タグ付けされた質問 「downsampling」

この質問をするためのより良い方法は考えられないので、例から始めましょう。最大周波数が50Hz（100Hzでサンプリング）の入力信号があるとします。対象の信号は0〜5Hzの範囲にあるため、カットオフ5Hzのローパスフィルターを追加し、結果の信号をさらに処理することができます。私の理解では、フィルター処理された信号を10分の1にダウンサンプリングできるため、処理の負荷を軽減できます。私は正しいですか？はいの場合、フィルタリングの後にダウンサンプリングが常に実行されないのはなぜですか？そして、私の仮定が間違っている場合、どこで間違っていますか？

21 filters  decimation  downsampling  sampling 

現在MP3ファイルを処理していますが、この問題が発生します。私のMP3はステレオでエンコードされています。私がやりたいのは、さらに処理するためにボーカル部分を抽出することです（出力信号のモードがモノでもステレオでも問題ありません）。 私の知る限り、オーディオはMP3の異なる独立したサブ周波数帯域にエンコードされます。カットオフ周波数を適切に設定したハイパス/ローパスフィルターを使用して、ボーカル範囲に信号を制限できると思います。ただし、この場合、結果には純粋な音楽信号の一部が含まれている必要があります。またはグーグルの後、最初にバックグラウンド信号を計算するかもしれません（ボーカル部分が位相キャンセルと呼ばれるステレオオーディオの中心にあると仮定して、1つのチャンネルを他のチャンネルからの信号に追加することによって反転します）。この変換後、信号はモノになります。次に、元のステレオをモノラルにマージして、そこから背景信号を抽出します。 有効性を考えると、どちらが好まれますか（または他のソリューション:)？2番目のチャネルの場合、2つのチャネルAとBを使用して、バックグラウンドを計算するときに（BA）または（AB）を使用しますか？2つのチャネルをマージする場合と同様に、算術平均は十分に正確ですか？または、各チャネルを2倍にダウンサンプリングし、ダウンサンプリングされた信号をモノラルの結果としてインターリーブできますか？ よろしくお願いします。

15 audio  downsampling  mp3  background-subtraction 

で、この論文またはマルチレートフィルタリング、著者は以下の数学的関係を確立します。ましょうyDyDy_Dそのようなダウンサンプラの出力であります yD[n]=x[Mn]yD[n]=x[Mn]y_D[n] = x[Mn] ここで、MMMはダウンサンプリング係数です。つまり、元の信号のMMM番目のサンプルごとに保持します。その後、著者は次のことを述べます。 ...のz変換yD[n]yD[n]y_D[n]によって与えられます。 YD[z]=1M∑k=0M−1X[z1/MWk]YD[z]=1M∑k=0M−1X[z1/MWk]Y_D[z]=\frac{1}{M}\sum_{k=0}^{M-1}X[z^{1/M}W^k] ここで、WkWkW^kあるMMM -ポイント離散フーリエ変換カーネル、すなわち変換 e(−j2πk)/Me(−j2πk)/Me^{(-j2\pi k)/M}。 前者の表現から後者の表現にどのように移行できますか？このような移行を可能にするDFTとZ変換の関係は何ですか？

12 dft  downsampling  z-transform 

アンダーサンプリングの結果、エイリアシングが発生し、ナイキストレートの半分より高い周波数は区別できないことがわかっています。ナイキストレートの半分よりも高い周波数（ナイキスト周波数）と低周波数（すべての部分）を使用したいベースバンド信号があります。私はこのパスで特別なプロセスを持っています： Input⟶anti-aliasing pre-filter⟶decimate⟶FFT⟶tune on special partof the signalInput⟶anti-aliasing pre-filter⟶decimate⟶FFT⟶tune on special partof the signal\textrm{Input}{\longrightarrow}\boxed{\textrm{anti-aliasing pre-filter}}{\longrightarrow}\boxed{\textrm{decimate}}{\longrightarrow}\boxed{\textrm{FFT}}{\longrightarrow}\boxed{\textrm{tune on special part}\\{\textrm{of the signal}}} 人々が通常アンチエイリアシングフィルターとして使用するローパスポストフィルターは、私にとって重要な高周波を除去します。高周波を失わないデジタルまたはアナログのアンチエイリアシングプレフィルターとは何ですか。

