タグ付けされた質問 「window-functions」

信号処理では、ウィンドウ関数は、選択された間隔の外側でゼロ値になる数学関数です。


3
非対称ウィンドウを使用したFFT?
一般的な非矩形ウィンドウ関数はすべて対称に見える。FFTの前に非対称ウィンドウ関数を使用したい場合はありますか?(FFTアパーチャの片側のデータがもう一方のデータよりも少し重要である、またはノイズが少ないなど) もしそうなら、どんな種類の非対称窓関数が研究されており、それらは(より損失の多い)オフセット対称窓と比較して周波数応答にどのように影響しますか?

9
FFTがスペクトルを変更するのではなく、逆FFTよりも時間領域でウィンドウを使用する理由
DSPは、信号の一部のFFTを使用して行われ、FFTから生じるサンプルを修正し(信号とノイズのスペクトルを表すため)、不要な信号を削除し、逆FFTを実行して時間を取得すると考えましたフィルターされた信号のドメイン表現(ノイズは除去されました)。ただし、これは行われず、代わりにウィンドウ関数を使用して時間領域ですべての作業を行います。どうして? 窓関数の周波数応答を周波数領域の信号のスペクトルと畳み込むよりも、時間領域で窓関数を掛ける場合、どうなりますか?つまり、信号にフィルターの周波数応答を乗算することによって、周波数領域ですべての作業を行った場合、それは正しいフィルター処理のようになりますか?しかし、ここでは、ウィンドウを使用する代わりに、時間領域ですべての処理を行います。 ->私の混乱がどこから来たのかを見てみましょう。ローパスフィルターなどのアナログフィルターの場合、周波数応答のようなこのパルスがあります。信号をフィルター処理するとき、フィルターの周波数応答のようなパルスで信号のスペクトルを効果的に乗算します。これにより、カットオフより上の信号のすべての周波数が0に減少します。これが、ローパスフィルターの本質的な動作です。デジタルフィルターでも同じことをしてみませんか?

3
スレピアンウィンドウと一般化されたガウスウィンドウに関するいくつかの質問
私は scipy.signalのすべてのウィンドウ関数のドキュメントを追加しようとしていますが、これまで聞いたことのないSlepian(DPSSと同じ?)ウィンドウとGeneralized Gaussianウィンドウが表示されません。 p一般化されたガウスとwidthスレピアンには、あるタイプの形状パラメーターである2つの変数があります。(sigシグマ、標準偏差のように見えます。) 2つの質問: 私がリバースエンジニアリングして推測する代わりに、これらの変数が何と呼ばれ、何をしているのかを誰かが説明できますか? これらのウィンドウが何に役立つか、またはどこで使用されるかを説明できますか? def general_gaussian(M, p, sig, sym=True): """Return a window with a generalized Gaussian shape. The Gaussian shape is defined as ``exp(-0.5*(x/sig)**(2*p))``, the half-power point is at ``(2*log(2)))**(1/(2*p)) * sig``. """ if M < 1: return np.array([]) if M == 1: return np.ones(1, 'd') odd …

3
クロマサブサンプリング:データレートを適切に計算する方法
たとえばY'UV画像でクロマサブサンプリングを利用するときにデータレートを計算する方法を理解するのに苦労しています。 以下の計算例があります。 画像解像度:352*288 周波数:25 fps 以下のために(:4:4 4)以下のように計算例を行きます: (352px * 288px) * 3 color channels * 25 fps * 8 bit = 60 825 600 bit/s ここまでは順調ですね。 しかし、今来る(4:2:0): (352px*288px) * 1.5 color channels * 25 * 8 = 30 412 800 bit/s さて、この例を例(4:1:1)に変換しようとすると、1.5カラーチャネルの比率がどのように計算されるかを正しく理解しているかどうかわかりません。 計算の最初の推測は(4:2:0)の場合でした: 2/4*3=1.5 color channels 同様に(4:1:1)の場合、カラーチャネルの比率を次のように計算します。 1/4*3=0.75 color channels …

