信号処理

希望する周​​波数応答のミニマックス近似であるデジタルフィルターを設計するために使用される最近のアルゴリズムについて、文献を調べました。私が見つけたすべての記事は、すべての極の大きさが0.92未満または0.89未満の例を示しています。フィルターが倍精度の機械演算で実装されている場合、極が有効なフィルターを取得するために単位円にどれだけ近づくことができますか？マグニチュード0.95の極を持つことは悪い考えでしょうか？

7 filter-design 

画像はランダム変数ですか？各ピクセルは同じランダム変数の実現です？または、画像はランダム変数のコレクションですか（画像のサイズがmxnの場合、mxn個の異なるランダム変数があります）？ 後者の場合、RV（ピクセル）はiidと見なされますか（そうでない場合でも）？

7 image-processing  image 

サンプルを乗算してからクリップすることはできますが、知覚されるボリュームは人間にとって非線形です。 式を手伝ってくれませんか。

7 audio 

PCMサンプルを1チャネルのストリーム（8000サンプル/秒）で受信しています。私は次の1000サンプルごとにabs値を追加して1000であるサンプル数で除算することにより信号の「力」を計算することでラウドネスを見つける方法を見つけました。サンプルの値は常に蓄積され、とんでもない値に到達するようです...だから私はそこで何か悪いことをしていると思います。面白いことに、計算が狂ってしまうと、手で「サウンド入力デバイス」を押すと、すべてが正常に戻ります;） とにかく。私の質問は、PCMサンプルのセットのラウドネスを適切に計算する方法ですか？

7 audio  sound 

opencvで血球を数える方法は？問題は、それらがくっつくということです。 サンプル画像： 多分ペアワイズ幾何ヒストグラム（Geometric Histograms）は部分的な円形状のマッチングに適していますか？

7 image-processing  computer-vision  opencv  image-segmentation 

時間領域信号に鋭い角がある場合、その周波数スペクトルには高周波成分が含まれます。スペクトルを切り捨てると、ギブス現象が発生します。したがって、FIRを設計しようとしている場合、インパルス応答を有限の長さまでウィンドウ処理しても周波数応答が大きく歪まないように、ターゲットの周波数応答を適切かつ滑らかにする必要があります。 現在、私は非常に奇妙なフィルターを設計しようと考えています。すべての周波数でユニットゲインがあるが、位相がゼロではないフィルター。同様の現象が発生するかどうか疑問に思っています。フィルターにすべての周波数でユニットゲインがある場合、位相整合に対してインパルス応答を打ち切るとどうなりますか？

7 filter-design 

私は長い間エントロピーに関して混乱に直面しており、以下のことはあまり専門用語では答えられない場合に義務付けられます。リンクをたどると、さまざまな種類のエントロピーが次の質問を投げかけます エントロピー-システムのエントロピーを最大化することが望まれます。エントロピーを最大化するということは、他のシンボルよりも優れているシンボルがないこと、または次のシンボル/結果がどうなるかわからないことを意味します。ただし、この式では、確率対数の合計の前に負の符号が示されています。したがって、負の値を最大化していることを意味します!! 次に、元の生信号が量子化され、量子化された情報のエントロピーが計算され、元のエントロピーよりも小さいことがわかった場合、情報の損失を意味します。では、次のシンボルの不確実性を最大化することを意味するので、なぜエントロピーを最大化したいのですか？ シャノンのエントロピー、トポロジーエントロピー、ソースエントロピーの違いは何ですか？ 正確には、コルゴモロフの複雑性またはコルゴモロフエントロピーの意味は何ですか。シャノンのエントロピーとどのように関連していますか？ 2つのベクトル間の相互情報はどのような情報を伝えますか？

7 reference-request  information-theory 

したがって、演習は基本的に、m = 1の変調インデックスを使用してキャリアを変調する信号です。Aと変調信号のパワーを見つける必要があります： f（t）= \ cos（\ omega_mt）+2 \ cos（2 \ omega_mt） f(t)f(t)f(t)Acos(ωct)Acos⁡(ωct)A\cos(\omega_ct)m=1m=1m=1AAAf(t)=cos(ωmt)+2cos(2ωmt)f(t)=cos⁡(ωmt)+2cos⁡(2ωmt) f(t)=\cos(\omega_mt)+2\cos(2\omega_mt) f（t）の最小振幅f(t)f(t)f(t)は−2−2-2です。次に、A=2A=2A = 2です。信号のパワーは、R=1 ΩR=1 ΩR = 1 \ \Omega： P = P_c + P_s = \ frac {A ^ 2} {2} + \ frac {\ overline {f ^ 2（t）}} {2}と仮定した場合ですP=Pc+Ps=A22+f2(t)¯¯¯¯¯¯¯¯¯¯¯2P=Pc+Ps=A22+f2(t)¯2 P = P_c+P_s=\frac{A^2}{2}+\frac{\overline{f^2(t)}}{2} 次のことに留意してください： f2(t)¯¯¯¯¯¯¯¯¯¯¯=122+222=52f2(t)¯=122+222=52 \overline{f^2(t)}=\frac{1^2}{2}+\frac{2^2}{2}=\frac{5}{2} パワーは、 …

