信号处理

我正在开发通过比较输入和输出信号的FFT计算系统响应的软件。输入和输出信号被划分为多个窗口，并且对于每个窗口，将信号进行中值相减并乘以Hann函数。那么，该窗口的仪器响应就是已处理数据的FFT比率。 我相信以上是标准程序，尽管我可能对此描述不佳。我的问题来自如何组合来自多个窗口的响应。 据我所知，正确的方法是在所有窗口中平均复数值。振幅和相位响应就是每个频率上平均复数的振幅和相位： av_response = sum_windows(response) / n av_amplitude = sqrt(real(av_response)**2 + imag(av_response)**2) av_phase = atan2(imag(av_response), real(av_response)) 频点上的隐式环路。 但我一直在问这个改变计算幅度和在每个窗口期第一，然后平均在所有窗口的振幅和相位： amplitude = sqrt(real(response)**2 + imag(response)**2) av_amplitude = sum_windows(amplitude) / n phase = atan2(imag(response), real(response)) av_phase = sum_windows(phase) / n 我认为这是不正确的，因为平均角度“是错误的”-例如，0度和360度的平均值为180度，但是与我合作的人回答说“好，我们只会显示振幅”。 所以我的问题是： 我是否认为第二种方法对振幅也普遍不正确？ 如果是这样，是否有任何可能相关的例外情况？这些例外情况可以解释为什么我与之共事的人更喜欢第二种方法？例如，随着噪声变小，这两种方法看起来会一致，那么这可能是低噪声的公认近似值吗？ 如果第二种方法不正确，那么可以使用任何令人信服的权威参考来证明这一点吗？ 如果第二种方法不正确，是否有任何好的，易于理解的示例针对振幅进行显示（如相位为0和360度的平均值）？ 另外，如果我做错了，对我来说，如何更好地自我教育的好书呢？ 我试图证明-1 1 1 -1 1 …

11 fft  statistics  frequency-response 

我正在阅读Autocorrelation，但是我不确定我确切地了解它是如何工作的以及应该期待的输出。我认为我应该将信号输入到交流功能并具有滑动窗口输入是正确的吗？每个窗口（例如，1024个样本）将输出一个介于-1和1之间的系数。该符号仅说明该线是向上还是向下，而值则说明相关程度。为了简单起见，可以说我没有重叠，只是每次将窗口移动1024个样本。在44100的样本中，我会得到43个系数，是否需要保留所有系数？ 可以说我以200秒的信号执行此操作，得到8600个系数。我将如何使用这些系数来检测重复，进而检测速度？我应该创建某种神经网络来对它们进行分组，还是那太过分了？ 谢谢你的帮助。

11 algorithms  audio  autocorrelation 

在对该答案的评论中，建议使用激光二极管和衍射光栅在表面上提供纹理，以帮助计算机视觉系统中的高度计算。 我相信我熟悉的模式是在对象上投影棋盘模式。我（不完全）了解到，投影图像的变形以某种方式直接使用了。也就是说，以前投影的正方形图案变成了弯曲的多边形，变回正方形的过程提供了一些有关3D结构的信息。这不正确吗？ 有首选的模式吗？选择模式有哪些依赖性？它取决于目标对象的形状，材料等，还是更多取决于特征变化量？

11 computer-vision 

我的实验室中有一个博士后，专业是“统计信号处理”。他拥有电气工程博士学位，并且分析了收集到的神经数据。 我想知道我应该开始学习哪些课程 /主题以跟随他的脚步。我并不是完全在寻找统计和信号处理之类的东西，我都拥有基础类，但仍然很难理解他的工作。

11 reference-request  soft-question 

我已经在StackOverflow上发布了这个问题。我有一个建议可以在这里寻求更好的答案。 为了使问题更简洁，我对数字滤波器的介绍感兴趣，任何资源都是好的。 但是首先，如果有人可以向我介绍一些解释此过滤器的资源（在Android中使用），我将感到满意： http://gitorious.org/rowboat/frameworks-base/blobs/671a6ff4be11b3e2d8eb017e0c7a78e6133fb2b8/services/sensorservice/SecondOrderLowPassFilter.cpp 我感兴趣的是选择过滤器参数的方式。尽管我可以不加思索地复制它，但我想我应该在使用它之前了解其背后的基本概念/想法。 谢谢， 尤利安

