Questions tagged «discrete-signals»

离散信号或离散时间信号是由一系列量组成的时间序列。

6
从信号分析的角度看,卷积和互相关之间的区别
我试图理解卷积和互相关之间的区别。我已阅读的理解这个答案。我也了解下面的图片。 但是,就信号处理而言(一个我不太了解的领域。),给定两个信号(或者可能是一个信号和一个滤波器?),何时使用卷积,何时使用互相关,我意思是,在现实生活中进行分析时,我们会更喜欢卷积,而在何时,我们会更倾向于互相关。 似乎这两个术语有很多用处,那么,这有什么用? *此处的互相关应g*f改为f*g

2
双线性变换有替代方法吗?
当基于模拟滤波器设计数字滤波器时,我们通常使用双线性变换。为了从模拟(连续)传递函数近似离散传递函数,我们用Da(z)Da(z)D_a(z)A(s)A(s)A(s) z=1+sT/21−sT/2z=1+sT/21−sT/2z = \frac{1+sT/2}{1-sT/2} 其中是采样周期。替代地,为了从离散传递函数近似连续传递函数,我们用TTTAa(s)Aa(s)A_a(s)D(z)D(z)D(z) s=2Tz−1z+1s=2Tz−1z+1s = \frac{2}{T} \frac{z-1}{z+1} 是否有执行这种转换的替代方法?有更好的近似值吗?

5
离散时间傅立叶变换与离散傅立叶变换之间的差异
我已经阅读了许多有关DTFT和DFT的文章,但是除了一些可见的东西(例如DTFT一直到无穷大而DFT一直到N-1)之外,我无法分辨两者之间的区别。谁能解释其中的区别以及何时使用什么?维基说 DFT与离散时间傅立叶变换(DTFT)的不同之处在于其输入和输出序列都是有限的。因此,它被称为有限域(或周期性)离散时间函数的傅立叶分析。 是唯一的区别吗? 编辑: 这篇文章很好地解释了区别

3
级联双二阶部分以实现高阶滤波器的工作原理?
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 


2
固定与非固定信号?
教科书和维基百科上有很好的技术定义,但是我很难理解在实践中区分固定信号和非固定信号的原因是什么? 以下哪个离散信号是固定的?为什么?: 白噪声- 是(根据找到的所有可能的信息) 有色噪声- 是(根据 有色噪声:固定的还是非固定的?) rp(频率变化的窦)-? 窦-? 不同周期和振幅的多个窦的总和-? ECG,EEG,PPT和类似的-? 混沌系统输出(mackey-glass,后勤图)-? 记录户外温度-? 外汇市场货币对发展的记录-? 谢谢。

1
帮助计算/理解MFCC:梅尔频率倒谱系数
我一直在网上阅读点点滴滴,但我无法将它们拼凑在一起。我对信号/ DSP有一定的背景知识,应该足以满足此要求。我有兴趣最终使用Java对该算法进行编码,但是我还不完全了解它,这就是为什么我在这里(它算作数学,对吗?)。 我认为这与我的知识差距一起起作用。 从您的音频语音样本开始,比如说一个.wav文件,您可以将其读入数组。把这种阵列,其中Ñ范围为0 ,1 ,... ,ñ - 1(所以Ñ样品)。这些值对应于我猜想的音频强度-振幅。x[n]x[n]x[n]nnn0,1,…,N−10,1,…,N−10, 1, \ldots ,N-1NNN 将音频信号分成10ms左右的不同“帧”,假设语音信号是“固定的”。这是量化的一种形式。因此,如果您的采样率为44.1KHz,则10ms等于441个采样或值。x[n]x[n]x[n] 进行傅立叶变换(为计算起见,使用FFT)。现在,这是在整个信号上还是在每个单独帧上完成的?我认为这是有区别的,因为一般来说,傅立叶变换会查看信号的所有元素,因此F(x [ n ] )≠ F(x 1 [ n ] )与F(x 2 [ n ] )与... F结合(x N [ n ] )其中xx[n]x[n]x[n]F(x[n])≠F(x1[n])F(x[n])≠F(x1[n])\mathcal F(x[n]) \neq \mathcal F(x_1[n])F(x2[n])F(x2[n])\mathcal F(x_2[n])…F(xN[n])…F(xN[n])\ldots \mathcal F(x_N[n])是较小的帧。无论如何,假设我们进行了一些FFT,最后剩下 X [ k ]。xi[n]xi[n]x_i[n]X[k]X[k]X[k] 映射到梅尔刻度,并进行记录。我知道如何将常规频率数字转换为梅尔刻度。对于每个的X [ ķ ]:(以下简称“x轴”如果你让我),你可以在这里做公式http://en.wikipedia.org/wiki/Mel_scale。但是,“ …


