(यह प्रश्न कच्चे WAV से बाइनरी मैग्नेटिक-स्ट्रिप कार्ड डेटा निकालने से संबंधित है )
मैं एक क्रेडिट कार्ड पर चुंबकीय पट्टी से बाइनरी अनुक्रम निकाल रहा हूं।
जैसा कि आप देख सकते हैं, सिग्नल एक स्थान पर स्पष्ट रूप से नीचा है। छवि के बाईं ओर एक छोटी सी गिरावट भी है।
बस IIR (यानी का उपयोग कर ) यह सहज बनाता है, लेकिन परिणामस्वरूप संकेत गणितीय चिकनी नहीं है; अगर मैं संकेत को एक-दूसरे से अलग करता हूं तो शोर एक प्रतिशोध के साथ वापस आता है:
मेरा सवाल यह है कि क्या मैं इस तरह से शोर को हटा सकता हूं जिससे डेरिवेटिव साफ हो?
यदि हां, तो कैसे?
संपादित करें: यहाँ कुछ क्षतिग्रस्त तरंगों का क्लोज़-अप है:
संपादित करें (2): मैं जिन कुछ दृष्टिकोणों पर विचार कर रहा हूँ:
- सबसे पहले मैं क्षतिग्रस्त क्षेत्र के दोनों ओर सिग्नल का एक टेलर सन्निकटन बना सकता था, और सन्निकटन को एक साथ मिला सकता था।
- दूसरे मैं एफएफटी को हटा सकता हूं, उच्च आवृत्ति वाले घटकों को हटा सकता हूं और एफएफटी को उल्टा कर सकता हूं। मैं उस दूसरे दृष्टिकोण की कोशिश करने जा रहा हूं ...
आप सिग्नल (यानी तेज बदलाव) में उच्च-आवृत्ति सुविधाओं को बाहर करने के लिए एक विभेदक का उपयोग कर रहे हैं। जिन कलाकृतियों को आप हटाने की कोशिश कर रहे हैं, वे समान हैं, इसमें वे तेज बदलाव हैं जो समान हाईपास विशेषताओं वाले होंगे। उन्हें रैखिक लोअरपास फिल्टर के साथ निकालना मुश्किल हो सकता है। एक अलग दृष्टिकोण (कोई दंडित इरादा नहीं) अधिक उपयुक्त हो सकता है।
—
जेसन आर
क्षमा करें, भ्रामक स्क्रीनशॉट पोस्ट करने के लिए मेरा बुरा है। मैंने नमूना क्षतिग्रस्त वर्गों के क्लोज-अप को शामिल किया है।
—
पी आई
एक लोपास फ़िल्टर काम करना चाहिए। समस्या यह है कि जैसे-जैसे व्यक्ति अपनी स्वाइप गति बदलता है, ब्याज की आवृत्तियों में परिवर्तन होता है।
—
एंडोलिथ
सही बात। हालाँकि, यह आधार दर एक लहर से दूसरे में बड़े पैमाने पर बदलने वाली नहीं है। तो मैं फ़िल्टर करने में सक्षम हो सकता हूं क्योंकि मैं जाता हूं (अर्थात दी गई तरंग दैर्ध्य एक विशेष बिंदु पर k है, सिग्नल में आगे फ़िल्टर करें 2 अनुमानित तरंग दैर्ध्य, अगला ब्लिप उठाएं, कुल्ला और दोहराएं)। इस मामले में, एक अच्छा फ़िल्टर क्या होगा? मुझे डेरिवेटिव को संरक्षित करने की आवश्यकता है ...
—
पी आई
ऐसा लगता है कि आपके सिग्नल को द्विआधारी संक्रमणों का वर्णन करने वाले बहुत विशिष्ट "तरंगिकाओं" की श्रृंखला द्वारा दर्शाया गया है। मुझे लगता है कि आपको एक विशिष्ट तरंगिका को निकालना चाहिए और कच्चे डेटा के साथ तरंगिका को सहसंबंधित करके "कोररोग्राम" का उत्पादन करना चाहिए। अधिकतम समानता के पदों को मजबूत चोटियों के रूप में पहचाना जाएगा, जबकि तरंग दोष केवल एक मामूली शोर बन जाएगा। इस पद्धति का व्यापक रूप से भूकंपीय उपयोग किया जाता है। क्या आप कृपया अपने कच्चे डेटा की "टाइम-वैल्यू" श्रृंखला कुछ स्प्रेडशीट-जैसे फ़ॉर्म में प्रदान करेंगे, ताकि मैं अपने विचार का वर्णन कर सकूं।
—
mbaitoff