THMMY.gr

Μαθήματα Κύκλου Ηλεκτρονικής & Υπολογιστών => Ψηφιακά Φίλτρα => Topic started by: AckermanMik on March 11, 2016, 13:57:39 pm

Title: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: AckermanMik on March 11, 2016, 13:57:39 pm

Εδώ συζητάμε για την 1η εργασία που έχει ανεβει στο ethmmy.

Καταληκτική Ημερομηνία: 24/3/2016

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: Πάτρικ Αστέρης on March 12, 2016, 14:23:05 pm

Για πειτε τιποτα ρε παιδια
ασχοληθηκε κανεις;
εγω λιγο αλλα δεν βγαζω και πολυ ακρη
παιζει να δωσει κανενας λινκς μηπως βγαλουμε τιποτα;

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: Πάτρικ Αστέρης on March 12, 2016, 14:32:52 pm

Bασικα μολις βρηκα στο ιτημμυ στις διαλεξεις του για Wiener Filter Theory στο pdf,ενα παραδειγμα στην 11 σελιδα
νομιζω μπορουμε να το κανουμε ετσι

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: nikos1 on March 15, 2016, 18:36:59 pm

ξερει κανεις με ποια εντολη στο matlab υπολογιζουμε την αυτοσυσχετιση? Δοκιμασα την εντολη autocorr αλλα μου βγαζει διανυσμα αντι για πινακα...

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: Lord on March 15, 2016, 18:45:26 pm

Για να κάνετε τον πίνακα αυτοσυσχέτισης από το διάνυσμα μπορείτε να χρησιμοποιείσετε την συνάρτηση toeplitz. ;)

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: nikos1 on March 15, 2016, 20:27:46 pm

Στο παραδειγμα που εχει στο ετημμυ βγαζει τον εξης πινακα αυτοσυσχετισης

% autocorrelation R = E[u u']
R = [1.1 0.5; 0.5 1.1]; % autocorrelation E[u u']

οπου ο πινακας u ειναι ενας πινακας 500 θεσεων. Εγω αν χρησιμοποιησω οποιαδηποτε συναρτηση οπως autocorr,xcorr2,corrcoef, toeplitz βγαζω περιεργα αποτελεσματα που δεν εχουν καμια σχεση με αυτο τον πινακα R. Οποτε το ερωτημα μου ειναι υπαρχει καποια συναρτηση που να υπολογιζουμε απευθειας τον πινακα R? Αν δεν υπαρχει τοτε πως τον υπολογιζουμε?

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: Dealan on March 15, 2016, 20:35:45 pm

Μπορείς να κάνεις

Code:

a = xcorr(u,u,1,'unbiased')l
R = toeplitz(a(2:3));

για να βρεις R 2x2.

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: Κηπουρίδης on March 16, 2016, 02:58:23 am

Quote from: Dealan on March 15, 2016, 20:35:45 pm

Μπορείς να κάνεις

Code:

a = xcorr(u,u,1,'unbiased')l
R = toeplitz(a(2:3));

για να βρεις R 2x2.

Να στε καλα Dealan και Lord! Μας σωζετε.

Λιγο πιο γενικα, αυτο που εκανα εγω με την συμβουλη των παιδιων για την εργασια : Αφου θελουμε 60 συντελεστες (0,1,2...(60-1)) :

Code:

nCoeff = 60;
a = xcorr(u,u,nCoeff-1,'unbiased');
a = a(nCoeff:(2*nCoeff-1));
R = toeplitz(a);

οπου η ακυρη γραμμη μπηκε εκει επειδη η xcorr(u,u,5,'unbiased') επιστρεφει στην πρωτη θεση το lag -5, στην δευτερη θεση το lag -4 ... στην 6η θεση το lag 0 ... στην 11 το lag 5.
Οποτε εμεις κραταμε τα lag απο 0 μεχρι 5.

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: Alex_corfu on March 18, 2016, 15:29:20 pm

Pitsianis shot us down 8))

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: Lord on March 18, 2016, 16:18:26 pm

Quote from: Κηπουρίδης on March 16, 2016, 02:58:23 am

Λιγο πιο γενικα, αυτο που εκανα εγω με την συμβουλη των παιδιων για την εργασια : Αφου θελουμε 60 συντελεστες (0,1,2...(60-1)) :

Code:

nCoeff = 60;
a = xcorr(u,u,nCoeff-1,'unbiased');
a = a(nCoeff:(2*nCoeff-1));
R = toeplitz(a);

Ένας εναλλακτικός τρόπος για να βγάζει πιο πολύ νόημα η άκυρη γραμμή. ;) :P

Code:

[a, lags] = xcorr(u,u, nCoeff-1,'unbiased');
a = a(lags >= 0);

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: 4emonas on March 18, 2016, 20:35:40 pm

μπορει καποιος να μου πει τι χρειάζεται να διαβάσω για την εργασία?? να διαβάσω μέχρι κάποια διαφάνεια?

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: Dealan on March 18, 2016, 21:21:45 pm

Διάβασε διαφάνεια για φίλτρα Wiener, τσέκαρε τους κώδικες που είναι ανεβασμένοι στο ethmmy και είσαι έτοιμος.

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: 4emonas on March 18, 2016, 21:37:45 pm

θενξςςς μαν.. με λιγα λογια κοιταω διαλεξεις 2 και 3 και οτι συμπραγαλα εχει..

