タグ付けされた質問 「frequency」

図1.（c）は、MAGNITUDEスペクトルのみから再構成されたテスト画像を示しています。低頻度ピクセルの強度値は、高頻度ピクセルよりも比較的多いと言えます。 図1.（d）は、PHASEスペクトルのみから再構成されたテスト画像を示しています。高頻度（エッジ、ライン）ピクセルの強度値は、低頻度ピクセルよりも比較的多いと言えます。 強度の変化（または交換）のこの魔法の矛盾が、MAGNITUDEスペクトルのみから再構築されたテストイメージとPHASEスペクトルのみから再構築されたテストイメージの間に存在するのはなぜですか？ clc; clear all; close all; i1=imread('C:\Users\Admin\Desktop\rough\Capture1.png'); i1=rgb2gray(i1); f1=fftn(i1); mag1=abs(f1); s=log(1+fftshift(f1)); phase1=angle(f1); r1=ifftshift(ifftn(mag1)); r2=ifftn(exp(1i*phase1)); figure,imshow(i1); figure,imshow(s,[]); figure,imshow(uint8(r1)); figure,imshow(r2,[]); r2=histeq(r2); r3=histeq(uint8(r2)); figure,imshow(r2); figure,imshow(r3);

11 image-processing  matlab  fft  fourier-transform  frequency 

冷蔵庫から温度データを収集しています。データは波のように見えます。波の周期と周波数を決定したいと思います（これにより、冷蔵庫の変更が影響を与えるかどうかを測定できます）。 私はRを使用しており、データにFFTを使用する必要があると思いますが、そこからどこに行くべきかわかりません。私はRと信号分析に非常に慣れていないので、どんな助けでも大歓迎です！ ここに私が生み出している波があります： これまでのRコードは次のとおりです。 require(graphics) library(DBI) library(RSQLite) drv <- dbDriver("SQLite") conn <- dbConnect(drv, dbname = "s.sqlite3") query <- function(con, query) { rs <- dbSendQuery(con, query) data <- fetch(rs, n = -1) dbClearResult(rs) data } box <- query(conn, " SELECT id, humidity / 10.0 as humidity, temp / 10.0 as temp, …

11 frequency  wave 

私は瞬時周波数を計算する原理に不慣れで、多くの疑問を抱きました。これらはすべて、このテキストの最後にある箇条書きリストにあります。テキストは少し長いかもしれませんが、すみませんが、私は本当に自分でその問題に取り組んでみました。 ですから、実数値の信号x （t ）の瞬時周波数f(t)f(t)f(t)に興味があります。計算は、分析信号z （t ）= x （t ）+ j y （t ）を使用して行われます。ここで、y （t ）はx （t ）のヒルベルト変換です。x （t ）x(t)x(t)z（t ）= x （t ）+ j y（t ）z(t)=x(t)+jy(t)z(t) = x(t) + j y(t)y（t ）y(t)y(t)x （t ）x(t)x(t)。 解析信号z（t ）z(t)z(t)から瞬時周波数を計算するために、次の論文に従いました。 1992年のArthur E. Barnsによる瞬時周波数と瞬時帯域幅の計算。この論文では、瞬時周波数を計算するための複数の方法を紹介しています。彼が提案した（そして私が使用した）すべての式をすぐに書き留めます。 「学習」のために、MATLABで非常に単純な信号ともう少し複雑な信号をいじって、それらの瞬時周波数を取得したいと考えました。 Fs = 1000; % sampling-rate = 1kHz t = 0:1/Fs:10-1/Fs; …

9 signal-analysis  frequency  phase  hilbert-transform  analytic-signal 

私はEEではなく化学エンジニアなので、これは少し難しいです。 振幅と時間のデータを取得して、周波数と時間に変換する方法を理解しようとしています。私の最初の本能は、データをチャンクにスライスし、各チャンクでFFTを実行し、それをプロットすることです。残念ながら、各スライスの継続時間がゼロに近づくと、正確な周波数情報を取得するのに十分な情報がなくなります（低周波数には非常に小さなタイムスライス以上のものが必要です）。だから...どうすればいいですか？これは誰かがすでに解決しているある種の有名な問題だと確信しています。 これが私が探している一種の変形で、音波で示されています（ピアノのノートG）。ご覧のとおり、このグラフは3つの軸として表示され、3番目の軸は色で表されています。 ありがとう！

