信号处理

如果我有时间限制的信号，比如说只持续秒的正弦波，然后对该信号进行FFT，就会看到频率响应。在该示例中，这将是正弦波主频率上的尖峰。TTT 现在，假设我获取了相同的时间信号，并将其延迟了一定的时间常数，然后进行了FFT，情况如何变化？FFT是否可以表示该时间延迟？ 我认识到，时间的延迟表示在频域上的变化，但我有一个很难确定哪些实际手段。exp(−jωt)exp⁡(−jωt)\exp(-j\omega t) 实际上，频域是否适合确定各种信号之间的时间延迟？

21 fft  fourier-transform  delay 

一个问题，最近提出了关于公园-麦克莱伦和一些评论指出，在公园，麦克莱伦维基百科文章的状态， ... Parks-McClellan算法是Remez算法或Remez交换算法的变体。 性能上有区别吗？是remez在八度等同于Matlab的功能函数firpm？

21 algorithms  filter-design  parks-mclellan 

此问题是从Stack Overflow 迁移而来的，因为可以在Signal Processing Stack Exchange上回答。 迁移 7年前。 我知道这与信号有关，但是当面对一个新的噪声信号时，在保持尖锐过渡的同时尝试去噪信号的诀窍是什么（例如，任何一种简单的平均，即与高斯卷积）。我经常发现自己正面临着这个问题，并且不觉得我知道我应该尝试的方法（除了样条曲线，但它们也可以严重挫败正确的急剧过渡）。 PS附带说明一下，如果您知道一些使用小波的好方法，请告诉我它是什么。似乎它们在这一领域具有很大的潜力，但是尽管90年代有一些论文被引证充分，表明该论文的方法取得了不错的成绩，但我找不到关于哪种方法最终在2002年成为最佳候选者的任何信息。中间的几年。从那以后肯定可以肯定有些方法通常是“首先要尝试的方法”。

21 noise  wavelet  denoising  smoothing  total-variation 

我正在寻找距离转换最快的可用算法。 根据此站点http://homepages.inf.ed.ac.uk/rbf/HIPR2/distance.htm，它描述了： 使用聪明的算法仅需两遍就可以更有效地计算距离变换（例如Rosenfeld和Pfaltz 1968）。 到处搜寻，我发现：“ Rosenfeld，A和Pfaltz，J.L。1968。数字图片上的距离函数。模式识别，1，33-61。” 但是我相信我们应该有一个比1968年更好，更快的算法吗？实际上，我找不到1968年的消息来源，因此非常感谢您的帮助。

21 image-processing  algorithms 

此问题是从Stack Overflow 迁移而来的，因为可以在Signal Processing Stack Exchange上回答。 迁移 8年前。 我需要在从相机检索的图像中找到所有轮廓。因此，我首先使用Canny边缘检测器找到边缘，然后找到轮廓。很简单 但是，我的轮廓被“合并”了。例如，在下面的图像中，我显然有4个不同的对象。边缘在某些点上略有接触，所以我得到一个大轮廓，而不是四个单独的轮廓。我尝试更改阈值，侵蚀，形态学操作和类似操作，但是边缘保持轻微接触。有没有人对如何在类似于以下图像的图像中获得单独的轮廓有任何建议？（下面的图像显然只是一个例子，我的实际图像要复杂得多，但是具有相同的基本问题）。

21 image-processing  edge-detection 

我想不出更好的方法来问这个问题，所以我将以一个例子开始。假设我有一个最大频率为50Hz的输入信号（以100Hz采样）。现在，感兴趣的信号在0-5Hz范围内，因此我可以添加一个截止频率为5Hz的低通滤波器，并将得到的信号用于进一步处理。我的理解是，现在我可以将滤波后的信号下采样10倍，从而减少处理负荷。我对吗？如果是，为什么在滤波后始终不执行降采样，因为在我看来这是显而易见的方法？如果我的假设是错误的，那么我在哪里错了？

21 filters  decimation  downsampling  sampling 

我正在使用该specgram()函数在matplotlibPython中生成语音波文件的频谱图，但输出的质量始终比我的普通转录软件Praat生成的质量差很多。例如，以下调用： specgram( fromstring(spf.readframes(-1), 'Int16'), Fs=framerate, cmap=cm.gray_r, ) 生成此： 在Praat期间，使用以下设置处理相同的音频样本： 查看范围：0-8000Hz 窗长：0.005s 动态范围：70dB 时间步长：1000 频率步进：250 窗口形状：高斯 生成此： 我究竟做错了什么？我尝试摆弄所有specgram()参数，但似乎没有任何方法可以改善分辨率。我几乎没有FFT的经验。