9 sampling  downsampling 

私は、リアルタイムのオーディオ処理プロジェクトに取り組んでいます。このプロジェクトでは、計算の複雑さを減らすために、44.1 kHzをまだ決定されていない低いサンプリングレートにダウンサンプリングする必要があります。まともなダウンサンプリングフィルターを探しています。IIR（主に楕円）とFIR（主に最小位相）の両方を示唆する記事を見つけました。線形位相フィルターが必要なため、FIR最小位相フィルターは必ずしも機能しません。したがって、オプションは、かなりのレイテンシが発生する可能性がある線形位相FIRかfiltfilt、最初に前方にフィルター処理してから後方にフィルター処理する二重フィルター処理IIR（MATLAB コマンド）のいずれかです。 ダウンサンプリングフィルターとしてのFIRおよびIIRの長所と短所は何ですか？リアルタイムアプリケーションではどちらがより実用的ですか？

8 infinite-impulse-response  downsampling  finite-impulse-response  linear-phase 

自己相関の大きさに対するエイリアシングの影響について質問があります。MATLABでのシミュレーションから、自己相関の大きさをとるときに、エイリアシングの影響やアンチエイリアスフィルターの必要性がわかりません。つまり、データをアンダーサンプリングして、自己相関を取ることができます。「完全な自己相関関数から導き出されたスペクトルモーメント推定に対するエイリアシングの影響」という論文があり、これは私が主張するようなものです。私が間違いを犯した場合、誰かに知らせていただけますか？

8 sampling  discrete-signals  downsampling  aliasing 

質問は次のとおりです。 分析させてください： 最初の下り道： バツ1（z）バツ2（z）バツ３（z）バツ4（z）=z− 1バツ（z）=12{バツ1（z12） +バツ1（ −z12） }=バツ2（z2）=12{バツ1（z） +バツ1（− z）} =12{z− 1バツ（z）−z− 1バツ（− z） }= zバツ３（z）=12{ X（z）− X（− z） }X1(z)=z−1X(z)X2(z)=12{X1(z12)+X1(−z12)}X3(z)=X2(z2)=12{X1(z)+X1(−z)}=12{z−1X(z)−z−1X(−z)}X4(z)=zX3(z)=12{X(z)−X(−z)}\begin{align} X_1(z) &= z^{-1}X(z)\\ X_2(z) &= \frac{1}{2}\left\{X_1\left(z^\frac{1}{2}\right)+X_1\left(-z^\frac{1}{2}\right)\right\}\\ X_3(z) &= X_2(z^2) = \frac{1}{2}\left\{X_1(z)+X_1(-z)\} = \frac{1}{2}\{z^{-1}X(z)- z^{-1}X(-z)\right\}\\ X_4(z) &= zX_3(z) = \frac{1}{2}\left\{X(z)- X(-z)\right\} \end{align} そしてアップロード： バツ6（z）=バツ5（z2）=12{ X（z）+ X（− z） }X6(z)=X5(z2)=12{X(z)+X(−z)} X_6(z) = X_5(z^2) …

7 sampling  downsampling  filter-bank 

で、この論文一様サンプリングよりも優れた性能を示すことができるランダムにサンプリング：ラスティグの、彼は直感的表示されます何かについて話します。これらのスライドの 15ページ目からこれを理解しようとしましたが、本当に何も理解できません。 周波数係数のランダム置換を行うと、信号の類似性の点でより良い再構成が得られるのはなぜですか？なぜこれはより良い再構成をもたらすのですか、そしてこの現象の背後にある直感は何ですか？

7 signal-analysis  sampling  downsampling  random  reconstruction