タグ付けされた質問 「discrete-signals」

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

33 discrete-signals  continuous-signals  signal-detection 

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？

26 continuous-signals  discrete-signals  transfer-function 

私はDTFTとDFTに関する多くの記事を読みましたが、DTFTが無限大になり、DFTがN-1までしか見えないことを除いて、両者の違いを見分けることはできません。誰が違いを説明し、何をいつ使用するのですか？ウィキは言う DFTは、離散時間フーリエ変換（DTFT）とは異なり、入力および出力シーケンスが両方とも有限です。したがって、有限領域（または周期的）離散時間関数のフーリエ解析と言われています。 唯一の違いですか？ 編集： この記事では、その違いをうまく説明しています。

22 discrete-signals  fourier-transform 

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 

平均フィルターは線形フィルターと呼ばれ、中央値フィルターは非線形フィルターと呼ばれますか？平均および中央値フィルターの動作方法は理解していますが、線形および非線形という用語とは関係がありませんでした。例を挙げて説明してください。

18 image-processing  filters  discrete-signals  signal-analysis  filtering 

私はオンラインで細かく読んでいますが、すべてをつなげることはできません。私はこれに関する十分な前提条件である信号/ DSPスタッフの背景知識を持っています。私は最終的にこのアルゴリズムをJavaでコーディングすることに興味がありますが、まだ完全には理解していません。だから私はここにいるのです（数学としてカウントされますよね？）。 これが私の知識のギャップと一緒にどのように機能するかを示しています。 .wavファイルなどの音声スピーチサンプルから始めて、配列に読み込むことができます。この配列呼び出す、Nの範囲0 、1 、... 、N - 1（したがって、N個のサンプル）。値は、私が推測するオーディオの強度-振幅に対応しています。x [ n ]バツ[n]x[n]nnn0 、1 、... 、N− 10、1、…、N−10, 1, \ldots ,N-1NNN 音声信号を10ミリ秒程度の明確な「フレーム」に分割し、音声信号が「静止」していると想定します。これは量子化の形式です。したがって、サンプルレートが44.1KHzの場合、10msは441サンプル、つまり値に等しくなります。x [ n ]バツ[n]x[n] フーリエ変換（計算のためにFFT）を行います。これは、信号全体または各個別のフレームで実行されますか？一般にフーリエ変換は信号のすべての要素を見るので、違いがあると思うので、F（x [ n ] ）≠ F（x 1 [ n ] ）はFと結合（x 2 [ n ] ）は… Fと結合（x N [ n ] ）ここでxx [ n ]バツ[n]x[n]F（x [ n …

17 discrete-signals  signal-analysis  mfcc 

教科書やウィキペディアには素晴らしい技術的な定義がありますが、実際に定常信号と非定常信号を区別するものを理解するのに苦労していますか？ 次の離散信号のうち、静止しているのはどれですか？なぜ？： ホワイトノイズ- はい（見つかったすべての情報による） 有色ノイズ- はい（ 有色ノイズによる：定常または非定常？） チャープ（周波数の変化に伴う正弦波）-？ 副鼻腔-？ 周期と振幅が異なる複数の副鼻腔の合計-？ ECG、EEG、PPTなど-- カオスシステムの出力（mackey-glass、ロジスティックマップ）-？ 屋外温度の記録-？ 外国為替市場の通貨ペアの開発の記録-？ ありがとうございました。

17 discrete-signals  stationary 

関数と参照正弦波がある場合、を計算するための高速アルゴリズムは何でしょうか？罪（ω X ）φf(t)=A⋅sin(ωt+ϕ)f(t)=A⋅sin⁡(ωt+ϕ)f(t)=A \cdot \sin(\omega t+\phi)sin(ωx)sin⁡(ωx)\sin(\omega x)ϕϕ\phi Goertzelアルゴリズムを見ていましたが、フェーズを処理していないようです。

17 fft  discrete-signals 

他のStackExchange / StackOverflowサイトには、一定レベルのユーモアや楽しみがあります。 お気に入りの「データ分析」漫画は何ですか？因果関係と相関関係に関するこのxkcd漫画（IMHO）に特に言及する価値があります（DSPの人々は私が言っていることを知っています）。 だから、ユーモアが答えでは許可されていますか？私はそう願っています、例えばse： StackOverflow：あなたの最高のプログラマーの冗談は何ですか？ MathOverflow：良い数学ジョークが存在するか SE.Stats（検証済みクロス）：統計ジョーク SE.Stats（Cross Validated）：お気に入りの「データ分析」漫画は何ですか？ SE.Maths 数学のジョークに関する質問 信号処理または画像処理のユーモアは存在しますが、浅く狭い範囲にあります。トルコのイスタンブールで開催されたICASSP 2000 DSPユーモア展で、私は最初に（以前はユーモアがなかった）それに遭遇しました。以下の画像は、EURASIPのDSPのユーモアからのものです。 だから私たちはいくつか値すると信じているhumorとjoke、タグと実際の明るさを。どうぞ！