9 fourier-transform  frequency  transform 

信号が電磁スペクトルの搬送波に変調されると、その信号は搬送波周波数を取り巻くスペクトルのごく一部を占めます。また、搬送周波数の上下の周波数で側波帯が生成されます。 しかし、これらの側波帯がAMとFMでどのように、そしてなぜ生成されるのか、また、FMで生成される側波帯が2つしかないのに、なぜAMで生成されるのか？数学的にどのように生成されるかはすでに知っているので、具体的な例を挙げてください。 私が知っていることは、時間領域で、元の信号がキャリア信号に入れられると、実際にキャリア信号と乗算されます。つまり、周波数領域では、元の信号がキャリア信号と畳み込まれます。AMのこれら2つのサイドバンドは、実際にはキャリア信号のフーリエ変換です。 これは正しいです？

9 frequency  frequency-spectrum  modulation 

私はエッジ検出にハフ変換を使用しようとしています、そして基礎として勾配画像を使用したいと思います。 私はこれまでやっていること、画像所与のIサイズの[M,N]とその偏導関数gx、gy、各画素の勾配角度を計算することですthetas = atan(gy(x,y) ./ gx。同様に、勾配の大きさをとして計算しmagnitudes = sqrt(gx.^2+gy.^2)ます。 ハフ変換を作成するには、次のMATLABコードを使用します。 max_rho = ceil(sqrt(M^2 + N^2)); hough = zeros(2*max_rho, 101); for x=1:M for y=1:N theta = thetas(x,y); rho = x*cos(theta) + y*sin(theta); rho_idx = round(rho)+max_rho; theta_idx = floor((theta + pi/2) / pi * 100) + 1; hough(rho_idx, theta_idx) = hough(rho_idx, theta_idx) + …

9 image-processing  edge-detection  image-processing  computer-vision  image-registration  discrete-signals  noise  bpsk  snr  demodulation  bpsk  multipath  synchronization  timing  image-processing  filters  algorithms  edge-detection  sampling  demodulation  bpsk  synchronization  timing  fft  fourier-transform  delay  audio  speech-recognition  soft-question  discrete-signals  discrete-signals  autocorrelation  frequency  computer-vision 

Morletウェーブレット変換を適用して私の脳波信号を分析したいと思います。短い信号がたくさんありますが、それぞれ1分しかありません。そしてそれらはすべて30Hzで録音されました。2つの質問があります。 Morletウェーブレットでは、私のケースで使用するのに最適なスケール（アルファ）は何ですか？ エッジ効果について：ウェーブレットの「エッジ効果」が原因でデータのどの部分が破損するかを知る/計算するにはどうすればよいですか？

8 discrete-signals  frequency  wavelet 

FFTの理解に問題があります。として計算されたスペクトルの周波数分解能は sampling ratenumber of FFT pointssampling ratenumber of FFT points\frac{\textrm{sampling rate}}{\textrm{number of FFT points}}または？sampling rate0.5 * number of FFT pointssampling rate0.5 * number of FFT points\frac{\textrm{sampling rate}}{\textrm{0.5 * number of FFT points}} これは、スペクトルが実数値の入力に対して対称であるためです。したがって、 Hzおよび = 1024であるとします。ここで、はFFTポイントの数です。さて、周波数分解能は Hzまたは Hzですか？fs=1000fs=1000f_s = 1000NNNNNN1000 Hz1024=0.97661000 Hz1024=0.9766\frac{1000 \textrm{ Hz}}{1024} = 0.97661000 Hz0.5∗1024=1.95311000 Hz0.5∗1024=1.9531\frac{1000 \textrm{ Hz}}{0.5 …

8 fft  frequency-spectrum  frequency 

これは用語の質問かもしれませんが、よくわかりません。 基本的に、従来のビームフォーマとアダプティブビームフォーマの違いは何ですか？すべてのビームフォーマーは、歪みや分散の最小化、その他の空間フィルタリング基準など、いくつかの基準に本質的に適応していると思いました。それらの違いは何ですか？

