내가 알고있는 샘플링 속도가 Fs이지만 알 수없는 중심 주파수 Fc 인 SDR에서 I/Q 데이터를 수집했다고 가정 해보십시오. 주파수 스펙트럼을 플롯하면 범위는 (-Fs/2)에서 (+Fs/2)입니다. 그래서 나는 (예를 들어 어떤 주파수가 존재하는지) 어떤 것을 추론 할 수 있습니까? 아니면 중심 주파수를 명시 적으로 알아야합니까?
web audio을 사용하여 특정 주파수의 오디오 신호 (모스 코드)를 감지하고 싶습니다. 분석기 노드의 getFloatFrequencyData 기능을 사용하여 주파수 데이터를 검색합니다. 이제는 setInterval()을 사용하여 빈도 데이터를 정기적으로 샘플링하는 것은 충분히 규칙적이지 않습니다. 콜백은 예상보다 몇 밀리 초 또는 그보다 늦게 실행됩니다
가장 큰/더 큰 직사각형 모양을 감지하고 감지 된 영역에 경계 상자를 그립니다. 윤곽 검출을 위해 완벽한 모서리 (구멍이없는 모서리)를 감지하는 다른 방법을 시도했습니다. 내가 stackoverflow 검색 및 제안 된 솔루션 OpenCV sharpen the edges (edges with no holes) 및 Segmentation Edges 내 샘플
저는 현재 Arduino의 오디오 기반 프로젝트 작업을하고 있습니다. 입력이 (ADC를 통해) double 형이고, 데이터에 대해 몇 가지 연산을 수행해야합니다. 그런 다음 오디오를 출력해야합니다. 그러나 문제는 PWM 출력 레지스터 (AVR 기반)가 int를 허용한다는 것입니다. 따라서 데이터를 잃지 않고이 부동 소수점을 int로 변환 할 수있는 방법이
현재 사용자의 손가락이 빨갛게 나오는 것과 관련하여 데이터가 상당히 잡음이 많으므로 FFT를 실행하여 잡음을 줄이고 싶습니다. this image의 왼쪽에있는 데이터는 현재 내 데이터와 비슷합니다. vDSP에 관한 Apple 설명서를 숙지했지만 Apple vDSP 및 Accelerate 프레임 워크를 사용하여 Fast Fourier Transform을 구현
EmoKit (https://github.com/openyou/emokit)을 사용하여 데이터를 검색하고 있습니다. 샘플 데이터는 다음과 같습니다. +========================================================+
| Sensor | Value | Quality | Quality L1 | Quality L2 |
+
기계 학습을 사용하여 가장자리 감지에서 다음을 읽습니다. blog. 그들은 현대 기계 학습 기반 알고리즘을 사용합니다. 이 알고리즘은 인간이 가장 중요한 모서리와 물체 경계에 주석을 달아주는 이미지에 대한 교육을받습니다. 이 레이블이 붙은 데이터 세트가 주어지면, 기계 학습 모델은 객체 경계에 속하는 이미지의 각 픽셀의 확률을 예측하도록 훈련됩니다. ope
먼저 자바 스크립트에서 네 방정식을 구현하고 나중에 사용합니다. 내 문제는 내가 수학자가 아니기 때문에 방정식을 읽는 법을 모른다. 첫 번째 것은 FFT 창 Blackman입니다. 번째 시간 동안 부드럽게된다 : 넷째는 데시벨하기 : 둘째는 FFT 알고리즘 이 작업에는 fft 라이브러리를 사용할 수 없으므로이 네 가지 방정식을 구현해야합니다. 작업이 끝나면
저는 그래픽 이퀄라이저를 파이썬으로 만들려고합니다. 모든 것이 잘되고 있지만 실시간으로 오디오를 실행할 수는 없습니다. 각 주파수 대역 (총 5 개 대역)을 나타내는 5 개의 슬라이더를 디자인합니다. 내가 슬라이더를 조작 할 때마다 오디오가 다시 재생됩니다. 여기에 좀 더 자세한 내용와 내가 볼 수 있도록 내 코드입니다 이퀄라이저 기능 : from scip