信号处理

我有一个有趣的问题要解决。因此，例如，如果我们有一个包含两个纹理（A和B）的黑白图像，我想知道完全覆盖各个纹理的边界的像素值。 我考虑过使用互相关，这会给我图像上模板（图例）的位置簇，但是有没有办法使用它来获取边界的像素值（这些通常是不规则的）？另外，还有其他更好的方法吗？ 一个真实的例子就是在显示一年中三个降雨水平的地图上检测降雨区域。为每个级别分配了图例中存在的纹理，该纹理用于在同一图像上进行纹理匹配。

9 image-processing 

所谓的滤波器的脉冲响应的傅立叶变换，拉普拉斯变换和Z变换是什么？我已经看到被称为系统函数或传递函数，那么和离散呢？H(s)H(s)H(s)H(iω)H(iω)H(i\omega)H(z)H(z)H(z)

9 filters 

每当我认为我了解了协方差矩阵时，都会有人提出不同的表述。 我目前正在阅读本文： J. Benesty，“用于无源声源定位的自适应特征值分解算法”，J。Acoust。Soc。上午。第107卷，第1期，第384-391页（2000） 我遇到了一个我不太了解的表述。在这里，作者正在构建两个信号x1x1x_1和之间的协方差矩阵。这两个信号来自不同的传感器。x2x2x_2 对于一个信号的协方差矩阵，我知道我们可以通过计算回归矩阵，然后将其乘以同一矩阵的Hermitian，然后除以（原始向量的长度）来获得。这里的协方差矩阵的尺寸可以是任意的，具有最大尺寸为。NNNN×NN×NN\times N 对于两个空间信号的协方差矩阵，如果将第一个信号放在矩阵的第一行中，将第二个信号放在矩阵的第二行中，然后乘以其Hermitian，再除以，则得到两个空间信号的协方差矩阵。NNN2×22×22\times 2 然而，在本文中，笔者单位计算什么样子4个 matricies，，和，然后将它们放入一个超级矩阵和呼叫协方差矩阵。R11,R12,R21R11,R12,R21R_1{}_1, R_1{}_2, R_2{}_1R22R22R_2{}_2 为什么会这样呢？这是文本的图片：

9 covariance 

在我们的小组中，我们开发了一种算法，该算法可以将量子力学系统中的抽象信息显示为图像。这样，在给定量子系统的情况下，我们可以获得具有相同信息并使某些特征可见的关联图像。 使用“互相关矩阵”可以获得重要特征之一：我们将图像划分为个子图像，并在所有对之间找到“重叠”。因此，子图像i和j，A i ，j的条目是一个数字，表明它们的相似程度。矩阵尺寸为L 2 × L 2。L×LL×LL\times LiiijjjAi,jAi,jA_{i,j}L2×L2L2×L2L^2\times L^2 问题是：此矩阵或近亲是否用于图像处理？如果有，它有名字吗？它具有任何有趣的属性，或者对任何有用的算法有帮助吗？

9 image-processing 

我的问题是我不知道背景噪声的能量，所以我不能仅仅限制能量。处理是实时完成的，我大约需要500毫秒来决定。理想情况下，我希望将安静的辅音视为非静音。

9 audio  speech-recognition 

在试图理解这个答案，以我先前的问题，有人可以解释为什么它是非常重要的摄像机不在同一平面上时相比，相机和物体之间的距离焦距大？ “看”是什么意思？ 如果观看次数/摄像机数量增加，这会改变吗？

9 computer-vision  stereo-vision 

我是DSP的新手，对变换及其收敛区域（ROC）毫无疑问。ZZ\mathcal Z 我知道 -transform是什么。但是我在理解ROC时遇到了麻烦。首先，我对和有一些困惑。交换这些条款很容易引起我的注意。我知道ROC定义了 -transform存在的区域。从网上和我的书中可以看出： X （z ）x （z ）ZZZ\mathcal ZX(z)X(z)X(z)x(z)x(z)x(z)ZZ\mathcal Z 如果是有限持续时间序列，则ROC是整个平面，但可能或。有限持续时间序列是在有限间隔非零的序列z z = 0 | z | = ∞ Ñ 1 ≤ ñ ≤ Ñ 2x[n]x[n]x[n]zzzz=0z=0z = 0|z|=∞|z|=∞\lvert z\rvert = \inftyn1≤n≤n2n1≤n≤n2n_1 \le n \le n_2 后来它说： 当，将有一个项，因此ROC将不包括。当，总和将是无限的，因此ROC将不包括。n2&gt;0n2&gt;0n_2 > 0 z−1z−1z^{-1}z=0z=0z=0n1&lt;0n1&lt;0n_1 < 0|z|=∞|z|=∞\lvert z\rvert=\infty 这就是我卡住的地方！他们尝试在上面的行说“ 当会出现一个项，因此ROC将不包括n2&gt;0n2&gt;0n_2 > 0z−1z−1z^{-1}z=0z=0z=0 z=0z0 …