7 digital-communications  modulation  continuous-signals 

私はopencvチュートリアルを読んでいて、ヒストグラムの等化について詳しく説明しています。私はウィキペディアで調べました、問題を正確に要約する良い例があります： 元の： 均等化： しかし、この結果を得るために私は別のアプローチをとります： オリジナルの最小値と最大値を見つける その上ですべてを正規化（リマップ）します。 ヒストグラムなし、累積分布関数なし。確かにもっと愚かなアプローチですが、違いがわかりません。なぜヒストグラム等化を使用するのですか？誰かが理由を明らかにするのを手伝ってくれる？

7 equalization  histogram 

関数とからそれぞれ2つの信号があり、サンプリングレートがナイキスト周波数を超えていると仮定すると、基になる関数とを復元できます。しかし、私の質問は、基礎となる機能があれば2つの信号から、どのように伝えるために、であるからスケーリングされ決定するために、すなわち、もし、非ゼロであります実数。f1(x)f1(x)f_1(x)f2(x)f2(x)f_2(x)f1（x ）f1(x)f_1(x)f2（x ）f2(x)f_2(x)f2（x ）f2(x)f_2(x)f1（x ）f1(x)f_1(x)f2(x)=f1(ax)f2(x)=f1(ax)f_2(x)=f_1(ax)aaa ありがとう！

7 discrete-signals  sampling  continuous-signals  signal-detection 

これは私が解決した宿題の質問から来ました。いくつかの説明が必要です。 特定の波長で特定の量のスペクトルの帯域幅を決定するように求められます。これを見つけるために、私はそれを知っています。 δf=C ⋅δλλ2δf=c⋅δλλ2\delta_f = \frac{c\cdot \delta_\lambda}{\lambda^2} ここで、は帯域幅、\ delta_ \ lambdaはスペクトルの量、\ lambdaは指定されたキャリア波長、cは光の速度です。δfδf\delta_fδλδλ\delta_\lambdaλλ\lambdaccc これで問題はありませんが、この式が機能する理由や、それがどこから来るのか、理由はわかりません。この式はどこから来たのですか、それは何と呼ばれていますか？ 質問は次のとおりです。 波長でのスペクトルにどれだけの帯域幅がありますか？0.1 ミクロン0.1 micron0.1 \textrm{ micron}1 ミクロン1 micron1 \textrm{ micron}

7 frequency-spectrum  bandwidth 

信号処理に関する私のスライドでは、これの最初とこの答えと同じこと、つまり信号のフーリエ変換の2乗が信号のパワースペクトル密度であることを述べているものがあります。 この話には、コヒーレンスは、2つのオートスペクトルの積で二乗クロススペクトルを割ることによって計算されることが記載されています。 ただし、私のスライドの数式では、2乗したクロススペクトルを、以前に見たPSDと別のPSDの数式の積で割ります。 では、オートスペクトルはPSDと同じですか？PSDに関する多くの情報を見つけることができますが、オートスペクトルでは見つかりません。

7 coherence  power-spectral-density 

サンガーDNA シーケンスはクロマトグラムトレースを生成し、FinchTVやChromasLiteなどの多くのプログラムで視覚化できます。生データは、4つのDNA塩基（A、C、G、T）のそれぞれの座標で構成されます。ただし、プロットは、前の図に示すように、平滑化されたピークとして表示されます。多くのプログラムでは、プロットのx軸とy軸を拡大または縮小して、プロットの形状を変更できます。（少数の）生データポイントからこれらのような滑らかな曲線をプロットするために使用される数学的な方法は何ですか？

7 image-processing  discrete-signals  interpolation 

私は（主に）fMRIとEEGデータの分析について研究しています。ノイズを減らすために平均化を使用できると何度も言及されていますが、それ以上の詳細はありません。 これまたはその手法を使用して平均化できることを文字どおりに述べたことはありません。では、正確には平均化とは何でしょうか？それを達成するためにどのようなテクニックを使用できますか？

7 noise  signal-detection  eeg  averaging 

waveファイルで見つけられる値、例えば 0.0036 0.0026 0.0174 0.0050 0.0026 0.0108 0.0154 -0.0114 -0.0006 0.0115 あると思いますが、-1と1の間の相対値です。オーディオ編集プログラムで波形を見るときに通常表示される範囲です。では、ファイルを再生すると、これらの相対値はどのようにマッピングされますか？たとえば、値が0.5の場合、それは最大可能ラウドネスの半分での再生を意味しますか？相対値が参照するWAVEファイルに何らかの参照値が保存されていますか？ 別のこと：上記の例では、7つの正の値の後に2つの負の値が続きます。それで、スピーカーで振動して音を生み出す膜は、他の方向よりも一方向に長く押されますか、またはこれをどのように解釈する必要がありますか？正の値は振動の1つの方向であり、負の値は別の方向への振動です。または、これは間違っていますか？ どうもありがとうございました ：-）

7 audio  wave