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

1
复杂的信封到底是什么?
我看过一些书中提到过几次,所以我想确定一下。复数包络是不是信号的实部和正交分量的总和,而绝对值就是(实部)包络?我已经阅读了这个维基页面,但是不确定我是否完全理解。复数包络是否仅仅是通带信号的实部和虚部相结合?谢谢。

2
FFT中的伪像
我最近意识到FFT并不是完美的。这意味着,如果我先接收信号,然后进行FFT,然后进行逆FFT,则结果输出与输入不完全相同。这是一张图片,向您展示我的意思: 我认为这张图片很容易说明。IFFT信号只是“ FFT频谱”的逆变换,“差异”图是IFFT信号与原始信号之间的差异()。IFFT-原始IFFT-原始\text{IFFT - Original} 显然有一些文物,尽管它们确实很小。我想知道为什么它们首先出现。这是因为傅立叶变换的有限窗口吗?还是由于FFT算法中的问题? 注意:此图有32点,但是我已经检查了100、1000、1024、256和64点,并且总有这个残差存在相似大小的差异(或)。10− 1610-1610^{-16}10− 1510-1510^{-15}

2
预编码矩阵以保持DFT向量上的复杂共轭对称性的条件
假设存在一个长度为N 的DFT向量,该向量在其中点附近表现出复杂的共轭对称性,即,等。 和分别是DC和奈奎斯特频率,因此是实数。其余元素很复杂。 X (1 )= X (N - 1 )* X (2 )= X (N - 2 )* X (0 )X (N / 2 )XX\mathbf{X}X(1)=X(N−1)∗X(1)=X(N−1)∗X(1) = X(N-1)^*X(2)=X(N−2)∗X(2)=X(N−2)∗X(2) = X(N - 2)^*X(0)X(0)X(0)X(N/2)X(N/2)X(N/2) 现在,假设有一个矩阵,大小为,它与向量X相乘。 N × NTT\mathbf{T}N×NN×NN \times N Y=TXY=TX\begin{align} \mathbf{Y} = \mathbf{T}\mathbf{X} \end{align} 问题是: 在什么条件下,对于矩阵,保留了所得矢量中点周围的复共轭对称性?ÿTT\mathbf{T}YY\mathbf{Y} 这个问题的动机是试图提出一个预编码器矩阵,该矩阵会产生一个IFFT为实的预编码(预均衡)符号。ÿTT\mathbf{T}YY\mathbf{Y} 编辑: 谢谢@MattL。和@niaren。关于这个问题的困难是找到必要的条件。马特的答案确实足够。进行以下修改也是足够的: 第一行和第一列不必为零。相反,它们可以是非零的,只要它的值在中点周围呈现复杂的共轭对称性,它的第一个值是实数,第个值是实数,就像该符号一样。对于第列,第行和主对角线也可以这样说。(ñ / …

4
滤波器如何使组延迟为零?
如果将波包通过一阶低通滤波器的通带,它将被滤波器的群延迟所延迟,并保持相同的幅度,对吗? 如果将相同的波包通过具有相同截止频率的互补的一阶高通滤波器放置,则群延迟曲线相同,因此包的延迟将相同,但是增益要低得多,因此既延迟又衰减至微不足道。 由于高通滤波器的输出非常小,如果将这两个滤波器的输出相加(例如在音频分频器中),我希望它与低通滤波器的输出相差无几:大延迟信号+非常小延迟信号=大延迟信号。 但是,如果将滤波器响应求和,则振幅在任何地方都是0 dB,相位在任何地方都是0,因此群延迟变为0,这意味着波包无延迟且无变化地出现。我不知道这怎么可能。过滤器不总是会产生延迟吗?滤波器(也具有正的组延迟)如何消除由另一个通道引起的延迟,尤其是在阻带中发生时? 我在这里误解了哪一部分? 具有线性相位的最著名的分频器类型是一阶同相分频器,...一阶分频器是当其输出正常求和时的最小相位;它在0°处具有平坦的相位图。- 主动分频器的设计 和 这里,将输出相加的结果产生0°相移,也就是说,一阶分频器的幅度和相移之和等于一条线。- 林奎茨-莱利分频器:入门:一阶分频网络 对实际脉冲的测试表明,低通(蓝色)如何按预期方式延迟脉冲,以及高通(绿色)如何与​​其结合以产生原始(红色)脉冲,但是如果高通脉冲如何在原始脉冲之前发生,高通滤波器是否有因果关系,并且具有正的群延迟?直觉使我失望。 它的确表明高通输出不像我想象的那样微不足道,并且延迟比我想象的要微不足道,并且随着载波频率的变化,这两个特性成比例地改变(较小的延迟要求较低幅度的高通输出纠正它)。但是我还是不太了解。