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: Κηπουρίδης on March 19, 2016, 00:41:58 am

Δεν εχουν ανοιξει οι υποβολες στο ethmmy ετσι;

Προσεξτε οτι οπως θεωρητικα βγαινει το P στο κομματι με τους 2 συντελεστες, μπορει να βγει και στο αλλο με τους 60, για αυτο δε λεει να γινει αριθμητικα (εκει χρησιμευει και η διακυμανση του λευκου θορυβου που δινει). Βεβαια αν γινει αριθμητικα τα αποτελεσματα ειναι πολυ κοντα με την θεωρητικη τιμη.

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: c0ndemn3d on March 19, 2016, 14:40:08 pm

Άνοιξαν οι υποβολές

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: greekoo on March 20, 2016, 13:10:05 pm

Παιδιά λίγο αδαείς ερωτήσεις :o :

1) Το noise.mat είναι το u που πρέπει να βρώ τον πίνακα αυτοσυσχέτισης R_u?
2) Το P (πίνακας ετεροσυσχετισης) ισχυει οτι θα είναι [σ^2,0,0,0.....,0] (60 θεσεων) οπου σ^2 η διακυμανση του λευκου θορυβου που μας δινεται;

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: c0ndemn3d on March 20, 2016, 13:12:54 pm

1) Ναι
2) Ναι

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: greekoo on March 20, 2016, 14:47:31 pm

Quote from: c0ndemn3d on March 20, 2016, 13:12:54 pm

1) Ναι
2) Ναι

Σε ευχαριστώ για την άμεση απάντηση φίλε μου!

Έχω βρει R,p,w0, εφαρμόζω τον SD για n=220500 steps, βρισκω το y ακριβως οπως στο σκριπτακι του σισμανη, και τελικα κανω e=d-y και μετα sound(e, Fs) αλλα παρολαυτα ακουω θορυβο.

δεν εχω καταλαβει το w0 χρησιμοποείται πουθενά για την ακοή του τραγουδιού; Στη loop του SD πρέπει να κάνουμε κάποτε break σύμφωνα με τη θεωρία;

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: c0ndemn3d on March 20, 2016, 14:54:30 pm

Δεν χρειάζεται καν steepest descent νομίζω. Βρες το με τον τύπο για να δεις πρώτα ότι τα έχεις σωστά τα υπόλοιπα. Για τον sd βρίσκεις ένα καλό μ και μετά σταματάς όταν δεν υπάρχει σημαντική αλλαγή στο w

Αν ήμουν σπίτι θα εγραφα καλύτερη απάντηση αλλά από κινητό είμαι δύσκολα

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: greekoo on March 20, 2016, 15:01:34 pm

Quote from: c0ndemn3d on March 20, 2016, 14:54:30 pm

και η διαδικασια για να βρω ενα καλο μ ειναι να ακουω καθε φορα τραγουδι με καποιο μ και θα δω ποτε ο θορυβος μειωνεται; ή θα δοκιμάσω το break του αλγορίθμου σαν if |p−Rw(n)|< ε τοτε break ;;

δλδ απλα να βρισκω w0 απο wiener hopf και τα ακουω.

:o :) ::)

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: c0ndemn3d on March 20, 2016, 15:07:10 pm

Ναι δεν νομίζω ότι θέλει steepest descent descent απαραίτητα. Εφόσον βρίσκεις το τραγούδι με την εξίσωση είσαι κομπλε. Για τα υπόλοιπα θα σου πωω όταν πάω σπίτι

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: Κηπουρίδης on March 20, 2016, 17:04:25 pm

Quote from: greekoo on March 20, 2016, 15:01:34 pm

Quote from: c0ndemn3d on March 20, 2016, 14:54:30 pm

και η διαδικασια για να βρω ενα καλο μ ειναι να ακουω καθε φορα τραγουδι με καποιο μ και θα δω ποτε ο θορυβος μειωνεται; ή θα δοκιμάσω το break του αλγορίθμου σαν if |p−Rw(n)|< ε τοτε break ;;

με w0 το ακουσα το τραγουδι αλλα αν ειναι ετσι τοτε δν χρειαζεται καν ο steepest descent, δλδ απλα βρισκω w0 απο wiener hopf και τα ακουω.

:o :) ::)

Αν παρολα αυτα θες να εφαρμοσεις steepest descent, τοτε πρεπει να διαλεξεις τιμη του μ εντος του διαστηματος συγκλισης. Βρισκοντας τις ιδιοτιμες του R, οπως στο 2ο ερωτημα. Και βγαινουν πολυ μικρες οι σωστες τιμες, οποτε για αυτο ισως εχεις προβλημα.

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: greekoo on March 20, 2016, 17:53:15 pm

Quote from: Κηπουρίδης on March 20, 2016, 17:04:25 pm

Quote from: greekoo on March 20, 2016, 15:01:34 pm

Quote from: c0ndemn3d on March 20, 2016, 14:54:30 pm

και η διαδικασια για να βρω ενα καλο μ ειναι να ακουω καθε φορα τραγουδι με καποιο μ και θα δω ποτε ο θορυβος μειωνεται; ή θα δοκιμάσω το break του αλγορίθμου σαν if |p−Rw(n)|< ε τοτε break ;;

με w0 το ακουσα το τραγουδι αλλα αν ειναι ετσι τοτε δν χρειαζεται καν ο steepest descent, δλδ απλα βρισκω w0 απο wiener hopf και τα ακουω.

:o :) ::)

ναι βρισκοντας τη μεγιστη ιδιοτιμη λμαχ του R θα είναι 0<μ<(2/λμαχ)
και καταληγω σε 0<μ<0.019.
για μ = 0.01 το ακούω το τραγούδι αλλά όχι 100% καθαρό απο θόρυβο έχει πολύ λίγα χιόνια (ξεκαθαρίζεται άνετα όμως).
για μ =0.005 πάλι ξεκαθαρίζεται το τραγούδι, ο θόρυβος είναι ελάχιστα εντονότερος
και όσο μικραίνει το μ και τείνει στο 0 τόσο ο θόρυβος γίνεται εντονότερος.

