50年来の信号処理に関する謎が解かれる、逆高速フーリエ変換がついに一般化 - fabcross for エンジニア
アメリカのアイオワ州立大学電気コンピューター工学科准教授のAlexander Stoytchev氏と博士課程学生のVladimir Sukhoy氏は、信号処理の肝と言われる高速フーリエ変換（Fast Fourier transform：FFT）と逆高速フーリエ変換（Inverse Fast Fourier transform：IFFT）のアルゴリズムの研究を進め、50年間にわたり謎であったIFFTアルゴリズムを解明したと発表した。研究成果は『Scientific Reports』に論文「Generalizing the inverse FFT off the unit circle」として2019年10月8日に発表されている。 FFTアルゴリズム自体は1965年に公開され、その4年後には汎用性の高い一般化されたバージョンであるチャープZ変換（CZT）も開発されてきた。しかし、IFFTアルゴ
アメリカのアイオワ州立大学電気コンピューター工学科准教授のAlexander Stoytchev氏と博士課程学生のVladimir Sukhoy氏は、信号処理の肝と言われる高速フーリエ変換（Fast Fourier transform：FFT）と逆高速フーリエ変換（Inverse Fast Fourier transform：IFFT）のアルゴリズムの研究を進め、50年間にわたり謎であったIFFTアルゴリズムを解明したと発表した。研究成果は『Scientific Reports』に論文「Generalizing the inverse FFT off the unit circle」として2019年10月8日に発表されている。 FFTアルゴリズム自体は1965年に公開され、その4年後には汎用性の高い一般化されたバージョンであるチャープZ変換（CZT）も開発されてきた。しかし、IFFTアルゴ
インターネットなどの通信の安全性を高めるため「量子暗号通信」と呼ばれる次世代の暗号通信技術の開発が進められていますが、低コストでコンパクトな装置の実現に欠かせない信号処理の手法の開発に、東京大学の研究グループが世界で初めて成功し、量子暗号通信の普及に向けて期待が集まっています。 インターネットなどの通信では、さまざまなデータが暗号化されてやりとりされていますが、スーパーコンピューターをはるかに超える「量子コンピューター」が本格的に実用化されると、今、使われている暗号は簡単に解読されてしまうおそれがあります。 このため理論上、絶対に破られないとされる「量子暗号通信」と呼ばれる、次世代の暗号通信技術の開発が進められていて、日本は去年、東芝が事業化を発表するなど、技術開発で世界をリードしています。 現在、実用化されている技術は、光子と呼ばれる光の粒に信号を載せて通信する方式ですが、極小の粒を扱う
概要 GNNは, 信号処理の観点でローパスフィルタの効果を持っている. そして, GNNが通常のMLPに比べて高精度となるようなデータでは, 低周波成分に(タスクに関して)有用な情報が多く含まれており, 高周波成分には無駄な情報が多いようなケースになっているように見受けれられる. また, 実際にタスクの精度を様々なフィルタで比較すると, 信号処理の観点での性質が反映された結果を与えている. GNNの最も大きな役割（通常のMLPとの違い）は, ローパスフィルタとしての性質の影響なのではないかと考えられる. 逆に言うと, ローパスフィルタとしての性質が生かせるようなデータが, GNNの効果が最も期待出来るものなのではないかと考えられる. 内容 はじめに GNNとはどのようなものだったか？ 信号処理のいくつか GNNのローパスフィルタとしての役割 まとめ 1. はじめに Graph Neural
この動画では、フィルタリングを行う信号処理をDeep Learningで行う方法について解説します。 次の動画：「Deep Learningで行う予測」 https://www.youtube.com/watch?v=cOcBeDRhG9M 前回の動画：「セマンティックセグメンテーション」 https://www.youtube.com/watch?v=Eu7EKQ--Rvk 再生リスト「実践Deep Learning」 https://www.youtube.com/playlist?list=PLg1wtJlhfh20zNXqPYhQXU6-m5SoN-4Eu ニューラルネットワーク学習の仕組み https://www.youtube.com/watch?v=r8bbe273vEs Deep Learning 精度向上テクニック：様々なCNN #1 https://www.y
