采样定理在1928年由美国电信工程师H.奈奎斯特首先提出来的,因此称为奈奎斯特采样定理. 1933年由苏联工程师科捷利尼科夫首次用公式严格地表述这一定理,因此在苏联文献中称为科捷利尼科夫采样定理. 1948年信息论的创始人C.E.香农对这一定理加以明确地说明并正式作为定理引用,因此在许多文献中又称为香农采样定理. 奈奎斯特采样定理解释了采样率和所测信号频率之间的关系. 阐述了采样率fs必须大于被测信号感兴趣最高频率分量的两倍. 该频率通常被称为奈奎斯特频率fN.即: 首先,我们要明确以下两点:

NumPy参考 数组创建 零 和 一 empty(shape[, dtype, order]):返回给定形状和类型的新数组,而不初始化条目 empty_like(prototype[, dtype, order, subok]):返回一个与给定数组具有相同形状和类型的新数组. eye(N[, M, k, dtype, order]):返回一个二维数组,其中对角线为1,零点为零. identity(n[, dtype]):返回标识数组. ones(shape[, dtype, order]):返回

编解码学习笔记(一):基本概念 媒体业务是网络的主要业务之间.尤其移动互联网业务的兴起,在运营商和应用开发商中,媒体业务份量极重,其中媒体的编解码服务涉及需求分析.应用开发.释放 license收费等等.最近因为项目的关系,需要理清媒体的codec,比较搞的是,在豆丁网上看运营商的规范标准,同一运营商同样的业务在不同文档中不同的要求,而且有些要求就我看来应当是历史的延续,也就是现在已经很少采用了.所以豆丁上看不出所以然,从 wiki上查.中文的wiki信息量有限,很短,而wiki的英文内容内多,

一.前序 这里了解一下各个参数的含义以及一些基本概念. 声音是连续模拟量,计算机将它离散化之后用数字表示,就有了以下几个名词术语. 样本长度(sample):样本是记录音频数据最基本的单位,计算机对每个通道采样量化时数字比特位数,常见的有8位和16位. 通道数(channel):该参数为1表示单声道,2则是立体声. 帧(frame):帧记录了一个声音单元,其长度为样本长度与通道数的乘积,一段音频数据就是由苦干帧组成的. 采样率(rate):每秒钟采样次数,该次数是针对帧而言,常用的采样率如8KH

(本文转自码农人生) 前言 从事音乐相关的app开发也已经有一段时日了,在这过程中app的播放器几经修改,我也因此对于iOS下的音频播放实现有了一定的研究.写这个 系列的博客目的一方面希望能够抛砖引玉,另一方面也是希望能帮助国内其他的iOS开发者和爱好者少走弯路(我自己就遇到了不少的坑).   本篇为<iOS音频播放>系列的第一篇,主要将对iOS下实现音频播放的方法进行概述.   基础 先来简单了解一下一些基础的音频知识.   目前我们在计算机上进行音频播放都需要依赖于音频文件,音频文件的生成

多普勒失真信号采样Matlab模拟分析 方案 水声通信指的是使用声信号在水中数据传输. 相对而言.电磁信号在水中吸收严重衰减过快,光信号受水中悬浮颗粒的影响,也无法完毕远距离传输. 这两种信号的传播距离约为数百米,而声信号在水中传播距离达到数十千米.成为水下通信的首选方式. 水声通信的一个重大挑战就是运动带来的多普勒. 多普勒造成信号的频率漂移,影响系统性能,因此很有必要消除多普勒带来的影响.而多普勒在时域的表现为信号的长度压缩和扩展.即'y(t) = x((1+a) * t)',当中a为多普勒

本文章是关于ADC/DAC设计经典问答,涵盖时钟占空比.共模电压.增益误差.微分相位误差.互调失真等常见问题. 1. 什么是小信号带宽(SSBW)? 小信号带宽(Small Signal Bandwidth (SSBW))是指在指定的幅值输入信号及特定的频率下,它的输出幅值比低频时的输出幅值下降指定值时,该特定频率为小信号带宽. 2. 什么是共模电压(VCM)? 共模电压(Common Mode Voltage (VCM ))是差动输入的两个引脚上相同的直流输入电压. 3. 什么是MSB(最高有

