来自【奇怪的知识】系列的第三篇，承接上文《最优二叉树与Huffman编码》的第1~第5章，本文从第6章开始。
“奈氏定理” 规定的是 码元极限传输速率 , 没有规定 比特极限传输速率 , “香农定理” 就是规定该 “比特极限传输速率” 的 ;
在信号处理中经常需要把噪声叠加到信号上去，在叠加噪声时往往需要满足一定的信噪比，这样产生二个问题，其一噪声是否按指定的信噪比叠加，其二怎么样检验带噪信号中信噪比满足指定的信噪比。
我们知道，通常的成像系统的动态范围远远小于真实世界场景的动态范围，这使得我们很难去拍摄并还原真实的场景。
今天犯了一个低级错误，费了不少时间去填补自己给自己埋的坑，主要就是频域相关提取信号所在索引位置相关问题，既然犯了错就写个博客记录下，免得下次重蹈覆辙，也算给自己一个教训。
在上一篇博客 【数字信号处理】相关函数应用 ( 相关函数应用场景 | 噪声中检测信号原理 ) 中 , 使用了公式推导的方法求相关函数 , 本篇博客使用 matlab 求相关函数 ;
傅里叶变换的提出让人们看问题的角度从时域变成了频域，多了一个维度。快速傅里叶变换算法的提出普及了傅里叶变换在工程领域的应用，在科学计算和数字信号处理等领域，离散傅里叶变换（DFT）至今依然是非常有效的工具之一。
g.tec提供了完整的基于MATLAB的研发系统，包括数据采集，实时和离线数据分析，数据分类以及提供神经反馈所需的所有硬件和软件组件。可以使用g.MOBIlab +，g.USBamp-RESEARCH，g.HIamp或g.Nautilus构建BCI系统。g.MOBIlab +最多可提供8个带有无线信号传输的EEG通道，并且是便携式的。g.USBamp-RESEARCH可用于16-64 EEG通道，并通过USB将数据传输到PC或笔记本电脑。g.HIamp通过USB获取64-256个通道。g.Nautilus无线EEG具有8-64个通道。下图就是g.Recorder的效果图。
AiTechYun 编辑：Yining 前一阵，谷歌通过训练一个神经网络来分析来自NASA的开普勒太空望远镜的数据，并准确地识别出最有希望的行星信号，从而发现了两颗新行星。虽然这只是对700颗恒星的初
在信号理论中，相参又称为相干，定义为脉冲之间存在确定的相位关系。简单来说，脉冲间的相位可以互相对照，知道其中一个相位就有办法知道另外一个。相参处理的意义在于脉冲积累时提高信噪比，提高多普勒频率的准确度。由于雷达回波信号不但有微弱的信号，还会有很强的噪声。雷达的主要目的就是要把微弱的目标信号从噪声中分离出来，设法提高信噪比。要想把信号提取出来，必须要将信号放大，但放大的同时噪声也被放大，因为它们总是同时存在的，并且放大电路自己本身也有噪声，放大后信号与噪声的比值反而变小了，更不利于提取有用的回波信号。解决的方法是进行相参积累，可以对n个回波进行累加，由于噪声是随机的，累加的结果是信号变强，而噪声因是随机的，强度反而变小，这样信号与噪声比就提高了。相参积累中多个脉冲之间相位关系固定且明确，所以理论上积累后信噪比可提高到n倍。
奈奎斯特定理又称奈氏准则，它指出在理想低通（没有噪音、带宽有限）的信道中，极限码元传输率为2WBaud。其中，W是理想低通信道的带宽，单位是HZ。若用V表示每个码元离散电平的数目，则极限数据率为
其中N是ADC的位数，比如对于一个10bit的ADC，N=10，当ADC采集一个满量程的正弦波时，那么信噪比SNR=6.02*10+1.76=61.96dB，那么这个公式是怎么来的呢？
最重要的四个因素是: 码元传输速率,信号传输距离,噪声干扰 ,传输媒体质量前面三种影响因素是正向影响，即码元传输速率越大，影响失真的程度就越大，而最后一种是反向影响，即传输媒体质量越好，影响失真的程度就越小。
matlab里和随机数有关的函数： （1） rand：产生均值为0.5、幅度在0~1之间的伪随机数。 （2） randn：产生均值为0、方差为1的高斯白噪声。 （3） randperm(n)：产生1到n的均匀分布随机序列。 （4） normrnd(a,b,c,d)：产生均值为a、方差为b大小为cXd的 随机矩阵。
1987年：Lim和Oppenheim发表语音增强的维纳滤波方法； 1987年：Boll发表谱减法； 1980年：Maulay和Malpass提出软判决噪声一直方法； 1984年：Ephraim和Malah提出基于最小均方误差短时谱幅度估计的语音增强算法；
（https://www.dianyuan.com/eestar/article-4761.html）里面有个观点：电阻越大噪声越大。
