信号処理

クライアントが250 GBのファイルを送ろうとしました。データを共有するさまざまな方法を試みた後、彼は私にサイズがわずか4 GBの圧縮フォルダーを送った。それは圧縮が強すぎるように思えます-圧縮したときにサイズを20％以上縮小したことはないと思います。 実際に見られる典型的なロスレス圧縮率は何ですか？（あるいは、範囲。） 更新：実際の情報内容を推測することなしに言うことは不可能であることを私は理解しています。クライアントのデータを共有できません。しかし、XMLファイルを見ると、繰り返されるフレーズがたくさんあります。 <thing> <property="1" value="2" /> <property="3" value="4" /> <property="5" value="6" /> <property="7" value="8" /> <property="9" value="10" /> <property="11" value="12" /> <property="13" value="14" /> </thing> これはかなり圧縮できるようです。

8 compression  information-theory 

画像があり、DCTを見つけて、係数にハードしきい値処理を適用してから、IDCTを適用すると、ノイズが減衰します。誰かが詳細に説明したり、なぜこれが機能するのかについての答えを私に指摘したりできますか？高周波をブロックするフィルターがノイズ除去で機能する理由を理解していますが（ノイズは高周波成分で構成されていると想定しているため）、振幅のしきい値処理が機能するのはなぜですか？

8 image-processing  dct  thresholding  sparse-model 

入力サイズと離散ウェーブレット変換によって与えられる係数の数の間の相関関係について疑問に思っています。 私はDaubechiesウェーブレットを使用して1D関数を記述し、それを実装するためにPyWaveletsを使用しています（これは、MATLABツールボックスに類似しています）。 私は、Haarウェーブレットを使用してそれを実装することから始めました。これは正しい結果を与え、それがどのように機能するかを正確に理解しています。入力関数に16個のデータポイントがあるとしましょう。Haarを使用する場合、マルチレベル分解（wavedec）から得られるものは次のようなものです（括弧内のシフトの数）： V1[1], W1[1], W2[2], W3[4], W4[8] これはすべて順調です。V1は、スケーリング関数と、さまざまなスケールと膨張のW1〜W5ウェーブレットを提供します。私の問題は、次のDaubechies（'db2'ツールボックスではD4と呼ばれます）を使用するときに発生し、 V1[6], W1[6], W2[9] 私はすべての直感を失います。6、6、9の出所はわかりませんが、指定したレベル（レベルを指定する意味がわかりません）と入力サイズによって異なります。係数の数はどのように予測できますか。また、その理由をより深く理解するために役立つリソースは何ですか。 ありがとう！ 編集：VとWの説明： VnVnV_nは通常、特定のスケーリング関数のスパン、つまり示します。ここで、はシフト、はスケーリングです。は、ウェーブレット関数を除いて同じです。VとWによる係数のベクトルを参照することで、表記を少し乱用した可能性があります。ϕϕ\phi{ϕn,k}{ϕn,k}\{\phi_{n,k}\}kkknnnWnWnW_nψψ\psi EDIT2：コード 以下は、上記を生成するためのMATLABコードです。 >> [C, L] = wavedec(1:16, 4, 'db1'); L L = 1 1 2 4 8 16 >> [C, L] = wavedec(1:16, 2, 'db2'); L L = 6 6 9 16 私は実際にPyWaveletsを使用しました。 >>> …

8 matlab  wavelet 

私は基本的に、ラバーバンド/ベースライン修正がどのように機能するかを理解しました。 与えられたスペクトルは（N）の範囲に分割されます。 すべての範囲の最低点が決定されます。 最初のベースラインはこれらのポイントから構築されます。 現在、スペクトル上のすべてのポイントは、現在の範囲の最低ポイントとベースラインの最低ポイントの差によって描かれています。 ただし、扱い方がわからない微妙なニュアンスもあります。たとえば、ポイントの1つが2つの範囲の境界に正確にある場合などです。 さらに、私が書いているアルゴリズムが確かなものであり、他の研究や科学論文で参照できることを証明できる必要があります。 誰かが私にいくつかの参照を与えることができれば私はとても嬉しいでしょう。

