タグ付けされた質問 「snr」

私は実際にそれを行う方法を理解するのに問題があります 純粋な音声を含むwavファイルと、バックグラウンドノイズ（ホワイトノイズ、群衆ノイズ、吹く風の録音など、さまざまなものになる可能性がある）だけを含む別のaveファイルがあります。これらは、純粋な音声または純粋なノイズのいずれかです。したがって、両方のファイルの対応するサンプル（またはサンプルのフレームの平均）を単純に分割することで、それらからSNR値を取得できると思います。次に、それらを大胆に組み合わせて、ノイズの多い音声ファイルを取得します。このファイルにはまだ同じSNRがあると思います。 次に、このファイルをノイズ除去プログラムに渡し、結果として別のファイルを取得します。この「ノイズ低減」ファイルのSNRを計算するにはどうすればよいですか？ ---編集--- ここに投稿されたフォローアップの質問

14 matlab  snr 

の定義は、業界のバベルの塔のように思えます。S N Rにはどのような定義がありますか（アプリケーションを自由に試してみてください）、そしてそのアプリケーションについてどのように正確に測定できますか？S N RSNR\rm SNRS N RSNR\rm SNR に関する私の具体的な質問は次のとおりです。S N RSNR\rm SNR 最適なビットサンプリングタイミングを達成できなかった場合、通信システムのをどのように測定できますか。 Qチャンネル？コンテキストについては、この投稿を参照してください。S N RSNR\rm SNR 最適なビットサンプリングを達成し、ソフトビットが得られたら、どのように（またはE b N 0）を測定するのが最善ですか？私が使用する1つの方法は次のとおりです 。10 log 10 [ 平均{ | s n | 2 }S N RSNR\rm SNREbN0EbN0E_bN_010 ログ10[ 平均{ | sn|2}var { | sn| }]、10ログ10⁡[平均{|sn|2}var{|sn|}]、 10\log_{10}\left[ \frac{\textrm{mean}\left\{\lvert s_n \rvert^2\right\}}{\textrm{var}\textrm\{\lvert s_n \rvert\textrm\}}\right], …

13 noise  bpsk  snr 

一般に、あらゆる形のエンロピーは不確実性またはランダム性として定義されます。ノイズが増加するノイズの多い環境では、目的の信号の情報内容が不確実であるため、エントロピーが増加すると考えています。エントロピーとSNRの関係は何ですか？信号対雑音比が増加すると、雑音電力は減少しますが、これは信号の情報量が増加することを意味しません!! 情報内容は同じままかもしれませんが、それはエントロピーが影響を受けないということですか？

13 noise  signal-detection  snr  information-theory 

離散信号のある論文を読んでいます x （n ）= s （n ）+ w （n ）x(n)=s(n)+w(n)x(n) = s(n) + w(n) 考えられている。は既知の確定的系列であり、は平均ゼロのホワイトノイズです。著者はそれを書きますw （n ）s （n ）s(n)s(n)w （n ）w(n)w(n) 信号は20 dBのSNRで生成されました これは何を意味するのでしょうか？ 信号エネルギーとはどういう意味ですか？これを定義する方法はいくつかあるようですが、このホワイトペーパーではそうする試みはありません。 20 dB SNRとはどういう意味ですか？またはどちらかだと思いますが、これらの概念を十分に理解していません。 20 = 20 log E s / E w20 = 10 ログEs/ Ew20=10log⁡Es/Ew20=10\log{E_s/E_w}20 = 20 ログEs/ Ew20=20log⁡Es/Ew20=20\log{E_s/E_w}

