとしましょう。コンピュータ（およびマシン）ビジョンアルゴリズムの精度を確実に計算する方法は何ですか？それは分析的に、または実験とテストによってのみ行うことができますか？ 質問は、要素の位置やその他のコンピュータービジョンの問題を検出した場合のケースを追加します。 コンピューター/マシンビジョン、特に要素の位置検出に関連する問題への参照を取得し、この正確さを示すための分析的または実験的アプローチのいくつかの正確さの計算を提示します。 この質問を改善する方法の提案も歓迎します。

8 image-processing  computer-vision  reference-request 

A3で線画を印刷したいのですが、600x800pxほどの大きさではありません。 リサイズしてからウェーブレットシャープナーやアンシャープマスクで強化するなど、Gimpで明らかな機能を試しましたが、その前に選択的なガウスぼかしを使用しましたが、印刷結果は良くありません。 ベクトル化も簡単ではありませんが、トレースツールを微調整すると、ビットマップのサイズを変更するよりも良い結果が得られる可能性があります。このオプションを検討する前に、アドバイスを求めようと思いました。 プログラミングアルゴリズム（numpy / scipyまたはmatlab）を使用するか、GimpまたはPhotoshopで使用可能なツールを使用して、線画の高品質なサイズ変更を実現するために、誰でもレシピを共有できますか？

8 image-processing 

この質問に対する最高投票数の回答は、鋭い遷移を維持しながら信号のノイズを除去するには、 目的関数を最小化します。 |x−y|2+b|f(y)||x−y|2+b|f(y)| |x-y|^2 + b|f(y)| ここで、xxxはノイズの多い信号、yyyはノイズ除去された信号、bbbは正則化パラメーター、|f(y)||f(y)||f(y)|いくつかのL1標準ペナルティです。ノイズ除去は、この最適化問題の解yyyを見つけることによって行われ、bbbはノイズレベルに依存します。 しかしながら、特に信号が例えば1000万サンプルの長さである場合、それが非常に高次元の空間における問題であるので、実際にそれをどのようにして達成することができるかを示すものはありません。実際には、この種の問題はどのようにして大きな信号に対して計算で解決されますか？

8 noise  denoising  smoothing  convex-optimization 

私はオブジェクト認識のアルゴリズムを考えていましたが、ノイズのない直線に大きく依存し、エッジ検出アルゴリズムではこれを取得するのが難しいことがわかっています。直線をできるだけまっすぐに取得するための最適なエッジ検出アルゴリズムは何ですか？

8 image-processing  noise  edge-detection 

pcm形式のレコーディングがあり、簡単な分析を行いたい。 正規化とは何かについていくつか質問があります。これまでのところ、範囲[1、1]の間のすべての振幅を取得することは理解しています。 これを行う明白な方法は次のとおりです。 max_amplitude = max(array_of_amplitudes) for amplitude in array_of_amplitudes: amplitude = amplitude / max_amplitude RMSの正規化について読みました。誰かがそれがどのように行われるか説明できますか？ さらに、正規化の利点は何ですか？

8 audio  discrete-signals 

私は本質的に、回転スペクトルを含む化学問題のアルゴリズムに取り組んでいる数学の学生であり、Wang変換への参照に遭遇し続けますが、Wangの基礎を追跡することができませんでした。関数空間の基礎が何であるかを理解するための分析の背景があると想定できます。 これは、ジャーナルオブケミカルフィジックス11、27ページのキング、ハイナー、クロスが参照しているSCワンによって開発され、Physical Review 34、p.243、1929でSCワン（定義されていると思います）は表示されません。私が持っている数学のテキスト（Rudinの機能分析まで）や、私が持っている古典的なメカや量子のテキスト（もっと学部レベル）のいずれか。 私が理解できる最良の点は、波動関数を対称ローター基準からクリエンフォーグループの表現で特徴付けられるものに変換することです。回転スペクトルの遷移の計算に使用されるハミルトニアンの固有値の計算を容易にするために使用されます。 それで、要するに、王の基礎は何ですか？

