Questions tagged «noise»

1960年代后（引入NTSC和PAL标准之后），大多数现代阴极射线管（CRT）电视都支持基于电路的彩色信号解码。众所周知，创建新的颜色标准是为了使新电视机能够与当天的旧黑白广播向后兼容（在宗教上也可以与许多其他传统功能向后兼容）。新的颜色标准在较高的载波频率上添加了颜色信息（但在相同的发光时间）。颜色信息在每条水平线的开头之后同步，称为colorburst。 看起来，当您将噪声馈入电视时，电视不仅会产生黑白噪声，还会产生色彩噪声，因为每帧新的水平线都会有色彩信息。但是事实并非如此，因为所有彩电仍会产生黑白噪声！ 为什么会这样呢？ 这是单个水平扫描的示例信号。 如果所有水平扫描都相同（得到条形图！），这就是生成的图片。

58 noise  color  analog  video 

背景： 我正在开发一个iPhone应用程序（在 其他几篇 文章中都有介绍），该应用程序在一个人入睡时“听着”打呼//呼吸，并确定是否存在睡眠呼吸暂停的迹象（作为“睡眠实验室”的预屏幕）测试）。该应用程序主要使用“频谱差异”来检测打sn /呼吸，并且在针对睡眠实验室记录（实际上是非常嘈杂的）进行测试时，效果很好（大约为0.85--0.90）。 问题： 我可以通过多种技术过滤掉大多数“卧室”噪音（风扇等），并且经常以人耳无法检测到的S / N级别可靠地检测到呼吸。问题是语音噪音。在后台运行电视或广播（或者只是在远处说话的人）并不罕见，并且声音的节奏与呼吸/打呼closely紧密匹配。实际上，我通过该应用程序记录了已故作者/讲故事者比尔·霍尔姆（Bill Holm）的录音，与打的节奏，水平变化和其他几种测量方法基本上没有区别。（尽管我可以说他显然没有睡眠呼吸暂停，至少在清醒时没有。） 因此，这是一个远景（可能是一系列的论坛规则），但是我正在寻找一些有关如何区分声音的想法。我们不需要以某种方式过滤掉打ore声（这会很好），但是我们只需要一种方法来拒绝被声音过度污染的“太吵”的声音。 有任何想法吗？ 发布的文件：我已经在dropbox.com上放置了一些文件： Epica_Storm_the_Noisy_Sorrow_minus_10dB_wav.dat Holm_5db_noisy_wav.dat recordFile20120408010300_first_ten_wav.dat 第一个是相当随机的摇滚（我猜）音乐，第二个是已故的Bill Holm讲话的录音。两者（我将其作为“噪声”样本从打nor中区分出来）都与噪声混合在一起，以使信号模糊。（这使识别它们的任务变得更加困难。）第三档是您的录音的十分钟，真正的三分之一是呼吸，打middle混合，最后三分之一是稳定的打nor。（您咳嗽会得到奖金。） 这三个文件都已从“ .wav”重命名为“ _wav.dat”，因为许多浏览器都使下载wav文件异常困难。下载后，只需将它们重命名为“ .wav”即可。 更新：我以为熵对我来说就是“把戏”，但事实证明，这主要是我所使用的测试用例的特殊性，以及设计得不太好的算法。在一般情况下，熵对我无能为力。 随后，我尝试了一种技术，该技术可以计算每秒采样约8次的整体信号幅度（我尝试过功率，频谱通量和其他多种测量方法）的FFT（使用几种不同的窗口函数）（取自主要FFT周期的统计信息）这是每1024/8000秒）。对于1024个样本，这涵盖了大约两分钟的时间范围。我希望由于打/呼吸与声音/音乐的节奏较慢，我能够看到这种模式（而且它可能也是解决“ 可变性 ”问题的更好方法），但是尽管有提示到处都是模式，没有什么我可以真正锁定的。 （进一步的信息：在某些情况下，信号幅度的FFT会产生一个非常明显的模式，在0.2Hz处有一个很强的峰值，并产生阶跃谐波。可能有某种方法可以计算品质因数的相关值，但似乎需要对约4阶多项式进行曲线拟合，而在手机中每秒进行一次拟合似乎是不切实际的。） 我还尝试对将频谱划分为5个单独的“频段”进行相同的平均幅度FFT。波段是4000-2000、2000-1000、1000-500和500-0。前4个频段的模式通常与总体模式相似（尽管没有真正的“突出”频段，并且在较高频段中的信号通常消失得很小），但500-0频段通常只是随机的。 赏金： 鉴于内森（Nathan）是迄今为止最有成效的建议，尽管纳森（Nathan）没有提供任何新的东西，我还是要给予赏金。但是，如果他们提出了一些好主意，我仍然愿意将其奖励给其他人。

