タグ付けされた質問 「linear-systems」

線形システムは線形演算子のみで入力を操作するため、複雑な入力への応答は、より単純な入力のセットへの応答の合計として分析できます。この数学的特性により、この合計または重ね合わせが成り立たない非線形システムよりも線形システムの分析がはるかに簡単になります。線形システムは一般に、時間的に不変であるとさらに分類されます。つまり、特性は時間とともに変化しません。


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 

1
SVD / PCA計算からの新しい画像のフィッティング
ウィキペディアのEigenfaceページからアイデアを複製しようとしています。数百サンプル画像データで表される行列(各画像は、長さのベクトルに平坦ここで、従ってであるによって行列)、IはSVD分解を計算しました。XX\bf XnnnXX\bf X100100100nnn X=UΣVTX=UΣVT\begin{equation} \bf X = U \Sigma V^{T} \end{equation} したがって: XXT=UΣ2UTXXT=UΣ2UT\begin{equation} \bf X X^{T} = U \Sigma^2 U^{T} \end{equation} 最大の固有モードのサブセットを取得することにより、行列を近似できます()。qqqσ1≥σ2≥⋯σ1≥σ2≥⋯\sigma_1 \ge \sigma_2 \ge \cdots X≈σ1u1vT1+σ2u2vT2+⋯+σquqvTqX≈σ1u1v1T+σ2u2v2T+⋯+σquqvqT\begin{equation} {\bf X} \approx \sigma_1 u_1 v_1^{T} + \sigma_2 u_2 v_2^{T} + \cdots + \sigma_q u_q v_q^{T} \end{equation} ない画像を表す新しいベクトル与えられた場合、新しい画像を最もよく表すために固有ベクトル重み付けを決定するにはどうすればよいですか?病的な場合を除いて、この表現はユニークですか?yyyXX\bf XqqqUU\bf Uyyy 要するに、私がやりたいことはこれです(wikiページから): これら固有顔は、現在既存および表現するために使用することができる新たな顔を:我々ができ突出固有顔に新しい(平均減算)画像をすることにより、記録方法、平均面からの新しい顔が異なります。 その投影法をどのように行うのですか?

1
状態遷移行列を使用して、状態空間の再現からシステムのインパルス応答を見つけるにはどうすればよいですか?
標準状態空間表記で表される線形があると仮定します。 Y(T)=CX(T)+DU(T)バツ˙(t )= A x (t )+ B u (t )バツ˙(t)=Aバツ(t)+Bあなたは(t) \dot{x}(t)=Ax(t)+Bu(t) y(t )= Cx (t )+ D u (t )y(t)=Cバツ(t)+Dあなたは(t)y(t) = Cx(t) + Du(t) インパルス応答を取得するために、ラプラス変換を取得することができます Y = C X + D US X= A X+ B Usバツ=Aバツ+BうんsX=AX+BU Y= Cバツ+ D UY=Cバツ+DうんY=CX+DU そして、次の伝達関数を解きます Yうん= C(s I− A )− 1B + …


2
一連の入力信号と出力信号から線形システムのインパルス応答を推定する方法は?
これらの種類の問題を解決する方法を知りたいです。 以下の線形システムを考えます。システムへの入力が、、場合、システムの応答は、図のように、、です。x1[n]x1[n]x_1[n]x2[n]x2[n]x_2[n]x3[n]x3[n]x_3[n]y1[n]y1[n]y_1[n]y2[n]y2[n]y_2[n]y3[n]y3[n]y_3[n] システムが時不変かどうかを判断します。正解です。 インパルス応答とは何ですか? 編集: 与えられた入力がようなスケーリングされたインパルスを含まない一般的なケースを想定していますx2[n]x2[n]x_2[n]