Python/ChromeDriverインストールとパスの通し方 | WATLAB -Python, 信号処理, 画像処理, AI, 工学, Web-
PythonでWebスクレイピングを行う時に、seleniumを使えばGoogle Chromeブラウザを自動操作できるので単純にrequestsだけで出来ない操作ができるようになります。ここではChromeを自動操作する時に必要なchromedriverのインストールとパスの設定までを説明します。 こんにちは。wat(@watlablog)です。 chromedriverは他のパッケージと異なり少々設定がやっかいです。ここではchromedriverのインストールから実際に使えるようにパスを通すという設定までを説明します！ 当ブログで紹介している内容はWebスクレイピングの一例に過ぎません。僕はPython特化型学習サービス「PyQ（パイキュー）」で基礎を覚えました。体系的にPythonプログラミングやWebスクレイピングを覚えたい方は是非「PyQでPython学習！実際に登録してみた感
【G検定チートシート】AI関連法律や動向含む試験当日のカンペ | WATLAB -Python, 信号処理, 画像処理, AI, 工学, Web-
第1次AIブーム(1950年代～1960年代) 推論と探索のAIでブームになった。 1966年に開発されたELIZA(イライザ)がルールベースで作られたにも関わらずチューリングテストの審査員を欺いた。 後にELIZAはPARRY(パーリー)とも会話している。 推論と探索ではトイ・プロブレムしか解けずに衰退した。 第2次AIブーム(1980年代) 専門家の知識を定式化するエキスパートシステムがごく一部の領域で成果を出したことでブームとなった。 (DENDRAL(デンドラル：有機化合物特定AI)やMYCIN(マイシン：抗生物質処方AI)) しかし、知識のボトルネックの問題で定式化が難しく複雑な問題に対応できなかったため衰退した。 第3次AIブーム(2000年代～) ディープラーニングが成果を出し現在までに至るブームとなった。 勾配消失問題を解消しつつネットワークを多層化することで多彩な表現力を
Python/OpenCVの射影変換なら簡単に画像補正ができる! | WATLAB -Python, 信号処理, 画像処理, AI, 工学, Web-
射影変換で自由自在に画像を変形させよう！ 射影変換とは？ 射影変換とは、画像の形状を変形させる変換手法の1つです。コンピュータグラフィックスの分野では画像を様々な形状に変形させることで、2Dを3Dに見立てたり、表面にテクスチャを貼ったりしたりすることができます。 画像形状の変換には下図のような変換があります。 (a)合同変換は画像の回転のみを許し、回転角度を合わせれば変換前後の画像は完全一致します。 (b)相似変換は(a)合同変換に加え、拡大と縮小を可能にした変換方法です。 (c)アフィン変換は(a)(b)に加えひし形の変形を可能にした変換方法です。 そして(d)射影変換は(a)(b)(c)の全ての機能に対してさらにどんな四角形にでも変換できる方法です。 射影変換でできることを確認しよう！ 画像処理は百聞は一見にしかず！まずは射影変換でできることを確認してみましょう。 以下の図は今回Pyt
Arduinoでセンサの値を受け取るなどのプロトタイピング的なことをすることは多いですが、そのときに嫌でもついてくるのが「信号処理」です。 別に生データを見るくらいなら特に気にすることもないのですが、それを使って解析するのであれば「それらしい値」が必要です。 自前でプログラムを書いてもいいのですが、面倒じゃないですか。 だったら素晴らしい有志の方が公開しているライブラリを使わない手はありません。
