fft

    0熱度

    2回答

    Here is a short video of my results 聲音很可怕,但請耐心等待。 對我來說,這看起來有點奇怪。前幾個箱子上的大量飆升是什麼?什麼是非線性處理? 我正在繪製實部和虛部平方和的平方根。我已經嘗試在其上使用對數,但是我獲得了很多基線的移動,也就是說,頻譜不保持居中在屏幕中。 如果你能指出我正確的方向,我會很感激!

    3熱度

    2回答

    乘以圖片我一直在頻域圖像(通過拍攝圖像的DFT或FFT),我知道在空間域卷積的倍頻。 所以我的問題是,如果我想申請一個特定的內核(可以說9x9的平滑核)在空間域,我只想用9x9的濾波器卷積的整體形象。現在,如果我想在頻域中做同樣的事情,我是否需要對圖像和內核進行FFT?那麼我怎麼樣增加?在獲得了新的數據集(圖像乘以內核)之後,我只是將FFT的方向顛倒過來,這應該會得到與內核在空間域中與圖像卷積相同

    1熱度

    1回答

    我使用fftwpp將我的數據和我的卷積內核轉換爲傅立葉空間,然後像標量乘積一樣將它們相乘,然後將它們轉換回真實空間。當我第一次運行該程序時,它會創建一個完全充滿零的數組。當我再次運行它時,它給了我期望的結果。 運行它時,會創建一個wisdom3.txt。如果我刪除它,程序會花費很多時間再次創建一個零填充數組。 我的代碼有什麼問題? // sx, sy and sz are the dimensio

    2熱度

    2回答

    所以我正在做一些關於Numpy的Python衍生作業。我的結果根本不會證明他們應該有什麼,我很困惑。 我用來生成的FFT的代碼如下: Python: aperaturearray = np.array(im) # Turn image into numpy array Ta = np.fft.fftshift(np.fft.fft2(aperaturearray)) ### I did so

    1熱度

    4回答

    我對Y代表Y值24個值和對應的24個值實驗測得, 而T已經值:t=[1,2,3........24] 我想找到之間的關係Y和T作爲利用傅立葉分析的公式, 我曾嘗試和做的是: 我寫了下面的MATLAB代碼: Y=[10.6534 9.6646 8.7137 8.2863 8.2863 8.7137 9.0000 9.5726

    2熱度

    2回答

    我正在研究卷積FFT示例的Nvidia SDK(對於大內核),我知道傅里葉變換及其FFT實現背後的理論(至少是基礎知識),但我不能弄清楚下面的代碼做什麼: const int fftH = snapTransformSize(dataH + kernelH - 1); const int fftW = snapTransformSize(dataW + kernelW - 1); ..../

    1熱度

    2回答

    我是線程構建塊的新手,嘗試在TBB中對FFT算法進行編碼以獲得一些經驗。在這種算法的情況下,我只能並行化最內層的循環。但通過這樣做,表現已經降低到不可接受的程度(超過一千倍)。我曾嘗試數組大小達到2^20,但結果相同。下面 for(stage1=0;stage1 < lim;stage1 ++) { butterfly_index1 = butterfly_index2; b

    3熱度

    1回答

    FFT和改變頻率和向量化for循環 問候所有 我可以使用FFT的組合和傅里葉級數增加和減少一個 信號的頻率擴展FOR循環 下面的代碼 ,但如果信號/數組要大,它變得非常慢 慢(1x44100需要大約2分鐘才能完成)我確信 它必須與for循環但 我不確定如何對其進行矢量化以改善pe rformance。請注意,這將用於3到6分鐘長的音頻信號。該1x44100陣列是隻有一秒鐘,大約需要2分鐘完成 任何

    0熱度

    1回答

    我學習的NVIDIA CUDA SDK的convolutionFFT2D例子後面的代碼,但我沒有得到這條線的點: cufftPlan2d(&fftPlan, fftH, fftW/2, CUFFT_C2C); 顯然,這初始化一個複雜的平面要運行FFT,但我沒有看到將平面寬度除以2的點。 準確地說:fftH和fftW是imageX + kernelX + 1和imageY + kernelY +

    1熱度

    1回答

    我需要開發一個應用程序女巫播放MP3時,檢測到語音。我可以在這裏使用Speak嗎?還是有人知道這樣的例子? 我看着FFT和aurioTouch例子,但似乎對我來說很困難...... 在此先感謝