व्यस्त ट्रान्समिटन्स फिल्टरिंग उपाय

चरण 0: पूर्व-गणन सारांश
फॉर्म्युला वापरले जाते
व्यस्त ट्रान्समिटन्स फिल्टरिंग = (sinc(pi*इनपुट नियतकालिक वारंवारता/सॅम्पलिंग वारंवारता))^-1
Kn = (sinc(pi*finp/fe))^-1
हे सूत्र 1 स्थिर, 1 कार्ये, 3 व्हेरिएबल्स वापरते
सतत वापरलेले
pi - आर्किमिडीजचा स्थिरांक मूल्य घेतले म्हणून 3.14159265358979323846264338327950288
कार्ये वापरली
sinc - sinc फंक्शन हे एक फंक्शन आहे जे वारंवार सिग्नल प्रोसेसिंगमध्ये वापरले जाते आणि फूरियर ट्रान्सफॉर्म्सच्या सिद्धांतामध्ये वापरले जाते., sinc(Number)
व्हेरिएबल्स वापरलेले
व्यस्त ट्रान्समिटन्स फिल्टरिंग - इन्व्हर्स ट्रान्समिटन्स फिल्टरिंग डिस्क्रिट सिग्नल प्रोसेसिंगमध्ये एक फिल्टर लागू करणे समाविष्ट आहे जे पूर्वी लागू केलेल्या फिल्टर किंवा सिस्टमच्या व्यस्ततेची प्रतिकृती बनवते.
इनपुट नियतकालिक वारंवारता - (मध्ये मोजली हर्ट्झ) - इनपुट नियतकालिक वारंवारता ही एका सेकंदात घडणाऱ्या नियतकालिक घटनेच्या पूर्ण चक्रांची संख्या आहे.
सॅम्पलिंग वारंवारता - (मध्ये मोजली हर्ट्झ) - सॅम्पलिंग फ्रिक्वेन्सी हे स्वतंत्र किंवा डिजिटल सिग्नल बनवण्यासाठी सतत सिग्नलमधून घेतलेल्या प्रति सेकंद (किंवा इतर युनिटसाठी) नमुन्यांची संख्या परिभाषित करते.
चरण 1: इनपुट ला बेस युनिटमध्ये रूपांतरित करा
इनपुट नियतकालिक वारंवारता: 5.01 हर्ट्झ --> 5.01 हर्ट्झ कोणतेही रूपांतरण आवश्यक नाही
सॅम्पलिंग वारंवारता: 40.1 हर्ट्झ --> 40.1 हर्ट्झ कोणतेही रूपांतरण आवश्यक नाही
चरण 2: फॉर्म्युलाचे मूल्यांकन करा
फॉर्म्युलामध्ये इनपुट व्हॅल्यूजची स्थापना करणे
Kn = (sinc(pi*finp/fe))^-1 --> (sinc(pi*5.01/40.1))^-1
मूल्यांकन करत आहे ... ...
Kn = 1.30690509596491
चरण 3: निकाल आउटपुटच्या युनिटमध्ये रूपांतरित करा
1.30690509596491 --> कोणतेही रूपांतरण आवश्यक नाही
अंतिम उत्तर
1.30690509596491 1.306905 <-- व्यस्त ट्रान्समिटन्स फिल्टरिंग
(गणना 00.004 सेकंदात पूर्ण झाली)

जमा

Creator Image
ने निर्मित राहुल गुप्ता
चंदीगड विद्यापीठ (CU), मोहाली, पंजाब
राहुल गुप्ता यांनी हे कॅल्क्युलेटर आणि 25+ अधिक कॅल्क्युलेटर तयार केले आहेत!
Verifier Image
द्वारे सत्यापित परमिंदर सिंग
चंदीगड विद्यापीठ (CU), पंजाब
परमिंदर सिंग यानी हे कॅल्क्युलेटर आणि 500+ अधिक कॅल्क्युलेटर सत्यापित केले आहेत।

