タグ付けされた質問 「continuous-signals」

連続信号または連続時間信号は、多くの場合時間であるドメインが連続体である変化量(信号)です。

6
信号解析の観点からの畳み込みと相互相関の違い
畳み込みと相互相関の違いを理解しようとしています。私は理解されたこの答えを読みました。下の写真も理解しています。 しかし、信号処理(私がほとんど知らない分野)に関しては、2つの信号(または、信号とフィルターでしょうか?)つまり、実際の分析では、畳み込みが優先され、相互相関が優先されます。 これらの2つの用語には多くの用途があるように思えるので、その用途は何ですか? *ここの相互相関は、g*f代わりに読む必要がありますf*g

2
双線形変換の代替手段はありますか?
アナログフィルターに基づいてデジタルフィルターを設計する場合、通常、双線形変換を使用します。アナログ(連続)伝達関数A (s )から離散伝達関数を近似するには、次のように置き換えます。Da(z)Da(z)D_a(z)A(s)A(s)A(s) z=1+sT/21−sT/2z=1+sT/21−sT/2z = \frac{1+sT/2}{1-sT/2} ここで、はサンプリング周期です。あるいは、離散伝達関数D (z )から連続伝達関数A a(s )を近似するには、次のように置き換えます。TTTAa(s)Aa(s)A_a(s)D(z)D(z)D(z) s=2Tz−1z+1s=2Tz−1z+1s = \frac{2}{T} \frac{z-1}{z+1} そのような変換を実行する代替方法はありますか?より良い近似はありますか?

3
高次フィルターのカスケードバイカッドセクションはどのように機能しますか?
私は8次のIIRフィルターを実装しようとしていますが、これまで読んだすべてのアプリケーションノートと教科書には、2次のセクションとして2を超える次数のフィルターを実装するのが最善であると書かれています。tf2sosMATLABで2次セクションの係数を取得するために使用しましたが、予想どおり、4 2次セクションの6x4係数が得られました。SOSとして実装する前は、8次フィルターには7つの以前のサンプル値を保存する必要がありました(および出力値も)。ここで、2次セクションとして実装するとき、フローが入力から出力までどのように機能するか、2つの前のサンプル値のみを保存する必要がありますか?または、最初のフィルターの出力はx_in2番目のフィルターのように送られますか?
20 filters  filter-design  infinite-impulse-response  biquad  audio  image-processing  distance-metrics  algorithms  interpolation  audio  hardware  performance  sampling  computer-vision  dsp-core  music  frequency-spectrum  matlab  power-spectral-density  filter-design  ica  source-separation  fourier-transform  fourier-transform  sampling  bandpass  audio  algorithms  edge-detection  filters  computer-vision  stereo-vision  filters  finite-impulse-response  infinite-impulse-response  image-processing  blur  impulse-response  state-space  linear-systems  dft  floating-point  software-implementation  oscillator  matched-filter  digital-communications  digital-communications  deconvolution  continuous-signals  discrete-signals  transfer-function  image-processing  computer-vision  3d 

3
極と周波数応答の関係
私は最近、周波数1で無限の応答があるため、極s = 1を考慮して誤解に陥りました。しかし、応答は1のみでした。 第二に、理論は、極が左のs平面にあるとき、システムは安定しているため、時間の経過とともに減衰すると言います。ちょっと待って。「極」とは、無限の応答、つまり時間の経過を意味しますか? 最後に、DSPでの正しい質問ですか?IMO、Dはデジタルを表し、sドメインはアナログです。投稿にラベルを付けるためのs-planeまたはLaplace変換タグが見つかりません。 更新答えてくれてありがとう。私はそれを持っているようですが、1つのマイナーだが基本的なこと-周波数との極(およびゼロ)の関係。基本的に、なぜ固有値(または、sss演算子/変数をどのように呼び出すか)が周波数に関連するのはなぜですか?それはどういうわけか指数関数的成長とラプラス変換と関係があるはずです。極がたまたま固有値であることをよく理解しています(特に離散的な繰り返しの場合)。しかし、これは周波数とどのように関係していますか?