8 transform 

python / scipy / numpyでバンドパスまたはハイパスフィルターを実装するためのドキュメントを見つけるのに苦労しています。 ただし、ローパスフィルターを簡単に作成して適用できるので、次のように質問します。 信号をローパスフィルター処理し、元の信号から結果を差し引くことで、高周波のみを取得することは概念的に正しいでしょうか？ また、Pythonの単純なバンドパスフィルターの単純な例（できればnumpyおよびscipyライブラリーを使用している人）がいるなら、私は非常に感謝します。 私が探しているのは次のようなものです： filtered_signal = band_pass(original_signal, rate, low=20, high=500) 助けてくれてありがとう！ 編集：scipyでは、これをローパスとして使用していますが、良い結果が得られます。 import numpy, scipy.signal def firfilt(interval, freq, sampling_rate): nfreq = freq/(0.5*sampling_rate) taps = sampling_rate + 1 a = 1 b = scipy.signal.firwin(taps, cutoff=nfreq) firstpass = scipy.signal.lfilter(b, a, interval) ## second pass to compensate phase …

8 python  bandpass  highpass-filter 

システムモデルのモデリング、つまり状態ベクトルと入力ベクトルの取得に行き詰まっています。私の推測では、位置と速度は状態ベクトルであり、加速度は入力ベクトルです。私の2番目の推測は、3つの量はすべて状態ベクトルにあり、入力ベクトルにはないということです。 だから...私の場合、状態ベクトルと入力ベクトルは何ですか？ - 追加情報： 位置センサーと加速度センサーから測定値を取得します。すべてが1Dで発生しています。たとえば、直線上です。これらの読み取り値をマージして（ノイズを除去して）、各タイムステップの速度の推定値を取得したいと考えています。 これらの方程式はシステムを記述します。彼らが正しくモデル化されているかどうかはわかりません。私が正しく理解していれば、加速度は一定であると予測しても安全です（実際には変化しますが）-プロセスの共分散行列がこの仮定を修正するためです（正しいですか）。 使用するサンプルデータもいくつかあります（入力値はここでは簡単にするためにノイズを加えていません）。 time pos acc what I should get as output (velocity) [0.0s] 0.000, -0.000 | 18.850 [0.1s] 1.885, -0.113 | 18.850 [0.2s] 3.768, -0.227 | 18.839 [0.3s] 5.650, -0.340 | 18.816 [0.4s] 7.528, -0.452 | 18.782 [0.5s] 9.401, -0.565 | 18.737 追加2： より良いコミュニケーションのために、私は新しい回答を作成していますが、最初の回答へのコメントとして扱われるべきです。ジェイソン、あなたはすでにものすごく手助けしてくれました。あなたの時間に本当に感謝しています。ただし、これでもまだ問題があります。カルマンフィルターの結果は期待どおりではありません。時間がありましたら、以下をご覧ください。ありがとうございます。私はすでにあなたに1杯または2杯のビール（または必要に応じてコーヒー）を借りています-ペイパルがある場合はprimoz [at] …

8 kalman-filters 

4ポイントの基数4のFFTを実装しましたが、出力条件をdftに一致させるために、出力条件を操作する必要があることがわかりました。 私のコードはマトリックス式のかなり直接的な実装なので、何が問題なのか明確ではありません // | // radix-4 butterfly matrix form | complex multiplication // | // +- -+ +- -+ | a+ib // X[0] = | 1 1 1 1 | |x[0]| | * c+id // X[1] = | 1 -i -1 i | |x[1]| | ------- // X[2] = | …

8 fft 

相補的なIIRフィルターのペア（ローパス/ハイパス）が欲しいのですが。つまり、2つのフィルターからの出力が合計されると、元の信号が復元されます。バターワースフィルターを使用してこのようなペアを構築できると思いましたが、少し計算してみると、1次フィルターのみが補完的であることがわかりました。私はこれを以前にやったと思っていたが、どうやって忘れたか。 私の数学に何か問題がありますか？私が忘れている簡単な解決策はありますか？ ありがとう！

8 lowpass-filter  infinite-impulse-response  highpass-filter 

モデルます。 s （x 、y）= x2+ y2、0 ≤ X ≤ 1 、0 ≤ Y≤ 1 s（バツ、y）=バツ2+y2、0≤バツ≤1、0≤y≤1\ s(x,y)=x^2+y^2, 0 \leq x \leq 1, 0 \leq y \leq 1 モデルを直接観察する代わりに、モデルの派生物といくつかのノイズ（e）を観察しています。 p （x 、y）= sバツ+ e 、q（x 、y）= sy+ e p（バツ、y）=sバツ+e、q（バツ、y）=sy+e\ p(x,y)=s_x+e, q(x,y)=s_y+e p（x、yおよびq（x、y）の測定値からs（x）を推定したいのですが、s（0,0）= 0だと知っています。 勾配定理によれば、 s （x 、y）= ∫（x 、y）（0 、0 ）[ sバツ、sy] …

8 computer-vision  noise  interpolation