信号处理

为信号，图像和视频处理领域的艺术和科学从业者提供的问答

2
确定信号的遍历性是否会迫使方法发生任何变化？
在数学中，“遍历”一词用于描述一个动力学系统，广义上讲，该动力学系统具有随时间平均的行为和随空间平均的行为。 -来自维基百科 从工程信号处理系统的角度来看，知道信号是否遍历是否会改变分析信号的攻击计划？我一直觉得这是一个有趣的概念，但是一旦确定后，我真的不知道该怎么做。知道这些信息，哪种分析方法更合适？
1
的各种定义是什么，以及它们的相关测量方法？
的定义似乎在工业上有点像通天塔。S N R有哪些定义（可随时用于现场应用程序），以及如何精确地测量该应用程序的定义？SNRSNR\rm SNRSNRSNR\rm SNR 我对具体问题是：SNRSNR\rm SNR 如果我们尚无法获得最佳的比特采样时序，并且仅需处理接收机中的所有信号（包括I和E的包络），我们如何测量通信系统的 Q频道？有关上下文，请参见本文。SNRSNR\rm SNR 一旦我们获得了最佳的位采样并获得了软位，如何最好地测量（或E b N 0）？我使用的一种方法是： 10 log 10 [ 均值{ | s n | 2 }SNRSNR\rm SNREbN0EbN0E_bN_010log10[mean{|sn|2}var{|sn|}],10log10⁡[mean{|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], 但是我了解这不适用于低情况。还有什么其他方式？SNRSNR\rm SNR
13 noise  bpsk  snr 
1
语音合成需要很少的CPU性能？
早在1 MHz的8位CPU个人计算机（Apple II，Atari 800等）的时代，就有一些软件程序可以在这些PC上进行易于理解的任意文本到语音合成。哪些已发布的语音合成算法可能适合在性能和内存受到类似限制的微控制器上实现？（如果有...）
4
如何使用OpenGL检测二进制图像中的角？
我有二进制160x120图像，例如： 我想检测那些白色斑点的角落。它们以前是通过数学形态来封闭的，因此不应有任何内角。在这种情况下，我想要16个角，例如： 我的第一次尝试是使用一些OpenCV函数，例如goodFeaturesToTrack或FAST，但是它们特别慢（而且FAST非常不稳定）。我的想法是在GPU上进行这样的计算，因为我的源图像来自它。我在网上寻找有关如何编写此类着色器的想法（我使用的是OpenGL ES 2.0），但没有发现任何具体的想法。知道如何启动这样的算法吗？
3
信号傅立叶变换的实部和虚部的含义
说是时间t的信号，F是变量v的傅立叶变换。ffftttFFFvvv 据了解，在极坐标，告诉我们信号上存在多少频率v，而A r g （F （v ））告诉我们该频率的贡献有多少相移了。|F(v)||F(v)||F(v)|vvvArg(F(v))Arg(F(v))Arg(F(v)) 它的真实和虚构部分告诉我们什么信息？ 或者，如果我重新提出问题：是否可以像在极坐标中那样对笛卡尔坐标中的傅立叶变换进行解释？
2
频域互相关的直观解释
根据互相关定理：两个信号之间的互相关等于一个信号的傅立叶变换乘以另一信号的傅立叶变换的复共轭的乘积。完成此操作后，当我们乘积信号的ift时，我们得到一个峰值，该峰值指示两个信号之间的偏移。 我不明白这是怎么回事？为什么我会得到一个峰值，指示两个信号之间的偏移。我从以下网址获得了数学信息：http : //mathworld.wolfram.com/Cross-CorrelationTheorem.html，但我无法理解这在直觉上是什么意思。有人可以提供一些解释或指向正确的文档吗？ 谢谢！
2
熵与信噪比之间的关系
通常，任何形式的灌肠被定义为不确定性或随机性。在嘈杂的环境中，随着噪声的增加，我相信熵会增加，因为我们对所需信号的信息内容更加不确定。熵和信噪比之间有什么关系？随着信噪比的增加，噪声功率降低，但这并不意味着信号的信息含量会增加！！信息内容可能保持不变，这是否意味着熵不受影响？
4
从书架图像中切片和识别书名和作者
