信号处理

我正在研究FFT方法，并且经常出现的术语是“频率仓”。据我了解，这与在给定正弦波频率周围创建的频段有关，但是我真的不知道如何做。我还想出了如何从给定的频率盒转到其相关频率，但仍然不了解频率频率盒是什么。

16 fft 

我正在尝试找到遍历过程的简单示例。您想到什么过程才能很好地说明其属性？ 快速研究（Wikipedia，另一个答案）主要给出了非遍历过程的示例。另外，我想知道现实世界中哪些现象适合作为遍历过程的模型？

16 random-process  ergodic 

谁能解释倒谱均值归一化，卷积的等效性如何影响它？是否必须在基于MFCC的说话人识别中执行CMN？为什么卷积的属性是MFCC的基本需求？ 我对这种信号处理非常陌生。请帮忙

15 mfcc 

我已经读过傅立叶变换无法区分具有相同频率但具有不同相位的分量。例如，在Mathoverflow或xrayphysics中，我的问题标题来自：“傅立叶变换不能以相同的频率测量两个相位。” 为什么这在数学上是正确的？

15 fourier-transform  fourier 

我有如下代码，将带通滤波器应用于信号。我是DSP的新手，我想在继续之前先了解幕后情况。 要做到这一点，我想知道如何绘制滤波器的频率响应不使用freqz。 [b, a] = butter(order, [flo fhi]); filtered_signal = filter(b, a, unfiltered_signal) 鉴于输出，[b, a]我将如何做？这似乎是一个简单的任务，但是我很难在文档或在线中找到所需的内容。 我还想了解如何尽快执行此操作，例如使用fft或其他快速算法。

15 matlab  filters  filter-design  bandpass 

我有一个朋友从事无线通信研究。他告诉我，我们可以使用一个频率在给定的时隙中发送多个符号（当然我们可以在接收器处对其进行解码）。 正如他所说，该技术使用了新的调制方案。因此，如果一个发送节点通过无线信道并且在每个节点使用一个天线向一个接收节点发送，则该技术可以在一个频率上的一个时隙中发送两个符号。 我不是在问这种技术，也不知道它是否正确，但我想知道是否可以做到这一点？这有可能吗？香农限额可以打破吗？我们可以在数学上证明这种技术的可能性吗？ 我想知道的另一件事是，如果这项技术正确，将会带来什么后果？例如，这种技术对于著名的干扰信道开放问题意味着什么？ 有什么建议吗？任何参考表示赞赏。

15 modulation  reference-request  channelcoding 

我试图了解使用带卷积滤波器内核的“第一原理”设计的FIR滤波器与使用FFT的两种方式之一设计的滤波器之间的关系（请参见下文）。 据我了解，FIR滤波器的脉冲响应与滤波器的卷积内核是一样的。（如果我错了纠正我。） 另外，据我所知，FIR滤波器的脉冲响应的成分频率（即傅立叶变换）与滤波器的频率响应相同。因此，傅立叶逆变换将使我获得脉冲响应。（同样，如果我做错了，请纠正我）。 这使我得出两个结论（忽略相位响应或假设线性相位响应）： 通过“绘制”所需的频率响应，采用IFFT来获得脉冲响应，并将其用作卷积内核，我应该能够设计出具有任意频率响应的FIR滤波器。 或者，我应该能够通过对输入信号进行FFT，在频域中乘以所需的任意频率响应，并对结果进行IFFT来生成输出信号，从而创建一个滤波器。 直觉上，感觉1和2是等效的，但是我不确定是否可以证明这一点。 似乎人们（和DSP文献）都竭尽全力设计具有预定义响应的FIR内核，使用诸如Chebyshev或Remez这样的复杂（对我而言）算法（我抛出了一些我已经读过的名字，但并没有真正理解它们） 。 当对于每个可能的FIR内核都存在FFT / IFFT变换时，为什么要采用这些长度？ 为什么不简单地绘制所需的确切频率响应，进行IFFT，然后得到FIR内核（上面的方法1）？

15 fft  filters  discrete-signals  convolution 

FIR滤波器为何总是稳定？ 由于它们包含电线杆，难道它们不应该比其他电线杆更受稳定性问题的影响吗？

15 filters  finite-impulse-response 

我在理解如何阅读小波变换绘制的图时遇到了麻烦， 这是我简单的Matlab代码， load noissin; % c is a 48-by-1000 matrix, each row % of which corresponds to a single scale. c = cwt(noissin,1:48,'db4','plot'); 因此，最亮的部分表示缩放比例的咖啡尺寸更大，但是我究竟如何才能理解此图在其中发生了什么？请帮助我。