3
ウィンドウのゲインを修正するのは慣習ですか?
ハニングウィンドウの定義方法を考えます。 0.5 - 0.5 * cos(n*2*Pi/(N-1)) この定義により、ゲインは0.5になり、これは単に係数の平均値です。対照的に、定義されているフラットトップウィンドウは、おそらく設計上、ユニティゲインを持っています。 ハニングウィンドウを2倍に拡大するのが適切と思われますが、これがどこかで議論されたことはありません。ユニティゲインを得るために、すべてのウィンドウをスケーリングする必要があるようです。 実際には、ウィンドウは通常、ゲインに対して補正されていますか?そうでない場合、なぜでしょうか? 編集: 誰も答えを出していないので、少し詳しく説明します。 より一般的なウィンドウの利点を報告する論文を見つけるのは非常に簡単です。しかし、スペクトル分析に使用する前にゲインを修正することについて言及している人を見たことはありません。多分私はいつもその声明を見逃していたか、誰もがゲイン修正が明白な要件であると想定しています。 信号のエネルギーレベルが維持されるように、ウィンドウのゲインを1に設定するのは常識のようです。さらに、1つがフラットトップのように0 dBのゲインを持ち、もう1つがガウスのように10 dB近くの損失を持っている場合、さまざまなウィンドウの振幅精度をどのように比較できますか。 ウィンドウはFIRフィルターの設計にも広く使用されています。このアプリケーションでは、ウィンドウ処理される信号(sincパルス)のほとんどのエネルギーがウィンドウの中心にあることは明らかです。その結果、ウィンドウはsincパルスの総エネルギーを減らすためにほとんど機能しません。したがって、フィルター設計に使用する場合、フラットトップを除くほとんどのウィンドウのように、ユニティゲインではなく、ユニティピーク振幅が必要です。単一のピーク振幅以外のものは、結果のFIRフィルターのゲインに影響します。

3
DCを拒否するのに適したFFTウィンドウ関数とは何ですか?
FFTを使用して、本質的に信号のパワーエンベロープを分析しています(含まれているプロジェクトの情報については、こちらを参照してください)。また、パワー番号は常に正なので、ウィンドウを使用したいDC成分を除去します。 50/50の正と負の関数、通常のすべての正の関数。 「フラットトップ」関数を使用して、a0バイアスを取り除き、それを余弦波から正弦波に変換しましたが、それが最適(または意味がある)かどうかはわかりません。 なにか提案を?


2
なぜHannまたはBartlettウィンドウを使用するのですか?
ローパスFIRフィルターを設計していて、バートレット、ハン、ハミングの3つのウィンドウのいずれかを使用したいとします。オッペンハイムとシェーファーの離散時間信号処理、第2版、p。471:} 3つすべてが同じ遷移帯域幅を提供します:ここで、はフィルターの次数であり、十分に大きいと見なされます。Δ ω =8個のπNΔω=8πN\Delta\omega=\frac{8\pi}{N}NNN ただし、オーバーシュート(としましょう)はウィンドウごとに異なり、次の不等式が成り立ちます。δδ\delta δHa m m i n g&lt;δHa n n&lt;δB のR のT L E T TδHaメートルメートル私んg&lt;δHaんん&lt;δBartlett\delta_{Hamming}<\delta_{Hann}<\delta_{Bartlett} したがって、ハミングウィンドウを使用すると、最小のオーバーシュートと、幅遷移バンドが得られます。他の2つのウィンドウのいずれかを使用する場合、遷移帯域の幅は同じですが、オーバーシュートが増加します。ΔのωΔω\Delta\omega これは、ハミングウィンドウがハミングウィンドウよりも優れているため、ハンウィンドウまたはバートレットウィンドウを使用するケースはないと考えます。これは、1つのアスペクト()を改善し、別のアスペクト()。δδ\deltaΔωΔω\Delta\omega 問題は、ハミングウィンドウを常に使用できるのに、なぜ誰かがハンウィンドウまたはバートレットウィンドウを選択するのかということです。

1
離散ガウスカーネルはDFTの固有関数ですか?
ガウス関数はそれ自体に変換するので、フーリエ変換の固有関数ですよね? しかし、関数のテールが切り捨てられているため、DFTでサンプリングされたガウスについてはこれは正しくありません。 ウィキペディアでは、こことここで、離散サンプリングされたガウスとは異なる離散ガウスカーネル について説明しています。 連続ガウスが連続拡散方程式の解であるのと同じように、それが離散拡散方程式(離散空間、連続時間)の解であるという点で、連続ガウスの離散対応物 それは、DFTがそれ自体に正確に変換することを意味しますか?そうでない場合、同様のガウスのような関数はありますか?

