farivar.maryam 1226 اشتراک گذاری ارسال شده در 24 فروردین، ۱۳۹۳ سلام دوستانمن در زمینه correlation در پردازش سیگنال یک سری مطالب میخوام در مورد نحوه کارکردش یک سری روابط محاسباتی و چند مورد مثال کاربردی این بحث اگه کسی در این زمنیه قایل مقاله یا اطلاعاتی داره بهم کمک کنه ممنون میشم 8 لینک به دیدگاه
Imaaan 17059 اشتراک گذاری ارسال شده در 24 فروردین، ۱۳۹۳ سلام دوستانمن در زمینه correlation در پردازش سیگنال یک سری مطالب میخوام در مورد نحوه کارکردش یک سری روابط محاسباتی و چند مورد مثال کاربردی این بحث اگه کسی در این زمنیه قایل مقاله یا اطلاعاتی داره بهم کمک کنه ممنون میشم سلام فکر کنم منظورتون این باشه، مثل کانولوشن هست فقط سیگنالمون قرینه نمیشه: برای مشاهده این محتوا لطفاً ثبت نام کنید یا وارد شوید. ورود یا ثبت نام فرمول کلیش هم این شکلی هست: برای مشاهده این محتوا لطفاً ثبت نام کنید یا وارد شوید. ورود یا ثبت نام 10 لینک به دیدگاه
farivar.maryam 1226 مالک اشتراک گذاری ارسال شده در 25 فروردین، ۱۳۹۳ سلامفکر کنم منظورتون این باشه، مثل کانولوشن هست فقط سیگنالمون قرینه نمیشه: برای مشاهده این محتوا لطفاً ثبت نام کنید یا وارد شوید. ورود یا ثبت نام فرمول کلیش هم این شکلی هست: برای مشاهده این محتوا لطفاً ثبت نام کنید یا وارد شوید. ورود یا ثبت نام سلام ممنونم که بازم عین همیشه خیلی با حوصله جواب سوالم رو دادین من میخوام اگه فایل مقاله یا چیزی دارین بهم بدین چون میخوام اطلاعاتم در این زمینه تقریبا کامل بشه مثلا در مورد اینکه چطور کار میکنه بعضی فرمول های محاسباتیش و مهم تر از همه این که چند مورد کاربردش رو تشریح کنه مثلا در زمینه سیگنال های مغزی تو پزشکی کاربرد داره این کاربردها رو شرح بده اگه داشته باشین و کمکم کنین ممنون میشم 7 لینک به دیدگاه
Imaaan 17059 اشتراک گذاری ارسال شده در 26 فروردین، ۱۳۹۳ سلام ممنونم که بازم عین همیشه خیلی با حوصله جواب سوالم رو دادین من میخوام اگه فایل مقاله یا چیزی دارین بهم بدین چون میخوام اطلاعاتم در این زمینه تقریبا کامل بشه مثلا در مورد اینکه چطور کار میکنه بعضی فرمول های محاسباتیش و مهم تر از همه این که چند مورد کاربردش رو تشریح کنه مثلا در زمینه سیگنال های مغزی تو پزشکی کاربرد داره این کاربردها رو شرح بده اگه داشته باشین و کمکم کنین ممنون میشم سلام پست قبلی که از ویکی پدیا بود، چند تا فایل میذارم، ولی حتما یه سرچی بکنین: اینم لینک دانلود کتاب اپنهایم هست: [TABLE=width: 100%] [TR] [TD][/TD] [TD=colspan: 2] برای مشاهده این محتوا لطفاً ثبت نام کنید یا وارد شوید. ورود یا ثبت نام [/TD] [/TR] [/TABLE] برای مشاهده این محتوا لطفاً ثبت نام کنید یا وارد شوید. ورود یا ثبت نام برای مشاهده این محتوا لطفاً ثبت نام کنید یا وارد شوید. ورود یا ثبت نام برای مشاهده این محتوا لطفاً ثبت نام کنید یا وارد شوید. ورود یا ثبت نام 9 لینک به دیدگاه
farivar.maryam 1226 مالک اشتراک گذاری ارسال شده در 26 فروردین، ۱۳۹۳ سلامپست قبلی که از ویکی پدیا بود، چند تا فایل میذارم، ولی حتما یه سرچی بکنین: اینم لینک دانلود کتاب اپنهایم هست: [TABLE=width: 100%] [TR] [TD][/TD] [TD=colspan: 2] برای مشاهده این محتوا لطفاً ثبت نام کنید یا وارد شوید. ورود یا ثبت نام [/TD] [/TR] [/TABLE] برای مشاهده این محتوا لطفاً ثبت نام کنید یا وارد شوید. ورود یا ثبت نام واقعا دستت درد نکنه یک دنیا تشکر 7 لینک به دیدگاه