δεν θα έπρεπε για οποιαδήποτε τιμή του μ εντός του διαστήματος σύγκλισης να μπορώ να ακούω το τραγούδι 100% καθαρό απο θόρυβο;

ισχύει ότι αν υπολογίσω κατευθείαν το y(n) με συντελεστές φίλτρου τους συντελεστές w0(n) του βελτίστου φίλτρου Wiener , τότε κατευθείαν ακούγεται το τραγούδι κυριλέ (πάλι με πολύ πολύ ελάχιστο μπιπ απο πίσω) , αλλά τότε τι νόημα έχει ο Steepest Descent?

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: Exomag on March 20, 2016, 17:58:34 pm

Quote from: greekoo on March 20, 2016, 17:53:15 pm

Quote from: Κηπουρίδης on March 20, 2016, 17:04:25 pm

Ο Steepest Descent αλγόριθμος έχει το τεράστιο πλεονέκτημα ότι είναι πολύ ταχύτερος από την επίλυση ενός συστήματος γραμμικών εξισώσεων. Στη συγκεκριμένη εργασία, με το πολύ μικρό αριθμό συντελεστών, δε θα φανεί αυτό. Αλλά αν, για παράδειγμα, ο αριθμός των συντελεστών ήταν 10.000, τότε η διαφορά στην ταχύτητα μεταξύ των δύο μεθόδων θα ήταν ξεκάθαρη (και πιθανώς η χρήση του Steepest Descent να ήταν και η μόνη πρακτικά-viable λύση).

Όσον αφορά το βήμα που χρησιμοποιείς και το πόσο καλά καθαρίζει ο ήχος, σαν συνθήκη τερματισμού του αλγορίθμου τι έχεις;

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: greekoo on March 20, 2016, 18:01:09 pm

Quote from: Exomag on March 20, 2016, 17:58:34 pm

Quote from: greekoo on March 20, 2016, 17:53:15 pm

Quote from: Κηπουρίδης on March 20, 2016, 17:04:25 pm

σε ευχαριστω για την απαντηση

τιποτε, απλως το τρεχω οπως ο σισμανης στο σκριπτακι του:
for i=61:n
  w = w + mu*(p-R*w); % Adaptation steps
  wt(:,i) = w;
  y(i) = s(i:-1:i-1)' * w; % filter
end

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: Exomag on March 20, 2016, 18:11:07 pm

Quote from: greekoo on March 20, 2016, 18:01:09 pm

τιποτε, απλως το τρεχω οπως ο σισμανης στο σκριπτακι του:
for i=61:n
w = w + mu*(p-R*w); % Adaptation steps
wt(:,i) = w;
y(i) = s(i:-1:i-1)' * w; % filter
end

Αυτό κάνει εφαρμογή του αλγορίθμου steepest descent για την εύρεση των βέλτιστων συντελεστών, και παράλληλα φιλτράρει το σήμα με τα βάρη του κάθε iteration.

Είναι λογικό επομένως όσο μικρότερο βήμα χρησιμοποιήσεις τόσο χειρότερο να είναι το αποτέλεσμα, μιας και με μικρό βήμα ο steepest descent δεν "προλαβαίνει" να καταλήξει στα σωστά βάρη.

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: SportBillyPap on March 20, 2016, 18:55:09 pm

Να ρωτησω εγω κατι χαζο..Γιατι οταν τρεχω αυτο:

Code:

n = 500; % number of time steps

%% signal
v1 = sqrt(0.27)*randn(n,1); v1 = v1 - mean(v1); % input to AR process

d = zeros(n,1); % initialize

% Desired signal
d(1) = v1(1);
for i=2:n
  d(i) = 0.8458 * d(i-1) + v1(i);
end

%% channel
v2 = sqrt(0.1)*randn(n,1); v2 = v2 - mean(v2); % white noise

x = zeros(n,1); % initialize

x(1) = d(1);
for i=2:n
  x(i) = d(i) + 0.9458 * x(i-1);
end

u = x + v2; % add noise 
nCoeff =2;
a = xcorr(u,u,nCoeff-1,'unbiased');
a = a(nCoeff:(2*nCoeff-1));
R = toeplitz(a);

Μου βγαζει R=[65.77 65.44;65.77 65.44] Ενω θα πρεπε να βγαζει R=[1.1 0.5 ;0.5 1.1]?Εχω καταλαβει κατι λαθος?

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: greekoo on March 20, 2016, 19:22:30 pm

Quote from: SportBillyPap on March 20, 2016, 18:55:09 pm

Να ρωτησω εγω κατι χαζο..Γιατι οταν τρεχω αυτο:

Code:

n = 500; % number of time steps

%% signal
v1 = sqrt(0.27)*randn(n,1); v1 = v1 - mean(v1); % input to AR process

d = zeros(n,1); % initialize

% Desired signal
d(1) = v1(1);
for i=2:n
  d(i) = 0.8458 * d(i-1) + v1(i);
end

%% channel
v2 = sqrt(0.1)*randn(n,1); v2 = v2 - mean(v2); % white noise

x = zeros(n,1); % initialize

x(1) = d(1);
for i=2:n
  x(i) = d(i) + 0.9458 * x(i-1);
end

u = x + v2; % add noise 
nCoeff =2;
a = xcorr(u,u,nCoeff-1,'unbiased');
a = a(nCoeff:(2*nCoeff-1));
R = toeplitz(a);

Μου βγαζει R=[65.77 65.44;65.77 65.44] Ενω θα πρεπε να βγαζει R=[1.1 0.5 ;0.5 1.1]?Εχω καταλαβει κατι λαθος?