出于我自己的学习目的，我正在尝试开发一种算法，该算法将列出书，并给出如下书架的图像： 第一步是将图像切成单独的书。 我在Mathematica中的算法是： img = ColorConvert[Import["http://i.stack.imgur.com/IaLQk.jpg"], "GrayScale"] 做一个基本的边缘检测和 删除文本并尝试保持长行 edge = DeleteSmallComponents[EdgeDetect[img, 3],Last[ImageDimensions[img]]/5] 然后删除不需要的水平线 lines = Sort[ImageLines[img5] /. {{0., _}, {_, _}} -> Sequence[]] Show[img, Graphics[{Thick, Orange, Line /@ lines}]] 但是结果却不尽人意： 我的问题是： 我该如何改善它以获得更好的结果？ 有更聪明的方法吗？ 我应该进一步处理图像以提高（后期）OCR阶段的准确性吗？ 如何使用颜色信息改善分割效果？
3
压缩感测中是否有信号稀疏性的替代表征
压缩感测（CS）的初始假设是基础信号在某种程度上是稀疏的，例如，对于sss稀疏信号，存在最大非零傅立叶系数 。现实生活中的经验确实表明，所考虑的信号通常很少。 问题是-给定信号，然后再将压缩采样的比特发送给接收器，并让其恢复到最佳状态，是否有办法说明其稀疏性，以及是否适合压缩首先感应？ 或者，是否有其他稀疏性的其他/替代特征可以快速告诉我们CS是否有用。可以很容易地看出，发送方可以完全按照接收方随机选择的一组测量结果来做，然后尝试找出答案。但是，有没有其他方法可以解决这个问题呢？ 我怀疑这样的东西一定已经研究过了，但是我找不到很好的指针。 注意：几周前，我曾在Mathoverflow中发布了此问题，但没有得到任何答案。因此，交叉岗位。
2
模板匹配前的必要图像处理操作
好吧，这可能表明我没有参加图像处理课程。 我有这个模板来匹配图像中的对象。但是，例如，图像中的真实对象看起来并不像第二个图像。我需要进行哪些操作才能使像第二张图像一样准备好进行模板匹配？仅供参考，第三张图片显示了理想的匹配。 在另一个想法中，我使模板适合图像。也就是说，我在图像上给出了四个角坐标以匹配模板中的角坐标。然后，它将计算出一种使模板适合该区域的方法。 更新：问题已解决。感谢我在下面选择的答案。我成功地将模板应用于图像。最后一张图片显示了结果。
5
离散傅立叶变换
我是一名初中生，对电子学，编程等有着浓厚的兴趣。最近，我一直在学习有关信号处理的知识。 不幸的是，我还没有做太多的演算（原谅我），所以我对事情有些模糊。 如果要计算信号的DTFT，则该信号的或余弦表示之间有什么区别？sinsin\sincoscos\cos 通过DTFT，我了解到您输入的信号在时间上将是离散的，但实际上，您如何才能在频域中获得连续的信号呢？ 这引出了我的第二个问题，即：DTFT有何用处？大多数应用程序在哪里使用了它，为什么？ 我将不胜感激任何帮助。
2
吉布斯现象的良好数学解释
我正在向某人解释傅立叶级数是如何在构建无处可微的信号（例如方波，锯齿波等）的情况下工作的。但是，当我提到吉布斯现象时，我意识到我从未真正了解过它为什么会发生。实际上，随着故事的发展，并不是每个人都意识到这是无限周期信号的实际数学特性，而不是计算a幸，事实证明，大多数证明都是相当费力和精心的。 阅读了其中的几篇文章之后，我开始意识到为什么会发生这种现象，但是我在实际和复杂的分析，拓扑结构等方面都有一定的背景。问题是，我是否可以向仅拥有其武器库中的基础大学微积分课程（或任何其他信号处理课程的其他一般先决条件）的人完整地解释和严格数学证明吉布斯现象？如果是这样，那又如何？
2
系统识别包
我一直在寻找Matlab的System Identification Toolbox的替代方案，但是术语“ system”和“ identification”的通用性使搜索感到困惑。 是否有为此目的编写的独立库？（在C ++，C＃，Python等中）
2
DCT可以用于音频幅度频谱而不是DFT吗？
据我了解，DCT具有相同大小N的DFT的二进制大小的一半。DFT还包含相位信息，但是当仅需要幅度谱时，通常不需要此信息。 DCT可以用于提供密度为DFT两倍（仓间隔的一半）的幅度谱吗？或者会丢失异相信息？ 重叠50％怎么样？
13 dct  dft 
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.