信号处理

乍一看，恒定Q傅立叶变换和复数Gabor-Morlet小波变换看起来是相同的。两者都是基于恒定Q滤波器，开窗正弦波等的时频表示。但是也许我缺少一个区别？ 用于音乐处理的Constant-Q转换工具箱说： CQT指的是时频表示，其中频点在几何上间隔开并且所有频点的Q因子（中心频率与带宽之比）相等。 时标分析说： 也就是说，使用Morlet小波计算信号的CWT与将信号通过一系列以且常数Q为的带通滤波器相同。F= 5 / 2 π一个F=5/2π一个f = \frac{5/2\pi}{a}5 / 2 π5/2π5/2\pi

11 fourier-transform  wavelet  stft  gabor 

我想知道如何解决这类问题。 考虑下面的线性系统。如图所示，当输入系统，和，系统的响应为，和。x 2 [ n ] x 3 [ n ] y 1 [ n ] y 2 [ n ] y 3 [ n ]X1个[ n ]x1[n]x_1[n]X2[ n ]x2[n]x_2[n]X3[ n ]x3[n]x_3[n]ÿ1个[ n ]y1[n]y_1[n]ÿ2[ n ]y2[n]y_2[n]ÿ3[ n ]y3[n]y_3[n] 确定系统是否为时不变的。只是你的答案。 什么是冲动反应？ 编辑： 假设一般情况下，给定的输入不包含像这样的按比例变化的脉冲X2[ n ]x2[n]x_2[n]

11 convolution  linear-systems  homework  deconvolution 

我需要按水平和垂直（， <）的缩小图像。s y s x s y 1sXsxs_xsÿsÿs_ysXsXs_xsÿsÿs_y1个1个1 我想在下采样之前使用有限的低通滤波器。n × 米ñ×米n\times m 我应该如何确定低通滤波器参数（和高斯）以将其作为和的函数？σ 小号X 小号ÿÑ ，米ñ，米n, mσσ\sigmasXsXs_xsÿsÿs_y 具体来说，在的情况下，我很有趣。sX= 秒ÿ= 1 / 2–√sX=sÿ=1个/2s_x=s_y=1/\sqrt{2}

11 image-processing  gaussian 

我完全陷入关于玻璃物体分割的问题。我需要使对象尽可能精确。我的方法是不同的。首先，我尝试删除背景，以便仅保留一些清晰的轮廓。但这仅适用于具有尖锐边缘/渐变的对象。否则，对象本身也将被删除。我张贴了两个不同的图像。 我试图通过形态学操作（例如灰度膨胀和其上的分界线）去除背景。但这并没有太大帮助。之后，我尝试使用k = 3的k均值来使修改后的背景与玻璃的灰度和黑色值分开。在某些情况下，这并不成功，但总体/平均而言却并非如此。我还尝试使用整体模糊的滤镜进行Canny边缘检测，但这导致以开放轮廓，大量噪点等形式出现的结果较弱。 Canny具有自动阈值结果： testimg = imread('http://i.imgur.com/huQVt.png'); imshow(testimg) imedges = edge(testimg,'canny'); imshow(imedges); 第二张图片也一样。 如您所见，玻璃内部和外部都有大量噪声，并且玻璃边缘的边缘加倍。即使边缘有缝隙。 因此，我需要您的建议以获取一种通用的方法来处理半透明材料的问题，而不仅仅是这两个图像。 1）在不损坏对象的情况下移除背景的其他想法？ 2）其他使对象与背景分离的分割方法？ 如果可能，则使用Matlab，IPT或统计工具箱提示。任何其他提示也欢迎！ 谢谢您的提前答复。真诚的

11 image-processing  matlab  computer-vision  image-segmentation 

4QAM和QPSK显然产生相同的波形，但是它们在数学上是否相同？ 在QPSK星座图中，映射点是在45、135、225和315度，而4QAM是在0、90、180和270度吗？ 我也很难理解这种星座图的I / Q组件。“同相”和“正交相”实际上是什么意思？它们只是为这种用法指定实部和虚部的另一种方法吗？

11 signal-analysis 

线性回归和卡尔曼滤波均可用于估计数据，然后根据数据的时域序列进行预测（给定关于数据背后模型的一些假设）。 哪些方法（如果有）可能适用于使用频域数据进行预测？（例如，使用先前数据的合适FFT的输出来预测未来的步骤，而不必回到时域进行估计。） 对于频域中预测的质量或最优性（如果有），可能需要对数据或数据背后的模型有什么假设？（但是，假设数据源在FFT孔径宽度上是否严格周期性是未知的。）