15 wavelet 

我正在处理MP3文件，遇到此问题。我的MP3是立体声编码的。我要做的是提取人声部分以进行进一步处理（无论输出信号的模式是哪种，单声道或立体声都可以）。 据我所知，音频在MP3中被编码为不同的不相交的子频带。我认为我可以通过适当设置截止频率的高通/低通滤波器将信号限制在人声范围内。但是，在这种情况下，结果必须包含纯音乐信号的一部分。或在谷歌搜索之后，我想我可能会首先计算背景信号（通过将一个声道与另一个声道的信号相加而得到反相，并假设声音部分位于称为相位消除的立体声音频中）。经过此变换后，信号为单声道。然后，我应该将原始立体声合并为单声道，然后从中提取背景信号。 考虑到有效性，哪个是首选（或任何其他解决方案：）？如果是第二个，让两个通道A和B，计算背景时将使用（BA）还是（AB）？与合并两个通道一样，算术方法是否足够准确？或者我可以将每个通道下采样两倍，然后将下采样信号交织为单声道结果​​？ 谢谢和最好的问候。

15 audio  downsampling  mp3  background-subtraction 

我使用Matlab设计了一个非常简单的低通巴特沃斯滤波器。以下代码段演示了我所做的事情。 fs = 2.1e6; flow = 44 * 1000; fNorm = flow / (fs / 2); [b,a] = butter(10, fNorm, 'low'); 在[b，a]中存储滤波器系数。我想以整数形式获取[b，a]，以便可以使用在线HDL代码生成器在Verilog中生成代码。 Matlab [b，a]的值似乎太小，无法与在线代码生成器一起使用（服务器端Perl脚本拒绝使用系数生成代码），我想知道是否有可能获得[b，a] a]的形式可以用作适当的输入。 我在Matlab中获得的a系数为： 1.0000 -9.1585 37.7780 -92.4225 148.5066 -163.7596 125.5009 -66.0030 22.7969 -4.6694 0.4307 我在Matlab中得到的b系数是： 1.0167e-012 1.0167e-011 4.5752e-011 1.2201e-010 2.1351e-010 2.5621e-010 2.1351e-010 1.2201e-010 4.5752e-011 1.0167e-011 1.0167e-012 使用在线生成器，我想设计一个具有12位位宽和I或II过滤器形式的过滤器。我不知道上面链接中的“小数位”是什么意思。 …

15 matlab 

我试图找到可能的图像特征的列表，例如颜色，取向的边缘等，以测量在图像中找到相同/相似对象时的可用性。有谁知道这样的列表或至少一些功能？

15 image-processing  cbir 

这个站点（eletronics.se）上有一些关于傅立叶变换理论的精彩讨论线索和答案。我尝试在模拟工具（MS Excel :)中实现相同的功能。 我对此有一些解释和实现问题。我正在尝试分析50 Hz的电压波形。但是，下面的数据只是生成的虚拟数据，试图为在内存和处理能力受限的16位嵌入式低成本处理器上实现的实现建立概念框架。 预计到达时间（2012年5月30日） TL; DR版本： 不用说在electronics.se上，但是我使用的是内存和处理能力受限的嵌入式处理器。 这里有一些问题尚未解决： 在不显着增加算法的内存占用的情况下，如何对我拥有的样本执行加窗？我希望这些内容是基本的逐步说明，因为我对DSP相当陌生。 当我对41个样本进行插值以得出32个时，为什么幅度减半了，但是当我对64个样本进行插值来得出64个时，幅度却保持不变（除了一些噪声）？ 我宣布对这个问题的赏识，希望我能得到一些优秀的答案，这些答案对于DSP的新手来说是可行的。 实验1： 时域输入 我使用生成了一个正弦波，以生成64个样本。然后，我添加了30％的谐波，20％的次谐波，15％的次谐波，10％的谐波和20％的谐波。这导致了这些样本：3 - [R d 5 吨ħ 7 吨ħ 9 吨ħ 11 吨ħsin(2nπ/64)sin⁡(2nπ/64) \sin(2n \pi /64) 3rd3rd3rd5th5tH5th7 吨h7tH7th9 吨ħ9tH 9th 11 吨ħ11ŤH 11th 0, 0.628226182, 0.939545557, 0.881049194, 0.678981464, 0.602991986, 0.719974543, 0.873221372, 0.883883476, 0.749800373, 0.636575155, 0.685547957, 0.855268479, …

15 fourier  fft 

我将在此处使用比例不变特征变换算法作为示例。SIFT基于图像的比例高斯滤波创建比例空间，然后计算高斯差以检测潜在的兴趣点。这些点定义为跨越高斯分布的局部最小值和最大值。 据称这种方法是尺度不变的（除了其他令人困惑的不变性）。为什么是这样？我不清楚为什么会这样。

15 image-processing  computer-vision  sift  scale-space 

我可以使用哪些图像分析技术从图像（例如下图）中提取交通标志？ 编辑： 各向异性扩散后：我不需要的背景被清除了一点 扩张后： 扩散后的阈值：无法为此目的找出最佳阈值 但是我不知道如何删除背景？ 编辑：我只想要我图像的这些部分 拍摄另一个输入图像： 应用中值滤波和边缘检测： 底帽过滤后： 如何隔离路标，请帮助？

15 image-processing  filters