やりたいこと 波形データを解析するための理屈的な側面を整理すること やってみた 波形データの一般形 波のデータは、色々なsin波を合成したもの。 sin波といっても、大きさが違うもの、周波数が違うもの、ちょっと横にズレた（いわゆる位相が違う）ものなどがある。 位相がずれたsin波は、sinとcosの和で表現できる。 つまり、 sin(x + φ) = A・sin(x) + B・cos(x) のように書くことができる。 このことから、どんな波形データも、 F = (a1・sin(x) + b1・cos(x)) + (a2・sin(2x) + b2・cos(2x)) + ・・・ のような形で表現できる。 やりたい解析 sin(2x)の「2」の部分は、いわゆる周波数。なので、a2・sin(2x)でのa2は、「2」の周波数がどれくらいの大きさで入っているかということ。 つまり、波 F に対して、a
・音のプログラミングが音響楽の基本からわかる！ ・音の信号処理もていねいに解説！ ・打楽器・管楽器・弦楽器・鍵盤楽器の音が手もとで作れる！ ・ソースコードはWebからダウンロード可能！ 本書は、コンピュータで音作りをしてみたい方に向けた、サウンドプログラミングの入門書です。音作りに興味があるけど何からはじめたらという初心者のために音響の基本から解説をはじめ、コンピュータでの音の考え方、音を加工するディジタル信号処理の基礎をていねいに説明し、シンセサイザ、エフェクタの音作りなどを解説します。さらに、さまざまな音響合成のテクニックとともに、その具体例として、ゼロから楽器音をつくり出すフルスクラッチ合成のレシピを紹介します。サウンドプログラミングの言語には、音データの読み書きはもちろん、波形、周波数特性、そしてスペクトログラムの描画も簡単に行える、Pythonを採用しています。 Pythonを使
【信号処理入門】機械学習未使用！Hampelフィルタで外れ値検出（異常検知） -Python-｜はやぶさの技術ノート
こんにちは！ 元制御屋の”はやぶさ”@Cpp_Learningです。 以前、機械学習未使用で時系列データを分析する方法について記事を書きました。 【データ分析入門】機械学習未使用！Pythonでゼロから始める振動解析機械学習(深層学習含む)によるデータサイエンスが流行っていますが、フーリエ解析などの振動解析により、異常検知を行うこともできます。本記事はデータ分析/振動解析学ぶための実践的なチュートリアル記事です。...
NumbaのJITでPythonを高速化したら40倍も速くなった | WATLAB -Python, 信号処理, 画像処理, AI, 工学, Web-
Pythonが遅い理由 Pythonを高速化する前に、なぜPythonはこんなにも遅いのかを調べてみました。そういえばPython関係のブログを始めて1年ほど経ちますが、処理速度については全く意識していませんでした。 Pythonは特にfor文といったループ系の文が遅い遅いと世間で言われています。 でもなんで遅いのでしょう？ 正直僕はそんなに情報工学に詳しくないので、中々イメージできていませんでしたが、以下に理解の参考となったブログがありましたのでいくつかメモしておきます。 “GIL（グローバルインタプリタロック）であるため” “インタプリタ言語で、コンパイルされないため” “動的型付き言語であるため” POSTD:なぜPythonはこんなにも遅いのか？ …Pythonが遅い理由には色々な要因が考えられるみたいですが、動的型付き言語であるというのが一番あやしいようです。 for文では逐一型
スマホで学ぶ！実践ディジタル信号処理入門
●デジタル信号処理の実践に必要な情報をまとめました ●とっつきにくい数式は最小限、イラストを多用して読みやすくします ●スマホアプリを使って直感的に理解できるよう工夫しています ●不定期ですが随時更新する予定です。リンクがない章はしばらくお待ちください ●更新履歴
アナログ・デバイセズでは、さまざまなアプリケーションに対応するプロセッサをご用意しています。プロセッサ、および高精度アナログ・マイクロコントローラの詳細については、以下からご覧ください。 SHARC DSPのアーキテクチャ概要 SHARC製品一覧 組込みマイクロプロセッサ(Blackfin)のアーキテクチャ概要 組込みマイクロプロセッサ(Blackfin)製品一覧 アナログ・マイクロコントローラ 以下の資料では、デジタル信号処理（DSP）の基本的な概念を説明しています。また、より詳細な情報についての様々な推奨文献リンクも含まれています。 DSPについて デジタル・シグナル・プロセッサ（DSP）とは、デジタル化された音声、オーディオ、映像データや、温度、加速度などのセンシング情報に対して、フィルタリングや解析、伝送のための算術演算を高速に実行するプロセッサのことです。DSPは、加算、減算、乗