3
離散単位ステップ関数に対する応答を知るだけで、離散システムのインパルス応答を取得する方法はありますか?
継続的にそれは可能でした。 u(t)⟶system⟶y(t)⟹δ(t)=du(t)dt⟶system⟶dy(t)dt=h(t)u(t)⟶system⟶y(t)⟹δ(t)=du(t)dt⟶system⟶dy(t)dt=h(t) u(t){\longrightarrow} \boxed{\quad\textrm{system}\quad} {\longrightarrow} y(t)\implies \delta(t)=\frac{du(t)}{dt}{\longrightarrow}\boxed{\quad\textrm{system}\quad}{\longrightarrow} \frac{dy(t)}{dt}=h(t) 同じことは離散時間システムにも当てはまります。つまり、 δ[t]=du[t]dtwhere:{δ[t]u[t]is the discrete time deltais the discrete time unit step functionδ[t]=du[t]dtwhere:{δ[t]is the discrete time deltau[t]is the discrete time unit step function \delta[t]=\frac{du[t]}{dt} \quad\textrm{where:}\begin{cases} \delta[t] &\textrm{is the discrete time delta}\\ u[t] & \textrm{is the discrete time unit step function}\end{cases} 離散単位ステップの応答を知るだけで、離散システムのインパルス応答を取得する方法はありますか?

5
線形および循環たたみ込みとは
信号とたたみ込みについての基本的な知識があります。私の知る限り、2つの信号の類似性を示しています。わかりやすい英語の説明をお願いします。 線形および循環たたみ込みとは なぜそれらが重要なのか それらが使用される実際の状況

1
線形予測コーディング(LPC)の背後にある理論
LPCの背後にある理論は何ですか? LPCの特定の実装が、他の圧縮音声符号化方式よりも伝送または符号化エラーの量子化に対してより耐性があると言われているのはなぜですか? LPCメソッドは、カルマンフィルターメソッドの使用と同様に、平滑化または短期の "予測"にも使用できますか? LPCの使用はどのような条件または制約の下で有効ですか?

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?

3
理想的なLPF BIBOは不安定ですか?
他の議論の1つ:線形システムの周波数応答、安定性、因果関係を見つける方法は? 私は非常に強力なコメントを見つけ、間違いなく私の注意を引いた。 理想的なローパスフィルターは、周波数応答がすべてのfに制限されているにもかかわらず、BIBOが安定していないシステムの例ですfff 私はここhttp://en.wikipedia.org/wiki/BIBO_stabilityの安定性の定義に従っています 理想的なLPFが確かにBIBO不安定になる可能性があることの証明を誰かに教えてもらえますか? もちろん、無限のゲインを持つ理想的なLPFは、無限の出力を生成できます。ゲインが有限の場合、質問はLPFに限定されます。

2
状態空間で記述されたシステムの初期条件-LTIかどうか?
次のようなシステムがあるとします。 x˙(t)y(t)=Ax(t)+Bu(t)=Cx(t)+Du(t)x˙(t)=Ax(t)+Bu(t)y(t)=Cx(t)+Du(t)\begin{aligned} \dot{x}(t) &= Ax(t) +Bu(t) \\ y(t) &= Cx(t)+Du(t) \end{aligned} どこ x(t)x(t)x(t) 状態変数です。 y(t)y(t)y(t) は出力であり、 u(t)u(t)u(t)入力です。すべての行列は定数です。同じ問題が離散的なケースにも当てはまります x[n+1]y[n]=Ax[n]+Bu[n]=Cx [ n ] + D u [ n ]x[n+1]=Ax[n]+Bu[n]y[n]=Cx[n]+Du[n]\begin{aligned} x[n+1] &= Ax[n] +Bu[n] \\ y[n] &= Cx[n]+Du[n] \end{aligned} 非ゼロの初期条件を持つシステムはLTIにはなれないことが知られています。ただし、x (0 )≠ 0x(0)≠0x(0)\neq0、上記のシステムがLTIにならない理由がわかりません。私の知る限り、システムがそのように表現されている場合、それは線形でなければならず、行列はttt、それも時間不変でなければなりません。 したがって、定数行列を持つ状態空間で表されるため、LTIでなければならないシステムがありますが、LTIにすることはできません。 x (0 )≠ 0x(0)≠0x(0)\neq0。 私はこの不条理な矛盾に私を導く推論の間違いを見ることができません。誰かがそれを指摘できますか?