8 frequency-spectrum  preprocessing 

しましょう YYY 測定された（ノイズの多い）画像であること Y= X+ n o i s eY=X+noiseY= X+ noise、 どこ バツXX 画像が含まれています 000（背景）と 200200200（オブジェクト）。真のピクセル値が000 または 200200200 画像を与えられた YYY。 ノイズは平均= 0、標準偏差=シグマのガウス I_true = [zeros(50,140);zeros(60,40),(ones(60,60)*200),zeros(60,40);zeros(50,140)]; [nrows ncolumns] = size(I_true); sigma = 63.246; gaussian_noise = sigma*randn(size(I_true)); I_noisy = I_true + gaussian_noise; ガウスノイズを実際の画像に追加した後、背景ピクセルの強度のPDFは平均=ガウスになります。 000 およびvariance = 63.2462263.2462263.2462^2 オブジェクトピクセルの強度のPDFは、平均値= 200200200 およびvariance = …

8 image-processing  image-segmentation 

大津二値化アルゴリズムの修正版を実装しようとしています。ドキュメントの画像を2値化しようとしています。しかし、2値化の手順では、オブジェクト（この場合はテキスト）が元のグレースケール値を保持し、背景が255の値をとるようにします。つまり、白です。論文で見つけたサンプル画像バージョンを投稿しています。 これは元の画像です： これは私が取得したい結果の画像です： 誰かがMatlabでそれを行う方法を教えてもらえますか？

8 image-processing  matlab  thresholding 

MATLABには、butter次数と相対カットオフ周波数を指定してバタワースフィルターを作成するがあります。作成されたフィルターは、filter任意の有限信号に使用できます。 フィルターに無限のインパルス応答がある場合、MATLABはこれをどのように行いますか？私はそれが信号をウィンドウ処理する必要があると思います-これはすべての既知の値が使用されるように単純な長方形のウィンドウによって行われますか？ また、連続フィルターはどのように離散化されますか？双一次変換、インパルス応答マッチングなど？ 私はMATLABのヘルプテキストがこれを説明しているとは思いません： Y = FILTER(B,A,X)ベクター内のデータをフィルタリングXベクトルによって記述されるフィルタとAし、Bフィルタリングされたデータを作成しますY。フィルターは、標準差分方程式の「直接型II転置」実装です。 a(1)*y(n) = b(1)*x(n) + b(2)*x(n-1) + ... + b(nb+1)*x(n-nb) - a(2)*y(n-1) - ... - a(na+1)*y(n-na)

8 filters  infinite-impulse-response  software-implementation 

円対称複素確率変数の確率分布の正準式または分析式はありますか ZZZ： Z=ejθ,Z=ejθ, Z = e^{j\theta}, どこ θ∼U(0,2π)θ∼U(0,2π)\theta \sim \mathcal U(0, 2\pi)？ サイドノート： 実数部と虚数部、すなわち： R(Z)=cosθI(Z)=sinθℜ(Z)=cos⁡θℑ(Z)=sin⁡θ \Re(Z) = \cos \theta \\ \Im(Z) = \sin \theta によって与えられる 限界密度を持っている： fR(Z)(z)=fI(Z)(z)=1π1−z2−−−−−√,−1&lt;z&lt;1,fℜ(Z)(z)=fℑ(Z)(z)=1π1−z2,−1&lt;z&lt;1, f_{\Re(Z)}(z) = f_{\Im(Z)}(z) = \frac{1}{\pi\sqrt{1-z^2}}, \quad -1 < z < 1, しかし、それらは独立していないため、それらの共同PDFの計算は重要です。 編集： ZZZ 複雑な法線とは異なります。ここでは、振幅 |Z||Z||Z|は決定論的であり、同じ1ですが、 ZZZ 複雑で正常でした |Z||Z||Z| レイリー分散されます。

7 complex-random-variable 

ここで、いわゆるクラフチュク変換は、画像処理の分野、そしておそらく信号処理全般において非常に重要であると述べられています。 これに関する説明はほとんど見つかりません（たとえば、ウィキペディアで言及されていないなど）。 たとえば、この論文で言及されているようです。