22 fft  noise  frequency-spectrum  voice 

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 

这似乎是一个简单的问题，毫无疑问，但这是一个问题，但我正在尝试计算高斯白噪声的方差，而没有任何结果。 加性高斯白噪声（AWGN）的功率谱密度（PSD）为而自相关为，那么方差是无限的吗？N02ñ02\frac{N_0}{2}N02δ(τ)N02δ(τ)\frac{N_0}{2}\delta(\tau)

20 noise  power-spectral-density  random-process 

有什么算法可以生成对（粉红色）噪声的良好伪随机近似，但又适合在整数DSP上以较低的计算成本实现？1 / f1个/F1/f

20 noise  random 

有人知道一个可以减弱非语音的滤波器吗？我正在写语音识别软件，想过滤掉人类语音以外的所有内容。这将包括背景噪音，microphone脚的麦克风产生的噪音，甚至是背景音乐。我已经实现了可补偿功率谱6 dB滚降的一阶滤波器，但是我仍然听到噪音（尽管语音听起来更加清晰）。我曾经考虑过使用低通滤波器，但由于两个原因，我对此并不满意： 我不知道低通前置滤波器是否会干扰其余的语音处理。即使人耳只能检测到低于20 kHz的声音，我也不想冒消除处理语音所需的任何高次谐波的风险（尽管我不知道是否是这种情况。但是我不想冒险）。 我了解某些辅音（例如f，h和s）的激发几乎完全是白噪声。可以这么说，我不想实现一个可以消除良好噪声的噪声滤波器。 理想情况下，我只想听麦克风里那个人的讲话。如果您有任何想法，或者我缺少什么，请告诉我。非常感激！

17 filters  audio  noise  speech-recognition 

在某些论文中，我读到加性噪声是带限高斯白。 如何使用MATLAB模拟这种类型的噪声？

16 matlab  noise  gaussian 

我想在频域中创建白噪声，然后使用python将其转换为时域。为了理解这个问题，我只是在时域中产生白噪声，然后将其转换为频率域： import scipy.signal as sg import numpy as np import matplotlib.pyplot as plt e = np.random.normal(0,1,1e3) E = sg.fft(e) plt.figure("Bode plot") plt.subplot(211) plt.title("Magitude") plt.plot(abs(E)) plt.subplot(212) plt.title("Phase") plt.plot(np.angle(E)) plt.show() 我没有完全按照我的预期看： 问题： 白噪声不应该具有平坦的幅度响应吗？（所有频率相等） 标准偏差（在我的示例中为1）与幅度和相位之间是什么关系？ 先感谢您！

16 fft  noise  python 

为了降低图像噪点，我正在努力使维纳滤波器工作。就我而言，我将首先使用另一个降噪滤波器，然后将其结果用作Wiener滤波器的噪声特性的近似值。 关于Wiener滤波器的信息，我发现以下Matlab代码和说明很有用： http://www.mathworks.co.uk/help/toolbox/images/f11-12251.html#f11-14272 以及其他一些良好的链接，例如 http://blogs.mathworks.com/steve/2007/11/02/image-deblurring-wiener-filter/ 因此，从Matlab的角度来看，我可以看到如何使用内置的Matlab函数，但我想获得更基本的了解，而不仅仅是使用函数调用，但与此同时，我更希望找到比可消化的东西更易消化的东西。维纳过滤的维基百科条目。 有人愿意提供有关维纳滤波的简要说明吗？