11 fft  control-systems  estimation 

通过应用代码，我实现了线性ADSR包络，用于调整振荡器输出的幅度。攻击，衰减和释放持续时间以及延音水平的参数可以在包络上设置，并且一切都会按预期进行。 但是，我想将包络线的斜坡形状调整为类似于大多数合成器用于更自然响应的方式：反指数乘以攻击，指数乘以衰减和释放。我无法正确计算公式来计算这些类型的斜坡形状的包络输出值。为了计算线性斜坡，我使用两点形式，插入从起音/衰减/持续/释放输入参数值得出的开始/结束 / y值。我似乎无法使用相同的起点/终点x / y点值来为指数（标准和反向）斜坡制定正确的公式。XxxÿyyXxxÿyy 我保存了一个Desmos Graphing Calculator会话，该会话演示了我上面描述的线性渐变方法。 如果有人能帮助我指出正确的方向，将不胜感激。

11 audio  software-implementation 

我正在编写一种基于局部惯性矩处理3D图像的算法。 我有一个3x3的实对称矩阵，需要从中找到特征值。我已经找到了各种用于矩阵对角化的通用算法，但是我不知道是否存在针对该矩阵的3个特征的解析表达式。 精通数学的人会知道吗？ 编辑 作为记录，这是我自己在问题上发现的。正如Matthias Odisio所说，一旦有了3x3矩阵，就无法简单地分析一个简单的表达式。 但是，我已经找到了3x3 Hermitian矩阵这种特殊情况的专用纸，其中比较了各种数值专用方法： http://arxiv.org/abs/physics/0610206 这是本文的C和Fortran代码： http://www.mpi-hd.mpg.de/personalhomes/globes/3x3/index.html

11 3d  matrix 

这又是我的打detector探测器。 当有任何东西时，我非常擅长检测信号-可以跟踪从墙壁剥落的打ore声到您甚至在录音中都听不到的呼吸声。问题是，我无法确定信号何时降至可检测的水平以下，并且该应用程序只是在“听到声音”。而且，不幸的是，打nor /呼吸经常不规则，以至于简单的自相关或类似的间隔定时方案不太可能有很大帮助。（实际上，在某些情况下，噪音比呼吸更规律。） 那么，当没有信号时，我有什么窍门想不通吗？考虑到“信号”的开始是如此的杂音，似乎我在这里遇到了困难。 （也许这与我遇到的另一个问题有关：奇怪的是，即使声音很大，我也无法准确（甚至近似）测量信号电平。由于我仍然需要使用滚动平均值和比率来检测信号，级别信息会迷路。我正在寻找一些技巧来重新构造它。） 基本技巧 （尤达） 对音频信号进行采样（出于各种原因，通常以8000Hz的频率进行采样），然后以1024个块进行FFT。（在我的实验中，汉明滤镜和重叠块似乎影响不大，尽管稍后可能会重新讨论。） FFT分为“频段”（当前为5个，在大小上稍有偏斜以在低端放置更多细节），并且将每个频段的“频谱差异”和电平相加。峰值限制值的长期平均值用作“阈值”，进一步的偏差调整用于维持大约20％的“超阈值”速率。 每个“超阈值”值的权重均为1（低于阈值的权重为0），但此权重由频段中的表观“可变性”（大约2Hz）进行调整，以赋予频段更大的权重携带更明显的信号。 将频带的权重相加，然后将后续块的权重相加约一秒钟，以产生连续的“得分”。再次将其与运行中的平均阈值（加上几种启发式方法）进行比较，以检测打sn的起伏。 更新资料 我突然想到，如果我的算法有效地保持恒定水平的信号（针对我的信号水平问题），则有效地测量SNR的方法就是在没有信号时测量噪声。 方便地，打sn是断断续续的，中间有很多“死气”。而且我已经在检测打the信封了。因此，在信封外的任何东西（在一个打sn声的结束与下一个打sn声的开始之间）可能是噪音！我可以（以一定程度的准确性/重复性）进行测量。（当然，我们花了三倍的努力才提出了一种中途的算法-现实与理论不符。） 所以我还没有完整的答案，但是我已经取得了进步。 （虽然以上技术为我提供了相当不错的SNR指标，但我仍然无法估计实际的信号水平。我的“相对水平”指示可能会超出刻度，导致几乎听不到呼吸声，对于窗户响尾蛇来说也是如此。我需要某种绝对级别的代理。）

