16,549
社区成员
发帖
与我相关
我的任务
分享请发表友善的回复…
发表回复
vansbluge 2011-02-10
- 打赏
- 举报
[Quote=引用 4 楼 gzamao 的回复:]
好,人人为我,我为人人,今日我有求于人,不如顺手帮一帮人,就算给自己积点德,他日死的时候走得也痛快点.
首先,我先看看这个变换的一个非常重要应用场合:数据压缩,看看这个傅里叶变换在有损压缩中起了什么作用.
我们现在的音频压缩中压缩比例高达10:1到20:1,而视频压缩高达300:1以上,是什么令到好端端的数据被压成屎饼呢?且听我慢慢道来.
这个呀,如果我们将采样后的信号摊在地上看,你就挠破……
[/Quote]
牛逼
好,人人为我,我为人人,今日我有求于人,不如顺手帮一帮人,就算给自己积点德,他日死的时候走得也痛快点.
首先,我先看看这个变换的一个非常重要应用场合:数据压缩,看看这个傅里叶变换在有损压缩中起了什么作用.
我们现在的音频压缩中压缩比例高达10:1到20:1,而视频压缩高达300:1以上,是什么令到好端端的数据被压成屎饼呢?且听我慢慢道来.
这个呀,如果我们将采样后的信号摊在地上看,你就挠破……
[/Quote]
牛逼
红色代码 2011-02-10
- 打赏
- 举报
[Quote=引用 4 楼 gzamao 的回复:]
好,人人为我,我为人人,今日我有求于人,不如顺手帮一帮人,就算给自己积点德,他日死的时候走得也痛快点.
[/Quote]
蛋定蛋定...
好,人人为我,我为人人,今日我有求于人,不如顺手帮一帮人,就算给自己积点德,他日死的时候走得也痛快点.
[/Quote]
蛋定蛋定...
奔跑的北极熊 2011-02-10
- 打赏
- 举报
[Quote=引用 4 楼 gzamao 的回复:]
如同云雾之外的彩虹,黄沙后的垂露,傻B群中的佛陀.
[/Quote]
我靠，像诗一样优美，伟大啊韦大人！！
如同云雾之外的彩虹,黄沙后的垂露,傻B群中的佛陀.
[/Quote]
我靠，像诗一样优美，伟大啊韦大人！！
BigBlackTree 2011-02-10
- 打赏
- 举报
我理解就是把连续的东西用离散的方式来表示，便于实际应用。
gzamao 2011-02-10
- 打赏
- 举报
这算个屁牛逼，真正写爽了的是我另外一篇：http://topic.csdn.net/u/20100531/09/95f5b40f-55de-42d4-86b8-f3149e2ada97.html
别光看牛逼啊，各位办点实事行不？也帮我解解疑难杂症：
http://topic.csdn.net/u/20110209/21/06a7f0c9-7012-47be-8335-964e7ca82157.html
别光看牛逼啊，各位办点实事行不？也帮我解解疑难杂症：
http://topic.csdn.net/u/20110209/21/06a7f0c9-7012-47be-8335-964e7ca82157.html
手机写程序 2011-02-10
- 打赏
- 举报
[Quote=引用 4 楼 gzamao 的回复:]
好,人人为我,我为人人,今日我有求于人,不如顺手帮一帮人,就算给自己积点德,他日死的时候走得也痛快点.
首先,我先看看这个变换的一个非常重要应用场合:数据压缩,看看这个傅里叶变换在有损压缩中起了什么作用.
我们现在的音频压缩中压缩比例高达10:1到20:1,而视频压缩高达300:1以上,是什么令到好端端的数据被压成屎饼呢?且听我慢慢道来.
这个呀,如果我们将采样后的信号摊在地上看,你就挠破头……
[/Quote]
五体投地。。。
好,人人为我,我为人人,今日我有求于人,不如顺手帮一帮人,就算给自己积点德,他日死的时候走得也痛快点.
首先,我先看看这个变换的一个非常重要应用场合:数据压缩,看看这个傅里叶变换在有损压缩中起了什么作用.
我们现在的音频压缩中压缩比例高达10:1到20:1,而视频压缩高达300:1以上,是什么令到好端端的数据被压成屎饼呢?且听我慢慢道来.
这个呀,如果我们将采样后的信号摊在地上看,你就挠破头……
[/Quote]
五体投地。。。
超级管理员9527 2011-02-10
- 打赏
- 举报
[Quote=引用 4 楼 gzamao 的回复:]
好,人人为我,我为人人,今日我有求于人,不如顺手帮一帮人,就算给自己积点德,他日死的时候走得也痛快点.
首先,我先看看这个变换的一个非常重要应用场合:数据压缩,看看这个傅里叶变换在有损压缩中起了什么作用.
我们现在的音频压缩中压缩比例高达10:1到20:1,而视频压缩高达300:1以上,是什么令到好端端的数据被压成屎饼呢?且听我慢慢道来.
这个呀,如果我们将采样后的信号摊在地上看,你就挠破……
[/Quote]
牛人，笑的我肚子疼，好像周星驰版的韦小宝说书一样
好,人人为我,我为人人,今日我有求于人,不如顺手帮一帮人,就算给自己积点德,他日死的时候走得也痛快点.
首先,我先看看这个变换的一个非常重要应用场合:数据压缩,看看这个傅里叶变换在有损压缩中起了什么作用.
我们现在的音频压缩中压缩比例高达10:1到20:1,而视频压缩高达300:1以上,是什么令到好端端的数据被压成屎饼呢?且听我慢慢道来.