机械特性 : 定义物理连接特性 , 包括 采用的规格 , 接口形状 , 引线数目 , 排列情况 , 引脚数量 ;
物理层考虑的是怎样才能在连接各种计算机的传输媒体上传输数据比特流，而不是指具体的传输媒体。
雷锋网 AI 研习社按，CVPR 2018 图像压缩挑战赛（CLIC）结果已经出炉，腾讯音视频实验室和武汉大学陈震中教授联合团队于该项挑战赛上取得压缩性能第一。（腾讯音视频实验室凭借在 CLIC 中 PSNR 指标第一在雷锋网学术频道 AI 科技评论旗下数据库项目「AI 影响因子」中增加 10 分。）
我们先讲讲锁相放大器的基本结构示于下方图 ，包括信号通道、参考通道、相敏检测器 PSD 和低通滤波器 LPF 等。 各个模块的基本功能描述如下：
算法：信噪比是指图像数组的均值除以图像数组的标准差。颜色量化虽然缩小了图像的尺寸（比特/像素的数量），但是图像的质量变差了。通常情况下，信噪比是图像质量的一种度量方法，信噪比越高，图像质量越好。
区分预测模型和分类模型是很重要的一个事情。在很多决策应用中，分类模型代表着一个“不成熟”的决定，它组合了预测模型和决策制定，但剥夺了决策者对错误决定带来的损失的控制权 (如随机森林中的服从大多数原则，51棵树预测结果为患病49棵树预测结果为正常与91棵树预测结果为患病``9棵树预测结果为正常返回的结果都是患病)。如果采样标准或损失/收益规 (在预测疾病时，更看重敏感性而非假阳性)则发生改变，分类模型也需要相应的改变。而预测模型是与决策分开的，可用于任何决策制定。
对于模拟信号：300Hz~3300Hz才能通过信道传输----信道带宽3300-300=3000Hz 低于300：衰减损耗无法通过 高于3300：码间串扰，区分不出差异，找不到码元信号间的界限
这类设备中都集成了麦克风和喇叭等电声器件，其中麦克风用于识别用户的声音，喇叭用于播放设备对用户指令的反应。麦克风的性能是影响语音唤醒率高低的重要因数，而喇叭的性能会影响打断唤醒率和用户的主观体验。接下来将分两篇文章对麦克风和喇叭的一些主要性能参数进行解析，给大家在产品设计时选择声学器件提供一些帮助。
image.png 推荐语： “信噪比”（Signal-to-Noise Ratio）原本是用在声音和图像领域的概念。比如，音响设备播放声音时，机器本身也会产生噪音，能不能原汁原味地播出声音，同时最大限度地掩盖噪音，是衡量设备好坏的重要指标。这篇文章巧妙地把“信噪比”的概念借用到了用户体验，把道理说得浅显易懂，难能可贵。 用户体验是互联网产品的命脉，琢磨和研发更好的用户体验应是产品经理和设计师的主要工作。我们之前的经验是，产品的交互设计要细致，视觉要简洁清爽。产品经理要设想自己是个挑剔的
CVPR 2018 图像压缩挑战赛结果已经出炉，腾讯音视频实验室和武汉大学陈震中教授联合团队于该项挑战赛上取得压缩性能第一。
正如你已经在上一篇文章52. 光的飞行时间技术 (TOF系列2)中所见，包括TOF技术在内的3D成像技术从诞生到现在已经取得了巨大的发展，并且已经用到了很多领域。
信道编码的初期：分组码实现编码，缺点有二：只有当码字全部接收才可以开始译码，需要精确的帧同步时延大，增益损失多
小波去噪方法就是一种建立在小波变换多分辨分析基础上的新兴算法，其基本思想是根据噪声与信号在不同频带上的小波分解系数具有不同强度分布的特点，将各频带上的噪声对应的小波系数去除，保留原始信号的小波分解系数，然后对处理后的系数进行小波重构，得到纯净信号。
一般来讲，雷达系统是使用调制波形和方向性天线来发射电磁能量到空间的特定区域以搜索目标，在搜索区域内的目标物会反射部分能量(雷达反射信号或回波)回到雷达，然后这些回波被雷达接收机处理，以提取目标的信息，例如距离，速度，角位置和其他目标识别特征
采样频率，也称为采样速度或者采样率，定义了单位时间内从连续信号中提取并组成离散信号的采样个数，它用赫兹（Hz）来表示。采样频率的倒数是采样周期或者叫作采样时间，它是采样之间的时间间隔。通俗的讲采样频率是指计算机单位时间内能够采集多少个信号样本。例如音频常用的采样率有44.1khz 48khz等。
概述： 椒盐噪声（salt & pepper noise）是数字图像的一个常见噪声，所谓椒盐，椒就是黑，盐就是白，椒盐噪声就是在图像上随机出现黑色白色的像素。椒盐噪声是一种因为信号脉冲强度引起的噪声，产生该噪声的算法也比较简单。
有些出传感器的电压值非常小，例如麦克风产生的电压量级为10-6V,在记录信号或者重构信号时，会将信号线性放大的一个合适的值，通常用dB表示这个值。