什么是sharpening? 不解释,从左到右为sharpen , 从右到左为blur. 简单理解为边缘增强,使得轮廓清晰.增强对比度. 如何进行sharpening? 下面是实际sharpen的过程,仔细看一下下面的图!!!发现了什么??? 锐化之后边缘处出现了黑-更黑-渐白的过程.以及渐白-极白-渐白-的过程.这其实相当于一斤了另一种噪声. 如何评价color correction 算法的优差? 1.由于undershoots的影响带来ring effect.所以高通滤波器设计尽最大独立压缩

采集时间 采集时间是从释放保持状态(由采样-保持输入电路执行)到采样电容电压稳定至新输入值的1 LSB范围之内所需要的时间.采集时间(Tacq)的公式如下: 混叠 根据采样定理,超过奈奎斯特频率的输入信号频率为“混叠”频率.也就是说,这些频率被“折叠”或复制到奈奎斯特频率附近的其它频谱位置.为防止混叠,必须对所有有害信号进行足够的衰减,使得ADC不对其进行数字化.欠采样时,混叠可作为一种有利条件. 孔径延迟 ADC中的孔径延迟(tAD)是从时钟信号的采样沿(下图中为时钟信号的上升沿)到发生采样时

转:http://blog.csdn.net/wbgxx333/article/details/25778483 本翻译原文http://kaldi.sourceforge.net/feat.html,由@煮八戒翻译,@wbglearn校对和修改. 特征提取 简介 我们做特征提取和波形读取的这部分代码,其目的是为了得到标准的MFCC(译注:梅尔倒谱系数)和PLP(译注:感知线性预测系数)特征,设置合理的默认值但留了一部分用户最有可能想调整的选项(如梅尔滤波器的个数,最小和最大截止频率等等).这部

ADC分类 直接转换模拟数字转换器(Direct-conversion ADC),或称Flash模拟数字转换器(Flash ADC) 循续渐近式模拟数字转换器(Successive approximation ADC) 跃升-比较模拟数字转换器(Ramp-compare ADC) 威尔金森模拟数字转换器(Wilkinson ADC 集成模拟数字转换器(Integrating ADC) Delta编码模拟数字转换器(Delta-encoded ADC) 管道模拟数字转换器(Pipeline ADC

 *连续时间-周期性信号频谱 clc;clear;close all N = input('N= '); T = 0.05; n = 1:N; %原始数据输入 D = 2*pi/(N*T); %计算分辨率 xa=cos(10*n*T); %有限长余弦序列 Xa=T*fftshift(fft(xa,N)); %Xa(1) %求x(n)的DFT,移动到对称位置 k=floor(-(N-1)/2:(N-1)/2); %对于w=0对称的奈奎斯特频率下标向量 TITLE=sprintf('N=%i,L=%

似乎在很多人心目中,个位数机身就代表了品牌最强成像素质,这或许有“人不识货钱识货”的道理在作祟,但事实上如佳能1DX2或尼康D5,又或是索尼A9这种旗舰机真的就一定能代表本家的画质巅峰么?这一切都得从相机CMOS说起…… 首先要做的是溯源,也即当下的CMOS主要都有哪些供应商,全世界的龙头老大是索尼,紧接着是三星,然后还有豪威科技OmniVision(已被中资公司收购).安森美ON Semi.佳能.东芝(东芝半导体已被索尼收购).松下.海力士SK Hynix.Aptina.意法半导体,以及国产的

模数转换器即A/D转换器,或简称ADC,通常是指一个将模拟信号转变为数字信号的电子元件.通常的模数转换器是将一个输入电压信号转换为一个输出的数字信号.由于数字信号本身不具有实际意义,仅仅表示一个相对大小.故任何一个模数转换器都需要一个参考模拟量作为转换的标准,比较常见的参考标准为最大的可转换信号大小.而输出的数字量则表示输入信号相对于参考信号的大小. 简介 将模拟信号转换成数字信号的电路,称为模数转换器(简称a/d转换器或adc,analog to digital converter),A/D转