16 image-processing  filters  noise  denoising  wiener-filter 

假设我们有一个包含高斯白噪声的信号nnn。如果我们通过乘以调节这个信号sin2ωtsin⁡2ωt\sin 2\omega t，产生的信号仍然有一个白色的功率谱，但很明显的噪声现在时间“束身”。这是一个循环平稳过程的例子。 x(t)=n(t)sin2ωtx(t)=n(t)sin⁡2ωtx(t) = n(t) \sin2\omega t 假设我们现在通过与正弦和余弦本机振荡器混合以形成I和Q信号来解调频率为ωω\omega的信号： Q = X （吨）× COS ω 吨I=x(t)×sinωtI=x(t)×sin⁡ωtI = x(t) \times \sin\omega t Q=x(t)×cosωtQ=x(t)×cos⁡ωtQ = x(t) \times \cos\omega t 天真地观察到的功率谱（在大于1 / f的时间间隔内获取）是白色的，我们可以预期I和Q都包含相同幅度的白色高斯噪声。但是，真正发生的是，I正交选择性地对具有高方差的时间序列x （t ）的部分进行采样，而相位相差90度的Q对较低方差的部分进行采样：x(t)x(t)x(t)1/f1/f1/fIIIQQQIIIx(t)x(t)x(t)QQQ 结果是我的噪声频谱密度是是Q的 3倍。3–√3\sqrt{3}QQQ 显然，在功率谱之外必须有一些对描述调制噪声有用的东西。我所在领域的文献中有许多描述上述过程的可访问论文，但我想学习信号处理/ EE社区如何更普遍地对待它。 有哪些有用的数学工具可用于理解和控制循环平稳噪声​​？ 任何参考文献也将不胜感激。 参考文献： Niebauer等人，“非平稳散粒噪声及其对干涉仪灵敏度的影响”。物理 修订版A 43，5022-5029。

16 noise  modulation  cyclostationary-random-process 

我有一个要在Matlab中仿真的无线通信系统。我通过稍微调整传输信号的相位来执行一些水印处理。我的仿真采用原始I（同相）和Q（正交）值，并添加水印。然后，在传输之后，我必须模拟最终的误码率。现在，我只需要向信号中添加不同数量的热噪声即可。 由于我将信号表示为其I和Q通道，因此将AWGN（加性高斯白噪声）直接添加到I和Q是最容易的。一种想法是分别向两个通道添加噪声，但是我的直觉告诉我，这与将其整体添加到信号中并不相同。 那么，当它处于这种形式时，如何添加噪音呢？

16 noise  gaussian 

在不破坏边缘的情况下消除高斯噪声的最佳滤波器是什么？我正在使用具有加性高斯噪声的标准Lena图像，并且想在应用各向异性扩散之前进行降噪。我不想对中值进行滤波，因为边缘变得模糊了。我尝试了自适应过滤，但效果不理想。

15 image-processing  filters  noise 

如何量化某些噪声的“白”程度？是否有任何统计量度或其他量度（例如FFT）可以量化特定样本与白噪声的接近程度？

14 noise 

对于显微镜，我们经常测试相机。由于我的应用程序涉及的信噪比非常低，因此噪声中没有相关性和模式非常重要，因为局部相关才是真正将信号与背景区分开的。 为了测试噪声，我通常获取一系列〜100个暗帧，即没有外部光照射到摄像机的帧，通过时间平均确定固定的摄像机模式，然后从该序列中减去该帧。 通过观察每个像素随时间的标准偏差并查看生成的图像（例如，相机的不同行/列具有不同的噪声标准偏差），并逐行逐列地观察了噪声中的模式互相关（我在一些交错相机中注意到，噪声在每隔一行之间是相关的）。 这些测试中的第一个仅是定性的，第二个仅给我（相对）全局相关性。是否有更好（更快）的方法来确定相机噪声中是否存在任何相关性或动态模式？

14 noise  camera 

的定义似乎在工业上有点像通天塔。S N R有哪些定义（可随时用于现场应用程序），以及如何精确地测量该应用程序的定义？SNRSNR\rm SNRSNRSNR\rm SNR 我对具体问题是：SNRSNR\rm SNR 如果我们尚无法获得最佳的比特采样时序，并且仅需处理接收机中的所有信号（包括I和E的包络），我们如何测量通信系统的 Q频道？有关上下文，请参见本文。SNRSNR\rm SNR 一旦我们获得了最佳的位采样并获得了软位，如何最好地测量（或E b N 0）？我使用的一种方法是： 10 log 10 [ 均值{ | s n | 2 }SNRSNR\rm SNREbN0EbN0E_bN_010log10[mean{|sn|2}var{|sn|}],10log10⁡[mean{|sn|2}var{|sn|}], 10\log_{10}\left[ \frac{\textrm{mean}\left\{\lvert s_n \rvert^2\right\}}{\textrm{var}\textrm\{\lvert s_n \rvert\textrm\}}\right], 但是我了解这不适用于低情况。还有什么其他方式？SNRSNR\rm SNR

13 noise  bpsk  snr