δεν ξέρω γιατί στο κάνει αυτό αλλά γιατί να το τρέξεις; :P

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: SportBillyPap on March 20, 2016, 19:23:34 pm

Quote from: greekoo on March 20, 2016, 19:22:30 pm

Quote from: SportBillyPap on March 20, 2016, 18:55:09 pm

Να ρωτησω εγω κατι χαζο..Γιατι οταν τρεχω αυτο:

Code:

n = 500; % number of time steps

%% signal
v1 = sqrt(0.27)*randn(n,1); v1 = v1 - mean(v1); % input to AR process

d = zeros(n,1); % initialize

% Desired signal
d(1) = v1(1);
for i=2:n
  d(i) = 0.8458 * d(i-1) + v1(i);
end

%% channel
v2 = sqrt(0.1)*randn(n,1); v2 = v2 - mean(v2); % white noise

x = zeros(n,1); % initialize

x(1) = d(1);
for i=2:n
  x(i) = d(i) + 0.9458 * x(i-1);
end

u = x + v2; % add noise 
nCoeff =2;
a = xcorr(u,u,nCoeff-1,'unbiased');
a = a(nCoeff:(2*nCoeff-1));
R = toeplitz(a);

Μου βγαζει R=[65.77 65.44;65.77 65.44] Ενω θα πρεπε να βγαζει R=[1.1 0.5 ;0.5 1.1]?Εχω καταλαβει κατι λαθος?

δεν ξέρω γιατί στο κάνει αυτό αλλά γιατί να το τρέξεις; :P

Πως βρισκουμε τον R :P ?

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: greekoo on March 20, 2016, 19:26:34 pm

Quote from: SportBillyPap on March 20, 2016, 19:23:34 pm

Quote from: greekoo on March 20, 2016, 19:22:30 pm

Quote from: SportBillyPap on March 20, 2016, 18:55:09 pm

Να ρωτησω εγω κατι χαζο..Γιατι οταν τρεχω αυτο:

Code:

n = 500; % number of time steps

%% signal
v1 = sqrt(0.27)*randn(n,1); v1 = v1 - mean(v1); % input to AR process

d = zeros(n,1); % initialize

% Desired signal
d(1) = v1(1);
for i=2:n
  d(i) = 0.8458 * d(i-1) + v1(i);
end

%% channel
v2 = sqrt(0.1)*randn(n,1); v2 = v2 - mean(v2); % white noise

x = zeros(n,1); % initialize

x(1) = d(1);
for i=2:n
  x(i) = d(i) + 0.9458 * x(i-1);
end

u = x + v2; % add noise 
nCoeff =2;
a = xcorr(u,u,nCoeff-1,'unbiased');
a = a(nCoeff:(2*nCoeff-1));
R = toeplitz(a);

Μου βγαζει R=[65.77 65.44;65.77 65.44] Ενω θα πρεπε να βγαζει R=[1.1 0.5 ;0.5 1.1]?Εχω καταλαβει κατι λαθος?

δεν ξέρω γιατί στο κάνει αυτό αλλά γιατί να το τρέξεις; :P

Πως βρισκουμε τον R :P ?

τα σήματα απο ότι έχω καταλάβει δεν τα φτιάχνεις εσύ, απλά τα κάνεις load
είναι τα sound.mat και noise.mat της εργασίας.

απλά τα κάνεις load('sound.mat') πχ και σου περναει κατευθειαν στον πινακα d το σημα του sound και ομοιως στον u το noise.
και απο εκει τσεκαρε το ποστ του κηπουριδη στην προηγουμενη σελιδα για να βρεις τον πινακα αυτοσυσχεστισης R του u

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: c0ndemn3d on March 20, 2016, 19:28:31 pm

Ανάποδα έχεις βάλει τα σήματα στο πρόγραμμα, το u που έβαλες εδώ δεν είναι μέτρηση θορύβου, αλλά κουβαλάει και το χρήσιμο σήμα. Για δοκίμασε για το d. Επίσης να ξέρεις δεν θα σου βγει ακριβώς ίσο, αλλά θα είναι πολύ κοντά.

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: SportBillyPap on March 20, 2016, 19:45:55 pm

Α οκ..Ναι τωρα βγαινει κατι κοντα.Ευχαριστω

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: greekoo on March 20, 2016, 20:27:40 pm

αν κατάλαβα καλά το k που χρησιμοποιούμε για τον αλγόριθμο SD δεν έχει καμιά σχέση με το μέγεθος n των πινάκων u και d.

όπως λέει στις σημειώσεις:
for k=1:1000 % Iterate 1000 times the adaptation step
   W=W +mu*(p-Ru*W); % Adaptation Equation ! Quite simple!
   Wt=[Wt W]; % Wt records the evolution of vector W
   if ( ||p-R*W|| < ε) break;
end
%και μετα εξω απο εδω θα φτιαξω το φιλτρο y και εκει η for θα εχει να κανει με το n

αυτη η if με το break δεν έχω καταλάβει. το p-R*W είναι ένα διάνυσμα στήλης n θέσεων, άρα αυτό πρέπει να είναι μικρότερο μιας αυθαίρετης τιμής ε?? :o (προφανώς θέλουμε ο SD να βρει λυση κοντα στο w0 για αυτο θελουμε το ε σφαλμα να ειναι μικρο, αλλα πρακτικα και οχι θεωρητικα πως υλοποιειται; )

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: 4emonas on March 20, 2016, 21:02:35 pm

Quote from: SportBillyPap on March 20, 2016, 18:55:09 pm

Να ρωτησω εγω κατι χαζο..Γιατι οταν τρεχω αυτο:

Code:

Μου βγαζει R=[65.77 65.44;65.77 65.44] Ενω θα πρεπε να βγαζει R=[1.1 0.5 ;0.5 1.1]?Εχω καταλαβει κατι λαθος?