8
DSP或信号/图像/数据处理笑话
其他一些StackExchange / StackOverflow网站则具有一定的幽默感或趣味性。 您最喜欢的“数据分析”卡通是什么?特别值得一提的是(IMHO)关于因果关系和相关性的xkcd动画片(DSP人士知道我的意思): 那么答案中允许幽默吗?我希望如此,例如: StackOverflow:您最好的程序员笑话是什么? MathOverflow:是否存在良好的数学笑话 SE.Stats(交叉验证):统计笑话 SE.Stats(交叉验证):您最喜欢的“数据分析”卡通是什么? SE.Maths 关于数学笑话的问题 确实存在信号处理或图像处理中的幽默感,尽管深度较浅且传播范围较窄。在土耳其伊斯坦布尔的ICASSP 2000 DSP幽默展览上,我第一次遇到了幽默(之前我零幽默)。下图来自EURASIP的Humor in DSP: 所以我认为,我们应该得到一些humor和joke标签和实际亮度。前进!


5
使用FFT设计FIR滤波器有什么问题?
我试图了解使用带卷积滤波器内核的“第一原理”设计的FIR滤波器与使用FFT的两种方式之一设计的滤波器之间的关系(请参见下文)。 据我了解,FIR滤波器的脉冲响应与滤波器的卷积内核是一样的。(如果我错了纠正我。) 另外,据我所知,FIR滤波器的脉冲响应的成分频率(即傅立叶变换)与滤波器的频率响应相同。因此,傅立叶逆变换将使我获得脉冲响应。(同样,如果我做错了,请纠正我)。 这使我得出两个结论(忽略相位响应或假设线性相位响应): 通过“绘制”所需的频率响应,采用IFFT来获得脉冲响应,并将其用作卷积内核,我应该能够设计出具有任意频率响应的FIR滤波器。 或者,我应该能够通过对输入信号进行FFT,在频域中乘以所需的任意频率响应,并对结果进行IFFT来生成输出信号,从而创建一个滤波器。 直觉上,感觉1和2是等效的,但是我不确定是否可以证明这一点。 似乎人们(和DSP文献)都竭尽全力设计具有预定义响应的FIR内核,使用诸如Chebyshev或Remez这样的复杂(对我而言)算法(我抛出了一些我已经读过的名字,但并没有真正理解它们) 。 当对于每个可能的FIR内核都存在FFT / IFFT变换时,为什么要采用这些长度? 为什么不简单地绘制所需的确切频率响应,进行IFFT,然后得到FIR内核(上面的方法1)?


1
使用RMS获得曲目的响度
我正在尝试计算存储在缓冲区中的音轨的响度。缓冲区包含信号的PCM数据,我想通过使用均方根来获得“响度”。我假设我可以在时域中执行此操作,而不必切换到频域。这样做的伪代码是什么? 我是否只需采样一秒钟(音频[0]-音频[44099],音频[44099]-音频[88199]等),然后计算这些值的均方根值?因此,例如,我会这样做: RMS=audio[0]2+audio[1]2+audio[2]2.....audio[44099]244100−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−√RMS=audio[0]2+audio[1]2+audio[2]2.....audio[44099]244100RMS = \sqrt{\frac{\text{audio}[0]^2 + \text{audio}[1]^2 + \text{audio}[2]^2.....\text{audio}[44099]^2}{44100}} 每秒钟?

2
Arnold Tustin首先在哪里引入双线性变换?
众所周知,双线性变换也称为Tustin方法。据我所知,Arnold Tustin确实将这个想法引入了控制系统文献中,因此名称不只是斯蒂格勒定律的一个例子。例如,我设法找到以下参考: 英国的Tustin开发了用于时间序列模型的双线性变换,而Oldenbourg和Sartorius也使用差分方程对此类系统进行建模。[1][1][1] 目前尚不清楚他是在什么地方首次提出这个想法的,即使是在浏览其出版物的标题时也是如此。我猜想它后来只会被称为双线性变换,因此他可能没有使用该术语。我想读一下他对这项技术的阐述。有人知道他第一次出版吗? Bissel,CC 自动控制的历史。链接。

2
具有较高信号采样率的优点是什么?
作为非信号处理科学系的学生,我对这些概念的理解有限。 我有一个连续的周期性轴承故障信号(具有时间幅度),该信号以和频率采样。我利用一些机器学习技术(卷积神经网络)将故障信号分类为非故障信号。 48 kHz12 kHz12 kHz12\textrm{ kHz}48 kHz的48 kHz48\textrm{ kHz} 当我使用我能够达到的分类精度。同样,当我对相同的信号应用相同的技术但以采样时,尽管与传感器在相同的RPM,负载和记录角度下进行记录,但我仍能够达到精度。 97 ± 1.2 %95 %48 kHz12 kHz12 kHz12\textrm{ kHz}97 ± 1.2 %97±1.2%97 \pm 1.2 \%95 %95%95\%48 kHz的48 kHz48\textrm{ kHz} 误分类率上升的原因可能是什么? 有没有发现信号差异的技术? 较高分辨率的信号容易产生较高的噪声吗? 该信号的细节可以看出这里,在第3章。

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.