信号処理

Jereg of Derek Upham、Outguess of Neils Provos、およびF5（F3とF4の改善）のほか、PfitzmannとWestfeldのほかに、JPEG画像に情報を隠す方法として、他にどのような方法がありますか？ 上記の方法では、圧縮前の画像のDCT係数でメッセージを非表示にします。ステガノグラフィーの実行に使用できるjpegの他のコンポーネントはありますか？ピクセル値は、PNGおよびBMP画像に使用できますが、圧縮後に変更されるため、JPEGには使用できません。 ありがとうございました。

7 image-processing  dct  jpeg 

4つの実数値入力と1つの実数値出力を持つステートフルブラックボックスがあります。私の問題は、その時点までに見られる入力のシーケンスを考慮して、各瞬間の出力を予測することです。学習段階では、必要に応じて入力を変化させ、出力を観察できます。もちろん、少しノイズがあり、ブラックボックスが完全に確定的であるようには見えません。 具体的には、ハードドライブをモデル化していて、以前のすべての要求が与えられた場合の最新の要求のアクセス時間を予測したいと思います。ただし、明示的なモデルの複雑さのため、およびSSDなどの他の同様のデバイスでこれを機能させるため、よりブラックボックスのアプローチが必要です。 信号処理が入力値と出力値のシーケンスを分析するのに適切であるかもしれないと数人が示唆しました。 信号処理から、出力の予測や入力の特性評価に役立つアイデアはありますか？

7 discrete-signals  distance-metrics 

Cで4次の固定小数点ローパスIIRフィルターを実装したいと思います（Q15演算を使用）。このフィルターは、2段のカスケードダイレクトフォームIIバイカッドフィルターを使用して準備します。 デジタル信号処理の本で無数のC実装とサンプル係数を見つけましたが、検証中にそれらのどれも信頼できないことがわかりました（それらはオーバーフローを作成し、期待される周波数成分を減衰しませんなど）。 どのC実装がこの問題に適していますか？また、この実装を検証するためのサンプル係数はありますか？

7 biquad  infinite-impulse-response 

手の静脈パターンを見つける方法を見つけようとしています。同じことをする方法を誰かに提案していただけませんか？画像でROIを見つけてさらに処理する必要があることを最初に知っています。ガボールフィルターをステップの1つとして使用できますか？ ありがとう

7 image-processing  filters 

本はこれを指数平均を導入する動機として主張しています： アンサンブル平均化の欠点は、結果の推定が、観測された信号で発生する動的な変化を追跡できないことです。 -L.SörnmoおよびP. Laguna、心臓および神経アプリケーションにおける生体電気信号処理 著者は、確率過程のすべての観測値を平均化することを指すために、アンサンブル平均化という用語を使用しているようです。移動平均を維持するようにこのメソッドを変更する、つまり過去のみを平均化するnnn それらすべての代わりに観察は非常に手元にあるようです。 このような移動平均スムーザーは、指数平均スムーザーと同様に、観測されている確率過程の変化を追跡できます。これは、著者が言及している動的機能の違いですか、それとも深い違いを見逃しましたか？ Yensemble,N(z)Yexponential,α(z)=1N(z0+z−1+z−2+⋯+z−(N−1))X(z)=α1−(1−α)z−1X(z)Yensemble,N(z)=1N(z0+z−1+z−2+⋯+z−(N−1))X(z)Yexponential,α(z)=α1−(1−α)z−1X(z) \begin{align} Y_{\mathrm{ensemble,}N}(z) &= \frac{1}{N}\left(z^{0}+z^{-1}+z^{-2}+\cdots+z^{-(N-1)}\right)X(z) \\ Y_{\mathrm{exponential},\alpha}(z) &= \frac{\alpha}{1-(1-\alpha) z^{-1}}X(z) \end{align}