και εγω ζορίστηκα με αυτό.. εκεί που κατέληξα, επειδή έχασα άπειρη ώρα ( :D ), ήταν ότι στο script βάζει random μεταβλητές στα σήματα.. Οπότε είναι λίγο απίθανο να σου κάτσουν τα ίδια. Εμένα μου έβρισκε τιμές στο R κοντά στο 160κάτι..

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: Mumm-ra ο παντοντινός on March 21, 2016, 00:02:48 am

Στο script του steepest descent που λέτε: έχει καταλάβει κανένας ποιες παραμέτρους περνάμε εμείς? Λογικά το R,P,W. Όμως δεν πρέπει να περαστεί το u(n) και το x(n)? Και αν ναι που ακριβώς?

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: c0ndemn3d on March 21, 2016, 00:22:07 am

Δεν χρειάζεται. Μόνο τα στατιστικά μεγέθη χρειάζεσαι και τα χρησιμοποιείς για να ανανεώσεις το w κάθε φορά. Τα σήματα θα τα ήθελες αν δεν είχες τα στατιστικά μεγέθη και θα τα χρησιμοποιούσες μόνο για να βρεις αυτά.

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: Mumm-ra ο παντοντινός on March 21, 2016, 00:40:12 am

ΟΚ σε ευχαριστώ πολύ!

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: Gru on March 21, 2016, 12:26:06 pm

Νομίζω έχω μπερδευτεί τελείως. Τα u και d που κάνω load απο τα δύο αρχεία είναι μεγέθους n=220500 έτσι δεν είναι? Ο πίνακας R 60x60 και οι συντελεστές w ??

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: Κηπουρίδης on March 21, 2016, 17:37:12 pm

Quote from: Gru on March 21, 2016, 12:26:06 pm

Τον πινακα 60*60 τον υπολογιζεις αριθμητικα, με τις συναρτησεις που προειπωθηκαν.
Οι συντελεστες w ειναι το ζητουμενο, που για να τους υπολογισεις θελεις την τιμη του R, του P (κι αυτο γραφηκε προηγουμενως) και αρχικες τιμες w(0) που τις παιρνεις random κι απλα ολο και βελτιωνονται.

Το v(i) που προσθετει ειναι επειδη υλοποιει ουσιαστικα αυτο που εχει λυσει στις σημειωσεις του 2ου pdf, στο τελος. Ειναι λιγο περιεργια η εκφωνηση εκεινης της εργασιας, εμεις δεν εχουμε κατι αντιστοιχο, ειναι πολυ πιο απλο το συστημα μας. Υπαρχουν παντως στο λυμενο ολες οι ιδεες που χρειαζομαστε.

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: DarkPassenger on March 22, 2016, 01:39:32 am

Για οσους πηγαν σημερα στο μαθημα, παιζει να ειπε τιποτα για παράταση??

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: AckermanMik on March 22, 2016, 19:31:32 pm

Quote from: DarkPassenger on March 22, 2016, 01:39:32 am

Για οσους πηγαν σημερα στο μαθημα, παιζει να ειπε τιποτα για παράταση??

Καμία παράταση.

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: Mumm-ra ο παντοντινός on March 22, 2016, 21:46:20 pm

Είπε ο Φλώρος ότι κατά πάσα πιθανότητα θα δωθεί.

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: 4emonas on March 23, 2016, 00:19:37 am

ε πότε ομως ::)

επίσης γίνεται να μου ξεκαθαρίσετε μια πολύ χαζή απορία??
Στην αρχή μας δίνει ένα x και ένα u... Αυτά τι τα κάνουμε? τα χρησιμοποιούμε για τα 3 πρώτα ερωτήματα και με τα R και P που μας βγάζουν, τα χρησιμοποιούμε στα sound.mat και noise.mat?
H βρίσκω καινούρια R και P για τα sound.mat και noise.mat?

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: verisign on March 23, 2016, 15:53:09 pm

παράταση μεχρι την Κυριακή έβγαλε ανακοίνωση

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: Λήσταρχος Γιαγκούλας on March 23, 2016, 16:35:05 pm

Quote from: verisign on March 23, 2016, 15:53:09 pm

παράταση μεχρι την Κυριακή έβγαλε ανακοίνωση

Παράταση 1ης Εργασίας

23 Μαρ 2016 3:22 μμ
Φλώρος

Η νέα ημερομηνία παράδοσης είναι: Κυριακή, 27/03/2016

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: Gru on March 23, 2016, 19:58:47 pm

Αν υπάρχει μια υποψία θορύβου είναι κακό? Εννοώ πρέπει να ακούγεται τέρμα καθαρά? ::)

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: Dealan on March 23, 2016, 20:00:02 pm

Ο Φλώρος είχε πει πως θα έχει κάποιον θόρυβο, ιδιαίτερα στην αρχή.

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: Gru on March 23, 2016, 20:10:01 pm

Quote from: Dealan on March 23, 2016, 20:00:02 pm

Ο Φλώρος είχε πει πως θα έχει κάποιον θόρυβο, ιδιαίτερα στην αρχή.

οοκ ευχαριστώ. και σε μένα ουσιαστικά αυτό συμβαίνει!

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: WatchDog on March 23, 2016, 20:54:04 pm

Παιδιά για το πρώτο κομμάτι μπορεί κάποιος να δώσει μια κατεύθυνση?Τα κάνουμε στο χέρι , του υπολογισμούς για τον R και το p? Πως το κανουμε?

