Arvio Std

D

Dmitri

Guest
Kysymykseni on seuraava.Hyvin usein meidän täytyy käsitellä lisäaineiden seos on hyödyllinen signaali ja haitallista melua.Kuvitelkaa, ei ole tietoa melun (se on ristiriidassa, voiman spektritiheyden).
)?

Kysymykseni kuuluu: miten voimme arvioida keskihajonta melun tässä seoksessa (lausekkeen Computing STD)?Osalta,

Dmitri

 
Hei,

Joka signaalinkäsittely algoritmi olemme mukana kaksi sellaista signaalia, haluttu signaali ja epätoivottu signaali (melu ja häiriöt).tärkeimmät asiat, jotka on mahdollista erottaa signaali ja kohina ovat niiden erilaisen luonteen.
Joissakin tilanteissa signaali on rajallinen kirjaimia (tunnettu tai tuntematon).yksinkertaisemmin niistä signaali on bändi rajoitettu.Joissakin muissa sovelluksissa saatamme saada useita kopio signaali ja melua.
niin, että vastaus tähän kysymykseen on "Se riippuu sovelluksesta".kysymys on "mitä skenaariossa haluat arvioida STD?"
mutta jos haluat tutkia tätä ongelmaa hyödyntää erilaisia luonteeltaan signaalin ja melu saat mihinkään.Muista, että lisäksi on häviöllinen operaattori.Kun tulos Lisäksi on 6 voitte arvata, se oli 2 4, tai ehkä 1 5.joka tuntee ilman kauemmas tietoja?

terveisin

 
Perhabs, olet oikeassa, jotka koskevat alustavat knoledge melusta sisäistä rakennetta.Kuitenkin, voit ehdottaa mitään kaavaa STD arvio, joka käyttää parametrit melu?Olen varma, kaavaa, ehkä ei pidä paikkaansa, vaan lähentää, on olemassa, koska proble, olen törmännyt, hyvin todella syntyy signaalinkäsittelyn algoritmeja.
.

Ole hyvä, anna mitään kaavaa.I'll kiitollinen sinulle.

Osalta,

Dmitri

 
Hei,

STD (keskihajonta)

Let's on esimerkkejä.

Skenaario on STD arvio melua, kun bändi rajoitetun signaalin tiedetään PSD (esim. kaikki moduloitu signaali) on vioittunut on valkoinen (tai värillinen) Gaussin melua.Tämän yksinkertaisen esimerkin yksi tapa arvioida STD.Melun on ensin saatava näyte autokorrelaatiofunktio on rceived signaalin ja sitten laskea PSD signaalin.tietäen, että PSD on vastaanotettu signaali on summa PSD on toivottu signaali ja PSD melua (ja cource jos ne ovat riippumattomia) niin vähentämällä näytteen PSD on vastaanotettu signaali on tunnettu PSD on haluttu signaali arvio PSD melua on saatu.nyt on arvioitu PSD melun voit saada paljon melua parametrit kuten varianssi (alle käyrä Aria of PSD).kaistanleveys melua, ja niin edelleen.

monia elegantteja melua parametrien estimointi algoritmeja, joissa käytetään muita mahdollisuuksia, kuten rajalliset aakkoset tiedonsiirto, MIMO tapauksissa ja jne.

Toivottavasti tämä auttaa sinua.

 
Tämä ajatus vähentämällä PSD on haluttu signaali PSD ja seosta (signaali kohina) sopii vain, kun tiedämme tarkalleen malli signaalin.Kuitenkin nreal käytännön tehtävissä myönteinen signaali on tiedossa, koska se on saastunut melusta.Siksi en yksinkertaisesti tiedä, mitä "toivottu signaali" tarkoittaa.Joten tämä lähestymistapa voi olla hyödyllinen ja tehokas täällä.

Osalta,

Dmitri

 
10x vastauksistanne
mutta plz toisenkin kysymyksen, haluan vertailla joitakin estimaattorit ja niiden suorituskyky, jos meidän signaali corepted on lisäaine gaussien melua, voinko käyttää STD?tai voitteko neuvoa minulle tekniikkaa tästä!

todella kiitos

ystävällisin terveisin

PS: minun tapauksessani, olen todellinen signaalin ja signaalin correpted melun

 
No, tehokkuutta denoising tekniikkaa on huolellisesti estmated erityiset kriteerit.Yleensä ne auttavat meitä päätellä, onko tutkittu algoritmi soveltuu käytännön luokan signaalit (tai yksi signaali) tai ei.Käytän seuraavat kriteerit:

1) SNR - Signaali-kohinasuhde.On olemassa lukuisia määrä tapoja Computing SNR.Useimmiten se on tehty jakamalla enintään absoluuttinen arvo signaalin STD melua.Tarvittaessa se voidaan muuntaa dB:

SNR = max (abs (s (t))) / STD (N (t))

2) RMSE - Root Mean Squared Error.Tätä ominaisuutta käytetään Euklidinen etäisyys jotta comare tulokset alkuperäisen alkuperäinen signaali ja sama signaali, kun melu mukaan luettuna, ja myöhemmin denoising:

RMSE = (s (t) - s (t)) ^ 2, missä s (t) - alkuperäinen signaali s (t) - signaalin jälkeen denoising

3) MAE - Suurin absoluuttinen virhe

MAE = max (abs (s (t)-s '(t)))

Nämä ilmaisut ovat tärkeimmät, laajalle levinnyt denoising tekniikoita.Tietysti paljon niitä on olemassa.Mutta joko en ole tietoinen niistä, tai ne ovat liian sprecific eivätkä kätevä kaikki signaalit.

