Questions tagged «frequency»

我正在从冰箱中收集温度数据。数据就像一波浪。我想确定波浪的周期和频率（以便我可以测量对冰箱的修改是否有效果）。 我正在使用R，我想我需要对数据使用FFT，但是我不确定从那里去哪里。我是R和信号分析的新手，因此非常感谢您的帮助！ 这是我正在产生的波浪： 到目前为止，这是我的R代码： require(graphics) library(DBI) library(RSQLite) drv <- dbDriver("SQLite") conn <- dbConnect(drv, dbname = "s.sqlite3") query <- function(con, query) { rs <- dbSendQuery(con, query) data <- fetch(rs, n = -1) dbClearResult(rs) data } box <- query(conn, " SELECT id, humidity / 10.0 as humidity, temp / 10.0 as temp, …

11 frequency  wave 

我想将信号转换为频域。所需的频率范围为0.1 Hz，1 Hz频率分辨率为0.01 Hz。 采样率为时30 Hz，FFT给出的频率分量高达15 Hz。提高采样率可提供更好的频率分辨率。但是，FFT可以提供更宽的频率范围。就我而言，我只是想0.1 Hz给1 Hz，FFT放弃对15 Hz（额外的计算）。 我的问题是，是否有标准方法可以计算具有特定频率范围和高分辨率的信号的频域？

11 fft  frequency 

我不了解计算瞬时频率的原理，并且提出了很多问题。您可以在本文末尾的项目符号列表中找到它们。请原谅，这段文字可能会有点长，但是我真的想自己解决这个问题。 因此，我对实值信号x （t ）的瞬时频率F（吨）F（Ť）f(t)感兴趣。计算是借助解析信号z （t ）= x （t ）+ j y （t ）进行的，其中y （t ）是x （x （t ）X（Ť）x(t)ž（t ）= x （t ）+ j y（吨）ž（Ť）=X（Ť）+Ĵÿ（Ť）z(t) = x(t) + j y(t)ÿ（吨）ÿ（Ť）y(t)X（t ）X（Ť）x(t)。 为了根据分析信号ž（吨）ž（Ť）z(t)计算瞬时频率，我遵循以下论文： Arthur E. Barns从1992年开始计算瞬时频率和瞬时带宽。在本文中，他介绍了多种计算瞬时频率的方法。我写下了他提出的所有公式（我曾经使用过）。 为了进行“学习”，我在MATLAB中试用了一个非常简单的信号，以及两个稍微复杂的信号，并希望获得它们的瞬时频率。 Fs = 1000; % sampling-rate = 1kHz t = 0:1/Fs:10-1/Fs; % 10s 'Timevector' chirp_signal = …

9 signal-analysis  frequency  phase  hilbert-transform  analytic-signal 

我是化学工程师，而不是电子工程师，所以这有点困难。 我试图弄清楚如何获取幅度随时间变化的数据并将其转换为频率随时间变化的数据。我的本能是将数据切成块，对每个块执行FFT，然后绘制。不幸的是，由于每个切片的持续时间接近零，因此不再有足够的信息来获取准确的频率信息（低频需要的时间超过非常小的时间片）。所以...我该怎么做？我确定这是某人已经解决的著名问题。 这是我正在寻找的一种变换，以声波（钢琴音符G）为例进行说明。如您所见，该图为三个轴，第三个轴由颜色表示。 谢谢！

9 fourier-transform  frequency  transform 

当信号被调制到电磁频谱中的载波上时，该信号将占据载波频率周围频谱的一小部分。它还会导致在载波频率之上和之下的频率处产生边带。 但是，为什么和为什么在AM和FM中产生这些边带？为什么在FM中产生那么多的边带，而在AM中只产生两个呢？请提供一个实际的例子，因为我已经知道它们是如何数学生成的。 我知道的是，在时域中，将原始信号放入载波信号时，实际上是将其与载波信号相乘，这意味着在频域中，原始信号会与载波信号卷积。AM中的这两个边带实际上是载波信号的傅立叶变换。 它是否正确？

9 frequency  frequency-spectrum  modulation 

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