ну ты можешь там 50 максимумов хранить к примеру

в узле ДО

А дальше они получаются уже не будут влиять на ответ

Из за ограничений

ага

Гениально

Спасибо

Всем привет) Может кто-то знает как решать такую задачу. Есть родительский граф G0, из него путем удаления рёбер или вершин делают две новые версии графа G01 и G02. В дальнейшем необходимо провести слияние этих версий, если не возможно, то произвести слияние на сколько возможно и выдать конфликты. Я нашла способ, но он работает только если граф это список. Может у кого-то есть идеи как это сделать если в графе могут быть циклы и граф может быть мультиграфом. Или же есть какой-то общеизвестный алгоритм?

доброго времени

пытаюсь разобраться с ФФТ для шумоподавления

я беру массив с семплом из wav файла
делаю из него массив комплексных чисел с нулевой im частью и реальной, равной семплу
делаю ффт
беру оттуда магнитуду и с ней работаю (уменьшаю на магнитуду шума)

магнитуда несколько нормализованная

// Scale the magnitude of FFT by window and factor of 2,
// because we are using half of FFT spectrum
 double s_mag = complexBuffer[i].Magnitude * 2.0 / sum_win;  

а после хочу из полученных бинов собрать обратно сигнал, перейдя в freq. domain, но не понимаю как. мне же нужно из полученной магнитуды получить ещё один массив комплексных чисел?

что-то вроде

complexBuffer[i].Re = Math.Sqrt(fft[i] * sum_win / 2.0);
complexBuffer[i].Im = 0;

и загнать его в библиотеку?
я нашёл формулу с преобразованием через экспоненту, но почему-то во всех бинах одинаковая сумма.

если совсем оффтоп — подскажите более тематический чатик по DSP

благодарю

// Scale the magnitude of FFT by window and factor of 2,
// because we are using half of FFT spectrum
 double s_mag = complexBuffer[i].Magnitude * 2.0 / sum_win;  

В общем схема такая:

сигнал —(прямое FFT)—> спектрограмма —(фильтры)—> спектрограмма с подавленными шумами —> (обратное FFT) —> сигнал с подавленными шумами

обратное fft при этом очень похоже на прямое, только у предпосчитанных экспонент надо поменять знаки

вот насчёт прямое обратное. у меня получилась вот такая картина. первое — прямое преобразование, второе — обратное. Без окна. Сигнал — 440Гц синус нормализованный в ноль. Нормально ли, что сигнал «правильно» раскладывается в спектр только на обратном преобразовании? (правильно — пик примерно в -3дб)

делал через

AForge.Math.FourierTransform.DFT(complexBuffer, AForge.Math.FourierTransform.Direction.Backward);

и
AForge.Math.FourierTransform.FFT(complexBuffer, AForge.Math.FourierTransform.Direction.Backward);

написал функцию calc_f_vectorized, которая берет numpy array a и возвращает массив того же размера b[i]:= f(a[i])
Как теперь проинтегрировать f, если есть только calc_f_vectorized? Не изобретая велосипед

общий множитель в преобразовании это вопрос соглашения и не более

даже если не рассматривать множитель
я делаю на данных N два преобразования.
1 - прямое(N)
2 - обратное(N)

и получаю такие результаты

и я не понимаю, какое преобразование правильно использовать в моём случае, когда я хочу из данных получить разложение по частотам
т.е. перейти из тайм-домена в частотный

(а потом обратно)

Принято прямую но это не важно