11 discrete-signals  snr 

これがまたいびき検出器です。 何かがあったときに信号を検出するのが得意です。壁をはがしているいびきから、録音では聞こえない呼吸まで追跡できます。問題は、信号がいつ検出可能なレベルを下回っており、アプリが「物事を聞いている」だけなのかわからないことです。そして、残念なことに、いびき/呼吸はしばしば不規則であり、単純な自己相関または同様のインターバルタイミングスキームがあまり役に立たないようです。（実際には、場合によっては、呼吸よりもノイズがより規則的である可能性があります。） それで、信号がないときに理解するために私が見逃しているトリックはありますか？「シグナル」はもともと非常にノイズのようなものであることを考えると、私はここで難しい場所に反対しているようです。 （そしてこれは私が抱えている別の問題に関連している可能性があります：不思議なことに、かなり大きな音量でも信号レベルを正確に（または概算で）測定できません。レベル情報の種類が失われます。再構成するためのいくつかのトリックを探しています。） 基本的なテクニック （依田用） オーディオ信号はサンプリングされ（通常、さまざまな理由で8000Hzで）、1024ブロックでFFTされます。（私の実験では、ハミングフィルターとオーバーラップブロックはほとんど影響がないようですが、後で再検討する場合があります）。 FFTは「バンド」（現在は5、ローエンドでより詳細に配置するためにサイズがわずかに歪んでいる）に分割され、各バンドの「スペクトル差」とレベルが合計されます。ピーク制限値の長期平均が「しきい値」として使用され、さらにバイアス調整を使用して、約20％の「しきい値超過」率を維持します。 各「しきい値を超える」値には1の重みが与えられます（しきい値未満には0の重みが与えられます）が、その重みはバンドの見かけの「変動性」（約2Hzで）によって調整され、バンドにより多くの重みを与えますより明白な信号を運びます。 バンドの重みが合計され、後続のブロックの合計された重みが約1秒にわたって合計されて、実行中の「スコア」が生成されます。これは、繰り返し平均しきい値（およびいくつかのヒューリスティック）と比較され、いびきの開始/オフセットを検出します。 更新 突然、アルゴリズムが（信号レベルの問題ごとに）一定レベルの信号を維持する場合、SNRを効果的に測定する方法は、信号がないときにノイズを測定することです。 便宜上、いびきは断続的であり、その間にたくさんの「死んだ空気」が存在します。そして、いびきのエンベロープをすでに検出しています。したがって、エンベロープの外側（いびきの終わりと次のいびきの始まりの間）の外側は、おそらくノイズです。これは（ある程度の正確さ/再現性で）測定できます。（もちろん、中途半端なアルゴリズムを思いつくのに3回の試行が必要でした-現実が理論と一致することは決してありません。） まだ完全な答えは出ていませんが、進歩しました。 （上記の手法でSNRのかなり良いプロキシが得られますが、実際の信号レベルを推定するのにまだ問題があります。私の「相対レベル」の表示は、かろうじて聞こえる息の場合はスケールから外れ、ウィンドウのガラガラの場合はまあまあです。絶対レベルのプロキシが必要です。）

11 noise  snr 

I信号を有する：、iは= 0 ... N - 1。f私（t私= I Δ T ）f私（t私=私Δt）f_i(t_i=i\Delta t)i = 0 … n − 1私=0…ん−1i = 0\ldots n-1 信号は、ゆっくりと変化する「トレンド」を中心に急速に変化するようです。急速に変化する部分はノイズであり、ゆっくり変化する部分は実際の信号であると想定しています。 信号の信号対雑音比（SNR）をどのように推定しますか？ ：私はtreshold周波数を決定することができればという思い、私は次の式を使用できます。ωtωt\omega_t Fはフーリエ変換を示し、F（T）。S/ N= ∫ωt0| F（ω ）|2∫∞ωt| F（ω ）|2S/N=∫0ωt|F（ω）|2∫ωt∞|F（ω）|2S/N=\frac{\displaystyle\int_0^{\omega_t}|F(\omega)|^2}{\displaystyle\int_{\omega_t}^{\infty}|F(\omega)|^2}FFFf（t ）f（t）f(t)

9 fft  noise  snr 

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 

Iは、所与の加法性雑音によって汚染測定の信号の存在の数を推定する必要がのベクトルスナップショット次元Xとしてモデル化され、X = A S + ZここでsはあるK × 1つの表すベクトルkの異なる信号を。Aはn × kの非ランダム行列、zはn × 1のノイズベクトルです。（このモデルは配列処理の問題で一般的です。）nnnxx\bf xバツ=As+zx=As+z \bf x = \bf A \bf s + \bf z ss\bf sk ×1k×1k \times 1kkkああ\bf An × kn×kn \times kzz\bf zn × 1n×1n \times 1 SNRをどのように定義する必要がありますか（信号ごと、平均など）。

8 snr  signal-detection  estimation 

ゼロからピークまでの実振幅の連続時間正弦波 A≤2m−1−0.5A≤2m−1−0.5A \le 2^{m-1}-0.5 （例えば、 m=16m=16m=16、 A≤32767.5A≤32767.5A \le 32767.5）は mmm最も近い整数に丸めることによる1ビットの解像度（図1）。異なるための最適な振幅は何ですかm≤24m≤24m \le 24？ 図1。 m=4m=4m = 4、最大許容振幅の正弦波 A=7.5A=7.5A = 7.5 （青い実線）、その量子化（オレンジ色の破線）、最も負および正の4ビットの2の補数の符号付き整数-8および7（黄色）。 最適性の2つの代替定義のそれぞれについて回答が必要です。 信号対ノイズ比（SNR）を最大化します。ここで、信号は元の正弦波であり、ノイズは量子化誤差です。 量子化された正弦波のフーリエ級数の基本周波数の振幅に対して正規化された全高調波歪み（THD）を最小化します。

7 snr  quantization  cosine  thd 

そこにいるすべての練習エンジニアのために： どこで負のSNRに遭遇しましたか？ dBでどのくらい負の値でしたか、それとも推定されましたか？ どこで負のSNRに遭遇すると思いますか？ 注：干渉信号もノイズとしてカウントしているため、SNRにはSIRを含めることもできます。 私自身の経験では、カーコミュニケーションに負のSNRが見られました。ロードノイズ、マルチトーカー、音楽の干渉があります。携帯電話からの出力でも見ました。風雑音は時々そこに重大な問題を引き起こすかもしれません、同様にスピーカーフォンモードで無数の干渉を引き起こします。

7 signal-analysis  snr