为什么用卷积滤波,而不是很简单的在频率领域内进行数据的频率处理
来源:互联网 发布:通信录管理系统c语言 编辑:程序博客网 时间:2024/06/10 12:04
卷积,为了更好的“动态”滤波!
问题来了,为什么用卷积滤波,而不是很简单的在频率领域内进行数据的频率处理?
为了强调我认为的答案,已经用blog标题给出了。卷积,为了更好的“动态”滤波!
有心人可能会思考这样的问题,对于带有噪声的输入信号,要滤去高频噪声(如下图中的信号,我特意假定输入为y = sin(10x)+sin(1000x)的输入信号,可以明显的观察到强烈的高频噪声)
如果想搞定这个滤去高频噪声本身不是难事,直接fft 转换到频率领域,然后把高频部分直接置0,然后逆向fft转换回时间领域。搞定。。。
(为了方便,这里直接调用matlab的fft,当然我们也可以用自己写的fft)
下面是fft得到的频谱,我们可以很直观的看到中间的两道直峰是高频段,左右两边的是低频断,如果想低通滤波就直接把高频段直接置0就可以了,这很“简单粗暴”。
下面是输入信号和输出信号的对比
效果很好嘛,不管什么类型的滤波,反正我在频率内操作数据,然后逆向变换到时间领域就是了。
但是,问题来了,以上的fft都是基于有一定规模的数据,说直接点就是已经得到了数据,然后处理数据。
实际的通信的信号处理往往不会这样,比方说打电话,别人说了一段话了,不可能等手机处理器采集足够多的数据然后处理了,接着再把处理好的数据利用功放播放出来吧!
这里就涉及到一个实时信号处理的问题。一旦要求信号处理实时操作,那么上述的变换到频率领域再变换回时间领域的方法不再适用。怎么办? 频率内的乘法对应时间领域内的卷积!
所以,当下面这种带有复杂频率信息的信号实时连续的输入系统时,我们为了实时处理就要用卷积,把滤波的工作完全在时间领域内搞定。
文章引发的问题也就得到了解决。时间领域内,卷积能够更好的实时滤波。
进而才会有各种卷积函数的设计。不搞清楚为什么用卷积而不是直接的频率领域内处理很难让人有足够的动力去看那些为了更好的设计卷积函数而附带的繁杂的关于卷积函数设计的数学分析。
- 为什么用卷积滤波,而不是很简单的在频率领域内进行数据的频率处理
- 频率域中的图像滤波
- 频率域中的图像滤波
- 图像的频率域高斯低通滤波
- 例2-23 用一个随机序列模拟中国数字地震台网记录在频率域的振幅。中国数字地震台网的采样间隔是0.02s,运用通带频率是0-5Hz的低通理想滤波器对其进行滤波。数据长度是120s。模拟一下。
- 数字图像的空间域滤波和频率域滤波
- 信号处理中数字频率与模拟频率的关系
- 数字图像处理-频率域滤波原理
- 图像处理(3)频率域滤波
- 空域的卷积等于频率域的乘积例子
- matlab进行简单的滤波处理
- 有关于图像频率域和滤波的总结
- 信道滤波带宽,信号带宽,频率误差的关系
- 信号处理中频率的概念
- 一个简单的时钟频率计数器
- 搜索gb2312汉字在网上的频率
- 搜索gb2312汉字在网上的频率
- 搜索gb2312汉字在网上的频率
- 当你打开vim没有sudo 又想保存时......
- 字符串字面值与标准库string类型不是同一种类型
- vehicles or weapons were seen
- 简单表视图
- java正则
- 为什么用卷积滤波,而不是很简单的在频率领域内进行数据的频率处理
- php 命名空间
- JSON.stringify 语法实例讲解
- 获取硬盘序列号,CPU,mac地址等信息 win7下也行
- Gstreamer的一些基本概念与A/V同步分析
- zoj2588(割边)
- protobuf,thrift,avro之序列化性能测试
- Javascript预编译和执行过程
- 汽车坐垫的作用这么多 你都知道多少