Questions tagged «snr»

我在理解如何实际操作时遇到问题 我有一个包含纯语音的wav文件，另一个仅包含背景噪声的ave文件（可以是各种噪声，例如白噪声，人群噪声，吹来的风声等）。这些要么纯粹是言语，要么纯粹是噪音。因此，我想我可以通过两个文件中相应样本的简单划分（或样本帧的平均值）从它们获得SNR值。然后，我大胆地将它们组合起来以获得嘈杂的语音文件。我猜该文件将仍然具有相同的SNR。 现在，我将此文件通过降噪程序，并得到另一个文件。如何计算此“降噪”文件的SNR？ -编辑- 后续问题在这里发布

14 matlab  snr 

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 

通常，任何形式的灌肠被定义为不确定性或随机性。在嘈杂的环境中，随着噪声的增加，我相信熵会增加，因为我们对所需信号的信息内容更加不确定。熵和信噪比之间有什么关系？随着信噪比的增加，噪声功率降低，但这并不意味着信号的信息含量会增加！！信息内容可能保持不变，这是否意味着熵不受影响？

13 noise  signal-detection  snr  information-theory 

我正在读一篇论文，其中有离散信号 x （n ）= s（n ）+ w （n ）X（ñ）=s（ñ）+w（ñ）x(n) = s(n) + w(n) 被认为。是已知的确定性级数，w （n ）是均值为零的白噪声。作者写道s （n ）s（ñ）s(n)w （n ）w（ñ）w(n) 产生的信噪比为20 dB 这是什么意思？ 信号能量是什么意思？似乎有几种定义此方法的方法，但本文没有尝试这样做。 20 dB SNR是什么意思？我想要么，要么20 = 20 log E s / E w，但是对于确保这些概念还不够熟悉。20 = 10 对数Ës/ Ew20=10日志⁡Ës/Ëw20=10\log{E_s/E_w}20 = 20 对数Ës/ Ew20=20日志⁡Ës/Ëw20=20\log{E_s/E_w}

11 discrete-signals  snr 

这又是我的打detector探测器。 当有任何东西时，我非常擅长检测信号-可以跟踪从墙壁剥落的打ore声到您甚至在录音中都听不到的呼吸声。问题是，我无法确定信号何时降至可检测的水平以下，并且该应用程序只是在“听到声音”。而且，不幸的是，打nor /呼吸经常不规则，以至于简单的自相关或类似的间隔定时方案不太可能有很大帮助。（实际上，在某些情况下，噪音比呼吸更规律。） 那么，当没有信号时，我有什么窍门想不通吗？考虑到“信号”的开始是如此的杂音，似乎我在这里遇到了困难。 （也许这与我遇到的另一个问题有关：奇怪的是，即使声音很大，我也无法准确（甚至近似）测量信号电平。由于我仍然需要使用滚动平均值和比率来检测信号，级别信息会迷路。我正在寻找一些技巧来重新构造它。） 基本技巧 （尤达） 对音频信号进行采样（出于各种原因，通常以8000Hz的频率进行采样），然后以1024个块进行FFT。（在我的实验中，汉明滤镜和重叠块似乎影响不大，尽管稍后可能会重新讨论。） FFT分为“频段”（当前为5个，在大小上稍有偏斜以在低端放置更多细节），并且将每个频段的“频谱差异”和电平相加。峰值限制值的长期平均值用作“阈值”，进一步的偏差调整用于维持大约20％的“超阈值”速率。 每个“超阈值”值的权重均为1（低于阈值的权重为0），但此权重由频段中的表观“可变性”（大约2Hz）进行调整，以赋予频段更大的权重携带更明显的信号。 将频带的权重相加，然后将后续块的权重相加约一秒钟，以产生连续的“得分”。再次将其与运行中的平均阈值（加上几种启发式方法）进行比较，以检测打sn的起伏。 更新资料 我突然想到，如果我的算法有效地保持恒定水平的信号（针对我的信号水平问题），则有效地测量SNR的方法就是在没有信号时测量噪声。 方便地，打sn是断断续续的，中间有很多“死气”。而且我已经在检测打the信封了。因此，在信封外的任何东西（在一个打sn声的结束与下一个打sn声的开始之间）可能是噪音！我可以（以一定程度的准确性/重复性）进行测量。（当然，我们花了三倍的努力才提出了一种中途的算法-现实与理论不符。） 所以我还没有完整的答案，但是我已经取得了进步。 （虽然以上技术为我提供了相当不错的SNR指标，但我仍然无法估计实际的信号水平。我的“相对水平”指示可能会超出刻度，导致几乎听不到呼吸声，对于窗户响尾蛇来说也是如此。我需要某种绝对级别的代理。）

11 noise  snr 

我有一个信号：，其中我= 0 ... ñ - 1。F一世（吨一世= 我Δ 吨）fi(ti=iΔt)f_i(t_i=i\Delta t)i = 0 … n − 1i=0…n−1i = 0\ldots n-1 信号似乎在较慢的“趋势”附近快速变化。我假设快速变化的部分是噪声，而缓慢变化的部分是真实信号。 如何估算信号的信噪比（SNR）？ 我想，如果我能在treshold频率决定：我可以使用下面的表达式：ωŤωt\omega_t ，其中F表示f（t）的傅立叶变换。S/N=∫ωt0|F(ω)|2∫∞ωt|F(ω)|2S/N=∫0ωt|F(ω)|2∫ωt∞|F(ω)|2S/N=\frac{\displaystyle\int_0^{\omega_t}|F(\omega)|^2}{\displaystyle\int_{\omega_t}^{\infty}|F(\omega)|^2}FFFf(t)f(t)f(t)

9 fft  noise  snr 

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