分集是一种抗衰落技术。原理是利用两个以上信号传送同一个信息，并且这些不同信号的衰落相互独立。在接收端以适当方式将这些信号合并利用，以降低合成信号电平起伏，减小各种衰落对接收信号的影响，进而恢复信息。
传感器是连接模拟世界与数字世界的桥梁，微弱信号采集是非常具有挑战性的一个应用，我们的目标信号本身就及其微弱，还伴随着各种各样的干扰，信噪比SNR非常低。
其实这可是物理学家正经研究的黑科技，还发表在了物理学顶刊PRL（物理评论快报）上。
机械特性 指明接口所用接线器的形状和尺寸、引线数目和排列、固定和锁定装置等等。 电气特性 指明在接口电缆的各条线上出现的电压的范围。 功能特性 指明某条线上出现的某一电平的电压表示何种意义。 过程特性 指明对于不同功能的各种可能事件的出现顺序。
最近忙里偷闲，想把博士期间的基于深度学习的语音增强的代码整理下。想当初需要在C++，perl和matlab之间来回切换，同时需要准备pfile这个上世纪产物，十分头疼。一直想把它们重新整理，用一种语言实现全部，一键run整个流程，有点符合当下end2end的潮流思想。 Python的易用，Keras的简单，Tensorflow/CNTK等后台的强大（支持多GPU）为这个想法提供了可能。 我的最终目的是想实现一个通用的鲁棒的语音增强工具，同时研究如何让语音增强这个前端可以真正服务于语音识别的后端模型。但光靠我
它的全名叫做 Statistical Machine Intelligence and Learning Engine，是一个快速、全面的机器学习系统。
匹配滤波（matched filtering）是最佳滤波的一种。当输入信号具有某一特殊波形时，其输出达到最大。在形式上，一个匹配滤波器由以按时间反序排列的输入信号构成。且滤波器的振幅特性与信号的振幅谱一致。因此，对信号的匹配滤波相当于对信号进行自相关运算。配滤波器是一种非常重要的滤波器，广泛应用与通信、雷达等系统中。
物理层考虑的是怎样才能在连接各种计算机的传输媒体上传输数据比特流，而不是指具体的传输媒体
N6-甲基腺嘌呤(m6A）是分布最为广泛且保守的RNA修饰。在人类细胞中，目前在近7000个蛋白编码RNA和noncoding RNA中发现了大约10000个m6A修饰位点。作为转录后调控的重要途经之一，m6A修饰影响着RNA剪切，降解，pre-miRNA产生和蛋白翻译等各个阶段，并且在癌症的产生和进程中也起着重要的作用。
上期我们讲到，在计算机中，PCI-E、DDR等总线技术采用了Serdes方式串行化传输后，其传输频率从100MHz迅速进步到了GHz级别。以PCI-E为例，在PCI-E 4.0时代，每对Serdes的工作频率为16.0GHz，相对于传统的PCI总线，其工作频率提升了两个数量级以上。类似地，DDR-5 SDRAM的传输频率可达3.8GHz。由于DDR-5是在时钟脉冲的上升沿和下降沿各传输一次，传输速率可达7600MT/s。
这是「进击的Coder」的第 721 篇分享 来源：OSC 开源社区 (ID:oschina2013) “ 阅读本文大概需要 5 分钟。 ” 5 年前的 2017 Google I/O 大会上，谷歌宣布：官方正式支持将 Kotlin 作为 Android 开发的 First-Class 语言。 自此，Kotlin 开发商 JetBrains 和谷歌一直围绕 Kotlin 进行紧密合作，并共同创立了 Kotlin 基金会。 正如最初 I/O 公告中所强调的那样，Kotlin 是可互操作、成熟、适用于生产环
一、无所不在的连接 针对不通的使用场景，无线网络技术有很多种。 鉴于无线网络技术如此多样，笼统地概括所有无线网络的性能优化手段是不可能的。好在大多数无线技术的原理都是相通的，衡量性能的指标和约束条件也
机器学习中最受追捧且同样令人困惑的方法之一是主成分分析（PCA）。无论我们在不应对PCA复杂性的情况下建立模型的意愿如何，我们都无法长期远离它。PCA的优点在于其实用性。
如果你对摄影有一点基础的了解，可能你经常知道的常识是拍照时，在保证图像曝光合适的情况下要尽量用低ISO，因为高ISO会带来高噪声，就像下图所示
红外探测系统具有隐蔽性强、探测距离远以及抗干扰能力强等优点，广泛应用于舰船、航空器等目标的识别与跟踪。红外系统主要包含目标探测以及图像识别两部分：其中目标探测是红外系统的硬件基础；图像识别算法能够实现图像内容的判别和目标定位，是后续跟踪任务的前提，具体如图1所示：
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
腾讯会议
实时音视频