21 fft  spectrogram  python 

我有100,000 个以20kHz采样的信号采样。数据是来自旋转机器的振动数据，并且包含与机器旋转速度有关的重要频谱分量。x[n]x[n]x[n] 由于机器的速度在采样过程中会发生变化，因此使用FFT的峰值不会产生我想要的结果。 因此，我想使用诸如Kay的估计器之类的估计器，该估计器允许进行短期估计，但假设信号模型为： x[n]=Aexp(jωn+θ)+z[n]x[n]=Aexp⁡(jωn+θ)+z[n]x[n] = A \exp(j \omega n + \theta) + z[n] 其中 = 0 ... 99,999，是振幅，是要估计的频率，是初始偏移，是复数噪声。nnnAAAωω\omegaθθ\thetaz[n]z[n]z[n] 但是，我的信号是实值，看起来更像： x[n]=Acos(ωn+θ)+zr[n]x[n]=Acos⁡(ωn+θ)+zr[n]x[n] = A \cos(\omega n + \theta) + z_r[n] 其中和A现在为实值。zrzrz_rAAA 如何将实值信号转换为复数信号，以便可以使用Kay的估计器？

21 analytic-signal  preprocessing  estimators 

我希望能够快速确定给定的整数系数2D内核是否可分为两个具有整数系数的1D内核。例如 2 3 2 4 6 4 2 3 2 可分为 2 3 2 和 1 2 1 使用整数算术对可分离性的实际测试似乎相当简单，但是事实证明，分解为具有整数系数的一维滤波器比较困难。困难似乎在于以下事实：行或列之间的比率可能是非整数（比率分数），例如，在上述示例中，比率为2、1 / 2、3 / 2和2/3。 我真的不想使用像SVD这样的繁重方法，因为（a）满足我的需求在计算上相对昂贵，并且（b）仍然不一定有助于确定整数系数。 有任何想法吗 ？ 更多信息 系数可以为正，负或零，并且可能存在一些病理情况，其中一维向量或两个一维向量之和为零。 -1 2 -1 0 0 0 1 -2 1 可分为 1 -2 1 和 -1 0 1

21 filters  separability  1d  2d 

人们的耳朵可以听到频率范围为20 Hz至20 kHz的声音。根据奈奎斯特定理，记录速率应至少为40 kHz。是选择44.1 kHz的原因吗？

21 audio  sampling 

我正在开发一个简单的Web应用程序，该应用程序允许用户调整他/她的吉他。我是信号处理方面的真正初学者，因此，如果我的问题不合适，请不要过分判断。 因此，我设法使用FFT算法获得了基频，此时，该应用程序可以实现某种功能。但是，还有改进的余地，现在我将原始pcm发送给FFT算法，但是我在想，也许有一些前置/后置算法/过滤器可以改善检测效果。你能建议什么吗？ 我的主要问题是，当检测到某个频率时，它将显示该频率1-2秒，然后跳至其他随机频率，然后再次返回，依此类推，即使声音是连续的。 我也对任何其他类型的优化感兴趣，如果有人对此有经验的话。

21 fourier-transform  fft 

我正在研究Gabor过滤器，但是当我使用Google过滤器进行搜索时，我的文章非常冗长而复杂。谁能帮我找到有关它的简单说明，或推荐阅读的网站或文章？我想了解此过滤器，以便在Matlab中使用它。

20 filters  frequency 

我正在设计一套FIR滤波器，以实现一个低通滤波器。我还试图减少通过滤波器的信号延迟，因此我想知道我可以使用的最小抽头数量是多少。 我知道更多的抽头可以导致更陡峭的频率截止和更好的阻带抑制等。但是，我感兴趣的是更基本的-如果我想在表示这是否意味着我至少需要100次抽头才能衰减低频信号？还是我可以用更少的水龙头逃脱，如果可以，那么理论上的下限有没有？Fs100fs100\frac{f_s}{100}

20 filter-design  fir 

我知道窗户的常见类型（Hamming，Hanning，Kaiser，Tukey等）。但是，尽管有许多书描述了它们-几乎没有人告诉我它们的确切来源。 汉明窗到底有什么神圣之处？那汉宁呢？我知道它们全都在主瓣宽度与旁瓣衰减之比上发挥作用，但是它们是如何精确推导的呢？ 我提出这个问题的动机是因为我试图弄清楚一个人是否可以设计自己的窗户，这些窗户还可以发挥主瓣宽度和旁瓣能量。

20 fourier-transform  filter-design  signals-history 

我正在尝试实现8阶IIR滤波器，并且我阅读的每个应用笔记和教科书都说，最好将2阶以上的任何滤波器实现为二阶部分。我tf2sos在MATLAB中使用了二阶部分的系数，这与我预期的4个二阶部分的6x4系数有关。在实施为SOS之前，八阶滤波器需要存储7个先前的采样值（以及输出值）。现在，当实现为二阶部分时，流程如何从输入到输出工作，我是否仅需要存储2个先前的样本值？还是第一个滤波器的输出馈x_in入第二个滤波器，依此类推？

20 filters  filter-design  infinite-impulse-response  biquad  audio  image-processing  distance-metrics  algorithms  interpolation  audio  hardware  performance  sampling  computer-vision  dsp-core  music  frequency-spectrum  matlab  power-spectral-density  filter-design  ica  source-separation  fourier-transform  fourier-transform  sampling  bandpass  audio  algorithms  edge-detection  filters  computer-vision  stereo-vision  filters  finite-impulse-response  infinite-impulse-response  image-processing  blur  impulse-response  state-space  linear-systems  dft  floating-point  software-implementation  oscillator  matched-filter  digital-communications  digital-communications  deconvolution  continuous-signals  discrete-signals  transfer-function  image-processing  computer-vision  3d