7 smoothing  moving-average 

ソルトアンドペッパーノイズを同時に除去し、解像度を向上させるフィルターを設計するための私のアプローチは何ですか？

7 image-processing  filters 

点群の線を検出するための最良のソリューションは何ですか？Hough Transform、Radon Transform、RANSAC（wikipediaを参照）、およびBrute-Force Search（wikipediaを参照）との比較が行われています。 点群の点の分散に対して最も堅牢なのはどれですか？ 注： 1-問題は画像ではなく3D点群についてです。 2-点群のポイントはランダムに分散されます（完全に疎な場所）。 3-優先する方向、サイズなどの観点から、探索されているオブジェクト（ライン）に関する情報はありません 。4-候補ラ​​インの周囲で許容範囲を考慮する必要があります。 アップデート： 私の実験によると、RANSACは一部の行を簡単に見逃してしまう可能性があります。エッジの迅速な検出には適していますが、ポイント分散の複雑さにより、望ましくない出力が生成される可能性があります。ハフとラドンは非常によく似ていて、3Dの点群を試す機会はありませんでしたが、2Dの場合はうまく機能します。見つかった行のセグメントの抽出は困難です。大規模なデータセットの場合、BFSは実際的ではありません。

7 edge-detection  correlation  point-cloud 

信号処理は初めてです。MATLABで時間領域の信号をプロットしています。信号のどの部分が高周波数と低周波数かわからないのですが、誰かが高周波数と低周波数を理解し、グラフで高周波数と低周波数を確認する方法を説明できますか？

7 fft  discrete-signals  matlab 

コンピュータービジョンと3D再構成の問題は、カメラの固有パラメーターを取得することです。一般的な解決策は、チェッカーボードなど、事前に形状の測定値がわかっているオブジェクトを使用することです。この方法の問題は、焦点距離や倍率など、カメラのパラメーターを変更するたびに行う必要があることです。 A Self Technique for Self-Calibrationで説明されているカメラのセルフキャリブレーションを実装しようとしています。必須行列は、2つの特異値によって制約されます。これを使用して、手動のキャリブレーションを実行せずに（つまり、チェッカーボードを使用して）カメラの組み込み機能を回復できます。コスト関数を最小化する方法に少し混乱しています。これが私がこれまでに理解したことです： 必須行列 E=KT2FK1E=K2TFK1E=K_2^TFK_1 固有行列 K=⎡⎣⎢αバツ00sεαバツ0あなた0v01⎤⎦⎥K=[αxsu00ϵαxv0001]K=\begin{bmatrix}\alpha_x & s & u_0 \\ 0 & \epsilon\alpha_x & v_0 \\ 0 & 0 & 1\end{bmatrix} αバツαx\alpha_x焦点距離と倍率の積 ] εϵ\epsilonアスペクト比[提供されていると仮定します。カメラまたはEXIFデータから推測しますか？] あなた0v0u0v0u_0 v_0はの座標です[0、0と仮定] sss skew [仮定0] コスト関数 sはの特異値であるC（K私、i = 1 .. n ）=Σ私はjん（σ1私はj- σ2私はj）/ σ1私はjC(Ki,i=1..n)=∑ijn(σ1ij−σ2ij)/σ1ijC(K_i,i=1..n)=\sum_{ij}^n(\sigma1_{ij}-\sigma2_{ij})/\sigma1_{ij}σσ\sigmaKTjF私はjKjKjTFijKjK_j^TF_{ij}K_j 質問：このコスト関数はどのように最小化されていますか？

7 computer-vision  3d  reconstruction  stereo-vision  geometry 

DFTに問題があります。昨年の試験問題の一つでした。 質問： LET 2-Dフーリエ変換は、2-D連続関数で変換することが 。を使用して、次の各関数の2次元フーリエ変換を導出します。F(u,v)F(u,v)F(u,v)f(x,y)f(x,y)f(x,y)F(:,:)F(:,:)F(:,:) 1）f(x,−2y)f(x,−2y)f(x,-2y) 2）f(x+2y,y)f(x+2y,y)f(x+2y,y) 1次元フーリエ変換の方法は知っていますが、2次元変換はできません。どのように始めればよいのかわからず、ガイダンスが必要です。 第二部では、これが私のアプローチでした。それが正しいかどうか私に知らせてください、またはそれが間違っている場合は私を修正してください。 ましょうしたがっておよび {^ E F（τ、Y）∬=＆{\ F（X + 2Y、Y）} \開始{ALIGN} \ mathfrak {F} \ −j2π（u（τ-2y）+ vy）} dx \ dv \\ \ mathfrak {F} \ {f（x + 2y、y）\}＆=∬f（τ、y）e ^ {−j2π（ uτ+（-2u + v）y）} dx \dτ\\ \ mathfrak {F} \ {f（x + 2y、y）\}＆= F（u、-2u + …