2
检测指尖或指甲的算法
您能为我提供一些有关检测图像中指尖/指甲的最佳算法的建议吗?我想到的第一件事是中提琴-琼斯。重新考虑之后,我得出结论,在应用边缘检测之后,也许可以仅使用休变换。但是,我想提出更多建议。另外,由于这将是一个旨在学习的学生项目,因此不允许我使用OpenCV或类似框架。下面是将要处理的典型图像。(请注意,它不是自顶向下的视图)。无需拇指检测。 典型图片http://www.deviantpics.com/images/BwgPX.jpg


5
卡尔曼滤波器-实现,参数和调整
首先,这是我第一次尝试制作Kalman滤波器。 我之前曾在StackOverflow上发布了以下问题,即从速度值中滤除噪声和变化,该问题描述了本文的背景。这是我尝试过滤的典型值示例。他们不必一定要减少这种情况。但是变化率通常是这样的 X ------- Y 16 --- 233.75 24 --- 234.01 26 --- 234.33 32 --- 234.12 36 --- 233.85 39 --- 233.42 47 --- 233.69 52 --- 233.68 55 --- 233.76 60 --- 232.97 66 --- 233.31 72 --- 233.99 我已经按照以下教程实现了我的Kalman过滤器:Kalman Filter for Dummies。 我的实现看起来像这样(伪代码)。 //Standard deviation is 0.05. …

1
关于第二代小波的教程(带提升功能)?
对于一些去噪和去卷积实验,我想对图像应用第二代小波变换(使用提升步骤)。 我知道有几种实现方式,但是其中大多数都使用matlab,而我想使用OpenCV在C ++中工作。由于OpenCV 2.x中没有内置的小波变换实现,因此我计划自己实现(另外,它将对我有好处)。经过研究,我已经找到了有关第二代转换的原始文章,但是我对算法的确切工作方式仍然感到困惑。 以Sweldens的论文[1]作为主要参考:提升方案:第二代小波的构造,我仍然对索引集的定义感到困惑:它们的大小是多少?他们是如何建造的?...K(j)K(j)\mathcal{K}(j) 因此,我的问题是:有没有人知道第二代小波变换的一些资源(论文,教程,幻灯片...),它们的形式类似于教程,或者提供了更多的算法视图(而不是数学视图)。 ,这将有助于我设计自己的实现? 先感谢您。 参考文献 我的主要参考资料是: [1] Sweldens,W.(1998)。提升方案:第二代小波的构造。SIAM数学分析杂志,29(2),511。 我也在从中学习: [2] Daubechies,I.和Sweldens,W.(1998)。分解小波转换为提升步骤。傅立叶分析与应用杂志,4(3),247–269。 [3] Kovacevic,J.和Sweldens,W.(2000)。小波族在任意维度上递增顺序。图像处理,9(3),480–496。doi:10.1109 / 83.826784

2
过滤某种“半色调”图像以进行OCR处理
我有一个扫描的PDF资料,要向其中添加隐藏的文字层,因此可以对文档建立索引。我使用了ghostscript黑白tiff输出设备(tiffg4)将页面提取为tiff图像,下面是它们的外观示例: 用tesseract处理此图像不会产生良好的结果。 更改ghostscript输出DPI(600、300、150、96)表明,在96 DPI下的图像可从tesseract获得最佳效果,但仍不令人满意。 现在我想征求意见,哪种过滤器可以增强此图像的OCR处理能力。 我可以使用imagemagick或numpy / scipy / ndimage

2
查找样品之间的局部峰
我有地震信号y [ n ]的离散样本: ñnnÿ[ n ]y[n]y[n] 我想在信号中找到局部最大值。 ÿ[ n ]y[n]y[n]y[n]:maxima if y[n]>y[n−1] and y[n]>y[n+1]y[n]:maxima if y[n]>y[n−1] and y[n]>y[n+1]y[n]: maxima \textbf{ if } y[n] > y[n-1] \textbf{ and } y[n] > y[n+1] i=4.25i=4.25i=4.25 y[n]y[n]y[n] 如何使用插值法找到最大值? 我应该使用哪种插值形式? 如您所见,我的信号不是很嘈杂,但是如果该方法还进行了一些滤波以使最大值超过阈值并具有一定的宽度(没有尖峰),那将是很好的。 但是,我最大的问题只是在样品之间找到峰。有什么建议可以做到这一点吗? 预先感谢您的任何回答!

1
我可以使用FFT来解释加速度计的手势吗?
我需要检测在查看加速度计数据时发生的两种不同的手势。这是一个失败的过程(就我所能做到的简短): 可以说,iPhone在保持面朝上的同时来回摆动。用户可以进行一次振荡(一次向前或向后一次手势),也可以连续振荡任意时间(第二次手势)。 目前,我的代码维护着最近50帧中设备加速度计数据(y轴)的列表。此数据的每一帧都通过FFT算法(该http://goo.gl/yi3mn)进行处理,然后尝试解释给定的频域。我注意到振荡速度与频率空间中低范围的功率之间有很强的关系。 问题是,我需要检测(在运动在屏幕上动态显示动画时实时)刚结束的振荡是奇异的,还是在相反方向上继续发生另一振荡。在此我要指出,加速度计可与压力板配合使用。当振荡停止时,输入数据将显示与执行振荡时相反的值。这使得很难看到单次向前运动和两次向前然后向后运动之间的明显区别(在每个第一次振荡的结束时)。 谁能建议我如何利用FFT来解密准确的幅度值(或其他有用的值),以便我可以用来分辨上述手势之间的差异? 我已经记录了用于文本文件的数据。它是沿加速度计输入y轴的原始数据(g力值)。 http://pastebin.ca/2108123显示了2次奇异振荡的数据(我将设备保持在开始,结束以及两次振荡之间)。 注意:具有20次振荡的新原始数据已上传,但尚未绘制。 http://pastebin.ca/2108387显示了20次连续振荡的数据(我将设备始终保持在起点和终点)。
10 fft 

