Публикации по теме 'signal-processing'


Сложные нелинейности. Эпизод 6: Волнообразование
В сегодняшней статье я хотел бы взглянуть на волнообразование. Для тех, кто не знаком, свертывание волны - интересный тип искажения, который можно найти в нескольких известных схемах аналоговых синтезаторов. Общая идея волнообразных искажений заключается в том, что по мере того, как сигнал становится больше, он в конечном итоге отражает сам себя. Кажется, в том, что я нашел в Интернете, есть много загадок о волнообразовании, поэтому я надеюсь прояснить здесь некоторые вещи, разбив..
Почему я получаю разные результаты при сравнении цифрового фильтра, разработанного
Почему я получаю разные результаты при сравнении цифрового фильтра, разработанного с использованием функций МАСЛО и БИЛИНЕЙ, в Signal Processing Toolbox ? Используя следующие спецификации: Fs = 172800; Fc = 70000; где «Fs» представляет частоту дискретизации, а «Fc» — частоту среза, я создал цифровой фильтр двумя разными способами: 1. Использование функции МАСЛО. [B ,A] = butter(4,Fc/(Fs/2)); 2. Использование функции БИЛИНЕАР для преобразования аналогового фильтра,..
RobustPeriod: частотно-временной анализ для надежного обнаружения множественной периодичности
Эта статья, автором которой являются исключительно ученые и исследователи Alibaba, была принята к участию в программе SIGMOD 2021 Research Track. Обнаружение периодичности является важным шагом в задачах временных рядов, включая мониторинг и прогнозирование показателей во многих областях, таких как приложения IoT и автономная система управления базами данных. Во многих из этих приложений существует несколько периодических компонентов, которые часто чередуются друг с другом. Такие..
что собственные значения выражают в ковариационной матрице?
есть ли связь между ковариацией матрица и собственными значениями? как пример Давайте рассмотрим размер изображения 321 × 261 321 × 261 = 83781. У нас есть только 32 наблюдения и 83781 неизвестный, тогда у нас есть матрица (32 строки X 83781 столбец) затем мы рассчитаем ковариационную матрицу (32 X 32), чтобы получить 32 собственных значения. Вопрос в том, выражают ли эти собственные значения 32 изображения? или нет никакой связи между собственными значениями и изображениями..
Преобразование типа структуры в массив
Эй, у меня есть файл .mat, который содержит данные ЭКГ. Где aa содержит тип структуры [15x10000 double]. Как преобразовать aa в [somethingx1 double], чтобы рассчитать длину сигнала ЭКГ ? aa=load('ff.mat'); aa ПРИМЕЧАНИЕ.  Matlabsolutions.com предоставляет последнюю Помощь по домашним заданиям MatLab , Помощь по заданию MatLab для студентов, инженеров и исследователей в различных отраслях, таких как ECE, EEE, CSE, Mechanical, Civil со 100% выходом. Код Matlab для BE, B.Tech..
Классификация множественных временных рядов с использованием непрерывного вейвлет-преобразования
Классификация множественных временных рядов с использованием непрерывного вейвлет-преобразования Цель этого поста - показать, почему непрерывное вейвлет-преобразование настолько мощно и как его использовать для классификации нескольких нестационарных сигналов и временных рядов. 1 Введение: важность непрерывного вейвлет-преобразования В эпоху цифровизации и четвертой промышленной революции компании все больше сосредотачиваются на разработке приложений, управляемых данными, для..
Интуитивное понимание рандомизированного разложения по сингулярным числам
Реализация SVD на Python с рандомизированной линейной алгеброй Матричная декомпозиция - мощный инструмент для решения многих задач машинного обучения, который широко используется для сжатия данных, уменьшения размерности и обучения разреженности, и это лишь некоторые из них. Во многих случаях для аппроксимации матрицы данных структурой низкого ранга оптимальным выбором часто считается разложение по сингулярным значениям (SVD). Однако точный и эффективный SVD для больших матриц данных..