11 filters  filter-design  lowpass-filter 

我是图像分析的新手。您知道如何以仅获取光纤的方式对图像进行二值化吗？ 一步一步的过程将是很棒的，但是任何提示也将不胜感激。我可以使用Matlab，.NET，并且可以使用任何其他工具。 PS：在此地址您可以找到相同的问题

11 filters  image-processing 

背景：我正在尝试制作一个跟踪视频中大量气泡的系统 我正在使用循环霍夫变换在单图像情况下实现气泡检测。由于遮挡，模糊和其他因素，这种检测永远不会是100％准确的。我正在调整检测程序以提高召回率，可能是以精度为代价的。 完成此操作并将其应用于视频中的一系列帧后，我将获得许多可以表征为4D空间中的点的检测-x位置，y位置，半径和帧索引。 是否有可以从该4D点云恢复曲线的程序？

11 image-processing  noise  computer-vision  opencv  maximum-a-posteriori-estimation 

我正在尝试实现一个唱歌游戏，该游戏将分析原始麦克风输入并告诉玩家他的演唱水平如何。这需要实时完成。 我遇到了很多线程在问同样的问题，但是我仍然没有完成它，这可能是由于我缺乏该领域的经验和浅薄的数学背景。我已经基于DSPDimension网站音高偏移的文章实现了一种算法：http ://www.dspdimension.com/admin/pitch-shifting-using-the-ft/ 正如文章所解释的，我提取了真实的频率和幅度，但是我不知道以此找到基本频率。我试图获得最大幅度的信号仓，但是对于较高音调的信号只能给出正确的结果，无论我使用哪种过采样因子，对于低频信号仍然会得到不好的数据。这种方法是完全错误的，还是我在正确的轨道上却只是缺少一些东西？ 提前致谢， 编辑：我忘了提及我只对音高类感兴趣，因此可以确定基本面是否缺失，但样本中的色相强烈。 EDIT2：谢谢大家，我刚刚完成了一个算法的工作，它就像一个魅力。低音高估计问题是由于我的输入测试所致。当我演唱音符时，音符正确匹配。另外，我现在正在考虑所有谐波，而不仅仅是最高峰值。

11 fourier-transform  pitch  peak-detection  stft  singing 

我当时在考虑DFT窗口化主题，然后想到一个想法。DFT将产生与所用窗口频谱卷积的信号频谱，因此具有主瓣和旁瓣。 我认为可以通过再次对信号和窗口频谱幅度进行卷积来消除对信号频谱的窗口效应，而且确实如您在下图中看到的那样工作。 左边是用汉宁窗生成的原始光谱。右侧是由汉宁窗的DFT卷积的光谱。顶部是Spectrum本身，底部是MATLAB findpeaks结果。 我从未读过任何有关该技术的文章，但是我很确定自己还没有发明任何东西。因此，我想知道从频谱上进行此处理是否有好处，或者我看不到它的不利之处。 据我所知，这可以帮助进行峰值检测，就像我们在上一张图片中看到的那样。同样，正如我们在下面的两幅图像中所看到的，频谱似乎有些失真。： 蓝色图是光谱，红色图是后卷积光谱。 有什么想法吗？ FFT后的卷积是否会引起问题？ 有论文可以治疗这个问题吗？ 编辑 您可以在此处找到一个脚本，该脚本将生成以下图形：

