- •1. Видеоинформационный тракт сдз.
- •2. Информационные показатели качества сдз.
- •3 Оценка качества изображения по критерию пространственного разрешения (разрешающей способности)
- •4 Системотехнические показатели качества сдз.
- •5 Математические модели источника информации сдз: детерминированные и квазидетерминированные модели.
- •6. Модели непрерывного стационарного поля (Математические модели источника информации сдз)
- •7. Модели дискретизированного стационарного поля (Математические модели источника информации сдз)
- •8. Алгоритмы синтеза тестовых изображений в рамках моделей стационарного поля (Математические модели источника сдз)
- •9. Модели нестационарного поля (математические модели источника информации сдз)
- •10. Мозаичные модели разбиения (Математические модели источника информации сдз)
- •11. Мозаичные модели разбиения (Математические модели источника информации сдз)
- •12. Математические модели атмосферы
- •1) Атмосферная рефракция (искажения), искривление оптических лучей
- •2) Молекулярное и аэрозольное поглощения
- •3) Молекулярное и аэрозольное рассеяние
- •4) Помехи от посторонних источников
- •5) Атмосферная турбулентность
- •13. Математические модели оптической системы
- •1. Масштабирование
- •2. Расфокусировка (размытие). (Погрешность применения)
- •14 Общая структура математических моделей видеодатчика и ацп.
- •1. Свертка:
- •2. Дискретизируем:
- •15. Принцип действия и эквивалентная апертура видеодатчика на элт.
- •16. Принцип действия и эквивалентная апертура однокоординатного (линейного) пзс датчика.
- •1).Ячейка из k-электродов
- •17. Принцип действия и эквивалентная апертура двух координатного (матричного) пзс датчика.
- •18. Принцип действия и эквивалентная апертура матричного пзс-датчика с временной задержкой и накоплением.
- •19. Шумовые искажения изображений в видеодатчике.
- •20. Дополнительные искажения сигналов пзс-датчиках.
- •21. Квантование сигнала по уровню.
- •22. Анализ точности цифровых моделей непрерывных лис-систем: модель дискретной свёртки.
- •23. Анализ точности цифровых моделей непрерывных лис-систем: спектральная модель.
- •24. Анализ точности цифровых моделей непрерывных лис-систем: оптимальная модель.
- •25. Предварительная обработка входных сигналов при моделировании лис-системы.
- •26. Вычисление быстрой свертки на основе дпф и секционирования сигнала.
- •27. Принцип построения параллельно-рекурсивных ких-фильтров.
- •28. Общая схема расчета параллельно-рекурсивных ких-фильтров
- •29. Расчет параллельно-рекурсивного ких фильтра при аппроксимации их лис(лпп)-системы.
- •30. Расчет параллельно-рекурсивного ких-фильтра при аппроксимации частотной характеристики лис-системы.
- •31. Расчет параллельно-рекурсивного ких-фильтра для моделирования лис-системы.
- •32. Расчет параллельно-рекурсивного ких-фильтра для преобразования и синтеза стационарных случайных сигналов.
26. Вычисление быстрой свертки на основе дпф и секционирования сигнала.
Есть фильтр с заданной импульсной характеристикой (ИХ) h(n).
В большинстве случаев свертка является конечной. Имеем формулу для КИХ-фильтра.
Е го действие на сигнал y(n) = x(n)**h(n) = (1)
Общая длина ИХ определяет вычислительную сложность реализации. Но вычислять сверку «в лоб» по (1) очень трудоемко. Другие способы вычисления:
Вычисление свертки при помощи ДПФ.
Для периодических последовательностей известен способ быстрого вычисления циклической свертки.
Пусть нужно посчитать свертку a(n)**b(n)
a(n),
b(n), либо периодические с таким периодом
Т.е. находим спектр обоих сигналов и по св-ву преобр. Фурье сверка в спектральной области равна произведению. После этого ОДПФ и получаем сигнал, соотв. свертке.