11 noise  snr 

我需要使用自适应阈值技术从腹部CT图像中分割肝脏。但是我将整个前景与背景分开了。我只需要分离前景的肝脏部分。在http://www.ijcaonline.org/casct/number1/SPE34T.pdf中查看pdf文件。 我需要一个类似于图6所示的输出。 我在这里附上我的编码。请帮我。 %testadaptivethresh.m clear;close all; im1=imread('nfliver2.jpg'); bwim1=adaptivethreshold(im1,11,0.03,0); figure,imshow(im1); figure,imshow(bwim1); imwrite(bwim1,'at2.jpg'); function bw=adaptivethreshold(IM,ws,C,tm) %ADAPTIVETHRESHOLD An adaptive thresholding algorithm that seperates the %foreground from the background with nonuniform illumination. % bw=adaptivethreshold(IM,ws,C) outputs a binary image bw with the local % threshold mean-C or median-C to the image IM. % ws is …

11 matlab  image-processing  computer-vision 

（编辑：此问题来自从原始WAV提取二进制磁条卡数据） 这是我的信号（顶行）和一个应用的基本IIR滤波器（底行） （编辑：我的任务是将信号分解为二进制0（频率F）和二进制1（频率2F），这就是为什么将其称为F2F。所以我需要以确保没有虚假峰值的方式进行处理。屏幕快照使它看起来微不足道，存在一个潜在的问题，即出现一个双峰，并且在真实峰之间的波谷中也得到假阳性。） 我的问题是，有什么方法可以使信号平滑？IIR是我最好的选择吗？ 我至少可以看到三种可能性： IIR y [n] = 0.9 * y [n-1] + 0.1 * x [n]其中，当x <0时y [x] = 0 移动/加窗平均-在周围放置面积为1.0的Bell曲线，说每边w = 10个样本，然后对bellSmooth（x）=积分[xw，x + w] {bell（k）.samp（k）} dk进行积分 确定期望的频率和FFT /删除高阶bin /反向FFT 我可能已经回答了自己的问题，但是可能这是不完整的，并且我确定我使用了错误的术语。我也无法真正预测利弊。后一种方法吸引力较小，因为它需要基本信号频率的知识。但是第二种方法也是如此。我需要选择适当的窗口长度。 还有其他方法吗？

11 filters  noise 

（此问题与从原始WAV提取二进制磁条卡数据有关） 我正在从信用卡磁条上提取二进制序列。 如您所见，信号在一处明显下降。在图像的左侧也有轻微的降级。 只是使用IIR（即）平滑，但所得到的信号不被平滑数学; 如果我将信号区分两次，则噪声会以复仇的方式返回：Xout=0.9Xoutlast+0.1XinXout=0.9Xoutlast+0.1XinX_{\rm out} = 0.9X_{\rm out_{last}} + 0.1X_{\rm in} 我的问题是：我可以去除噪声，使导数干净吗？ 如果是这样，怎么办？ 编辑：这是一些损坏的波浪的特写： EDIT（2）： 我正在考虑的几种方法： 首先，我可以对受损扇区两侧的信号进行泰勒近似，然后将近似融合在一起。 其次，我可以进行FFT，去除高频分量并进行反向FFT。我现在将尝试第二种方法...

11 fft  noise 

有人可以解释一下photoshop中“黑白”调整层背后的算法吗？ 对于必须强调图像中非红色/品红色像素（具有类似百分比的可配置公差）的应用程序，我必须使用C ++对其进行重现，并且该资源显示了我所期望的行为。 仍然无法复制它，但是我找到了一个线索： 每个像素最多由两个控件定义，一个为加法（RGB），一个为减法（CMY）。

11 image-processing  algorithms  reverse-engineering 

我想计算给定信号的响度，并且遇到了这个问题。我对它的A加权方面有些困惑。我无法发布图片，但我认为该网站具有我需要的公式。（Wa = 10log ...） 我不了解的是如何在程序中实际使用它。如果f代表频率，那么大概我可以对值进行硬编码，因为它们将保持不变。在这种情况下，如何将其应用于Wa样本值以及使用哪些值？我是否要计算功率谱以获取WINDOW_SIZE/2值并将频带中的每个值与相关的预先计算的Wa值相乘，或者这样做是错误的方式？先感谢您。

11 algorithms  audio 

我目前正在研究信号的压缩感知和稀疏表示，特别是图像。 我经常被问到“稀疏定义是什么？”。我回答“如果信号的大多数元素在傅立叶或小波等域中为零或接近于零，则该信号在此基础上是稀疏的。” 但是此定义中始终存在一个问题，“大多数元素是什么意思？是90％？80％？92.86％？！” 这是我提出问题的地方，是否有稀疏的确切定义（即数值）？

11 sparsity