Mehdi.Aref 26780 اشتراک گذاری ارسال شده در 12 اردیبهشت، ۱۳۹۳ سلام دوستانمن در زمینه correlation در پردازش سیگنال یک سری مطالب میخوام در مورد نحوه کارکردش یک سری روابط محاسباتی و چند مورد مثال کاربردی این بحث اگه کسی در این زمنیه قایل مقاله یا اطلاعاتی داره بهم کمک کنه ممنون میشم این فایل هم فکر کنم به کارتون بیاد برای مشاهده این محتوا لطفاً ثبت نام کنید یا وارد شوید. ورود یا ثبت نام 4 لینک به دیدگاه
farivar.maryam 1226 مالک اشتراک گذاری ارسال شده در 15 اردیبهشت، ۱۳۹۳ این فایل هم فکر کنم به کارتون بیاد یک دنیا تشکر واقعا ممنون 4 لینک به دیدگاه
Yaser.C 5059 اشتراک گذاری ارسال شده در 19 اردیبهشت، ۱۳۹۳ کورولیشن یا همبستگی هم روی یه سیگنال معرفی میشه و هم روی دو سیگنال..به اولی میگن خود همبستگی یعنی اینکه یه سیگنال توی این لحظه چه قدر به لحظات قبلی و بعدی خودش شباهت داره.این تابع یه تابع بسیار مهم روی سیگنال ها هست که اطلاعات زیادی رو میتونه از ذات سیگنال بده. اگه یه سیگنال ایستان از دید باز باشه (WSS) میشه گفت که تابع خود همبستگیش فقط تابع اختلاف زمانی هست. مثلا نویز سفید رو در نظر بگیرید.این چون نویز در ان لحظه هیچ‌شباهتی به لحظات قبلی و بعدی نداره و بیشترین شباهت رو به خودش داره (و از اونجا که WSS هست) تابع خودهمبستگیش میشه تابع ضربه. از خود همبستگی استفاده های زیادی می کنن و میتونن از اون اطلاعات زیادی رو به دست بیارن.مثلا میتونن از اون ماتریس کواریانس یه سیگنال رو حساب کنن و یا خروجی فیلتر های سفید ساز رو مورد تحلیل قرار بدن.یکی دیگه از کاربرد های اون پیدا کردن درجه غنای یه سیگنال هست که در شناسایی سیستم ها در روش های آنلاین و آفلاین کاربرد داره. تبدیل فوریه تابع خودهمبستگی رو طیف توان یه سیگنال میگن. این طیف میتونه از بحث هایی که به شما گفتم یه دید فرکانسی بهتون بده cross correlation یا همبستگی ضربی به شباهت دو سیگنال مجزا می پردازه و در صد شباهت اون ها رو بیان میکنه. این مورد هم کاربرد های زیادی داره من یه مثال از درس سیگنال و سیستم برای شما میارم.معادله تفاضلی زیر رو در نظر بگیرید: برای مشاهده این محتوا لطفاً ثبت نام کنید یا وارد شوید. ورود یا ثبت نام تو این معادله تفاضلی u ورودی سیستم هست و y خروجی اون و اینکه (جدا از پایداری و یا ناپایداری اون) میشه گفت که تاخیر خالص توی این سیستم ۴ نمونه هست.پس اگر اینجا شما به این سیستم ورودی و خروجی بدید و بیاید همبستگی ضربی رو روی ورودی و خروجی اون محاسبه کنید میبینید که تا سه نمونه همبستگی ضربی صفر هست و از شماره چهارم مقدار داره...یعنی شما تونستید با ورودی و خروجی دادن به این سیستم تاخیر خالص سیستم رو به دست بیارید. این تابع میزان مشارکت نمونه های خروجی و ورودی رو به شما معرفی میکنه ومیتونید یه تحلیل کلی هم از ضرایب سیستم داشته باشید کلا این دو تابع معروف در کلاس آمار و فرآیند های اتفاقی خطی قرار داره و تحلیل های خوبی از سیستم های خطی و سیگنال های اون به شما میده. هر چند که میتونه در شناسایی و درگیر بودن دینامیک سیستم های غیر خطی هم مفید باشه... مرجعی که بتونید بهش مراجعه کنید کتاب معروف پاپولیس هست که همون مرجع آمار و احتمال مهندسی هست. البته توابع خود همبستگی و همبستگی ضربی تو بحث آمار و احتمال نیستن و جزء بحث فرآیند های اتفاقی محسوب میشن.به همین خاطر میبایست به فصول هشت تا سیزده این کتاب مراجعه کنید (اگه درست به خاطر داشته باشم!!!!!!!) امیدوارم تونسته باشم به شما کمکی کرده باشم 5 لینک به دیدگاه