日本電信電話株式会社（本社：東京都千代田区、代表取締役社長：澤田 純、以下ＮＴＴ）は、世界最小の消費エネルギーで動作する光変調器と光トランジスタを実現しました。 従来、光変調器や受光器のような光－電気変換デバイスは高い電気容量を持つため、消費エネルギーが高く、光と電子回路が緊密に連携した信号処理を行うことは困難でした。本研究グループは、フォトニック結晶と呼ばれるナノ構造技術を用いて、世界最小の電気容量を持つ光電変換素子の集積に成功しました。この技術により、世界最小の消費エネルギーで動作するナノ光変調器や、光入力信号を別の光へ変換・増幅出力させる「光トランジスタ」を実現しました。このようなナノスケール光電子集積によって、光による高度な信号処理技術をプロセッサチップの中へ導入することが可能となり、従来にない超低消費エネルギーで高速なコンピューティング基盤の実現が期待されます。 本研究成果は、２
PythonでGoogle検索タイトルとURL一覧を抽出してみた | WATLAB -Python, 信号処理, 画像処理, AI, 工学, Web-
近年Google検索は完全に情報収集の基本になっています。Webスクレイピングで自動情報収集をする場合、Google検索結果を扱えるようになると世界中の情報をシステマティックに処理できるようになります。ここでは、Google検索で得られるタイトルとURLを一覧で取得する方法を紹介します。 こんにちは。wat(@watlablog)です。 WebスクレイピングでGoogle検索結果を自在に操れるようになってきましたので、ここでは検索タイトルとURLを一覧で取得する方法を紹介します！ Google検索を自動化するメリット3選 ビッグデータを容易に取得できる Google検索は現代の情報収集の基本となっており、当ブログを始め様々なWebサイトがネットワークを介して検索できるようになっています。 Googleを始めとした検索エンジンからは、あらゆるブログ、公的機関、民間企業のページに繋がっているの
PythonでfitbitAPI！心拍数や消費カロリーを取得する | WATLAB -Python, 信号処理, 画像処理, AI, 工学, Web-
fitbitとは？ 電池の持ちが良いフィットネス用スマートウォッチ fitbit(フィットビット)とは、腕時計型の活動量計で、時計の裏の心拍数センサーで腕の血管から心拍数を計測する機能を基本に、歩数、消費カロリー、睡眠時間といったデータを自動で記録してくれます。フィットネスに特化しています。 僕はMacbook ProやiPhone、iPadをWindows機とは別に持っており、図らずとも準Apple信者のようになっていますが、fitbitを数年間使ってきた事で未だにApple Watchは購入していません。 fitbit購入当時のApple Watchはまだ心拍数センサーの精度の口コミ評価が微妙だったのと、電池の持ちが圧倒的にfitbit優位であった事を覚えています。 最新のApple Watchも充電は1日、2日に1回(1時間ほど)程度でしょうか？ そんな中、fitbitはバッテリー持
センサーなどから始まる信号をいかに高精度に処理してデジタル化していくか、このシグナルチェーン回路設計が製品の優劣を決めるといっても過言ではありません。 経験値がものをいうといわれているアナログ回路設計のノウハウを初級者の方でもご理解頂けるように解説します。 フォームを記入するとすべてのセッション動画をご覧いただけます。 実験で学ぶオペアンプの基礎 オペアンプのフェムトアンペア レベルのバイアス電流を測ってみた 高精度シグナルチェーンのノイズ解析・設計手法 1+1を2以上にするコンポジット・アンプ回路の設計
Pythonで学ぶフーリエ解析と信号処理 | コロナ社