3
什么是“频谱时刻”?
我已经咨询了Google和Wiki的全能预言家,但似乎找不到“频谱的时刻”一词的定义。 我正在阅读的旧版工作文本以以下方式使用它,将每单位时间的过零次数定义如下: N0=1π(m2m0)1/2ñ0=1个π(米2米0)1个/2 N_0 = \frac1{\pi} \left(\frac{m_2}{m_0}\right)^{1/2} 然后,它进一步定义了单位时间的极值数目,如下所示: Ne=1π(m4m2)1/2ñË=1个π(米4米2)1个/2 N_e = \frac{1}{\pi}\left(\frac{m_4}{m_2}\right)^{1/2} 最后说出“是频谱的第个矩”。mi米一世m_ii一世i 有人遇到过吗?频谱的“时刻”是什么?我以前从未在DSP文献中听说过它。

2
从函数样本估计泰勒级数系数
假设我有一个函数测量值,并且在x i处采样并带有一些噪声,这可以通过泰勒级数展开来近似。是否有一种公认的方法可以根据我的测量结果估算出该膨胀系数?y=y(x)y=y(x)y = y(x)xixix_i 我可以将数据拟合为多项式,但这并不完全正确,因为对于泰勒级数,您越靠近中心点(例如x = 0),近似值就会越好。仅拟合多项式就可以平等地对待每个点。 我还可以在扩展时估算导数的各种阶数,但是然后我需要决定要使用哪些微分滤波器以及每个滤波器有多少个滤波器系数。用于不同导数的过滤器是否需要以某种方式组合在一起? 那么有人知道为此建立方法吗?对论文的解释或参考将不胜感激。 澄清说明 作为对以下评论的回应,我的采样是一个无限函数的矩形窗口,该函数不一定受带宽限制,但不具有强大的高频分量。更具体地说,我正在根据估算器的参数(基础组织的变形或应变水平)测量估算器的方差(测量医学超声信号中的位移)。我有一个理论上的泰勒级数,用于将方差作为变形的函数,并希望将其与我从仿真中得到的结果进行比较。 一个类似的玩具示例可能是:假设您有一个类似于ln(x)的函数,该函数以x的间隔采样,并添加了一些噪声。您不知道它真正的功能是什么,并且您想要估计它在x = 5附近的泰勒级数。因此,该函数在您感兴趣的点周围的区域内是平滑且缓慢变化的(例如2 <x <8),但在该区域外不一定很好。 答案很有帮助,某种最小二乘多项式拟合可能是采取的途径。但是,使泰勒级数估计值与正常多项式拟合不同的原因是,您应该能够去除高阶项,并使多项式仍近似原始函数,只是在初始点附近的较小范围内。 因此,也许该方法将是仅使用接近初始点的数据进行线性多项式拟合,然后进行二次拟合,并使用更多数据,然后使用三次以上的拟合,等等。

2
如何找到信号的导数和二阶导数的平滑估计?
我有一个信号在处采样:其中。我想找到信号的一阶和二阶导数:f'(t)和f''(t)。Δ ŤΔt\Delta tF一世(吨一世= 我Δ 吨)fi(ti=iΔt)f_i(t_i=i\Delta t)i = 0 ,… ,n − 1i=0,…,n−1i = 0,\ldots,n-1F′(吨)f′(t)f'(t)F′(吨)f″(t)f''(t) 我的第一个想法是通过集中差异来估计导数: F′(吨一世)F′(吨一世)= f(吨我+ 1)− f(吨i − 1)2 Δ 吨= f(吨我+ 1)- 2 ˚F(吨一世)+ f(吨i − 1)(Δ 吨)2f′(ti)=f(ti+1)−f(ti−1)2Δtf″(ti)=f(ti+1)−2f(ti)+f(ti−1)(Δt)2\begin{align} f'(t_{i})&=\frac{f(t_{i+1})-f(t_{i-1})}{2\Delta t}\\ f''(t_{i})&=\frac{f(t_{i+1})-2f(t_{i})+f(t_{i-1})}{(\Delta t)^2} \end{align} 但是,信号可能会有很多高频噪声,可能会导致F′f′f'和f''的快速波动F′f″f''。 找到F′f′f'和f''的 “平滑”估计值的最佳方法是F′f″f''什么?


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.