9 discrete-signals  z-transform 

我已经使用相关性和相干性作为信号之间相关性的度量。我当时以为时频方法可以使我受益匪浅。 我的问题是，这些额外的数据是否会在信号的整体图像中添加足够的量，以证明与进行小波变换（作为计算的一部分）相关的增加的计算成本是合理的？ 参考文献：ArXiv论文：S.Klimenko，G.Mitselmakher，A.Sazonov的“小波域互相关技术，用于检测随机引力波”

9 coherence  correlation  wavelet 

我正在尝试使用霍夫变换进行边缘检测，并希望使用渐变图像作为基础。 我迄今所做，给出的图像I尺寸的[M,N]和它的部分衍生物gx，gy是计算中的每个像素作为梯度角thetas = atan(gy(x,y) ./ gx。同样，我将梯度幅度计算为magnitudes = sqrt(gx.^2+gy.^2)。 要构建霍夫变换，我使用以下MATLAB代码： max_rho = ceil(sqrt(M^2 + N^2)); hough = zeros(2*max_rho, 101); for x=1:M for y=1:N theta = thetas(x,y); rho = x*cos(theta) + y*sin(theta); rho_idx = round(rho)+max_rho; theta_idx = floor((theta + pi/2) / pi * 100) + 1; hough(rho_idx, theta_idx) = hough(rho_idx, theta_idx) + …

9 image-processing  edge-detection  image-processing  computer-vision  image-registration  discrete-signals  noise  bpsk  snr  demodulation  bpsk  multipath  synchronization  timing  image-processing  filters  algorithms  edge-detection  sampling  demodulation  bpsk  synchronization  timing  fft  fourier-transform  delay  audio  speech-recognition  soft-question  discrete-signals  discrete-signals  autocorrelation  frequency  computer-vision 

我们知道，欠采样会导致混叠，并且高于奈奎斯特速率一半的频率是无法区分的。我有一个基带信号，我想使用比奈奎斯特频率（奈奎斯特频率）的一半以及低频（所有部分）高的高频。我使用以下路径进行特殊处理： 输入⟶抗混叠前置滤波器⟶抽取⟶快速傅立叶变换⟶调优部分信号的输入项⟶抗混叠前置滤波器⟶抽取⟶快速傅立叶变换⟶调优部分信号的\textrm{Input}{\longrightarrow}\boxed{\textrm{anti-aliasing pre-filter}}{\longrightarrow}\boxed{\textrm{decimate}}{\longrightarrow}\boxed{\textrm{FFT}}{\longrightarrow}\boxed{\textrm{tune on special part}\\{\textrm{of the signal}}} 人们通常用作抗混叠滤波器的低通后置滤波器消除了我感兴趣的高频。我不会丢失高频的数字或模拟抗混叠前置滤波器是什么？

9 sampling  downsampling 

我一直在研究立体视觉应用，其中一个工作示例涉及使用两个安装在一起并经过校准的USB网络摄像头。 有没有办法估算这种装置的理论空间分辨率？目的是避免盲目购买和测试，而要提前自信。 我确实知道，由于镜头等原因，精确分辨率可能需要测试设置。 进行此确定需要什么信息？最小焦距和最大分辨率是否足够？像素密度显然在其中发挥了一定作用，并且在大多数数码相机（具有更高的最大分辨率）上做广告，如果我尝试计算估计值，应该如何合并呢？ 作为示例，请考虑以下设置： 最小焦距为4英寸（MS HD网络摄像头焦距） 最高分辨率1920x1080 物体大约是几厘米 十分之一毫米的细节 相机和物体之间的距离应该很小，我考虑的范围是15厘米至25厘米，可以根据此处的回答灵活选择 摄像头之间的距离，摄像头的数量可以灵活但是应该保持在很小的范围内...如果我需要10,000美元的摄像头，这是一个糟糕的解决方案

9 stereo-vision  resolution 

我有离散的时间序列，其中包含随时间平滑变化的频率的信号（称为“扫描”）。如何设计一个有限长度的离散滤波器（在我的情况下为低通或带通），其截止频率随时间线性变化，且截止斜率恒定？ 编辑：信号是从"trace"地震源（地震振动器）中取样的，该振动器将缓慢变化的频率的振动发送到地面。频率与时间（扫描）的相关性是已知的（使其为线性，，但是存在一个问题，即可能还有另一个振动器振动器自己运行，其任务是跟踪此振动器，避免来自其他振动器的有害信号。f(t)=f1∗(1−t)+f2∗t)f(t)=f1∗(1−t)+f2∗t)f(t)=f_1*(1-t)+f_2*t)"band-guard"

9 filters  filter-design 

我获得了一个1000Hz的音频文件（正弦波）作为FFT算法的输入。我在阵列中得到了8192个功率谱样本。 检查我的输出是对还是错的最佳和最简便的方法是什么？ 如果我给出一个无声音频文件，则所有样本的输出均为零。在正弦波中，o / p从20（第0个样本）增加到26059811（743个样本），然后逐渐降低到40。 如果我对输出范围有所了解，则可以从技术上证明FFT是否有效。 任何想法都会有所帮助。 如有任何技术疑问，请参考此链接。

9 fft  audio