3
自然応答とゼロ入力応答の違いは何ですか?
私はDSPを初めて使用し、入力の影響を受けるシステムのさまざまな応答を経験しました。ゼロ入力応答についての私の理解は、入力信号がゼロに設定されたときのシステムの応答/出力です。言い換えると、システムが線形定数係数差分方程式で記述されている場合、ゼロ入力応答は均一解になります。 ただし、 ZZ\mathcal Z-入力の変換は有理関数です X(z)=N(z)/Q(z)X(z)=N(z)/Q(z)X(z)=N(z)/Q(z) LTIシステム関数のそれは H(z)=B(z)/A(z)H(z)=B(z)/A(z)H(z)=B(z)/A(z)そして、システムは最初に緩和され、次にY(z)=H(z)X(z)=N(z)B(z)/A(z)Q(z)Y(z)=H(z)X(z)=N(z)B(z)/A(z)Q(z)Y(z)= H(z)X(z) = N(z)B(z)/A(z)Q(z)。の明確な零点(実数のみ)と極(実数のみ)を仮定するとX(z)X(z)X(z) そして H(z)H(z)H(z) その後 Y(z)=∑k=1NAk1−pkz−1+∑k=1LQk1−qkz−1Y(z)=∑k=1NAk1−pkz−1+∑k=1LQk1−qkz−1Y(z) = \sum_{k=1}^N \frac{A_k}{1-p_kz^{-1}} + \sum_{k=1}^L \frac{Q_k}{1-q_kz^{-1}} 与える y(n )=Σk = 1Nあk(pk)んu (n )+Σk = 1LQk(qk)んu (n )y(ん)=Σk=1Nあk(pk)んあなた(ん)+Σk=1LQk(qk)んあなた(ん)y(n) = \sum_{k=1}^N A_k(p_k)^{n}u(n) + \sum_{k=1}^L Q_k(q_k)^{n}u(n) どこ pkpkp_k そして qkqkq_k システムの極です H(z)H(z)H(z) と入力信号 バツ(z)バツ(z)X(z) それぞれと u (n )あなた(ん)u(n)単位ステップ関数です。ここで、最初の用語はシステムの自然応答と呼ばれますH(z)H(z)H(z)。ゼロ入力と自然応答の違いを把握するのは非常に混乱します。 編集:質問の参照は、本のDSP:原理、アルゴリズム、およびアプリケーションであるJohn …

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] ?

4
不安定性は、そうでなければLTIシステムを非線形(または時変)にしますか?
私はこの質問をジョニーからの質問から引き離しています。マットL.と私は、ジョニーの質問に対して正反対の結論を出しました。 私はこの問題を因果関係の問題や他の間抜けなものから切り離したいと思います。 したがって、時間領域のI / O方程式で記述された単純な1次の再帰システムがあります。 y[n]=p⋅y[n−1] + x[n]∀n∈Zy[n]=p⋅y[n−1] + x[n]∀n∈Z y[n] = p \cdot y[n-1] \ + \ x[n] \quad \quad \forall n \in \mathbb{Z} もちろん、これのZ変換は Y(z)=p⋅z−1Y(z) + X(z)Y(z)=p⋅z−1Y(z) + X(z) Y(z) = p \cdot z^{-1} Y(z) \ + \ X(z) と伝達関数 H(z)≜Y(z)X(z)=zz−pH(z)≜Y(z)X(z)=zz−p H(z) \triangleq \frac{Y(z)}{X(z)} = \frac{z}{z-p} 私たちは、通常でゼロとシンプルかつ実現可能LTIシステムとしてこれを識別するとの極。しかし、他の質問では、場合の線形性と時間不変性に関する問題があります。000pppp=−1 p=−1 …

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.