2
デジタルアプリケーションでの連続詩離散ウェーブレット変換の使用
私は、ウェーブレットの背後にある数学的な背景の多くに精通しています。しかし、ウェーブレットを使用してコンピューターにアルゴリズムを実装する場合、連続ウェーブレットを使用すべきか、離散ウェーブレットを使用すべきかについてはあまり確信がありません。すべての現実では、コンピューター上のすべてがもちろん離散的であるため、離散ウェーブレットがデジタル信号処理に適していることは明らかです。ただし、ウィキペディアによれば、主に(デジタル)画像圧縮や他の多数のデジタルデータ処理アクティビティで使用されるのは、連続ウェーブレット変換です。デジタル画像または信号処理に(正確な)離散ウェーブレット変換の代わりに(近似)連続ウェーブレット変換を使用するかどうかを決定する際に考慮すべき長所と短所は何ですか? PS(ここで仮定を確認)等間隔の点で連続ウェーブレットの値を取得し、結果のシーケンスをウェーブレット計算に使用することにより、連続ウェーブレット変換がデジタル処理で使用されると想定しています。これは正しいです? PPS通常、ウィキペディアは数学についてかなり正確なので、連続ウェーブレット変換に関する記事のアプリケーションは実際には連続ウェーブレット変換のアプリケーションであると想定しています。確かに、特にCWTであるものに言及しているため、デジタルアプリケーションでのCWTの使用が明らかに存在します。

2
信号のサンプリングレートを高くする利点は何ですか?
非信号処理科学の学生であるため、概念の理解は限られています。 周波数がおよび48 kHzでサンプリングされた、連続的な周期的なベアリング障害信号(時間振幅)があります。機械学習技術(畳み込みニューラルネットワーク)を使用して、障害のある信号を非障害の信号に分類しました。12 kHz12 kHz12\textrm{ kHz}48 kHz48 kHz48\textrm{ kHz} を使用している場合、分類精度97 ± 1.2 %の精度を達成できます。同様に、同じ信号で同じ手法を適用し、センサーで同じRPM、負荷、記録角度で記録したにもかかわらず、48 kHzでサンプリングした場合、95 %の精度を達成できます。12 kHz12 kHz12\textrm{ kHz}97 ± 1.2 %97±1.2%97 \pm 1.2 \%95 %95%95\%48 kHz48 kHz48\textrm{ kHz} この誤分類率の増加の原因は何でしょうか? 信号の違いを見つける技術はありますか? より高い解像度の信号はより高いノイズになりやすいですか? 信号の詳細については、第3章を参照してください。

12
ガウスカーネルによってぼやけた1D信号のデコンボリューション
ガウス分布でランダム信号をたたみ込み、ノイズ(この場合はポアソンノイズ)を追加して、ノイズの多い信号を生成しました。次に、このノイズの多い信号をデコンボリューションして、同じガウスを使用して元の信号を抽出します。 問題は、1Dでデコンボリューションを行うコードが必要なことです。(私はすでに2Dでいくつか見つけましたが、私の主な目的は1Dです)。 そうすることができるいくつかのパッケージまたはプログラムを私に提案していただけませんか?(できればMATLABで) 助けてくれてありがとう。

2
コサインとサインのフーリエ変換の導出
では、この答えは、ジム・クレイは書いています: ...という事実を使用します...F{cos(x )} =δ(w − 1 )+δ(w + 1)2F{cos⁡(バツ)}=δ(w−1)+δ(w+1)2\mathcal F\{\cos(x)\} = \frac{\delta(w - 1) + \delta(w + 1)}{2} 上記の式は、。F{ cos(2 πf0t )} =12(δ(f−f0)+ δ(f+f0))F{cos⁡(2πf0t)}=12(δ(f−f0)+δ(f+f0))\mathcal F\{{\cos(2\pi f_0t)\}=\frac{1}{2}(\delta(f-f_0)+\delta(f+f_0))} フーリエ変換の標準定義を使用して、後の式を取得しようとしていますしかし、結局私が表現するのは、明らかに答えとはまったく異なる表現です。X(f)=∫+∞−∞x(t)e−j2πftdtX(f)=∫−∞+∞x(t)e−j2πftdtX(f)=\int_{-\infty}^{+\infty}x(t)e^{-j2\pi ft}dt これが私の作品です: x (t)⟹F{ x (t )}=cos(2πf0t)=∫+∞−∞cos(2πf0t)e−j2πftdt=∫+∞−∞12(e−j2πf0t+ej2πf0t)e−j2πftdt=12∫+∞−∞(e−j2πf0te−j2πft+ej2πf0te−j2πft)dt=12∫+∞−∞(e−j2πt(f0+f)+e−j2πt(f−f0))dt=12(∫+∞−∞(e−j2πt(f0+f))dt+∫+∞−∞(e−j2πt(f−f0)))dtx(t)=cos⁡(2πf0t)⟹F{x(t)}=∫−∞+∞cos⁡(2πf0t)e−j2πftdt=∫−∞+∞12(e−j2πf0t+ej2πf0t)e−j2πftdt=12∫−∞+∞(e−j2πf0te−j2πft+ej2πf0te−j2πft)dt=12∫−∞+∞(e−j2πt(f0+f)+e−j2πt(f−f0))dt=12(∫−∞+∞(e−j2πt(f0+f))dt+∫−∞+∞(e−j2πt(f−f0)))dt\begin{align} x(t)&=\cos(2\pi f_0t)\\ \Longrightarrow \mathcal F\left\{x(t)\right\}&=\int_{-\infty}^{+\infty}\cos(2\pi f_0t)e^{-j2\pi ft}dt\\ &=\int_{-\infty}^{+\infty}\frac 12 \left(e^{-j2\pi f_0t}+e^{j2\pi f_0t}\right)e^{-j2\pi ft}dt\\ &=\frac{1}{2}\int_{-\infty}^{+\infty}\left(e^{-j2\pi f_0t}e^{-j2\pi ft}+e^{j2\pi …


