Кодування навчального сигналу


9

У мене є велика кількість зразків, які представляють закодовані в Манчестері потоки бітів як звукові сигнали. Частота, з якою вони кодуються, є основною складовою частоти, коли вона велика, а на задньому плані є стійка кількість білого шуму.

Я вручну розшифрував ці потоки, але мені було цікаво, чи можу я використати якусь техніку машинного навчання для вивчення схем кодування. Це дозволило б заощадити багато часу вручну розпізнавати ці схеми. Складність полягає в тому, що різні сигнали кодуються по-різному.

Чи можна побудувати модель, яка може навчитися розшифровувати більше однієї схеми кодування? Наскільки надійною буде така модель і які методики я б хотів використовувати? Незалежний аналіз компонентів (ICA), схоже, може бути корисним для виділення частоти, про яку я дбаю, але як я дізнаюся схему кодування?

Відповіді:


3

Я пропоную використовувати приховані Маркові моделі з двома можливими станами: (1) високий рівень і (0) низький рівень.

Ця методика може бути корисною для декодування вашого сигналу. Ймовірно, вам знадобиться конкретний HMM для кожної кодифікації.

Якщо шум викликає проблему, фільтр FIR з функцією вікна Блекмена-Харріса дозволить вам виділити частоту, про яку ви маєте справу.


чи буде це працювати над кодованим манчестром сигналом, де значення кодується в переходах стану?
ragingSloth

Це залежить від кодифікації Манчестера, але я б сказав так. Тим не менш, перед навчанням HMM, я б запропонував використовувати алгоритм нульового перетину для виявлення флангів сигналу. Завдяки цьому ви могли виявити мінімальний час зміни, який може дати вам підказку на тактову швидкість.
adesantos

Навіщо мені потрібна тактова частота? Кодування в Манчестері - це самозапуск. Час повинен бути неважливим.
ragingSloth

Я хоч може бути корисним знати швидкість руху тактових значень, щоб знати, наскільки швидкими є переходи між низькими / високими значеннями.
adesantos
Використовуючи наш веб-сайт, ви визнаєте, що прочитали та зрозуміли наші Політику щодо файлів cookie та Політику конфіденційності.
Licensed under cc by-sa 3.0 with attribution required.