Questions tagged «window-functions»

如果要使用Hanning，Hamming，Blackman等窗口函数来平滑时间序列，那么偏爱任何一个窗口而不是另一个窗口有哪些考虑因素？

25 filters  window-functions 

常见的非矩形窗口函数似乎都是对称的。是否曾经有人希望在FFT之前使用非对称窗口函数？（假设是否认为FFT孔径一侧的数据比另一侧的数据更重要，或者噪声较小等）。 如果是这样，已经研究了哪种非对称窗函数，与（具有更大损耗的）偏移对称窗相比，它们将如何影响频率响应？

17 fft  fourier-transform  window-functions 

我以为DSP可以通过对信号的一部分进行FFT来完成，修改FFT产生的样本（因为它们代表了我们信号的频谱+噪声），并去除了任何不想要的信号，然后进行逆FFT来获取时间滤波信号的域表示（噪声已被移除）。但是，此操作尚未完成，而是使用窗口函数在时域中完成所有工作。为什么？ 如果我们在时域中乘以窗函数，而不是在频域中将窗函数的频率响应与信号频谱进行卷积，那该如何计算呢？我的意思是，如果我们只是通过将信号乘以滤波器的频率响应来完成频域中的所有工作，那就像滤波对吗？但是在这里，我们使用时域来完成时域中的所有工作。 ->让我们看看我的困惑来自何处。对于模拟滤波器，例如低通滤波器，我们具有类似频率响应的脉冲。当我们对信号进行滤波时，我们实际上是将信号的频谱乘以类似于滤波器的频率响应的脉冲。这将使信号中的所有频率都超过一个截止值而降至0。这就是低通滤波器的工作原理。为什么不对数字滤波器也一样？

16 filters  frequency-spectrum  filter-design  window-functions  analog 

我试图在scipy.signal中添加所有窗口函数的文档，并且卡在Slepian（与DPSS相同？）和General Gaussian窗口中，这是我以前从未听说过的。 有两个变量是某种类型的形状参数，分别p在广义高斯模型和widthSlepian模型中。（sig似乎是sigma，是标准偏差。） 2个问题： 代替我进行逆向工程和猜测，没有人能解释这些变量的名称以及它们的作用吗？ 您能解释一下这些窗口的用途或用途吗？ def general_gaussian(M, p, sig, sym=True): """Return a window with a generalized Gaussian shape. The Gaussian shape is defined as ``exp(-0.5*(x/sig)**(2*p))``, the half-power point is at ``(2*log(2)))**(1/(2*p)) * sig``. """ if M < 1: return np.array([]) if M == 1: return np.ones(1, 'd') odd = …

10 window-functions 

我很难理解在利用Y'UV图像中的色度二次采样时如何计算数据速率： 我有以下示例进行计算： 图像分辨率：352*288 频率：25 fps 对于（4：4：4），示例计算如下： (352px * 288px) * 3 color channels * 25 fps * 8 bit = 60 825 600 bit/s 到目前为止，一切都很好。 但是现在来了（4：2：0）： (352px*288px) * 1.5 color channels * 25 * 8 = 30 412 800 bit/s 现在，尝试将此示例转换为例如（4：1：1），我意识到我不确定自己是否正确理解如何计算1.5个颜色通道的比率。 我对计算的第一个猜测是在（4：2：0）的情况下： 2/4*3=1.5 color channels 同样，对于（4：1：1），我将计算颜色通道的比率为： 1/4*3=0.75 color channels 但是我根本不确定这是否是正确的方法。 …

10 image-processing  image-processing  matlab  fourier-series  wavelet  transform  image-processing  matlab  image  image-processing  image-registration  segmentation  image-processing  edge-detection  canny-edge-detector  tracking  image  fft  stft  image-processing  preprocessing  segmentation  image-processing  computer-vision  image-segmentation  thresholding  frequency-spectrum  wave  image-processing  edge-detection  window-functions  image-processing  optical-flow  image-processing  ocr  text-recognition  image-processing  computer-vision  frequency-spectrum  image-processing  image-processing  computer-vision  fourier-transform  dsp-core  wave  image-processing  3d 

考虑如何定义Hanning窗口： 0.5 - 0.5 * cos(n*2*Pi/(N-1)) 根据此定义，它具有0.5的增益，这仅仅是系数的平均值。相比之下，据定义，平顶窗具有单位增益，大概是设计使然。 将Hanning窗口缩放2倍似乎是合适的，但我从未在任何地方讨论过此问题。似乎所有窗口都应缩放以获得单位增益。 在实践中，通常会针对窗口进行增益校正吗？如果没有，为什么不呢？ 编辑： 由于没有人给出答案，所以我会详细说明。 很容易找到报告更常见窗口的论文。但是我从未见过有人在将增益用于频谱分析之前提到校正增益。也许我一直都错过了这个表述，或者每个人都认为增益校正是显而易见的要求。 将窗口的增益设置为1以保持信号的能级似乎是常识。此外，如果一个像平板一样具有0 dB的增益，而另一个像高斯一样具有近10 dB的损耗，那么一个如何比较各种窗口的幅度精度。 Windows也被广泛用于FIR滤波器设计。在此应用中，应该清楚的是，要加窗的信号（正弦脉冲）的大部分能量都位于窗的中心。因此，窗口几乎无法减少正弦脉冲的总能量。因此，当用于滤波器设计时，我们不希望单位增益，而是想要像平顶窗以外的大多数窗口一样的单位峰值幅度。除单位峰值幅度外的其他因素都会影响所得FIR滤波器的增益。

9 fft  window-functions 

我正在使用FFT分析本质上是信号的功率包络（有关包含项目的信息，请参见此处），并且由于功率数始终为正，因此为了消除直流分量，我想使用一个窗口与通常的全正函数相比，正负函数为50/50。 我已经采用了“ 平顶 ”功能，消除了a0偏差并将其从余弦转换为正弦，但是我不确定这是最佳的（甚至是有意义的）。 有什么建议吗？

9 fft  window-functions 

如何使用其系数将诸如Hamming或Lanczos之类的窗口函数应用于信号？ 我的意思是，我可以使用哪种方法来做到这一点？FFT？卷积？哪种方法性能更好？

9 window-functions