14 स्वतंत्र वेळ सिग्नल कॅल्क्युलेटर

त्रिकोणी खिडकी
​ जा त्रिकोणी खिडकी = 0.42-0.52*cos((2*pi*नमुन्यांची संख्या)/(नमुना सिग्नल विंडो-1))-0.08*cos((4*pi*नमुन्यांची संख्या)/(नमुना सिग्नल विंडो-1))
द्वितीय ऑर्डर ट्रान्समिटन्सचे ओलसर गुणांक
​ जा ओलसर गुणांक = (1/2)*इनपुट प्रतिकार*प्रारंभिक क्षमता*sqrt((ट्रान्समिटन्स फिल्टरिंग*इनपुट इंडक्टन्स)/(नमुना सिग्नल विंडो*प्रारंभिक क्षमता))
आयताकृती खिडकीचे फोरियर ट्रान्सफॉर्म
​ जा आयताकृती खिडकी = sin(2*pi*अमर्यादित वेळ सिग्नल*इनपुट नियतकालिक वारंवारता)/(pi*इनपुट नियतकालिक वारंवारता)
Bilinear च्या सॅम्पलिंग वारंवारता
​ जा सॅम्पलिंग वारंवारता = (pi*विरूपण वारंवारता)/arctan((2*pi*विरूपण वारंवारता)/द्विरेखीय वारंवारता)
द्विरेखीय परिवर्तन वारंवारता
​ जा द्विरेखीय वारंवारता = (2*pi*विरूपण वारंवारता)/tan(pi*विरूपण वारंवारता/सॅम्पलिंग वारंवारता)
सेकंड ऑर्डर ट्रान्समिटन्सची नैसर्गिक कोनीय वारंवारता
​ जा नैसर्गिक कोनीय वारंवारता = sqrt((ट्रान्समिटन्स फिल्टरिंग*इनपुट इंडक्टन्स)/(नमुना सिग्नल विंडो*प्रारंभिक क्षमता))
व्यस्त ट्रान्समिटन्स फिल्टरिंग
​ जा व्यस्त ट्रान्समिटन्स फिल्टरिंग = (sinc(pi*इनपुट नियतकालिक वारंवारता/सॅम्पलिंग वारंवारता))^-1
कटऑफ कोनीय वारंवारता
​ जा कटऑफ कोनीय वारंवारता = (कमाल तफावत*मध्यवर्ती वारंवारता)/(नमुना सिग्नल विंडो*घड्याळ गणना)
कटऑफ एंगुलर फ्रिक्वेन्सीची कमाल तफावत
​ जा कमाल तफावत = (कटऑफ कोनीय वारंवारता*नमुना सिग्नल विंडो*घड्याळ गणना)/मध्यवर्ती वारंवारता
ट्रान्समिटन्स फिल्टरिंग
​ जा ट्रान्समिटन्स फिल्टरिंग = sinc(pi*(इनपुट नियतकालिक वारंवारता/सॅम्पलिंग वारंवारता))
हॅनिंग विंडो
​ जा हॅनिंग विंडो = 1/2-(1/2)*cos((2*pi*नमुन्यांची संख्या)/(नमुना सिग्नल विंडो-1))
हॅमिंग विंडो
​ जा हॅमिंग विंडो = 0.54-0.46*cos((2*pi*नमुन्यांची संख्या)/(नमुना सिग्नल विंडो-1))
डायरॅक कॉम्ब अँगलची प्रारंभिक वारंवारता
​ जा प्रारंभिक वारंवारता = (2*pi*इनपुट नियतकालिक वारंवारता)/सिग्नल कोन
फ्रिक्वेंसी डायरॅक कंघी कोन
​ जा सिग्नल कोन = 2*pi*इनपुट नियतकालिक वारंवारता*1/प्रारंभिक वारंवारता

व्यस्त ट्रान्समिटन्स फिल्टरिंग सुत्र

व्यस्त ट्रान्समिटन्स फिल्टरिंग = (sinc(pi*इनपुट नियतकालिक वारंवारता/सॅम्पलिंग वारंवारता))^-1
Kn = (sinc(pi*finp/fe))^-1

इमेज प्रोसेसिंगमध्ये व्यस्त फिल्टरिंगच्या मर्यादा काय आहेत?

निकृष्टतेच्या प्रक्रियेत आवाज असल्यास, इनव्हर्स फिल्टरद्वारे आवाजाच्या अटी मोठ्या प्रमाणात वाढतील आणि ते प्रतिमा तीव्रतेने विकृत करेल. हेच कारण आहे की प्रतिमा पुनर्संचयित करण्यासाठी व्यस्त फिल्टरिंग हे चांगले तंत्र नाही.

Let Others Know
Facebook
Twitter
Reddit
LinkedIn
Email
WhatsApp
Copied!