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: Dealan on March 23, 2016, 21:01:51 pm

Quote from: alphjheon on March 23, 2016, 20:54:04 pm

Τα R, P στο χέρι, με βάση τους τύπους στις διαφάνειες. Για steepest descent κοιτάς τους κώδικες στο ethmmy, είναι πρακτικά έτοιμο όλο το πρώτο μέρος και εσύ απλά θα αλλάξεις τα νούμερα.

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: WatchDog on March 23, 2016, 21:23:48 pm

To p είναι πάντα [σ^2 , 0 , 0 , 0.....]?

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: Dealan on March 23, 2016, 21:28:14 pm

Ναι, εφόσον το ένα από τα 2 σήματα είναι λευκός θόρυβος.

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: WatchDog on March 23, 2016, 22:00:39 pm

Στις διαφάνειες ξαφνικά πετάει τιμές για τα ru(0) , ru(1) , καθώς και τα eu(n-1)d(n) . Καταλαβαίνε κάποιος πως βρίσκει τις τιμες?

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: 4emonas on March 23, 2016, 23:15:25 pm

επειδή το ethmmy είναι down μπορεί κάποιος να μας δώσει τα sound.mat και noise.mat? ::)

edit: και την εκφωνηση :D

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: iason1907 on March 23, 2016, 23:23:03 pm

εκφώνηση και πίνακες για όσους ξεκίνησαν την εργασία τελευταία στιγμή :P

https://drive.google.com/file/d/0B0AtFDLt8NstbFZSd1FCOEczZzg/view?usp=sharing

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: WatchDog on March 24, 2016, 15:07:18 pm

SOS παιδες κάποιος αν μπορεί να γράψει ποιες εξισωσεις χρειαζεται για να βγαλουμε το πρωτο ερώτημα ! :'(

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: nikos1 on March 24, 2016, 15:48:11 pm

Στο ετημμυ βλεπω οτι χρησιμοποιειται ενας πινακας Τ = [u [0; u(1:n-1)]]; Τον συγκεκριμενο εγω τον γραφω ως εξης T = lagmatrix(u,[1:60]); επειδη θελω 60 συντελεστες και φαινεται πως βγαζει σωστο αποτελεσμα. Μετα υπολογιζω το y ως Τ*w και βρισκω το e. Παρολα αυτα, τραγουδι δεν ακουω...

Την αυτοσυσχετιση και την ετεροσυσχετιση τις εχω υπολογισει με τους προαναφερθεντες τροπους

Καμια ιδεα τι μπορει να φταιει ? :-\

Quote from: alphjheon on March 24, 2016, 15:07:18 pm

SOS παιδες κάποιος αν μπορεί να γράψει ποιες εξισωσεις χρειαζεται για να βγαλουμε το πρωτο ερώτημα ! :'(

εδω εισα (https://www.thmmy.gr/smf/index.php?topic=63115.msg1081086#msg1081086)

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: Chester on March 24, 2016, 18:46:44 pm

Στο 1ο βήμα ειναι λογικο να βγαίνει αρνητικό το r1;

Εμείς παίρνουμε την απολυτη τιμη του;

Επίσης, ο πίνακας p είναι απο την εκφώνηση ο [0.19 0 ] ;

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: Sf(x)dx on March 24, 2016, 18:52:14 pm

Quote from: Chester on March 24, 2016, 18:46:44 pm

1) Ναι, αρνητικές τιμές της αυτοσυσχέτισης για κ διάφορο του 0 δεν ειναι παράλογο αποτέλεσμα. Οχι, δεν παιρνεις την απολυτη τιμη.
2) Νομίζω πως ναι, αυτό ειναι το p.

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: Chester on March 24, 2016, 19:35:31 pm

Βρισκω για τον πινακα R 4 τιμες (οι δυο αρνητικες) και για τον πινακα Ρ 2 τιμες [0.19 0].

Τους βελτιστους συντελεστες πως τους βγαζω; Διοτι στις σελιδες 13 και 14 με μπερδευει αυτο το b που εμφανιζει.

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: Sf(x)dx on March 24, 2016, 20:05:25 pm

Quote from: Chester on March 24, 2016, 19:35:31 pm

Μπορεις ειτε να λύσεις αναλυτικα το γραμμικό συστημα 2 εξισωσεων - 2 αγνώστων που έχει προκύψει απο τις εξισώσεις Wiener-Hopf
( σε μορφή πινάκων : R*w = p) , ειτε να βρεις αριθμητικα το αποτελεσμα τρεχοντας gradient descent , δλδ πρακτικα εφαρμοζοντας τον αναδρομικο τυπο w(n + 1) = w(n) + μ(P − R w(n)) που εχει δωσει στην εκφωνηση.

Κανε και τα 2 και επιβεβαιωσε οτι το w της gradient descent συγκλινει σε αυτο που βρηκες αναλυτικα :)

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: Chester on March 25, 2016, 13:12:05 pm

ωραια, ευχαριστω πολυ!

Και κατι ακομα. Στο 4ο βημα, χρησιμοποιω την εξισωση x(n) που μας δινει η εκφωνηση;

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: Niobe on March 25, 2016, 13:32:33 pm

Quote from: Chester on March 25, 2016, 13:12:05 pm

ωραια, ευχαριστω πολυ!