11 fft  frequency-spectrum  dft  convolution 

在MATLAB中，fft和/或ifft函数的输出通常需要进行额外的处理，然后再考虑进行分析。 我听过很多关于正确的观点的意见： 缩放比例 Mathworks声明fft和ifft函数基于以下方程式： X[k]x[n]=11⋅∑n=1Nx[n]⋅e−j⋅2π⋅(k−1)⋅(n−1)N,where1≤k≤N=1N⋅∑k=1NX[k]⋅e+j⋅2π⋅(k−1)⋅(n−1)N,where1≤n≤NX[k]=11⋅∑n=1Nx[n]⋅e−j⋅2π⋅(k−1)⋅(n−1)N,where1≤k≤Nx[n]=1N⋅∑k=1NX[k]⋅e+j⋅2π⋅(k−1)⋅(n−1)N,where1≤n≤N\begin{align} X[k] &= \frac{1}{1} \cdot \sum_{n=1}^{N} x[n] \cdot e^{\frac{-j \cdot 2 \pi \cdot (k-1) \cdot (n-1)}{N}}, \quad\textrm{where}\quad 1\leq k\leq N\\ x[n] &= \frac{1}{N} \cdot \sum_{k=1}^{N} X[k] \cdot e^{\frac{+j \cdot 2 \pi \cdot (k-1) \cdot (n-1)}{N}},\quad \textrm{where}\quad 1 \leq n\leq N \end{align} 按信号长度缩放 我的同伴通常将数据缩放在处理后立即生效。 （在缩放之前，我们不考虑原始数据。）1N1N\small \frac{1}{N}fftfft%%执行 X_f …

11 matlab  fft  ifft 

传统的IIR / FIR滤波器（通过低通消除高频率振荡），例如移动平均， 或Savitzky-Golay滤镜 都可以使信号平滑，例如包络信号： Savitzky-Golay滤波器对于哪种应用比经典的低通更有趣？ 它与标准过滤器有什么不同？与标准过滤器相比，它有什么优点？ 它是否适应输入数据？ 暂时保存更好吗？ 您是否曾经有一天决定“让我们使用SG滤波器而不是移动平均线或另一个FIR低通！这是更好的选择，因为这，这个和这个...”是不是处于工程状况？那么这个问题适合您！

11 filters  filter-design  lowpass-filter  smoothing 

我想将信号转换为频域。所需的频率范围为0.1 Hz，1 Hz频率分辨率为0.01 Hz。 采样率为时30 Hz，FFT给出的频率分量高达15 Hz。提高采样率可提供更好的频率分辨率。但是，FFT可以提供更宽的频率范围。就我而言，我只是想0.1 Hz给1 Hz，FFT放弃对15 Hz（额外的计算）。 我的问题是，是否有标准方法可以计算具有特定频率范围和高分辨率的信号的频域？

11 fft  frequency 

在MATLAB中，我必须通过截止频率来设计滤波器。但是这个截止频率是每个样本的弧度。如何将模拟截止频率转换为MATLAB所需的每个样本弧度？ 赫兹赫兹\textrm{Hz}

11 matlab  sampling 

我有一段时间内的RSSI期望值的值（如下图所示），我想将其与测量的RSSI值进行比较。我一直在寻找一种量化它的方法，这样我可以更改参数并能够比较/对比不同的方法。 在我的脑海中，这是一个很难解决的问题，因为我不知道如何比较信号，却不考虑信号的大范围（整体形状）和小范围（个体波动）。 例如，这是一组信号的图： 在图像中，我可以看到红色测量信号大致遵循模型，但是它在模拟模型的某些正弦品质（在某些地方）方面也做得不错。有什么想法吗？ <>为了响应小插图的评论（这似乎是合理的），我对两个值进行了比较，并绘制了abs（fft（diff））并得到： 我不知道该怎么做。由于我们没有实际的频率，因此我不确定如何缩放轴，如果确定，您将使用什么度量标准？

11 matlab  algorithms  sampling 

中值滤波器是一个非线性且有损的过程，因此它不像LTI系统中的FIR滤波器（例如相同长度的盒式滤波器）那样具有闭合形式的频率响应。 但是，与中值滤波器的频率响应相似的近似值有多接近？ 中间滤波器的长度如何缩放？ 在什么条件下或对于哪种信号类别，这种近似可能是“接近”的？ 对于哪种信号类别，这种近似可能会非常不准确？ 中值滤波器会产生哪些类型的频域失真或加性噪声？

11 noise  frequency-response  filtering