16 image-processing  discrete-signals  reference-request  humor 

ウェーブレットは、画像処理に非常に役立つようです。時間のシグナル、つまり1Dシグナルのみを研究するつもりだと仮定して、ウェーブレット分析のコースを受講する必要がありますか？1D信号に適用できますか？

16 discrete-signals 

畳み込みのフィルターカーネルを使用して「第一原理」から設計されたFIRフィルターと、FFTを使用して2つの方法のいずれかで設計されたフィルター（以下を参照）の関係を理解し​​ようとしています。 私の知る限り、FIRフィルターのインパルス応答は、フィルターの畳み込みカーネルと同じです。（間違っている場合は修正してください。） また、私の理解では、FIRフィルターのインパルス応答の成分周波数（すなわち、フーリエ変換）は、フィルターの周波数応答と同じものです。したがって、逆フーリエ変換によりインパルス応答が返されます（繰り返しますが、間違っている場合は修正してください）。 これにより、2つの結論に導かれます（位相応答を無視するか、線形位相応答を仮定します）。 目的の周波数応答を「描画」し、IFFTを使用してインパルス応答を取得し、それを畳み込みカーネルとして使用することにより、任意の周波数応答のFIRフィルターを設計できるはずです。 あるいは、入力信号のFFTを取得し、周波数領域で希望する任意の周波数応答を乗算し、結果のIFFTを取得して出力信号を生成することにより、フィルターを作成できる必要があります。 直感的には、1と2は同等のように感じますが、それを証明できるかどうかはわかりません。 人々（およびDSPの文献）は、ChebyshevやRemezなどの複雑な（私にとっては）アルゴリズムを使用して、事前定義された応答を使用してFIRカーネルを設計するためにかなりの時間を費やしているようです。 可能なすべてのFIRカーネルにFFT / IFFT変換が存在する場合、なぜこれらの長さにするのですか？ 必要な正確な周波数応答を単純に描画し、IFFTを実行すると、FIRカーネルがあります（上記の方法1）。

15 fft  filters  discrete-signals  convolution 

バッファーに保存したオーディオトラックの音量を計算しようとしています。バッファーには、信号のPCMデータが含まれています。ルート平均二乗を使用して、それがどれほど「大きい」のかを知りたいです。周波数ドメインに切り替える代わりに、時間ドメインでこれを行うことができると思います。これを行うための擬似コードは何でしょうか？ 単純に1秒間サンプリングし（audio [0]-audio [44099]、audio [44099]-audio [88199]など）、それらの値のRMSを計算しますか？したがって、たとえば、私はこれをしますか： R MS= オーディオ[ 0 ]2+ オーディオ[ 1 ]2+ オーディオ[ 2 ]2。。。。。オーディオ[ 44099 ]244100−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−√RMS=オーディオ[0]2+オーディオ[1]2+オーディオ[2]2。。。。。オーディオ[44099]244100RMS = \sqrt{\frac{\text{audio}[0]^2 + \text{audio}[1]^2 + \text{audio}[2]^2.....\text{audio}[44099]^2}{44100}} 毎秒？

15 audio  discrete-signals 

私はデジタル画像復元の分野で働いています。畳み込みに関するすべてのことを読みました。LTIシステムでは、インパルス応答を知っていれば、入力とインパルス応答の間の畳み込みを使用するだけで出力を見つけることができます。 誰もがその背後にある主要な数学的哲学は何であるか教えてもらえますか？あなたの経験はそれについての単なるインターネットサーフィン以上のものを私に教えてくれます。

14 image-processing  discrete-signals  convolution 

双線形変換がTustinの方法としても知られていることはよく知られています。私の知る限り、アーノルド・タスティンは実際に制御システムの文献にこの考えを導入したので、名前はスティグラーの法則の単なる例ではありません。たとえば、次の参照を見つけることができました。 英国のTustinは時系列モデルの双線形変換を開発しましたが、OldenbourgとSartoriusは差分方程式を使用してそのようなシステムをモデル化しました。[1][1][1] はっきりしていないのは、彼の出版物のタイトルを閲覧するときでさえ、彼が最初にアイデアを導入した場所です。私はそれが後に双線形変換として知られるようになったと推測しているので、おそらく彼はその用語を使用しなかったでしょう。彼のテクニックの解説を読みたいです。彼が最初にそれを公開した場所を知っている人はいますか？ ビッセル、CC 自動制御の歴史。リンク。

14 discrete-signals  reference-request  signals-history 

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。

14 discrete-signals  wavelet  continuous-signals  approximation