물론 푸리에에 대해 아무것도 이해하지 못하기 때문에 푸리에 기반으로 더 잘할 수 있습니다 .
이러한 pis..mi 측정을 수행하는 이유는 무엇입니까? 당신이 기분이 상했다는 것. 정수는 오해에 대한 비난이 너무 지나쳤을 것입니다. 나는 상처를 이해합니다.
Intejer, AlexeyFKh. 지부의 선익과 서로에 대한 상호 존중을 위해 에너지를 사용하기를 촉구합니다. 아멘.)))
추신: AlexeyFX,더 좋든 나쁘든 차이점은 무엇입니까? 정수는 푸리에가 당신과 같은 리드를 얻는 데 가장 적합하다고 말하지 않았습니다. 아마도 모든 것이 당신과 더 나을 것입니다. 누가 논쟁 중입니다. 분기의 문제는 다른 것입니다. 푸리에를 사용하여 리드를 얻는 것이 전혀 가능합니까?
우리는 그 과정에서 다양한 이야기를 나눕니다. 작업이 주파수 w와 w + dw로 중첩된 두 신호를 구별하는 것이라면 한 가지입니다. 이를 위해서는 특정 최소 샘플 길이가 실제로 필요하기 때문입니다. 그러나 동시에 함수 S(w)가 연속적인 것으로 판명되기 때문에 아무도 PF의 정의에 의해 임의의 w에 대한 S(w) 값을 계산하는 것을 귀찮게 하지 않습니다. 그래서 오해를 해서 죄송합니다.
2세대 웨이블릿(리프팅 방식)을 선택하지 않았습니까? 아무렇게나 읽어보니 엣지 효과는 없는 것 같다.
나는 그것을 선택하지 않았습니다 ... 아마도 가장자리 효과가있을 수 없습니다. 여전히 인과 관계의 원칙의 결과입니다. 신호 가장자리에서 발생하는 불확실성은 이론적으로 후속 값을 알아야 해결할 수 있습니다. , 물론 그러한 필터를 만들 수 있지만 실제로는 비현실적일 것입니다 ... 그리고 가장자리 효과에 대해 어디에서 읽었습니까? 링크를 넣으십시오.
alsu : 나는 그것을 선택하지 않았습니다 ... 아마도 가장자리 효과가있을 수 없습니다. 여전히 인과 관계의 원칙의 결과입니다. 신호 가장자리에서 발생하는 불확실성은 이론적으로 후속 값을 알아야 해결할 수 있습니다. , 물론 그러한 필터를 만들 수 있지만 실제로는 비현실적일 것입니다 ... 그리고 가장자리 효과에 대해 어디에서 읽었습니까? 링크를 넣으십시오.
나는 우연히 그들을 우연히 만났습니다. 어디에서 무엇을 찾고 있었는지 기억이 나지 않습니다. 모델로의 분해와 모델로부터의 편차의 핵심입니다.
물론 푸리에에 대해 아무것도 이해하지 못하기 때문에 푸리에 기반으로 더 잘할 수 있습니다 .
이러한 pis..mi 측정을 수행하는 이유는 무엇입니까? 당신이 기분이 상했다는 것. 정수는 오해에 대한 비난이 너무 지나쳤을 것입니다. 나는 상처를 이해합니다.
Intejer, AlexeyFKh. 지부의 선익과 서로에 대한 상호 존중을 위해 에너지를 사용하기를 촉구합니다. 아멘.)))
추신: AlexeyFX, 더 좋든 나쁘든 차이점은 무엇입니까? 정수는 푸리에가 당신과 같은 리드를 얻는 데 가장 적합하다고 말하지 않았습니다. 아마도 모든 것이 당신과 더 나을 것입니다. 누가 논쟁 중입니다. 분기의 문제는 다른 것입니다. 푸리에를 사용하여 리드를 얻는 것이 전혀 가능합니까?
분기의 문제는 다른 것입니다. 푸리에를 사용하여 리드를 얻는 것이 전혀 가능합니까?
나는 그것이 불가능하다고 말하고 이유를 설명했다. 아무런 설명 없이는 아무것도 이해하지 못했다는 대답이 이어졌다.
이러한 pis..mi 측정을 수행하는 이유는 무엇입니까? 당신이 기분이 상했다는 것. 정수는 아마도 오해에 대한 비난이 너무 지나쳤을 것입니다. 나는 상처를 이해합니다.
이것은 모욕이 아니며 파이프도 아니며 푸리에에서 내가 정확히 이해하지 못하는 것과 보지 못한 좋은 것을 찾고자하는 욕망입니다. 흥미 롭군...
나는 그것이 불가능하다고 말하고 이유를 설명했다. 아무런 설명 없이는 아무것도 이해하지 못했다는 대답이 이어졌다.
이것은 모욕도 아니고 파이프도 아닙니다. 정확히 내가 이해하지 못하는 것과 푸리에에서 보지 못한 좋은 것을 찾아내고자 하는 열망입니다. 흥미 롭군...
제가 틀릴수도 있는데 수정해서 다행입니다. 푸리에에서는 파라메트릭 방법을 사용하여 무한한(이상적으로는) 고주파수 분해능을 얻을 수 있는 가능성을 보았지만 이것은 까다로울 것입니다. 웨이블릿의 도움으로 나는 여전히 이것을 달성하는 방법을 모릅니다.
분해능은 샘플의 길이에 따라 달라지므로 좋은 분해능을 위해서는 큰 샘플이 필요하고, 짧은 것을 얻기 위해서는 임의의 긴 시퀀스를 생성할 수 있는 샘플 모델을 사용해야 합니다.
나는 또한 최소 주파수(스펙트럼 판독 사이의 단계)를 의미했습니다. 예를 들어 주기 가 100과 99인 고조파를 분리해야 합니다.
오타인가요?
그래 물론. 정답 - "샘플 길이 보다 반파장 길이가 긴 고조파를 사용하지 마십시오."
_____
우리는 그 과정에서 다양한 이야기를 나눕니다. 작업이 주파수 w와 w + dw로 중첩된 두 신호를 구별하는 것이라면 한 가지입니다. 이를 위해서는 특정 최소 샘플 길이가 실제로 필요하기 때문입니다. 그러나 동시에 함수 S(w)가 연속적인 것으로 판명되기 때문에 아무도 PF의 정의에 의해 임의의 w에 대한 S(w) 값을 계산하는 것을 귀찮게 하지 않습니다. 그래서 오해를 해서 죄송합니다.
2세대 웨이블릿(리프팅 방식)을 선택하지 않았습니까? 아무렇게나 읽어보니 엣지 효과는 없는 것 같다.
나는 그것을 선택하지 않았습니다 ... 아마도 가장자리 효과가있을 수 없습니다. 여전히 인과 관계의 원칙의 결과입니다. 신호 가장자리에서 발생하는 불확실성은 이론적으로 후속 값을 알아야 해결할 수 있습니다. , 물론 그러한 필터를 만들 수 있지만 실제로는 비현실적일 것입니다 ... 그리고 가장자리 효과에 대해 어디에서 읽었습니까? 링크를 넣으십시오.
나는 우연히 그들을 우연히 만났습니다. 어디에서 무엇을 찾고 있었는지 기억이 나지 않습니다. 모델로의 분해와 모델로부터의 편차의 핵심입니다.