広く使われているPythonを活用して、フーリエ解析を学ぶ一冊。Pythonで数学的な処理をした経験がなくても問題ありません。科学技術計算で必須のライブラリNumPyとmatplotlibについて、基本から解説しています。 従来のフーリエ解析の教科書にはあまり収録されていなかった、信号処理への応用が盛り込まれていることも特徴で、信号を周波数で見るという新しい視点が得られます。 必要な箇所には証明がついており、ルベーグ積分のエンジニア向けのユーザーズガイドがあるなど、数学的な面からも基礎が学べます。最終的にはSciPyライブラリを使って、子猫の鳴き声のスペクトログラムを作るレベルにまで達することができます。 本書は，フーリエ解析と信号処理の入門書です。本書を読んで得られる知識は，大きく分けて，フーリエ解析の数学的基礎，信号処理の原理と使い方，Pythonによる科学技術計算の基礎，の三つです。
Chrome拡張!XPath Helperのインストールと使い方 | WATLAB -Python, 信号処理, 画像処理, AI, 工学, Web-
PythonでWebスクレイピングのコーディングをしていると、xpathによる情報抽出が便利であるとわかりました。しかしHTMLの構造を毎回解析するのはやっかいです。Chrome拡張機能である「XPath Helper」を使えば簡単に任意要素のxpathを取得することが可能です。 こんにちは。wat(@watlablog)です。 ここではxpathを簡単に取得するGoogle Chromeの拡張機能について、インストール方法と簡単な使い方までを習得します！ xpathを使うと何ができる？これまでのおさらい 「Python/Seleniumで便利なxpath検索をする方法！」では、Pythonというプログラミング言語で、Seleniumというパッケージを使ったWebスクレイピングの基礎を学びました。 xpathというロケーションパスを使うことで、簡単にWebサイトから目的の情報を取得すること
画像はイメージです 現在普及している商用光伝送システムの12倍に伝送速度を高速化 NTTは、世界最大容量となる1波長あたり1.2テラビット/秒の光伝送を実現するデジタルコヒーレント信号処理回路および光デバイスを開発したと発表した。 近年の映像データの流通拡大やクラウド技術の進展に加え、5Gサービスなど新しい情報通信サービスの普及、さらにはリモートワークの急速な普及に伴い、情報通信トラヒックは増大しており、今後も増大し続けることが予想される。 このような状況に対応するためには、基幹系の光通信ネットワークにおいては、単位ビットあたりの伝送に必要となる消費電力とコストを、おおよそ10年で1/10程度のペースで低減することが求められている。 しかしながら、これまでの技術では、さらなる大容量化に伴う通信用デバイスの消費電力増大を、大幅に削減することが困難だった。そこでNTTは、既設の光伝送システム容
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
“オーディオ”の概念を変え始めた信号処理の進化【本田雅一のAVTrends】
50年来の信号処理に関する謎が解かれる、逆高速フーリエ変換がついに一般化｜fabcross
「量子暗号通信」低コストの信号処理手法 東大が開発に成功 | IT・ネット | NHKニュース
GNNとグラフ信号処理 - 理とかなんとか
Deep Learningで行う信号処理（フィルタリング）
Arduinoで信号処理をする上で便利なフィルタのライブラリ | なんでも独り言
【プレイバック2020】デジタル信号処理が、人の感性を超え始めた年 by 本田雅一
Pythonでの音声信号処理 (8) 波の解析の一歩 - Qiita
Pythonではじめる音のプログラミング －コンピュータミュージックの信号処理－ | Ohmsha
Amazon.co.jp: Pythonではじめる 音のプログラミング: コンピュータミュージックの信号処理: 青木直史: 本
DSP（デジタル信号処理）とは？初心者のためのデジタル信号処理ガイド | 設計支援| アナログ・デバイセズ
共同発表：光変調器を超省エネ化し、高速高効率な光トランジスタを実現～光電子融合型の超低消費エネルギー・高速信号処理へ前進～
アナログ技術セミナー2022 信号処理編<br />セミナービデオ | Analog Devices
Amazon.co.jp: Pythonで学ぶフーリエ解析と信号処理: 神永正博: 本
NTTが1波長あたり1.2テラビット/秒の世界最大容量となる光伝送を実現するデジタルコヒーレント信号処理回路および光デバイスを開発｜@DIME アットダイム