パワースペクトル密度、擬似スペクトル - mikeo_410
パワースペクトル密度、擬似スペクトル matlab のヘルプを見ると、線形予測に関した関数の説明では、スペクトルを、パワースペクトル密度(PSD)、あるいは、擬似スペクトルと記しています。 FFTに関する記事には、スペクトルやパワースペクトルと書かれているようです。 結局使い分けがわかりません。 パワー パワーは、絶対値の2乗を指すことは確かそうです。 複素数の大きさ（絶対値）は、実部と虚部の、それぞれを2乗して和を求め、平方根を求めます。 その2乗で、平方根を計算する前の値です。 実際には、共役数との積を計算します。 線スペクトルとPSD パワースペクトル密度と呼ぶ効能はわかりませんが、FFTで算出したスペクトルを線スペクトルと言うことがあるようです。 これは、FFTがサンプル数に対して整数周期の基準波形との相関だけを見ていることを指しているものと思います。 しかし、実際に
dspdata.psd - パワー スペクトル密度 - MATLAB - MathWorks 日本
Hpsd = dspdata.psd(Data) Hpsd = dspdata.psd(Data,Frequencies) Hpsd = dspdata.psd(...,'Fs',Fs) Hpsd = dspdata.psd(...,'SpectrumType',SpectrumType) Hpsd = dspdata.psd(...,'CenterDC',flag) パワー スペクトル密度 (PSD) は連続スペクトルを対象とするものです。与えられた周波数帯域全体における PSD の積分では、周波数帯全体の信号の平均パワーが計算されます。平均二乗スペクトルとは対照的に、このスペクトルのピークはある周波数におけるパワーを反映するものではありません。詳細については、dspdata の avgpower メソッドを参照してださい。 片側 PSD には、DC からナイキスト レートの半分までの周
dspdata - DSP データ パラメーターの情報 - MATLAB - MathWorks 日本
メモ dspdata.dataobj の使用は推奨されていません。代わりに適切な関数インターフェイスを使用してください。 Hs = dspdata.dataobj(input1,...) では、タイプ dataobj の dspdata オブジェクト Hs が返されます。このオブジェクトは、指定された dataobj タイプに必要なパラメーター情報をすべて含んでいます。個々のリファレンス ページで説明されているとおり、各 dataobj は 1 つ以上の入力を受け入れます。入力値を指定しないと、出力オブジェクトは特定の dataobj タイプに対して適切な既定のプロパティ値をもちます。
FFT を使用したパワー スペクトル密度推定 - MATLAB & Simulink - MathWorks 日本
最新のリリースでは、このページがまだ翻訳されていません。 このページの最新版は英語でご覧になれます。 FFT を使用したパワー スペクトル密度推定 この例では、fft を使用して、ピリオドグラムと等価なノンパラメトリック PSD (パワー スペクトル密度) 推定を求める方法を示します。例においては、偶数長の入力、正規化周波数、片側および両側 PSD 推定に対し、fft の出力を適切にスケーリングする方法が示されます。 サンプルレートを使用した偶数長の入力fft と periodogram の両方を使用して、1 kHz でサンプリングされた偶数長の信号についてピリオドグラムを求めます。結果を比較します。 100 Hz 正弦波から成り、N(0,1) 加法性ノイズをもつ信号を作成します。サンプリング周波数は 1 kHz です。信号長は 1000 サンプルです。結果に再現性をもたせるために、乱数発
自己相関を使用した残差解析 - MATLAB & Simulink - MathWorks 日本
この例では、信頼区間をもつ自己相関を使用してノイズ データの最小二乗近似の残差を解析する方法を示します。残差は近似モデルとそのデータの誤差を示します。信号とホワイト ノイズのモデルで信号に対して良い近似が得られている場合は、残差はホワイト ノイズのはずです。 加法性ホワイト ガウス ノイズを伴う 1 次の多項式 (直線) で構成されるノイズ データ セットを作成します。加法性ノイズは N(0,1) 分布に従う一連の無相関確率変数です。これは、すべての確率変数は平均 0 と分散 1 をもつことを意味します。再現性のある結果を得るために、乱数発生器を既定の状態に設定します。
MATLAB Note/音声の加工 - Miyazawa’s Pukiwiki 公開版
