واهم‌گشت: تفاوت میان نسخه‌ها

محتوای حذف‌شده محتوای افزوده‌شده
WikitanvirBot (بحث | مشارکت‌ها)
جز r2.7.1) (ربات: افزودن ar, cs, de, es, fr, nl, pl, ru
جز تصحیح فرمول
خط ۲۳:
= زلزله شناسی ===
 
مفهوم دکانولوشناز deconvolution کاربرد اولیه در [[wiki:reflectionبازتاب seismology|زلزله شناسی بازتابی.]] کاربرد دارد. در سال 1950، [[Enders رابینسون]] دانشجوی کارشناسی ارشد بود [[MIT]]. او با دیگران در MIT مشغول به کار، مانند [[نوربرت وینر]]، [[نورمن لوینسون]]، و اقتصاددان [[پل ساموئلسون]]، به توسعه "مدل convolutional" انعکاس [[منحنی‌های ترسیم شده بوسلیه زلزله نگار]]. در این مدل فرض بر این است که منحنی‌های ترسیم شده بوسلیه زلزله نگار ثبت'' S'' ('' T'') پیچیدگی تابع زمین بازتاب'' الکترونیکی'' ('' T'') و [[لرزه نگاری]] [[موجک W]]'''' ('' T'') از [[منبع نقطه]]، که در آن "T" نشان دهنده مدت زمان ضبط است. بنابراین، معادله پیچیدگی ما می‌آید
 
: می‌آید::‌ها <math>s(Tt) = (Ee * Ww) (Tt). \،, </ ریاضیmath>
 
زلزله شناسزلزله‌شناس مورد علاقه'' الکترونیکی''، که حاوی اطلاعات مربوط به ساختار زمین است. [[قضیه حلقه]]، این معادله ممکن است [[تبدیل فوریه]] ED می‌آید
 
: می‌آید:: <math>S (\ امگاomega) = E (\ امگاomega) W (\ امگاomega) \،, </ ریاضیmath>
 
در [[حوزه فرکانس.]] با این فرض که بازتاب سفید است، ما می‌توانیم فرض کنیم که [[چگالی طیفی | طیف قدرت]] بازتاب ثابت است، و طیف برق از منحنی‌های ترسیم شده بوسلیه زلزله نگار طیف از موجک ضرب که ثابت است. به این ترتیب،
 
می‌آید:: | S (\ امگا) | \ تقریبا K | W (\ امگا) | \، </ ریاضی>
: <math>|S(\omega)| \approx k|W(\omega)|. \, </math>
 
اگر ما فرض کنیم که موجک [[فاز حداقل]]، ما می‌توانیم آن را با محاسبه معادل فاز حداقل از طیف قدرت فقط در بر داشت بهبود می‌یابند. بازتاب ممکن است با طراحی و استفاده از بهبود [[فیلتر وینر]] است که شکل موجک برآورد شده به [[تابع دلتای دیراک]] (به عنوان مثال، سنبله). در نتیجه ممکن است به عنوان یک سری کوچک، توابع دلتا منتقل شده دیده می‌شود (اگر چه این ریاضی سخت نیست):
 
می‌آید:: الکترونیک (T) = \ sum_ {= ۱} ^ N r_i \ دلتا (T-\ tau_i) </ ریاضی>
: <math>e(t)=\sum_{i=1}^N r_i\delta(t-\tau_i)</math>
 
که'' N'' است که تعدادی از وقایع بازتاب، '' τ'' <sub>'' من'' </ فرعی>'' τ'' <sub>'' من'' < / فرعی> بازتابی از هر رویداد و'' R'' <sub>'' من'' </ فرعی> [[ضریب انعکاس]].
 
در عمل، از آنجا که ما در برخورد با پر سر و صدا، محدود [[پهنای باند (رایانه) | پهنای باند]]، طول محدود، [[نمونه بردارینمونه‌برداری (پردازش سیگنال) | discretely پا به نمونه]] مجموعه داده‌ها، روش فوق فقط تقریبی از فیلتر لازم است را بازده به deconvolve داده‌است. با این حال، با فرموله کردن مسئله به عنوان راه حل [[Toeplitz ماتریکس]] و با استفاده از [[بازگشت لوینسون]]، ما نسبتا به سرعت می‌تواند برآورد یک فیلتر با کوچکترین [[معنی خطا مربع]] امکان پذیر است. ما همچنین می‌توانیم deconvolution به طور مستقیم در حوزه فرکانس انجام دهند و نتایج مشابه را دریافت کنید. این روش از نزدیک به [[پیش بینی خطی]].
 
= اپتیک و دیگر تصویربرداری ===