توضیحات
عنوان فارسی: فیلترینگ(پالایش) و کانولوشن(پیچش) (فصل 8)
عنوان انگلیسی مقاله ترجمه شده:
Chapter 8 Filtering and Convolution
فصل 8
فیلترینگ(پالایش) و کانولوشن(پیچش)
در این فصل یکی از مهمترین و پرکاربردترین ایدههای مرتبط با پردازش سیگنال ارائه میشود: قضیهی کانولوشن. اما پیش از این که بتوانیم قضیه ی کانولوشن را درک کنیم، باید ابتدا خود کانولوشن را درک کنیم. ابتدا با یک مثال ساده شروع میکنیم و هموارسازی را انجام میدهیم و سپس موضوع را بسط میدهیم.
کد برای این فصل در chap08.ipynb ارائه شده است که در بخش منابع این کتاب قرار دارد(بخش 2/0 را مشاهده کنید). همچنین شما میتوانید آن را در http://tinyurl.com/thinkdsp08 بیابید.
8-1 هموارسازی
هموارسازی، عملیاتی است که هدف آن حذف تغییرات کوتاه مدت از یک سیگنال به منظور آشکار ساختن روندهای بلند مدت است. به عنوان مثال، اگر شما تغییرات روزانه ی قیمت سهام را رسم کنید، نویزدار به نظر خواهد آمد؛ یک عملگر هموارساز میتواند به فرد کمک کند تا روند قیمت یعنی این که آیا قیمت به طور کلی با گذشت زمان افزایش یافته است یا کاهش را مشاهده کند.
یک الگوریتم هموارسازی مرسوم، میانگین متحرک میباشد که میانگین مقادیر n قبلی را برای مقدار معینی از n محاسبه میکند. ترجمه مقالات
به عنوان مثال، شکل 8-1 قیمت روزانهی بسته شدن فیسبوک را از 17 ماه می سال 2012 تا 8 دسامبر سال 2015 نشان میدهد. خط خاکستری، دادهی خام است، خط پررنگتر نشاندهندهی میانگین متحرک 30 روزه میباشد. هموارسازی بیشتر تغییرات شدید را حذف مینماید و مشاهدهی روندهای بلند مدت را آسانتر میسازد.
عمل هموارسازی همچنین بر سیگنالهای صوتی اعمال میشود. به عنوان یک مثال، من با یک موج مربعی در Hz440 شروع میکنم. همانطور که در بخش 2-2 مشاهده کردیم، هارمونیکهای یک موج مربعی به آرامی و کندی افت مییابند، بنابراین آن شامل مولفههای فرکانس بالای زیادی است.
توجه:
- برای دانلود فایل word کامل ترجمه از گزینه افزودن به سبد خرید بالا استفاده فرمایید.
- لینک دانلود فایل بلافاصله پس از خرید بصورت اتوماتیک برای شما ایمیل می گردد.
به منظور سفارش ترجمه تخصصی مقالات خود بر روی کلید زیر کلیک نمایید.
سفارش ترجمه مقاله
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.