ЛПП в математике :)

ох-уж, этот мистик.. аж слеза умиления наворачивается. обычная арифметика лагов почему-то заставляет МАЛЁХО усомниться возьмём число 0xFFFF..FF на триллион бит и начнём его складывать с единицей, при этом берём самый оптимистичный лаг (прям в 1 нс), получаем уЖО минимум 1000 с на простейшую операцию.. в ариф расчётах перенос единицы есмь сама истЕна

 

всЁ оно как бЫ хорошо, но есть забавная МЕЛОЧЬ: согласно лимиту Найквиста не может к быть больше половины семпл рейта, да и N не может превышать семпл рейт, пч получаем рост этого самого сэмпл рейта и стало быть в спектре появляется виртуальщина

 

БПФ это просто способ оптимизировать вычисления ДПФ (Дискретное Преобразование Фурье).
А то, что ДПФ обладает лимитами и несовершенствами в силу своей природы это же известный факт.
Там с ходу в карьер есть "косяк" с тем, что сигнал не бесконечный от -беск до +беск и потому спектр на границах как то искажается.

 

Что бы мы без неё делали

 

UbIvItS, https://www.dspguide.com/ch12/2.htm - самое понятное объяснение FFT. Там есть один момент который правда не объясняется в синтезе общего спектра из двух - вставка нулей между отсчетами в одной области эквивалентна повторению спектра. Это легко понять по природе дискретного спектра периодического сигнала который является также периодическим.

 

меня вот что интересует: как с такими утлыми методами можно видеть на лярды световых лет??? вот файл мп3 - там 576 частот и 27мс фреймы с нахлёстом 1-3мс, то бишь откровенный мухлёж. для чел уха такое катит, но в терминах РЕАЛЬНОГО сигнала - это прям совсем ниАчОм == я на всё это смотрю и меня тоже потянуло на эту "гениальную" математику мухлежа во имя оптимаз сэмплов

 

А в чем мухлеж? Любой сигнал можно представить в разных формах, в том числе во временной и в частотной. Ухо более чувствительно к частотной области и имеет ньюансы на которых и строятся алгоритмы сжатия с потерями. Я честно с трудом понимаю о чем ты пишешь, просто увидел ссылку в прошлой теме.

 

вот Тебе задача - определить виды зверей в заданной местности по записи с сети микрофонов.

 

Код (C++):

1.   // Combine
2.     for (size_t k = 0; k < N / 2; ++k) {
3.         Complex t = polar(1.0, -2 * PI * k / N) * odd[k];
4.         x[k] = even[k] + t;
5.         x[k + N / 2] = even[k] - t;
6.     }
7. // https://www.w3computing.com/articles/how-to-implement-a-fast-fourier-transform-fft-in-cpp/
8.  

вот так вот делать, ну, прям совсем низя в расчётах на реальные сигналы: y k + N / 2 & k - совсем разные характеристики по затуханию и устойчивости фазы, то бишь такая свёртка тупо завышает верхушку спектра.