Signal Processing
文章平均质量分 57
Regnaiq
只是一个学生, 学无止境. 慢慢来, 比较快.
展开
-
Maltab之滤波带来的时延问题
【代码】Maltab之滤波带来的时延问题。原创 2023-08-08 20:38:27 · 576 阅读 · 0 评论 -
matlab FFT之后的问题
FFT之后得到的是各个频率的分量, 是一个complex Value.一般地, fft默认是输入向量的长度:Y=fft(x);但是FFT的点数为2的幂时, FFT的速度会加快:fs=100;L=numel(x)n = 2^nextpow2(L); %Y=fft(signal,n);n就是fft的点数, 代表做fft时把频率分成了多少份. 每份所代表的频率为:fs/n先看一下画出的频谱图P2 = abs(Y)/L; %求幅值(模). 也就是实数部分平方加序数部分平方再开根号f =原创 2020-06-27 15:20:00 · 3391 阅读 · 0 评论 -
为什么高频信号的指向性更好? Quora上一个很直观的回答
来自Why are high frequency sounds more directional than lower frequencies?Jørgen Dal的回答A high frequency wave will pass right through the gap - while the low frequency wave will be diffracted going through the same gap.The wavelength/gap ratio is the...原创 2020-05-23 17:49:20 · 887 阅读 · 0 评论 -
关于MUSIC算法的一些资料
对于MUSIC的理解:MUSIC Super-Resolution DOA Estimation2D-MUSIC相关论文:Dynamic-MUSIC: Accurate Device-Free Indoor LocalizationSpotFi: Decimeter Level Localization Using WiFiMUSIC-based algorithm for range-a...原创 2020-04-21 17:48:51 · 1193 阅读 · 3 评论 -
GCC-PHAT算法
GCC-PHAT是一个计算AOA的算法。这里的AOA是指信号入射到与阵列垂直的线的夹角。画个图做个示意:这里AB为两个microphone, 虚线为入射信号,这里计算AOA的前提是信号是平面波,即两个虚线是平行的。那么AOA即为θ\thetaθ, 范围为[-90,90]. 与AB垂直时,角度为0.这里AB的距离为L,τ\tauτ 为到达时间差,c为声音速度。假设到达两个microph...原创 2019-12-29 15:45:31 · 7108 阅读 · 2 评论 -
录音中的Bits位数
在录音中有一个参数可以设置位数Bits, 一般有8,16,24.代表了一个Sample采样点用多少个2进制位来表示,比如Bits为3的话,就是可以把采样范围划成232^{3}23=8份,在AD转换时分辨率即为1/4。所以Bit位越高,采样精度就越高。但是这个是有硬件限制的。...原创 2019-12-24 16:48:45 · 774 阅读 · 0 评论 -
通信笔记
完全门外汉,自己当笔记做个参考,慢慢积累中…调制调制分为调幅 Amplitude-shift keying (ASK)、调频 Frequency-shift keying (FSK)、调相 Phase-shift keying (PSK)ASKBASK通过改变幅度的大小来进行编码0和1,一个最简单的方法就是编码0的时候令幅度为零,这种编码方式也叫on-off keying, OOKAS...原创 2019-10-16 16:56:57 · 374 阅读 · 0 评论 -
由频谱重构时域信号:直观理解Griffin Lim算法
Griffin Lim算法利用frame之间相位的约束来实现迭代收敛,可以在缺乏原始相位信息的基础上利用频谱重构出语音信号。以下是G-L算法的大致思路:由频谱我们已经有了Amplitude矩阵A1A_{1}A1,随机初试化一个相位矩阵ϕ1\phi_{1}ϕ1.做IFFT变换,得到时域信号(此时的相位并不准确);将时域信号做STFT变换,得到频谱。保留相位矩阵,把Amplitude替换...原创 2019-09-20 15:43:07 · 5683 阅读 · 0 评论 -
WVD: Wigner-Ville Distibution
WVD是一种时频变换的技术,定义为对信号的瞬时相关函数做FFT。优点:1. 不加窗,时间和频率没有互相牵制,分辨率超级高,高到每个采样点缺点:1. 如果用于多个信号分量时,会产生交叉项干扰,有时会严重影响原信号。对策:伪 WVD(引入窗函数) 和伪平滑WVD(引入参数优化,依赖参数的选择,类似与小波变换中小波的选择)。参考:[1]时频分析方法总结:傅里叶级数...原创 2019-05-31 20:00:06 · 14963 阅读 · 0 评论 -