MATLABで正弦波を作る（デジタル波） b = 1.0; %正弦波の振幅 f = 12; %周波数（1[s]の間に何回同じ波形が出現するか） Fs = 8820; %サンプリング周波数 t = 0 : 1/Fs : 1.0; %[時間軸の作成] 1/Fs 間隔で 0.0～1.0[s] まで data = b * sin(2 * pi * f * t); %pi=円周率π plot(data); title('時間信号'), xlabel('time[sample]'); 余弦波（cos波） 余弦波の式は、以下のようになる。 a：正弦波の振幅 円運動する点の横座標を、時間の関数として表現した式である。 MATLABで余弦波を作る（デジタル波） a = 1.0; f = 12; Fs = 8820; t = 0 : 1/Fs : 1.0; data = a * cos(2 * pi * f
Matlab虎の巻：音声の提示
sf=22050; % 提示のサンプリング周波数 cf=2000; % 純音の周波数 d=1.0; % 持続時間 n=round(sf*d); % データ数の取得 S=(1:n)/sf; % 音声配列の確保と準備 S=sin(2*pi*cf*S); % 純音の作成 sound(S,sf); % 音声の提示 sf=22050; % 提示のサンプリング周波数 cfL=2000; % 純音の周波数（左） cfR=500; % 純音の周波数（右） d=1.0; % 持続時間 n=round(sf*d); % データ数の取得 S=(1:n)/sf; % 音声配列の確保と準備 SL=sin(2*pi*cfL*S); % 純音の作成（左） SR=sin(2*pi*cfR*S); % 純音の作成（右） S=[SL;SR]'; % ひとつの配列にまとめる sound(S,sf); % 音声の提示 第9行で左
一般化線形モデルによるデータの近似 - MATLAB & Simulink Example - MathWorks 日本
この例では、glmfit と glmval を使用して、一般化線形モデルの当てはめと評価を行う方法を示します。通常の線形回帰を使用すると、直線、またはパラメーターにおいて線形である任意の関数を、正規分布した誤差を伴うデータに当てはめることができます。これは最もよく使用されている回帰モデルですが、必ずしも現実的なモデルであるとは限りません。一般化線形モデルは、線形モデルを 2 つの方法で拡張したものです。第 1 に、リンク関数を導入することで、パラメーターにおける線形性の仮定が緩和されます。第 2 に、正規分布以外の誤差分布をモデル化できます。 一般化線形モデル回帰モデルは、応答変数 (一般に y で示される) の分布を、1 つ以上の予測子変数 (一般に x1、x2 などで示される) を使用して定義します。最もよく使用されている回帰モデルである通常の線形回帰は、正規確率変数として y をモデ
ロジスティック回帰モデルのベイズ解析 - MATLAB & Simulink Example - MathWorks 日本
この例では、slicesample を使用してロジスティック回帰モデルでベイズの推論を行う方法を示します。 統計的推定は、最尤推定法 (MLE) に基づくのが一般的です。MLE はデータの尤度を最大化するパラメーターを選択するので、直観的に言えば魅力的です。MLE では、パラメーターは未知でも確定はしているものと想定されており、ある程度の信頼をもって推定されます。ベイズ解析では、未知のパラメーターについては確率を利用して数値化します。それゆえ未知のパラメーターは確率変数として定義されます。 ベイズの推論ベイズの推論は、モデルまたはモデル パラメーターについての予備知識を取り込んで統計モデルを解析する処理です。このような推論の根底にあるのは、ベイズの定理です。 たとえば、次のような正規の観測値があるとします。 ここで、sigma は既知であり、theta の予備知識は次のとおりです。 この式
音声の LPC 解析と合成 - MATLAB & Simulink Example - MathWorks 日本
この例では、線形予測コーディングを使用した音声の低帯域幅送信に Levinson-Durbin ブロックと Time-Varying Lattice Filter ブロックを使用する方法を示します。 サンプル モデル 例の説明この例は解析と合成の 2 つの部分で構成されています。解析部分 'LPC Analysis' は、システムの送信側にあります。反射係数と残差信号は、元の音声信号から抽出され、チャネルを介して送信されます。システムの受信側にある合成部分 'LPC Synthesis' では、反射係数と残差信号を使用して元の信号を復元します。このシミュレーションでは、音声信号が 20 ms (160 サンプル) のサイズのフレームに分割され、そのうち 10 ms (80 サンプル) がオーバーラップしています。各フレームはハミング ウィンドウで表示されます。11 次数の自己相関係数が検出
【備忘録】Androidスマホの液晶が割れdocomoケータイ補償サービス適用
✓本記事の対象 ・楽天モバイルに戻ってこようかなと考えてる人 ・楽天モバイルの2回線目を検討している人 ・プラチナバンドが始まったら楽天モバイルに戻ってこようと思ってる人 最初に申し上げておきます。 通常の楽天[…] もう１週間以上前になるのですが、スマホの液晶画面の一部が割れてしまいました。 使用機種はGalaxy SC04-E(docomo)です。 割れたといってもホームボタン周辺の一部の液晶が割れているだけだったので一応の操作は可能でした。しばらくこのまま使用していましたが、指を怪我してしまいそうなので修理することにしました。 ドコモショップで話を聞くと修理は可能でしたが1,2週間預けなければなりません。修理費用は5,000円。同じ値段でケータイ補償サービスを適用して、新品に交換することも可能とのこと。 修理に出すと代スマホは用意してくれるのですが、戻ってくるまで時間がかかるのが嫌だ