Osalta,

Dmitri

 
Dmitri,

thanks (Ikävä kyllä en voi painaa nappia''auttoi minua''

<img src="http://www.edaboard.com/images/smiles/icon_biggrin.gif" alt="Erittäin Happy" border="0" />

)

Niin, vertailla eri arvioihin, voin maata SNR kautta MSE, tai aloso SNR kautta RMSE.?

ja noin SNR, voimme expresse se näin: SNR = Teho (s (t)) / Power (N (t))?ja jos se on oikea, tämä ilmaus equevalente on sinun?

thansk uudelleen

ystävällisin terveisin

 
Rakas ystävä, sillä olen kirjoittanut edellisen viestin, SNR voidaan määritellä monella tavalla eikä kumpikaan ollut ilmaisujen poistetaan tänään.Kuitenkin yleisin muoto ilmaista SNR on yksi Olen käyttöön:

SNR = max (abs (s (t))) / STD (N (t)).
I think it's also possible.

Koskee your ehdotus Power (s (t)) / Power (N (t))
Minusta on myös mahdollista.Mutta sinun täytyy tarkistaa ylöspäin, että arvot osoittaja ja nimittäjä mitataan samassa mittakaavassa, muuten tunne tällaista toimintaa menetetään. Ja kuinka aiotaan arvioida Power (s (t)) ja Power (N (t ))?
Kirjoita ideoita ja minä annan sinulle neuvon.Your 1. kysymys on abit hämmentää minua.Teidän on ymmärrettävä, että erilaiset kriteerit, jotka olen maininnut, voidaan käyttää samanaikaisesti arvioida tehokkuutta denoising menettelyä.Ei ole tarvetta ja vertaamalla niitä.Ne keksittiin, koska eri tapaukset eivät voi olla parempi kuin muut.

Asiakas voi esimerkiksi tontin riippuvuus SNR on signaalin ja SNR saman signaalin jälkeen denoising.Tämän tietysti kannattaa valita parametrin (se dependes on algorythm), joka on muuttumassa.Saatuaan tämän riippuvuuden, voit analysoida sitä.

Osalta,

Dmitri

 
Hei,
Kiitos vastauksesta, arvostan suuresti

Niin, okkk, I'll käyttää SNR = max (abs (s (t))) / STD (N (t)).

<img src="http://www.edaboard.com/images/smiles/icon_biggrin.gif" alt="Erittäin Happy" border="0" />ja arvioimiseksi teho (s (t)) ja Power (N (t)): Minulla on s (t), ja minä creat lisäaineen gaussiane melun Matlab imnoise (...), joten jos pyydämme J signaali correpted melun J = imnoise (...), ja sitten n (t) = J (t)-s (t), ja voin arvioimalla voiman N (t).

kysymykseeni, olen thougth että voin vertailla performe 12 estimaattoreiden on ploting SNR / Error?

Ystävällisin terveisin

Nabil

 
Suoraan sanottuna, en ymmärrä, mitä tarkoitat.Yritä tarkistaa huolellisesti kaikki kirjoittanut minulle, ehkä saat eroon väärinkäsityksiä.Kommenttini on, että SNR ja muut denoising kriteerit käytetään, jotta voidaan arvioida tehokkuutta menettely, jota sovelletaan saastunutta signaalin.Enemmän SNR on, sitä parempi on tulos denoising.Sama tilanne voidaan havaita, jos arvioidaan RMSE ja Mae.

Osalta,

Dmitri

 
Hei rakas ystävä,

Oma virhe, olen pahoillani, en erehdy sinua, mutta nyt se on ok, kiitos

Vain pb, että minun täytyy tarkistaa oma Matlab-koodi, koska käytin Matlab-toiminto''imnoise''lisätä lisäaineen Gaussian melua, ja muuttaa arvoa SNR muutan arvo''q''kun; signaali correpted häiriöääniä = imnoise (sig / q)., ja kun minä evalueted arvo SNR (joko kaksi määritelmä) siinä ei sens, (esim. (SNR, MSE) = (3,9), (4 , 10), (5,6), (6,6), (7,11), (8,3) ...

ystävällisin terveisin

nabil

 
No, olen melko tyytyväinen, että olet ratkaissut ongelmat.Kuitenkin, jos ongelmia ilmenee immeadiately minulle, ja minä autan.Sikäli kuin tiedätte, olen Saksassa nyt 7. Venäjän-Open Workshop.Joten voi olla pieniä viiveitä minun answerings.
and gwn
functions in Matlab in order to generate additive gaussian noise.

Lisäksi, käytä WGN
ja gwn
tehtävät Matlab jotta saadaan aikaan lisäaineen Gaussin melua.Yksi näistä toiminnoista in ytimen jo, kun taas toinen on saatu WaveLab toteuttamisesta.Se on ilmainen ja saatavilla Internetissä.

Osalta,

Dmitri

 
You must log in or register to reply here.

Welcome to EDABoard.com

Sponsor

Back
Top