7 fourier-transform  dft  homework 

ハイパスフィルターにしたいオフライン信号があります。バターワースフィルターを使用する必要がありますか、それとも信号全体が既知であり、理想的な（ステップ）フィルターを使用できるのでしょうか？ 高次のバターワースフィルターを使用することは、理想的なフィルターを使用することと実質的に同じことだと思います。実装と処理のコストがなければ、次数が高いほどフィルターが優れていることを意味します。しかし、インパルス応答の急激な変化が問題を引き起こす可能性はありますか？ 信号はほぼ周期的な生体電気信号であり、100周期ほどあります。

7 filters 

2つの異なるデコーダーが同じMP3に対して2つの異なるサンプル結果を出力することは可能ですか？私はMatlabでmp3をデコードし、2つの列を生成します（おそらく各チャネルに1つ）。AVAssetReader（iOS）を使用して同じファイルからサンプルデータを抽出すると、異なる結果が得られます。WAVファイルで同じコードを試したところ、2つの結果が一致したので、コードは問題ないと思います（Matlabの結果には余分な空白フレームがいくつかありました）。 非科学的に、AVAssetReader MP3の結果からランダムな値を選択し、Matlabの結果でそれらを検索すると、それらは存在する傾向がありますが、常にそうとは限りません。これが単なる偶然なのか、丸め誤差が異なるのか、それとも完全に一致するのかはわかりません。問題は、それらが一致する場合、周囲の数値が互いに異なることです。たとえば、0.0021は両方の結果で発生しますが、Matlabの周囲の数値は-0.0649、0.0147などです（AVAssetReaderの結果で0.0021の近くには表示されません）。 この不一致の原因は何ですか。アプリの整合性に深刻な欠如が生じますか、またどのように修正すればよいですか？ありがとうございました。

7 audio  preprocessing  mp3 

時間分解能と帯域幅の2つの概念に戸惑っています。パルス圧縮レーダーアプリケーションは、求められる特定の時間分解能に対して「十分なBWがない」とよく耳にします。 最大時間分解能は、単にサンプリングレートの逆数ではありませんか？ それらの概念はどのように関連していますか？

7 resolution  bandwidth 

前の質問で述べたのと同じ浮動小数点AMD X86-64デジタル信号処理システムには、信号がゼロに非常に近い（正確ではない）値になると、速度が大幅に低下することがあるという問題があります。 問題は、非正規化された浮動小数点値が、通常の浮動小数点値を処理するよりも劇的に遅いCPUによる特別な処理を必要とすることです。これにより、DSPシステムの動作が非常に遅くなる可能性があります。1/fs1/fs1/f_s 1サイクルで計算する必要があるすべてのものを計算します。 回避策は、すべての数値に小さなオフセットを追加して、それらを通常の数値の範囲に強制することです。そもそもFPUに非正規数を生成しないように指示する方法はありますか？ OSはLinux、コンパイラはgccです。 編集：また、非正規数を無効にすると、数値的にどのような影響がありますか？

7 floating-point 

工学を勉強して久しぶりですが、間違いは許してください。 デジタル加速度計からデータをサンプリングしました。20 Hzでサンプリングされ、1秒の期間に縮小されます。次に、データをフィルタリングしてノイズを除去します。システムは安静時に0を出力し、アクティビティ中はさらに多く出力します。 1秒に1回サンプリングされた1024サンプルの信号のフーリエ変換を調べています。私はこれを見ています： これは、フーリエ変換の実数と虚数の結果の実数と虚数のプロットです。 信号は周波数領域でらせんのように見えます。システムは周波数領域内の制限サイクルの周りで振動しているようです。 これは可能ですか？フーリエ変換はデジタル信号に対して完全に間違っていますか？この種の分析にはDFTのみを使用する必要がありますか？私のあるウィンドウサイズ間違っては？ ウィンドウサイズが正しくないためにエイリアシングが発生していますか？ 前回のエンジニアリングのクラスから数年が経ちましたが、この件に関する助力をいただければ幸いです。工学、信号解析、変換に関する本を3冊もらったが、この種の知識が戻ってくるまでには時間がかかる。

7 frequency