2
ノイズに対するウィンドウ処理の影響
選択したウィンドウに応じて、信号を時間内で切り捨てると周波数応答が「不鮮明」になることを理解しています。一般的に、信号の持続時間が短いほど、周波数応答が「平坦化」されます。これを次に示します(http://www.thefouriertransform.com/pairs/box.php)。 しかし、ウィンドウの長さは(帯域制限された加法性ホワイトガウス)ノイズの周波数応答にどのように影響しますか?振幅、持続時間、および対応するメインローブが、振幅および幅の周波数領域にある長方形のウィンドウを想定します。AAATTTsinc(⋅)sinc⁡(⋅)\operatorname{sinc}(\cdot)ATATA\,T2T2T\frac{2}{T} F{A⋅rect(tT)}=∫+∞−∞A⋅rect(tT)e−j2πft dt=∫+T2−T2Ae−j2πft dt=Asin(πfT)πf=ATsinc(fT)F{A⋅rect⁡(tT)}=∫−∞+∞A⋅rect⁡(tT)e−j2πft dt=∫−T2+T2Ae−j2πft dt=Asin⁡(πfT)πf=ATsinc⁡(fT)\begin{align} \mathscr{F}\bigg\{A \cdot \operatorname{rect}\left(\tfrac{t}{T}\right) \bigg\} &= \int_{-\infty}^{+\infty} A \cdot \operatorname{rect}\left(\tfrac{t}{T}\right) \, e^{-j2\pi ft} \ dt \\ \\ &= \int_{\frac{-T}{2}}^{\frac{+T}{2}} A \, e^{-j2\pi ft} \ dt \\ \\ &= A \, \frac{\sin(\pi fT)}{\pi f} \\ \\ &= A \,T \, \operatorname{sinc}(fT) \\ \end{align} 場合固定し、そして半減し、それがもたらすであろう半割振幅が、メインローブ幅を倍増しました。このを畳み込むと、キャンセルされるため、周波数領域でノイズの「同じ」振幅が発生するように見えます。つまり、特定の周波数に寄与する有効ノイズ帯域幅は2倍になりますが、その帯域幅のHzあたりの寄与は半分になります。ああATTT罪罪\operatorname{sinc}罪罪\operatorname{sinc}12⋅ 2 …

2
フーリエ変換アーティファクト
以下の私の出発点は、放射状に対称なランダム場です。これをフーリエ変換して(そしてそれを対数でプロットしてパターンを強調表示します)、フーリエ空間で次の画像を取得します。 ご覧のとおり、同心円の放射状に対称な部分があり、クロスパターンが重ねられています。今、私はこの最後の部分を理解していませんが、これがそこにあるはずのない人工物であると強く疑っています... これがより多くの人がこの問題に遭遇した問題であったとしても、私は驚かないでしょうが、私はまだ答えを見つけることができませんでした。 つまり、最終的に:画像にクロスパターンがあるのはなぜですか?

2
なぜそれほど多くのウィンドウ処理関数があるのですか?
多くのウィンドウ関数がMathematicaドキュメントにリストされています。離散フーリエ変換を計算するとき、漏れを減らすためにいくつかを使用してみました。私が知ることができることから、どのウィンドウ関数が使用されているかはほとんど違いがありませんでした。そのうちの2つは、BartlettHannWindowとBlackmanHarrisWindowです。誰かがBarttletHannWindowが非常に良い選択である例と、BlackmanHarrisWindowが非常に良い選択である別の例を提供できますか?これは、なぜ多くの選択肢があるのか​​を理解するのに役立ちます。
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.