Le blanchiment spectral est généralement une tentative de rendre le spectre du signal "plus uniforme". Une des raisons pour lesquelles cela pourrait être une bonne chose à faire est qu'elle peut avoir pour effet de rendre l'autocorrélation du signal "plus étroite" (et plus proche d'un delta de Dirac, pour les signaux à temps discret). Cela peut aider à localiser dans le temps.
Quel est l'effet du blanchiment spectral lorsqu'il est utilisé dans le traitement d'images? (visuellement ou autrement ...)
Ce n'est généralement pas joli. La plupart des images sont «passe-bas» (la plupart des informations se trouvent dans la partie basse fréquence du spectre). Une approche simpliste du blanchiment dans les images consiste à faire une différence en colonnes (ou en lignes) (c'est- diffà- dire dans matlab).
Cela signifie des valeurs de pixels négatives, qui ne correspondent généralement à rien de sensé avec des images standard.
Où le blanchiment spectral peut-il être utile dans le traitement ou l'analyse audio?
Si vous essayez de localiser (dans le temps) le début d'un son, il est possible que le blanchiment spectral puisse améliorer cela. Il est également possible qu'il puisse réduire (améliorer) le SNR.
À quoi ressemblerait un signal audio blanchi spectralement?
Pour l'audio de la parole ou de la musique, il aura tendance à apporter des fréquences plus élevées.
Sinon, comment pourriez-vous «pré-blanchir» un signal de données?
TheGrapeBeyond
Cela dépend de ce que vous entendez par «signal de données»? Voulez-vous dire un signal composé uniquement de 1«et 0»?
Peter K.
Je veux dire, disons que je vous donne un vecteur de données, disons, 100 nombres, de sorte que le PSD n'est pas uniforme.
TheGrapeBeyond
D'ACCORD. Une façon consiste à estimer la PSD à l'aide d'un estimateur spectral AR (autorégressif) (par exemple en utilisant les équations de Yule-Walker) et à filtrer le signal en utilisant son inverse . Mais cela dépend vraiment de l'application quant à la forme de blanchiment qui a du sens.
Peter K.
Ahh, merci intéressant! Une mauvaise compréhension que j'ai eue sur un pré-blanchiment, est-ce que cela ne détruit pas une structure significative que vous aviez à l'origine? (Vous filtrez par l'inverse, et maintenant vous vous retrouvez avec une fonction delta). Alors à quoi ça sert? ...
TheGrapeBeyond
2
Le blanchiment spectral est le processus de fabrication du spectre de magnitude Uniform.
Pour une image, cela rend le spectre de magnitude plus continu plutôt que d'avoir quelques fréquences qui sautent ici et là. Fondamentalement, le mot "blanchiment" vient de White Process dont le spectre n'est qu'une constante à toutes les fréquences. Mais si vous faites cela à une image, cela n'aura aucun sens. Donc, en fait, vous voudriez qu'un spectre plutôt nerveux et nerveux soit plus lisse sans induire de bruit excessif.
Je ne sais pas comment cela affectera une image mais je peux donner un exemple de l'endroit où cela est appliqué. Considérons un canal LTI dans un système de communication (ou un système audio qui a une réponse en fréquence plutôt "blanche" à toutes les fréquences. Un système audio ne va pas alterner toutes les fréquences à la même amplitude et il y a égalisation). À la fin du récepteur (en tant que sortie du haut-parleur ouRXdu système de communication) ce que vous recevez est la version déformée du signal d'entrée. Donc, ce que vous voudriez faire théoriquement avant d'envoyer le signal sur le système, c'est de modifier la forme du signal de sorte que lorsque le système le déforme, il le rend suffisamment plat. C'est ce qu'on appelle généralement la préaccentuation ou l'égalisation. Je suppose que je ne sais pas où le blanchiment spectral serait appliqué dans le traitement d'image (comme je ne l'ai pas fait auparavant) mais il aura une utilisation et des applications égales comme je l'ai expliqué ici.
Qu'est-ce qui reste invariant lors de l'uniformisation du spectre de magnitude? Même le bruit blanc a un spectre uniforme.
user13107
0
le spectre blanc est un spectre comme celui de la lumière blanche: toutes les longueurs d'onde (fréquences) ont une puissance moyenne constante. en général aucun signal et aucune image n'ont cela. si l'on a besoin d'un spectre blanc, il suffit d'une méthode pour blanchir le signal / l'image actuel. il existe de nombreuses méthodes de pré-blanchiment. l'une des plus simples est la prédiction linéaire dans les séries chronologiques. dans le traitement d'image, même de simples filtres passe-haut blanchissent les images.
1«et0»?Le blanchiment spectral est le processus de fabrication du spectre de magnitude
Uniform.Pour une image, cela rend le spectre de magnitude plus continu plutôt que d'avoir quelques fréquences qui sautent ici et là. Fondamentalement, le mot "blanchiment" vient de White Process dont le spectre n'est qu'une constante à toutes les fréquences. Mais si vous faites cela à une image, cela n'aura aucun sens. Donc, en fait, vous voudriez qu'un spectre plutôt nerveux et nerveux soit plus lisse sans induire de bruit excessif.
Je ne sais pas comment cela affectera une image mais je peux donner un exemple de l'endroit où cela est appliqué. Considérons un canal LTI dans un système de communication (ou un système audio qui a une réponse en fréquence plutôt "blanche" à toutes les fréquences. Un système audio ne va pas alterner toutes les fréquences à la même amplitude et il y a égalisation). À la fin du récepteur (en tant que sortie du haut-parleur ou
RXdu système de communication) ce que vous recevez est la version déformée du signal d'entrée. Donc, ce que vous voudriez faire théoriquement avant d'envoyer le signal sur le système, c'est de modifier la forme du signal de sorte que lorsque le système le déforme, il le rend suffisamment plat. C'est ce qu'on appelle généralement la préaccentuation ou l'égalisation. Je suppose que je ne sais pas où le blanchiment spectral serait appliqué dans le traitement d'image (comme je ne l'ai pas fait auparavant) mais il aura une utilisation et des applications égales comme je l'ai expliqué ici.la source
le spectre blanc est un spectre comme celui de la lumière blanche: toutes les longueurs d'onde (fréquences) ont une puissance moyenne constante. en général aucun signal et aucune image n'ont cela. si l'on a besoin d'un spectre blanc, il suffit d'une méthode pour blanchir le signal / l'image actuel. il existe de nombreuses méthodes de pré-blanchiment. l'une des plus simples est la prédiction linéaire dans les séries chronologiques. dans le traitement d'image, même de simples filtres passe-haut blanchissent les images.
la source