7 transform 

画像に示されているように、位相回転のために16QAMコンスタレーションがずれています。この場合、回転量は約であることがわかりますが、これは一般的には当てはまりません。実世界のデータの場合、位相はゆっくり変化する時間関数になる可能性があるため、一定の修正係数を適用するだけでは不十分です。θ = π/ 4θ=π/4\theta = \pi/4θ （t ）θ(t)\theta(t) 対称性を持つコンスタレーションによる位相のあいまいさの問題を解決する差分マッピングスキームを知っていますが、がスライスを実行することを知っている必要があります。π/ 2π/2\pi/2θθ\theta 提案された解決策の1つは、受信したコンスタレーションポイントを最も近いQAMコンスタレーションポイントにマッピングし、その結果をフェーズロックループに与えることですが、が時間とともに変化する場合にこれがどのように実行されるかは明確ではありません。θθ\theta シンボルを復元するためにどのようなテクニックがありますか？私はすでにフィードバックループに基づいてさまざまなキャリア回復スキームを試してみましたが、成功していません。また、フェーズを見つける必要を回避できる意思決定指向のアプローチに興味があります。

7 digital-communications  phase  demodulation 

ややユニークなIIRフィルターを作成し、リバースエンジニアリングからフィルターを保護したい インパルス信号を使用することで、IIRのさまざまな重みをすべて取得するのが非常に簡単であることはご存じでしょう。 フィルターはプログラムでより大きなプログラムにカプセル化されているので、フィルター係数を保護するためにいくつかのトリックを追加できます。 しかし、IIRフィルターを保護する最善の方法は何でしょうか？

7 filter-design  infinite-impulse-response  digital-filters  system-identification  reverse-engineering 

2つの帯域制限された信号を混合/追加すると、ナイキストを超える周波数が作成されますか？

7 aliasing 

LTIシステムでは2つの信号を異なる方法で処理するように見えるので、たたみ込みは可換性があるのはなぜですか？ あなたが想像するなら y[n]=x[n]⋆h[n]y[n]=x[n]⋆h[n]y[n] = x[n] \star h[n] と x[n]x[n]x[n] 入力信号であり、 h[n]h[n]h[n] LTIシステムAのインパルス応答であるため、入力のあるLTIシステムBが h[n]h[n]h[n] そしてインパルス応答 x[n]x[n]x[n] まったく同じ出力を生成します y[n]y[n]y[n] ？

7 discrete-signals  convolution  continuous-signals  linear-systems  impulse-response 

加速度計の測定値を記録するいくつかのテストを実行しています。この信号に信号処理の要素を使用することを検討していますが、どこから始めればよいか、または私のアプローチはどうあるべきかわかりません。 私の最終的な目標は、加速度の測定値をリアルタイムで監視し、event発生時に通知を表示できるようにすることです。約15万のサンプル時間を見ることができるように、event発生します。 このデータをリアルタイムで監視している場合、このイベントに対応するためにどのような信号処理技術を実装できますか？ 短時間フーリエ変換（STFT）はオプションでしょうか？ 私はPythonでデータを監視していますが、それらにはまともなSTFT関数があります。 この関数の引数は次のとおりです。 scipy.signal.stft（x、fs = 1.0、window = 'hann'、nperseg = 256、noverlap = None、nfft = None、 detrend = False、return_onesided = True、boundary = 'zeros'、padded = True、axis = -1） この信号の処理に使用する最適なパラメーターを決定するにはどうすればよいですか？ event（加速度の大きさだけを使用するのではなく）リアルタイムで発生するタイミングを特定するのに役立つと思われる他の方法はありますか？ 編集1： 私のSTFTは上に追加されています。

7 fourier-transform  frequency-spectrum  stft 

たとえば、2つの信号がある場合 x(t)x(t)x(t) そして y(t)y(t)y(t) スペクトルを追加してそれぞれを変換すると、結果は次の変換と同じになるため、操作は線形になります。 (x+y)(t)(x+y)(t)(x + y)(t)。 サンプリング系列を見ても、無限要素はそれぞれ線形に加算されます。 しかし、非線形演算のエイリアスはどのように行われ、それは数学的にどのように証明されますか？

7 sampling  aliasing  non-linear