タグ付けされた質問 「signal-analysis」

私は信号および画像処理、または多分コンピュータービジョン（まだ決定していません）の修士課程に登録することを楽しみにしており、この質問が浮上しました。 私の懸念は、ディープラーニングは特徴抽出と入力前処理をほとんど必要としないため、画像処理（または一般的な信号処理）を殺すことですか？ 私はディープラーニングの専門家ではありませんが、他の手法のような特徴ベクトルの代わりに画像を直接取得する認識および分類タスクで非常にうまく機能しているようです。 画像処理技術を使用して、従来の特徴抽出+分類アプローチの方が良い場合はありますか、またはこれはディープラーニングのために死にかけていますか？

52 image-processing  signal-analysis  computer-vision  machine-learning  deep-learning 

フーリエ変換は、特定の信号の周波数成分を確認できる数学的操作です。しかし、今、私の通信で。もちろん、教授はヒルベルト変換を導入しました。 私は、それが多少ヒルベルト変換するという事実は、FFTによって乗算された所定の周波数成分に連結されることを理解− j 記号（W（f））−j符号⁡（W（f））-j\operatorname{sign}(W(f))またはで時間関数を畳み込む。1 / πt1/πt1/\pi t ヒルベルト変換の意味は何ですか？その変換を特定の信号に適用すると、どのような情報が得られますか？

39 signal-analysis  hilbert-transform 

Sooo ..私はこのようなことを考えてきました。私たちは皆、私たちが自分の声で聞いているものとは異なる音であることを知っています。自分を録音して聞くことで、他の人が私たちをどのように聞いているかを簡単に見つけることができます。 しかし、他の方法はどうですか？ 自分の声を知覚するときに他の人が私たちの声を聞くことができるように、私たちの声を変える方法はありますか？とても興味深い質問だと思います。悲しいことに、Googleで数回検索した後、ウェブ上で何も見つかりませんでした。誰もこれについて考えたことがありませんか、または私が見ていない何らかの理由で不可能ですか？ これに関する任意のリードをいただければ幸いです:)。

18 signal-analysis  audio  transform 

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 

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 discrete-signals  signal-analysis  continuous-signals  signal-synthesis  resolution 

以下を想定してください： 信号の基本周波数は、FFTといくつかの周波数推定法を使用して推定されており、2つのビン中心の間にあります サンプリング周波数は固定です 計算努力は問題ではありません 周波数がわかっている場合、基本的な信号の対応するピーク値を推定する最も正確な方法は何ですか？ 1つの方法は、ビンの中心が推定周波数に近くなるように、FFT分解能を高めるために時間信号をゼロで埋めることです。このシナリオで、私が確信していない点の1つは、必要なだけゼロパッドできるか、そうすることでいくつかの欠点があるかどうかです。もう1つは、ピーク値を取得するものとしてゼロパディング後に選択するビン中心です（ゼロパディングの後でも対象の周波数に正確にヒットしない可能性があるため）。 しかし、周囲の2つのビンの中心のピーク値を使用して目的の周波数でのピーク値を推定する推定器など、より良い結果を提供できる別の方法があるかどうかも疑問に思っています。

12 fft  discrete-signals  signal-analysis  estimation  peak-detection 

一連のデータが定期的かどうかを判断する方法を知りたい。 フーリエ変換/シリーズを使用したい。データが非周期的に見える [111100001111000110010101010000101] または定期的に [11001100110011001100] そして、それが自動的にどちらであるかを決定する必要があります。信号が周期的かどうかを判断するために、どのような種類の分析または計算を実行できますか？

12 frequency  signal-analysis 

f = 236.4 Hzこれは周波数の正弦波（長さは10ミリ秒です。N=441サンプリングレートにポイントがありますfs=44100Hz）とそのDFTで、ゼロパディングはありません。 DFTを確認することで得られる唯一の結論は、「周波数は約200Hzである」です。 これが信号とそのDFTであり、大きなゼロパディングがあります。 これで、より正確な結論を得ることができます。「スペクトルの最大値を注意深く見れば、周波数236Hzを推定できます」（ズームして最大値が236に近いことがわかりました）。 私の質問は、「ゼロパディングでは解像度が向上しない」と言うのはなぜですか？（私はこの文を頻繁に見ましたが、「補間を追加するだけです」と彼らは言っています） =>私の例では、ゼロパディングによって、より正確な分解能で適切な周波数を見つけることができました。

12 fft  fourier-transform  signal-analysis  dft  zero-padding 

数学では、関数の二重導関数または二重積分を取ることができます。二重微分モデルを実行すると、オブジェクトの加速度を見つけるなど、実際の状況が現実的な場合が多くあります。 フーリエ変換は、実数または複素数の信号を入力として受け取り、複素数信号を出力として生成するため、その出力を取得してフーリエ変換を2回適用することを妨げるものは何もありません...この？いくつかの複雑な実世界の状況をモデル化するのに役立ちますか？ 同じロジックを使用して、元の時間領域入力信号の逆フーリエ変換を妨げるものは何もありません...これはこれまでに役立つでしょうか？なぜですか、なぜそうではありませんか？

11 fft  signal-analysis  fourier-transform  hilbert-transform  theory 

4QAMとQPSKはどちらも明らかに同じ波形を生成しますが、それらは数学的に同じですか？ QPSKコンスタレーションで、4QAMが0、90、180、270にあるときにマッピングポイントは45、135、225、315度にありますか？ また、そのようなコンスタレーションダイアグラムのI / Qコンポーネントを理解するのに苦労しています。「同相」と「直角位相」は実際にはどういう意味ですか？これらは、このタイプの使用法の実数部と虚数部を指定する別の方法ですか？

10 signal-analysis 

多くの信号処理の本では、DFTは変換された信号が周期的であると想定していると主張されています（これが、たとえばスペクトル漏れが発生する理由です）。 ここで、DFTの定義を見ると、そのような仮定はありません。ただし、離散時間フーリエ変換（DTFT）に関するWikipediaの記事では、 入力データシーケンスが周期の場合、Eq.2は離散フーリエ変換（DFT）に計算的に削減できます。Nx[n]x[n]x[n]NNN では、この仮定はDTFTに由来するのでしょうか？ 実際、DFTを計算するとき、実際には信号が周期的であるという前提でDTFT を計算していますか？

10 discrete-signals  signal-analysis  dft 

私は最近信号とシステムを研究していて、次の主張に遭遇しました： 周期的な連続時間信号の均一なサンプリングは周期的でない場合があります！ この声明が真実である理由を誰かが説明できますか？

9 discrete-signals  signal-analysis  sampling  continuous-signals 

サンプル時間が0.5マイクロ秒の信号があり、この信号をサンプル時間の一部、たとえば3ナノ秒だけシフトしたいと考えています。 フラクショナル遅延フィルタリング、およびFFTとIFFTを使用してそのような遅延を実行する方法について、いくつかのオンラインリソースを読みました。誰かが私にこれに関するいくつかの理論を指摘したり、それを実装する方法についてのアイデアを教えたりできますか？ 整数サンプルの信号を定期的にシフトするために、必要なサンプル数だけ信号をシフトし、最初にゼロを追加することでこれを実装しました。このアプローチは正しいですか？

9 filters  discrete-signals  signal-analysis 

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