8 filters  frequency  adaptive-filters  adaptive-algorithms  beamforming 

つまり、人間の声は単一の正弦波ではなく、周波数の異なる無制限の正弦波の集まりではないことを知りました。 ウィキペディアによると、 声は、人間が声のひだを使って話したり、歌ったり、笑ったり、泣いたり、叫んだりして作った音で構成されています。その周波数の範囲は、約60〜7000 Hzです。 したがって、人間の声が複合信号である場合、60Hzから7KHzまでのさまざまな周波数範囲が含まれます。 同じ歌を一緒に歌っている人々のグループがいる場合、各人が独自の声の周波数の範囲を持っていると仮定します。 例えば、 人Aが次の周波数を持っている場合：100Hz、250HZ 6KHz、10Hz、87Hz、52Hz、2KHz ....... また、人物Bには、217Hz1、11Hz、12Hz、2323Hz、839Hz、4KHz、100Hz、10Hz ...があります。 上記の例のように、人Aと人Bの両方で類似している非常に多くの周波数が必要です。周波数100Hzと10Hzは2人の人の間で共通です。 私はテレビ番組名「フリンジ」を見ていました。そこでは、他の人の声もそこに存在している間に、オーディオファイルから特定の男の声を除外しました。 それで、すべての人に共通する周波数が非常に多い場合、人の周波数の振幅で何かをしなければならない場合、彼らは正確にどのようにして数百人の声から誰かの声をフィルタリングしますか？

8 frequency  voice 

1秒あたり8000サンプルのレートでサウンドを録音すると、サウンドから再生できる最高周波数は4000 Hzであることがわかります。私が知りたいのは サウンドを再生するときに4000 Hzを超える周波数がサウンドに含まれている場合、元のサウンドの周波数が4000 Hzを超えるポイントで、何が聞こえ、どのような周波数が生成されますか。

7 frequency 

ペンの位置を追跡するためのホワイトボードを作成しています。私が持っているnホワイトボードの周囲に置かれた超音波レシーバ、およびペンでの超音波エミッタを。ペンはレシーバが検出するパルスを発します。マイクロプロセッサは各受信機のパルスの到着時間を収集し、到着時間差（TDOA）を使用して、マルチラテレーションアルゴリズムに従ってペンの位置を推定します。 超音波は表面で反射し、干渉を引き起こす可能性があります。これは、パルスの周波数の制限です。現時点では、ペンを10Hzでパルスします。これは、反射が消えて干渉しないのに十分です。残念ながら、10Hzは私の目的のためのサンプリングには十分高速ではありません。ペンが100Hzでパルスするのが理想的です。（ペンエミッターはマイクロコントローラーに接続されているので、パルスの形状と周波数を制御できます。） リフレクションの問題に取り組むためにどのようなトリックを使用できますか？いくつかの標準的なフィルタリング技術は何ですか？サイクルで異なるパルスパターンを使用すると、反射をフィルタリングできますか？

7 filters  frequency-spectrum  frequency 

周波数が連続的に減少する波（正弦波または方形波）をプログラムで生成しようとしています。これを行うには、開始周波数を単純に掛けて、値が減少するようにします。これは、所定の時間スパンの中間ステップで、1から0に線形的に変化します。ちょうど半分の時間帯に、周波数が再び増加し始めたことを見て（聞いて）戸惑いました。頻度の値を確認しましたが、問題ありません。私は波の最初の「半分」しか使用できませんが、私が経験していることを理解することは素晴らしいことです。助けてくれてありがとう！ありがとう

7 frequency  wave 

-X MHzから+ X MHzの範囲のスペクトルがあるとします。ゼロ成分を中央（0 Hz）にシフトして、スペクトルの周波数誤差を修正する必要があります。 出力（周波数スペクトル）がFFTを介して計算される場合、私が知る限り、「回転因子」（または係数、複雑なデータの正弦波および余弦波の場合）を調整することによってスペクトルを移動できます。 サイズ1024 FFT（ビンインデックス0〜1023）の場合、ビン番号511に0 Hz成分が存在する必要があります。ただし、周波数誤差の可能性があるため、0 hz成分は実際にはビン510にある可能性があります。 私はこれについて多くの情報を見つけることができないようです。助けてくれてありがとう。 編集：質問の間違い。

7 fft  frequency  frequency-spectrum 

私の受信機が、非常に単純な（トーン）から複雑な（変調された既知のデータシーケンス（PSK / QAM / OFDMなど））までの既知のデータ信号を受信するとします。周波数オフセットのか​​なり正確な推定値を得る最も計算効率の良い方法は何ですか？

7 frequency  signal-detection