Και κατι ακομα. Στο 4ο βημα, χρησιμοποιω την εξισωση x(n) που μας δινει η εκφωνηση;

Δε χρειαζεται, οταν κανεις load το souns.mat και το noise.mat στα εμφανιζει ως d και u αντιστοιχα

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: kakashi on March 25, 2016, 17:18:14 pm

Ακούω το τραγούδι πολύ σιγά και ο θόρυβος δεν έχει φύγει σχεδόν καθόλου.Έκανα αλλαγές στο μ αλλά δεν είδα βελτίωση.Καμιά ιδέα για το τι μπορεί να φταίει;;
Αυτό που κάνω αφού βρω το y είναι e=d-y και μετά ακούω απλά το e.Μήπως εκεί είναι το λάθος;

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: nikos1 on March 25, 2016, 17:30:47 pm

Quote from: kakashi on March 25, 2016, 17:18:14 pm

+1 ακριβως το ιδιο προβλημα αλλα με τον optimal τροπο

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: 4emonas on March 25, 2016, 18:09:25 pm

είχα και εγώ αυτό το πρόβλημα.. Χρησιμοποιούσα τον κώδικα από το ethmmy:

Code:

s = [0; u];
for i=2:n
  .
  .
  y(i) = s(i:-1:i-1)' * w; % filter
end

αυτό που μου δημιουργούσε το πρόβλημα ήταν το << s = [0; u]; >>. Αφαίρεσα τελείως αυτή τη γραμμή και στον υπολογισμό του y έβαλα u αντί για s. Δεν ξέρω αν σας βοηθάει, εμένα πάντως αυτό έφταιγε.

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: Μεταλλαγμένη Πάπια on March 26, 2016, 00:12:05 am

Quote from: SportBillyPap on March 20, 2016, 18:55:09 pm

Να ρωτησω εγω κατι χαζο..Γιατι οταν τρεχω αυτο:

Code:

n = 500; % number of time steps

%% signal
v1 = sqrt(0.27)*randn(n,1); v1 = v1 - mean(v1); % input to AR process

d = zeros(n,1); % initialize

% Desired signal
d(1) = v1(1);
for i=2:n
  d(i) = 0.8458 * d(i-1) + v1(i);
end

%% channel
v2 = sqrt(0.1)*randn(n,1); v2 = v2 - mean(v2); % white noise

x = zeros(n,1); % initialize

x(1) = d(1);
for i=2:n
  x(i) = d(i) + 0.9458 * x(i-1);
end

u = x + v2; % add noise 
nCoeff =2;
a = xcorr(u,u,nCoeff-1,'unbiased');
a = a(nCoeff:(2*nCoeff-1));
R = toeplitz(a);

Μου βγαζει R=[65.77 65.44;65.77 65.44] Ενω θα πρεπε να βγαζει R=[1.1 0.5 ;0.5 1.1]?Εχω καταλαβει κατι λαθος?

Αυτό είναι μια παρα πολυ καλη ερωτηση γενικα... Αυτος ο τροπος (και οχι μονο) δε δινουν για κανενα λογο ιδιο αποτελεσμα με αυτα που βγαζει αυτος στις διαφανειες. Στο .m ολα τα εγραψε ωραια και αναλυτικα με πραξεις αλλα οταν ηρθε η ωρα για το R, το εκανε απλη αναθεση αν ειναι δυνατον... δε ψηθηκε να πει πως το βρηκε. Προσωπικα δε καταλαβαινω χριστο τι κανει με τις αυτοσυσχετισεις. Κανεις ιδεα;

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: xameno kormi on March 26, 2016, 00:19:05 am

παιδια μπορει να μου εξηγησει καποιος επειδη εχω κολλησει ( η να με παραπεμψει σε καποιο προηγουμενο ποστ αν εχει απαντηθει) , οταν λεει φιλτρο 60 συντελεστων τι εννοει ? αν δν κανω λαθος το φιλτρο ειναι κατι σαν το gradWienerFilt.m απο ethmmy που χρησιμοποιουμε ε?

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: driverbulba on March 26, 2016, 01:35:09 am

Αν κάνω πρόβλεψη τον θόρυβο χρησιμοποιώντας Ru και p = [0.8, 0, 0, .... ] και βγάλω το y

και ακούσω το e=d-y

δε θα έπρεπε να ακούω το τραγούδι? :(

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: Andromedas on March 26, 2016, 18:30:52 pm

/εδιτ
Πλσ help δεν είμαι σίγουρος εάν η ανάλυση μου είναι σωστή... :-\

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: Maylo on March 26, 2016, 22:16:22 pm

Ανδρομέδα μπορείς να μου εξηγήσεις γιατί Ε(-0.78 d(n) u(n-1)) = 0 ??

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: Andromedas on March 26, 2016, 22:56:45 pm

Quote from: Maylo on March 26, 2016, 22:16:22 pm

Ανδρομέδα μπορείς να μου εξηγήσεις γιατί Ε(-0.78 d(n) u(n-1)) = 0 ??

Διότι το εάν πάρεις (x[n]+v[n]=d[n] ) * u[n-1] καταλήγεις σε x[n]*u[n-1] που είναι μηδέν
και E[u[n-1]v[n]]=E[u[n-1]d[n]] άρα 0 . Νομίζω πως έτσι είναι , έτσι και αλλιώς το post που έκανα το έκανα για διορθώσεις καθώς δεν είμαι σίγουρος για auto,cross Corr. και ήθελα να μου τις τσεκάρει κάποιος.

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: Chester on March 26, 2016, 23:00:42 pm

Quote from: Andromedas on March 26, 2016, 18:30:52 pm

/εδιτ
Πλσ help δεν είμαι σίγουρος εάν η ανάλυση μου είναι σωστή... :-\

και εγω πανω κατω σε αυτα κατεληξα.