farivar.maryam 1226 مالک اشتراک گذاری ارسال شده در 28 اردیبهشت، ۱۳۹۳ کورولیشن یا همبستگی هم روی یه سیگنال معرفی میشه و هم روی دو سیگنال..به اولی میگن خود همبستگی یعنی اینکه یه سیگنال توی این لحظه چه قدر به لحظات قبلی و بعدی خودش شباهت داره.این تابع یه تابع بسیار مهم روی سیگنال ها هست که اطلاعات زیادی رو میتونه از ذات سیگنال بده. اگه یه سیگنال ایستان از دید باز باشه (WSS) میشه گفت که تابع خود همبستگیش فقط تابع اختلاف زمانی هست. مثلا نویز سفید رو در نظر بگیرید.این چون نویز در ان لحظه هیچ‌شباهتی به لحظات قبلی و بعدی نداره و بیشترین شباهت رو به خودش داره (و از اونجا که WSS هست) تابع خودهمبستگیش میشه تابع ضربه. از خود همبستگی استفاده های زیادی می کنن و میتونن از اون اطلاعات زیادی رو به دست بیارن.مثلا میتونن از اون ماتریس کواریانس یه سیگنال رو حساب کنن و یا خروجی فیلتر های سفید ساز رو مورد تحلیل قرار بدن.یکی دیگه از کاربرد های اون پیدا کردن درجه غنای یه سیگنال هست که در شناسایی سیستم ها در روش های آنلاین و آفلاین کاربرد داره. تبدیل فوریه تابع خودهمبستگی رو طیف توان یه سیگنال میگن. این طیف میتونه از بحث هایی که به شما گفتم یه دید فرکانسی بهتون بدهcross correlation یا همبستگی ضربی به شباهت دو سیگنال مجزا می پردازه و در صد شباهت اون ها رو بیان میکنه. این مورد هم کاربرد های زیادی داره من یه مثال از درس سیگنال و سیستم برای شما میارم.معادله تفاضلی زیر رو در نظر بگیرید: برای مشاهده این محتوا لطفاً ثبت نام کنید یا وارد شوید. ورود یا ثبت نام تو این معادله تفاضلی u ورودی سیستم هست و y خروجی اون و اینکه (جدا از پایداری و یا ناپایداری اون) میشه گفت که تاخیر خالص توی این سیستم ۴ نمونه هست.پس اگر اینجا شما به این سیستم ورودی و خروجی بدید و بیاید همبستگی ضربی رو روی ورودی و خروجی اون محاسبه کنید میبینید که تا سه نمونه همبستگی ضربی صفر هست و از شماره چهارم مقدار داره...یعنی شما تونستید با ورودی و خروجی دادن به این سیستم تاخیر خالص سیستم رو به دست بیارید. این تابع میزان مشارکت نمونه های خروجی و ورودی رو به شما معرفی میکنه ومیتونید یه تحلیل کلی هم از ضرایب سیستم داشته باشید کلا این دو تابع معروف در کلاس آمار و فرآیند های اتفاقی خطی قرار داره و تحلیل های خوبی از سیستم های خطی و سیگنال های اون به شما میده. هر چند که میتونه در شناسایی و درگیر بودن دینامیک سیستم های غیر خطی هم مفید باشه... مرجعی که بتونید بهش مراجعه کنید کتاب معروف پاپولیس هست که همون مرجع آمار و احتمال مهندسی هست. البته توابع خود همبستگی و همبستگی ضربی تو بحث آمار و احتمال نیستن و جزء بحث فرآیند های اتفاقی محسوب میشن.به همین خاطر میبایست به فصول هشت تا سیزده این کتاب مراجعه کنید (اگه درست به خاطر داشته باشم!!!!!!!) امیدوارم تونسته باشم به شما کمکی کرده باشم دستت درد نکنه 3 لینک به دیدگاه
ارسال های توصیه شده