这个呀,如果我们将采样后的信号摊在地上看,你就挠破……
[/Quote]
牛人，笑的我肚子疼，好像周星驰版的韦小宝说书一样
gzamao 2011-02-09
- 打赏
- 举报
好,人人为我,我为人人,今日我有求于人,不如顺手帮一帮人,就算给自己积点德,他日死的时候走得也痛快点.
首先,我先看看这个变换的一个非常重要应用场合:数据压缩,看看这个傅里叶变换在有损压缩中起了什么作用.
我们现在的音频压缩中压缩比例高达10:1到20:1,而视频压缩高达300:1以上,是什么令到好端端的数据被压成屎饼呢?且听我慢慢道来.
这个呀,如果我们将采样后的信号摊在地上看,你就挠破头皮也看不出什么门道,似乎是一堆杂乱无章的死数.
但是,如果我们将信号以频率的观点看待,那就眼前一亮豁然开朗柳暗花明死过返生了.
怎么看,将一段时间的声音按频率来排,20-1kHz一部分,1k-2k一部分,依此类推到19-20Hz一部分,那么世界上任何声音都能分解为这么一堆一堆,张靓颖与成奎安的分法完全一样,不同的两人的每一份多少不一样而已.此乃音色之说.
好了,到了这一步,好事者就发现,人类的听觉大致对大部分声音低频部分比较敏感,高频部分难以察觉,也就是说,高频部分变一下也无法,甚至要不要两可.
这就是最最粗糙的压缩思想,高频干掉低频留下.当然,实际的感觉模型中,不是简单干掉,而是对听不到的变形,对听的到的保真.
好了,讲了半天,讲来讲去就一个问题:以频率看待信号,如同云雾之外的彩虹,黄沙后的垂露,傻B群中的佛陀.
问题是,我们手上只有原始的声音信号,何来频率信号?怎么办?变型!
终于回到问题了:傅里叶变换就是最初的变换办法,单靠勤劳的双手就可以算出来.这是数学的魅力.
而视频信号也一样,只不过视频信号是二维信号,所以要用二维傅里叶变换.
其实,压缩技术发展到今时今日,已经普遍采用离散余弦变换了,而傅里叶变换通常用作分析.
首先,我先看看这个变换的一个非常重要应用场合:数据压缩,看看这个傅里叶变换在有损压缩中起了什么作用.
我们现在的音频压缩中压缩比例高达10:1到20:1,而视频压缩高达300:1以上,是什么令到好端端的数据被压成屎饼呢?且听我慢慢道来.
这个呀,如果我们将采样后的信号摊在地上看,你就挠破头皮也看不出什么门道,似乎是一堆杂乱无章的死数.
但是,如果我们将信号以频率的观点看待,那就眼前一亮豁然开朗柳暗花明死过返生了.
怎么看,将一段时间的声音按频率来排,20-1kHz一部分,1k-2k一部分,依此类推到19-20Hz一部分,那么世界上任何声音都能分解为这么一堆一堆,张靓颖与成奎安的分法完全一样,不同的两人的每一份多少不一样而已.此乃音色之说.
好了,到了这一步,好事者就发现,人类的听觉大致对大部分声音低频部分比较敏感,高频部分难以察觉,也就是说,高频部分变一下也无法,甚至要不要两可.
这就是最最粗糙的压缩思想,高频干掉低频留下.当然,实际的感觉模型中,不是简单干掉,而是对听不到的变形,对听的到的保真.
好了,讲了半天,讲来讲去就一个问题:以频率看待信号,如同云雾之外的彩虹,黄沙后的垂露,傻B群中的佛陀.
问题是,我们手上只有原始的声音信号,何来频率信号?怎么办?变型!
终于回到问题了:傅里叶变换就是最初的变换办法,单靠勤劳的双手就可以算出来.这是数学的魅力.
而视频信号也一样,只不过视频信号是二维信号,所以要用二维傅里叶变换.
其实,压缩技术发展到今时今日,已经普遍采用离散余弦变换了,而傅里叶变换通常用作分析.
schlafenhamster 2011-02-09
- 打赏
- 举报
“把时域内的信号转换为频域”
jason176374 2011-02-09
- 打赏
- 举报
[Quote=引用 1 楼 arong1234 的回复:]
傅氏变换和拉氏变换都是把值域内的信号转换为频域，从而知道某个曲线在哪些频段上能量更集中
例如f(t)=cos(t)+cos(3t)这个函数，能量就集中在w=2pi和w=2pi/3频率上，傅立叶变换就可以检测出来
[/Quote]
长知识了。 工作中从类没有涉及过
傅氏变换和拉氏变换都是把值域内的信号转换为频域，从而知道某个曲线在哪些频段上能量更集中
例如f(t)=cos(t)+cos(3t)这个函数，能量就集中在w=2pi和w=2pi/3频率上，傅立叶变换就可以检测出来
[/Quote]
长知识了。 工作中从类没有涉及过
arong1234 2011-02-09
- 打赏
- 举报
傅氏变换和拉氏变换都是把值域内的信号转换为频域，从而知道某个曲线在哪些频段上能量更集中
例如f(t)=cos(t)+cos(3t)这个函数，能量就集中在w=2pi和w=2pi/3频率上，傅立叶变换就可以检测出来
例如f(t)=cos(t)+cos(3t)这个函数，能量就集中在w=2pi和w=2pi/3频率上，傅立叶变换就可以检测出来