3
フーリエ変換アイデンティティ
私たちは以下を知っています、 F { x (− t )} = X (− f )F { x ∗(t )} = X ∗(− f )F{ x(t) } =X(f)(1)(1)F{バツ(t)}=バツ(f) \mathscr{F}\big\{x(t)\big\}=X(f) \tag{1} F{ x(−t) } =X(− f)(2)(2)F{バツ(−t)}=バツ(−f) \mathscr{F}\big\{x(-t)\big\}=X(-f) \tag{2} F{ x∗(t )} = X∗(− f)(3)(3)F{バツ∗(t)}=バツ∗(−f) \mathscr{F}\big\{x^*(t)\big\}=X^*(-f) \tag{3} さて、もし何らかの信号が x (− t )= x∗(t )(4)(4)バツ(−t)=バツ∗(t) x(-t)=x^*(t) \tag{4} …

3
エイリアス周波数の式
私のMSc Computer Scienceでマルチメディアシステムクラスを受講しています。エイリアス周波数の式を理解するのに問題があります。これは、エイリアス信号の誤解に起因する可能性があります。 エイリアス信号についての私の理解は、入力信号をアンダーサンプリングする場合(つまり、最大周波数の2倍未満のレートでサンプリングする場合)、高周波の詳細をキャプチャするのに十分な頻度でサンプリングしていないため、エイリアシングが発生する可能性があるということです。エイリアシング信号は、これらのサンプル値を取得し、それらを滑らかな曲線で結合した結果です。 したがって、生成される信号の周波数はサンプリング周波数の半分になります。これは、純粋な正弦波が1振動あたり2つのサンプルを必要とするためです(各分岐点に1つ)。これは、エイリアス周波数がサンプリング周波数の関数になることを意味します。 エイリアス周波数の式は、信号周波数とサンプリング周波数の最も近い整数倍の絶対差です-誰かがこれを私に説明できますか?前もって感謝します!

5
線形システムが正弦波の忠実度を示すのはなぜですか?
正弦波の忠実度の証明を探しています。DSPでは、線形システムについて多くのことを研究しています。線形システムは同種であり、付加的です。それが満たすもう1つの条件は、信号が正弦波または余弦波の場合、出力は位相または振幅のみを変更することです。どうして?正弦波が入力として与えられたとき、なぜ出力はまったく異なる出力にならないのですか?


7
LTIシステムにおける畳み込みの可換性の背後にある直観
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] ?

1
信号の固有値と固有ベクトル
信号または関数の固有値と固有ベクトルは何を表していますか?その物理的な意味は何ですか?信号投影が表現される直交平面を構成する信号の基底ベクトルについて知っています。基底ベクトルと固有ベクトルは同じものですか?これらの固有ベクトルを使用して信号を再構成できますか?

弊社のサイトを使用することにより、あなたは弊社のクッキーポリシーおよびプライバシーポリシーを読み、理解したものとみなされます。
Licensed under cc by-sa 3.0 with attribution required.