自适应滤波器的四种基本应用
1.系统辨识:当我们想描述一个未知系统(如一组复杂的模拟电路),解析的算出系统的冲击响应或者系统函数是比较困难的。这时,我们就可以用未知系统的输入和输出训练自适应滤波器(未知系统的输入作为自适应滤波器的输入,未知系统的输出作为自适应滤波器的期望信号,当自适应滤波器收敛后,对应的滤波器就可以看做是未知系统的近似)。2.逆系统辨识:在这类应用中,自适应滤波器的作用是提供一个逆模型,该模型可在某种意义上...转载 2018-05-07 21:40:47 · 20417 阅读 · 4 评论 -
自适应滤波器:最小均方误差(LMS)滤波器
自适应算法所采用的最优准则有最小均方误差(LMS)准则,最小二乘(LS)准则、最大信噪比准则和统计检测准则等,其中最小均方误差(LMS)准则和最小二乘(LS)准则是目前最为流行的自适应算法准则。x(n)代表n时刻的输入信号,y(n)代表n时刻的输出信号,d(n)代表n时刻的期望信号,通过期望信号与输出信号之差e(n)来自动调节自适应滤波器的参数,使下一时刻的输出y(n+1)能够更加接近期望信号。利...转载 2018-05-07 15:32:14 · 15188 阅读 · 0 评论 -
粒子滤波(Particle Filter)的通俗解释
其实,粒子叫作估计器estimator。估计过去叫平滑smoothing,估计未来叫预测prediction,估计当前值才叫滤波filtering。粒子滤波算法源于蒙特卡洛思想,即以某事件出现的频率来指代该事件的概率。通俗的讲,粒子滤波也是能用已知的一些数据预测未来的数据。我们知道,科尔曼滤波限制噪声时服从高斯分布的,但是粒子滤波可以不局限于高斯噪声,原理上粒子滤波可以驾驭所有的非线性、非高斯系统转载 2017-03-15 11:06:13 · 12848 阅读 · 6 评论 -
卡尔曼滤波(Kalman Filter)的通俗解释
intuitive explain:作者:Kent Zeng链接:https://www.zhihu.com/question/23971601/answer/26254459假设你有两个传感器,测的是同一个信号。可是它们每次的读数都不太一样,怎么办?取平均。再假设你知道其中贵的那个传感器应该准一些,便宜的那个应该差一些。那有比取平均更好的办法吗?原创 2017-02-22 16:03:07 · 3583 阅读 · 0 评论 -
小波变换(wavelet transform)的通俗解释(一)
从傅里叶变换到小波变换,并不是一个完全抽象的东西,可以讲得很形象。小波变换有着明确的物理意义,如果我们从它的提出时所面对的问题看起,可以整理出非常清晰的思路。下面我就按照傅里叶-->短时傅里叶变换-->小波变换的顺序,讲一下为什么会出现小波这个东西、小波究竟是怎样的思路。一、傅里叶变换关于傅里叶变换的基本概念在此我就不再赘述了,默认大家现在正处在理解了傅里叶但还没理转载 2017-02-16 10:57:34 · 54563 阅读 · 14 评论 -
小波变换(wavelet transform)的通俗解释(二)
上篇文章已经说得很详细了,这边文章作为补充。首先是一个宏观的例子:相信大家都看过油画。 对于特别巨幅的油画, 不知道有没有过体会, 油画是只可远观而不可亵玩? 当你在足够远的距离观察油画时, 油画所表达的内容是有层次且内容丰富的, 但是当你靠近油画甚至贴在油画上看时, 你只能看到一个个的小色块, 而此时这些小色块此时变成毫无意义的无规则排列。 我们假设油画中的每个小色块都对应某转载 2017-02-16 10:56:30 · 21057 阅读 · 2 评论 -
压缩感知(compressed sensing)的通俗解释
作者:咚懂咚懂咚来源: 知乎链接:https://zhuanlan.zhihu.com/p/22445302---------------------------------------------------------------在我看来,压缩感知是信号处理领域进入21世纪以来取得的最耀眼的成果之一,并在磁共振成像、图像处理等领域取得了有效应用。压缩感知理论在其复杂的...转载 2017-02-16 21:01:51 · 48624 阅读 · 12 评论 -
一幅图弄清DFT与DTFT,FFT的关系
很多同学学习了数字信号处理之后,被里面的几个名词搞的晕头转向,比如DFT,DTFT,DFS,FFT,FT,FS等,FT和FS属于信号与系统课程的内容,是对连续时间信号的处理,这里就不过多讨论,只解释一下前四者的关系。首先说明一下,我不是数字信号处理专家,因此这里只站在学生的角度以最浅显易懂的性质来解释问题,而不涉及到任何公式运算。学过卷积,我们都知道有时域卷积定理和频域转载 2017-02-16 18:53:45 · 14413 阅读 · 3 评论