采样和量化 首先需要明确的两个概念,“采样”和“量化”.对于给定的一个波形,采样是从时间上将连续变成离散的过程,而采样得到的值,可能还是不能够用给定的位宽(比如8bit)来表示,这就需要经过量化,即从我们能够表示的离散值里面找一个跟采样值接近的值,近似地表示它. 一般来说,量化是模拟音频到数字音频(PCM)过程中产生误差的唯一一个地方. 下面我们举个例子来说明,首先用matlab生成一个正弦波,,由于,所以这个波形的周期 然后以20的采样周期采样得到图上的16个蓝色点. [0, 9.092974

目标反射回波检测算法及其FPGA实现之一:算法概述 前段时间,接触了一个声呐目标反射回波检测的项目.声呐接收机要实现的核心功能是在含有大量噪声的反射回波中,识别出发射机发出的激励信号的回波.我会分几篇文章分享这个基于FPGA的回波识别算法的开发过程和原码,欢迎大家不吝赐教.以下原创内容欢迎网友转载,但请注明出处: https://www.cnblogs.com/helesheng.本文首先简要介绍基于FPGA的互相关反射回波检测算法的主要设计思路. 声呐测距的原理非常简单,如下图所示,抹香鲸在水

树莓派是最近流行嵌入式平台,其自由的开源特性以及低廉的价格,吸引了来 自全球的大量极客和计算机大咖的关注.来自各大树莓派社区的幕后英雄,无私地在这个开源硬件平台上做了大量的工作,将其打造成了世界上通用性最好,也最自由的计算机学习平台之一.我本人感兴趣的学习主题是Linux操作系统和Python编程,在流连于各大树莓派社区向各位大神学习的过程中感觉获益良多.结合自己擅长的实时信号处理工作,也做了一些小小的尝试.不能说做了什么独创性工作,但愿意分享给各位后来者.以下原创内容欢迎网友转载,但请注明出处

http://blog.sina.com.cn/s/blog_4155bb1d0100soq9.html INTEL MEDIA SDK是INTEL推出的基于其内建显示核心的编解码技术,我们在播放高清视频时得益于这个硬解码,极大地降低了CPU占用率.除了解码,它还有编码功能,有硬件编码(SDK HARDWARE)和软件编码(SDK SOFTWARE),那么,INTEL的这个技术到底有多大能耐呢? 最新的小日本TMPGEnc Video Mastering Works 5的编码引擎可以分别调用IN

编解码学习笔记(一):基本概念 媒体业务是网络的主要业务之间.尤其移动互联网业务的兴起,在运营商和应用开发商中,媒体业务份量极重,其中媒体的编解码服务涉及需求分析.应用开发.释放license收费等等.最近因为项目的关系,需要理清媒体的codec,比较搞的是,在豆丁网上看运营商的规范 标准,同一运营商同样的业务在不同文档中不同的要求,而且有些要求就我看来应当是历史的延续,也就是现在已经很少采用了.所以豆丁上看不出所以然,从 wiki上查.中文的wiki信息量有限,很短,而wiki的英文内容内多,

speaker recognition from raw waveform with SincNet Mirco Ravanelli, Yoshua Bengio 作为一种可行的替代i-vector的说话人识别方法,深度学习正日益受到欢迎.利用卷积神经网络(CNNs)直接对原始语音样本进行处理,取得了良好的效果.而不是使用标准的手工制作的功能,后一种CNNs从波形中学习低电平的语音表示,潜在地允许网络更好地捕获重要的窄带扬声器特性,如音高和共振峰.合理设计神经网络是实现这一目标的关键. 本文提出

媒体业务是网络的主要业务之间.尤其移动互联网业务的兴起,在运营商和应用开发商中,媒体业务份量极重,其中媒体的编解码服务涉及需求分析.应用开发.释放license收费等等.最近因为项目的关系,需要理清媒体的codec,比较搞的是,在豆丁网上看运营商的规范 标准,同一运营商同样的业务在不同文档中不同的要求,而且有些要求就我看来应当是历史的延续,也就是现在已经很少采用了.所以豆丁上看不出所以然,从 wiki上查.中文的wiki信息量有限,很短,而wiki的英文内容内多,删减版也减肥得太过.我在网上还看