一般化線形モデルによるデータの近似 - MATLAB & Simulink Example - MathWorks 日本
この例では、glmfit と glmval を使用して、一般化線形モデルの当てはめと評価を行う方法を示します。通常の線形回帰を使用すると、直線、またはパラメーターにおいて線形である任意の関数を、正規分布した誤差を伴うデータに当てはめることができます。これは最もよく使用されている回帰モデルですが、必ずしも現実的なモデルであるとは限りません。一般化線形モデルは、線形モデルを 2 つの方法で拡張したものです。第 1 に、リンク関数を導入することで、パラメーターにおける線形性の仮定が緩和されます。第 2 に、正規分布以外の誤差分布をモデル化できます。 一般化線形モデル回帰モデルは、応答変数 (一般に y で示される) の分布を、1 つ以上の予測子変数 (一般に x1、x2 などで示される) を使用して定義します。最もよく使用されている回帰モデルである通常の線形回帰は、正規確率変数として y をモデ
線形予測と自己回帰モデリング - MATLAB & Simulink Example - MathWorks 日本
この例は、自己回帰モデリングと線形予測の関係を比較する方法を示します。線形予測と自己回帰モデリングという 2 つの問題は、同じ数値結果を得ることが可能です。両方の問題の最終的な目的は、線形フィルターのパラメーターを確定することです。しかし、それぞれの問題で使われるフィルターは異なります。 はじめに線形予測の目的は、過去のサンプルの線形結合に基づいて、自己回帰過程の今後のサンプルを的確に予測できる FIR フィルターを決定することです。実際の自己回帰信号と予測信号の差は、予測誤差と呼ばれます。理想的には、この誤差がホワイト ノイズです。 自己回帰モデリングの目的は、ホワイト ノイズによって励起されたとき、モデル化する自己回帰過程と同じ統計値をもつ信号を生成する全極 IIR フィルターを決定することです。 入力がホワイト ノイズである全極フィルターを使用した AR 信号の生成LPC 関数と F
添字を使用した代入 - MATLAB subsasgn - MathWorks 日本
A = subsasgn(A,S,B) は、A がオブジェクトである場合に構文 A(i) = B、A{i} = B、または A.i = B に対して呼び出されます。 MATLAB® では、インデックス付きの代入ステートメントを組み込み関数 subsasgn を使用して解釈します。 A(i) = B は、B の値を添字ベクトル i で指定された A の要素に代入します。B は i と同じ数の要素をもつか、スカラー値でなければなりません。 A(i,j) = B は、B の値を添字ベクトル i および j で指定された A の長方形の部分行列の要素に代入します。B は length(i) 行 length(j) 列でなければなりません。 A(i,:) = B または A(:,i) = B のように添字として使用されるコロンは、列全体または行全体を示します。 多次元配列の場合、A(i,j,k,…)
配列の形状変更および再配列 - MATLAB & Simulink - MathWorks 日本
MATLAB® の多くの関数は、既存の配列の要素を取得し、別の形状またはシーケンスに配置することができます。これは、その後の計算用にデータを前処理したりデータを解析したりする場合に役立ちます。
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
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
複素ケプストラム - 基本周波数推定 - MATLAB & Simulink - MathWorks 日本
http://xml.affiliate.rakuten.co.jp/?type=js&service=ranking&hash=0070f782.5b4c3ff8&theme=gourmet&num=10&sc=1&p=0_13_B09475_FFFFFF_FFFFFF_0000FF_990000_1&title=%E3%81%93%E3%82%8C%E3%81%8C%E5%A3%B2%E3%82%8C%E3%81%A6%E3%81%84%E3%81%BE%E3%81%99
ジョギングの消費カロリーは走る距離と体重で決まる | ダイエット BEAUTY!
FFT を使用したパワー スペクトル密度推定 - MATLAB & Simulink - MathWorks 日本
一般化線形モデルによるデータの近似 - MATLAB & Simulink Example - MathWorks 日本