Questions tagged «discrete-signals»

我对比例尺的理解是，对于特定的行，显示了输入信号在特定位移处的小波投影的得分。对于行，同样的情况适用，但对于小波的扩张版本。我认为可以为所有类型的小波变换定义比例图，即： 连续小波变换 离散小波变换 冗余小波变换 但是，经过进一步研究，似乎只能为CWT定义比例尺。基于此，我有多个相互关联的问题，而Google不足以使用ATM。 问题： 是否为DWT或RWT定义了比例尺，这是真的吗？如果是这样，为什么不呢？ 假设使用DWT ，长度信号具有10级分解。如果将所有级别绘制为一幅图像（即图像），则该图像称为什么？ññN10 x N10Xñ10xN 作为DWT“比例尺”的示例，以下是AWGN的示例： 关于同一信号，假设我们绘制所有电平信号的近似MRA。（同样也是）图像。该图像用适当的术语称为什么？例如，在这里，我显示了AWGN的近似MRA和详细MRA。（很明显，它们与DWT的“比例图”不同）。10 x N10Xñ10xN 谢谢！

9 discrete-signals  frequency-spectrum  wavelet  terminology  scale-space 

我正在阅读里昂的书中的离散傅里叶变换一章-了解数字信号处理-不能理解关于对称性的最后一段。 DFT还有另外一个对称属性，这一点值得一提。在实践中，有时需要确定实际输入函数的DFT，其中输入索引ññn定义为正值和负值。如果那个实数输入函数是偶数，那么总是实数和偶数；也就是说，如果实数，则通常为非零，而为零。相反，如果实输入功能是奇数，，则总是为零和是，通常为非零。X （Ñ ）= X （- ñ ）X 真实（米）X IMAG（米）X （X（米）X（米）X(m)X （Ñ ）= X （- Ñ ）X（ñ）=X（-ñ）x(n) = x(−n)X真实（米）X真实（米）X_{\textrm{real}}(m)X意象（米）X意象（米）X_{\textrm{imag}}(m)x （n ）= − x （− n ）X（ñ）=-X（-ñ）x(n) = −x(−n)X真实（米）X真实（米）X_{\textrm{real}}(m)X意象（米）X意象（米）X_{\textrm{imag}}(m) 注意：X（米）= X真实（m ）+ j X意象（米）X（米）=X真实（米）+ĴX意象（米）X(m) = X_{\textrm{real}}(m) + jX_{\textrm{imag}}(m) 首先，“奇数”和“偶数”是什么意思？我怀疑这是输入信号中的样本数，但这使我想到了第二个问题， 为什么实输入函数为偶数为零，为什么实输入函数为奇数的为零且通常非零吗？X意象（米）X意象（米）X_{\textrm{imag}}(m)X真实（米）X真实（米）X_{\textrm{real}}(m)X意象（米）X意象（米）X_{\textrm{imag}}(m)

9 discrete-signals  dft 

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