시간-주파수 이미지의 노이즈 제거에

Welch의 방법을 사용하여 생성 된 다음 시간-주파수 이미지 예를 ' 노이즈 제거 '에 사용할 수있는 기술이 궁금합니다 . 다음 플롯은 로봇 센서에서 생성되었습니다. (이것은 컬러 이미지 가 아닙니다 -그레이 스케일 이미지입니다-시각적 목적으로 만 추가 된 컬러).

골:

내 목표는 궁극적으로 펄스가 존재하는 경우 여기에서 보는 펄스 간격을 추정하는 것입니다. 이것은 닭고기와 계란에 관한 것일 수 있으므로,이 목적을 위해 "이 평판 률의 펄스가 +/- 10 % 존재합니까?"라고 스스로 묻습니다. 여기서보고있는 것은 신호 (펄스)이지만 원하지 않는 다른 간섭과 함께 있습니다. 그러나 Emre가 제안했듯이 시간-주파수 공간에도 불구하고 구조가 있습니다. 시간-주파수 필터가 있습니까?

나는 것 강하게 같은 이미지 프로세싱 솔루션을 여기에 적용 볼 수 있지만 모든 솔루션 열어주는 말들합니다.

따라서 목표는 반복 펄스 (y 축의 인덱스 300 근처에 있음)를 제외한 모든 고강도 신호를 제거하는 것 입니다. 다른 모든 고강도 신호는 '간섭'으로 간주 될 수 있습니다.

가정 할 수있는 사항 :

• 여기서보고있는 펄스 길이를 대략 알고 있다고 가정 할 수 있습니다. (+/- 10 % 이내) 다시 말해,이 길이의 펄스를 찾기로 결정했습니다. (+/-)

• 맥박의 응답 속도를 대략 알고 있다고 가정 할 수도 있습니다 (다시 말하면 +/- 10 %라고 말하십시오).

• 불행히도 당신은 그들의 주파수를 더 정확하게 알지 못합니다. 다시 말해서,이 이미지에서 펄스는 300에 있지만 100, 50, 489 또는 그 밖의 다른 것에서도 쉽게 가능했습니다. 그러나 좋은 소식은 여기에 표시된 주파수가 10Hz의 순서대로 서로 매우 가깝다는 것입니다.

내 생각 :

이미지 처리 POV :

• 형태 학적 작업이 나에게 일어 났지만, 그들이 작동하는지 여부를 알기에는 너무 익숙하지 않습니다. 나는 아이디어가 '닫히고'더 큰 얼룩을 제거하는 것이라고 생각합니까?

• Row-wize DFT 연산은 반복 패턴이 가장 높은 관심 행을 기준으로 어떤 행이 널 아웃되는지 표시 할 수 있지만 펄스가 적고 멀리 있거나 이미지가 더 시끄럽다면 실행 가능한 솔루션이 아닐 수 있습니다.

• 이미지를 살펴보기 만하면 격리를 '보상'하고 연결을 '처벌'하려고합니다. 이런 종류의 작업을 수행하는 이미지 처리 방법이 있습니까? (자연의 형태 론적).

어떤 방법이 도움이 될까요?

신호 처리 POV :

• 여기에 표시된 주파수 범위는 이미 매우 빡빡하기 때문에 노치 필터링 작업이 도움이 될지 확신 할 수 없습니다. 더욱이,이 좁은 범위 내에서 보여지는 펄스의 정확한 주파수는 선험적으로 알려져 있지 않습니다.

• 여기에서 관심있는 펄스 (길이와 반복 시간)에 대해 교육적인 추측을함으로써 '템플릿' 의 2 차원 DFT 를 계산하고이를 2 차원 두근 두근 필터 로 활용할 수 있습니다. 위에 표시된 Welch 이미지를 곱한 다음 역 2 차원 DFT를 수행합니까?

• OTOH는 아마도 Gabor 필터 가 여기에 잘 어울릴까요? 결국, 이들은 자체 내장 V1 비주얼 프로세서 와 유사한 방향에 민감한 필터 입니다. 여기서 어떻게 악용 될 수 있습니까?

이 도메인에서 어떤 방법이 도움이 될 수 있습니까?

미리 감사드립니다.

이 분야에 경험이 없지만 시간-주파수 분포의 노이즈 제거에 대한 최소 엔트로피 접근법

본 논문에서는 시간-주파수 분포의 노이즈 제거에 대한 엔트로피 기반 접근법을 소개한다. 이 새로운 접근법은 Cunningham과 Williams가 제안한 시간-주파수 커널의 스펙트로 그램 분해를 사용합니다. 시간-주파수 분포를 제거하기 위해, 우리는 이러한 스펙트로 그램을 가장 작은 엔트로피 값과 결합하여 각 스펙트로 그램이 시간-주파수 평면에 잘 집중되어 있고 가능한 한 적은 노이즈를 포함하도록합니다. Renyi 엔트로피는 각 스펙트로 그램의 복잡성을 정량화하는 척도로 사용됩니다. 결합 할 스펙트로 그램의 수의 임계 값은 엔트로피와 분산 사이의 상충 관계에 기초하여 적응 적으로 선택된다.

본질적으로 문제는 신호 / 소스 분리 중 하나입니다 . 다수의 구조화 된 신호의 첨가제 혼합. 계속 진행하려면 신호를 모델링해야합니다. 분명히 관심있는 것은 주기적이며 일부 주파수를 중심으로하므로 기간 (x 축을 따라)과 중심 주파수 (y 축을)를 추정해야합니다. 그런 다음 다른 특성 (소음)을 특성화 할 수 있습니다. 우선, 그들은 멋진 곡선으로 온 것 같습니다.

손에 모델을 사용하면 Blind Source Separation : Independent Component Analysis and Applications 핸드북 과 같은 책을 참고할 것 입니다.

순수한 엔지니어링 POV에서 펄스에 대한 "잠금"에 대한 확실한 솔루션은 PLL (Phase Locked Loop)입니다.

PLL은 프리 런닝 오실레이터 일 뿐이며 다른 신호와의인지 위상 관계에 따라 주파수를 조정할 수 있습니다. 다른 신호가 순수한 잡음이거나 완전히 다른 주파수의 펄스 인 경우 위상 관계는 임의적이며 오실레이터는 많은 방향으로 조정되지 않으며 계속 "자유 실행"됩니다. 그러나 발진기와 거의 동일한 주파수에서 실행되는 비교적 시끄러운 신호가있는 경우 PLL의 위상 센서는이를 감지하고 다른 신호와 일치하도록 발진기 주파수를 조정합니다. 물론, 이것은 경기가 시작의 중간 쯤에 있다고 가정합니다. (PLL의 유용한 기능이지만 하나의 문제는 초기 주파수 불일치가 너무 큰 경우 목표 신호의 고조파 또는 하위 고조파에 만족스럽게 고정된다는 것입니다.)

필자는 필자 자신의 작업에서 PLL을 사용한 적이 없지만이 용어는 약 40 년 동안 (적어도 30 년대 이후의 개념) 사용되었으며 개별 IC 또는 단일 카드 모듈로 사용 가능한 사전 구축 된 PLL이 있습니다. 디지털 컴포넌트를 사용하여 아날로그 개념을 모방 한 "디지털 PLL"도 있습니다. (이것은 내 지식의 정도에 관한 것이지만 Google에서 쉽게 찾을 수있는 100 개의 참조가 있습니다.)