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: themis93 on March 27, 2016, 13:06:09 pm

Θα ρωτήσω κάτι βλακώδες αλλά το έχω απορία... :D

το σήμα x(n) που είναι η είσοδος στο σύστημα, θα το φτιάξουμε για τις ακέραιες τιμές του n ή μπορούμε να το φτιάξουμε π.χ. για κάθε t=0.01?

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: Andromedas on March 27, 2016, 14:38:40 pm

Quote from: themis93 on March 27, 2016, 13:06:09 pm

troll? ;D

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: Μεταλλαγμένη Πάπια on March 27, 2016, 15:24:36 pm

Παιδια, εχει κανεις καμια συμβουλη για το πως να κανω τη ζωη μου ευκολη με τα διαγραμματα; Αυτος κανει κατι ψαγμενα στα αρχεια του, δεν πολυκαταλαβαινω. Τα διαγραμματα που μπορω να κανω αυτη τη στιγμη ειναι λιγο ασχημα, θα θελα μια βοηθεια :P

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: kakashi on March 27, 2016, 16:10:52 pm

Quote from: Μεταλλαγμένη Πάπια on March 27, 2016, 15:24:36 pm

Αν κάνεις απλά copy paste τα ψαγμένα που κάνει αυτός θα σου βγουν τα διαγράμματα μια χαρά :)

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: Gaara on March 27, 2016, 16:26:45 pm

Για το 2ο ερωτημα τι θελει να του πουμε?
Να του γραψουμε την αποδειξη που εχει στο pdf για το πως βρισκει οτι το ο αλγοριθμος συγκλινει οταν 0< μ < 2/λmax?

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: themis93 on March 27, 2016, 16:29:25 pm

Quote from: Andromedas on March 27, 2016, 14:38:40 pm

troll? ;D

χωρίς πλάκα. όταν θα δημιουργήσουμε το x(n)=cos(πn)sin(nπ/25 + p/3) το n πρέπει να πάρει ακέραιες τιμές ή και δεκαδικούς; επειδή αν δεν κάνω λάθος στα ψεσ λέγαμε ότι τα n είναι ακέραιοι αριθμοίκαι όχι οι χρονικές στιγμές που κάναμε τη δειγματοληψία.

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: Exomag on March 27, 2016, 16:32:04 pm

Quote from: Gaara on March 27, 2016, 16:26:45 pm

Δε νομίζω πως θέλει την απόδειξη, απλά χρησιμοποίησε κατευθείαν τον τύπο που έχει στις σημειώσεις.

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: Maylo on March 27, 2016, 17:07:09 pm

Καλησπέρα , έχω τον πίνακα με τους συντελεστες "w" 60χ1 από τα R και p προφανώς όλα καλά μέχρι εδώ. Από το pdf μπορούμε να δούμε μια formula για τον υπολογισμό του y(n) όμως το u και το w είναι διαφορετικά ως προς το μέγεθος ... Πώς θα βρω το y ώστε να το αφαιρέσω από το d και μετά να (θεωρητικά) ακούσω το τραγούδι;

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: Μεταλλαγμένη Πάπια on March 27, 2016, 18:18:53 pm

Quote from: kakashi on March 27, 2016, 16:10:52 pm

Αν κάνεις απλά copy paste τα ψαγμένα που κάνει αυτός θα σου βγουν τα διαγράμματα μια χαρά :)

Εν τελει αυτο εκανα, ομορφα βγηκαν δε λεω. Απλα δε μ'αρεσει να μη καταλαβαινω καθολου τι κανω.

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: Niobe on March 27, 2016, 18:27:50 pm

Quote from: Μεταλλαγμένη Πάπια on March 27, 2016, 18:18:53 pm

Εν τελει αυτο εκανα, ομορφα βγηκαν δε λεω. Απλα δε μ'αρεσει να μη καταλαβαινω καθολου τι κανω.

Δε νομίζω πως είναι κάτι ιδιαίτερο αυτό που κάνει, απλά διαμορφώνει το διάγραμμα.

Title: Re: [Ψηφιακά Φίλτρα] 1η εργασία 2016
Post by: Andromedas on March 27, 2016, 19:33:03 pm

Quote from: themis93 on March 27, 2016, 16:29:25 pm

Σορρυ για το troll αλλά δεν κατάλαβα τι εννοούσες.
Τα n στο x[n] είναι o αριθμός δείγματος, όπως σωστά θυμάσαι το n είναι ακέραιος.
/εδιτ. Η δίκη μου προσέγγιση στο πρόβλημα:
Στα τρία πρώτα ερωτήματα. Αντί να σου δώσει ένα σήμα σαν το τραγούδι, έχεις το μοντέλο του σήματος που λειτουργεί για όσα n θες. Αυτό σαν λογική συνδέεται με το ερώτημα καθώς εσύ θες να δεις ποσά δείγματα χρειαζεται να περάσουν με ένα υπολογισμό των νέων w σε κάθε δείγμα για να συγκλίνει.
Οπότε απλά υπολογίζει το x[n] με το νέο n για να μπορέσεις να έχεις και το σφάλμα (πχ διάγραμμα με δύο καμπύλες n,x[n] n,e[n]) και η συνθήκη τερματισμού είναι ότι θες εσύ από σημειώσεις.
Στο ερώτημα 4 που είναι x[n] (/εδιτ δηλαδή το sound.mat εάν δεν έχει θόρυβο ή το d[n] εάν το sound.mat έχει θόρυβο ) σήμα μουσικής σαν λογική έχεις ένα συγκεκριμένο Ν δειγμάτων εξαρχής και δουλεύεις εσύ τον αλγόριθμο για να αποθορυβοποιήσεις.
ps αν υπάρχει κάποιο θεματάκι πείτε.