Проблемы:
надо считать апериодическую сверку
длина ИХ и сигнала не всегда одинаковы
Секционирование (с накоплением)
Будем использовать ДПФ длиной N. Предварительно строится периодизированная ИХ. Для простоты рассуждений х – бесконечная последовательность. x(n) разбивается на секции по N отсчетов с перекрытием в M-1 точке. Перекрытие нужно, потому что свертка – циклическая и результаты на краях будут испорчены (с др.стороны наложения эти будут известного нам размера).
Для ИХ один раз считают ДПФ, после этого действуют по след. схеме:
Т.е. считают свертку отдельно для каждой секции.
П осле этого , т.е. «склеиваем» результаты свертки в секциях и получают выходную последовательность
Всего N отсчетов, полезный результат N-M-1 отсчет – сигнал без искажений. Т.е. в качестве результата берем только середину каждой последовательности.
На N-M+1 точку получаем S(N) операций.
Удельная сложность U=S(N)/(N-M+1) = N*logN/(N-M+1)->min
S(N) порядка N*logN (в лоб N*N).
Можно определить оптимальное N: Nopt = 3/5M
27. Принцип построения параллельно-рекурсивных ких-фильтров.
Комментарий: Использование пр. ких-ф. необходимо для уменьшения вычислительной сложности свертки. Сложность становится пропорциональной количеству звеньев фильтра, т.е. гораздо меньше количества отсчетов.
Рассмотрим сначала более простой и наглядный случай обработки одномерных сигналов. Преобразование КИХ-фильтром бесконечной последовательности отсчетов входного сигнала f{n} в выходную последовательность g (n), как известно, описывается соотношением «конечной свертки»:
где h (т) —- импульсная характеристика фильтра, равная нулю вне интервала длиной , величины задают размер окна обработки и его положение относительно формируемого выходного отсчета. Параллельно-рекурсивный КИХ-фильтр представляется в виде К параллельных звеньев, и следовательно
где — коэффициенты, — линейно независимые базисные функции (конечные ядра) разложения h (т) в ряд (8.5), то есть импульсные характеристики параллельных КИХ-звеньев, — сигналы на выходах звеньев 0<k<K-1. Причем к каждому звену предъявляется требование эффективной рекурсивной реализации, то есть описания достаточно простым разностным уравнением. Последнее означает, что передаточная функция (z- преобразование импульсной характеристики) звена
должна записываться в дробно-рациональной форме, как отношение полиномов от комплексной переменной z, состоящих из небольшого числа слагаемых.
Исходя из сказанного, определим общий вид импульсных характеристик рекурсивно реализуемых КИХ-звеньев. Интервал, ограничивающий ненулевые отсчеты конечной импульсной характеристики, можно задать через «прямоугольный импульс»:
— функция единичного скачка — целые константы, определяющие положение импульса на оси аргумента. Последовательность (8.9) имеет z-преобразование, которое может быть представлено в дробно-рациональной форме:
Известны трансформации произвольной последовательности, не увеличивающие ее длину и сохраняющие дробно-рациональность z-преобразования: умножение на коэффициент, целую положительную степень аргумента и экспоненту. Применяя их к функции (8.9), получаем, что последовательность
при целом неотрицательном и произвольных S, , также будет иметь конечную длину и дробно-рациональное z-преобразование. Каждая базисная функция может быть составлена из нескольких последовательностей вида (8.11). При надлежащих значениях параметров из (8.12) следует базис комплексных дискретных экспоненциальных функций, базис Фурье в вещественной форме, косинусный базис и т.д.
Для двумерного сигнала (изображения), заданного отсчетами f(n1,n2) на бесконечном квадратном растре, результат обработки КИХ-фильтром выражается через двумерную свертку:
где h(m1,m2) — импульсная характеристика двумерного фильтра, D — конечная область ее ненулевых значений. Как и в одномерном случае, для быстрого параллельно-рекурсивного вычисления свертки (8.14) необходимо, чтобы импульсная характеристика фильтра имела представление в виде суммы
При выполнении (8.15) выходной сигнал фильтра будет формироваться из сигналов с выходов параллельных звеньев:
Пример базисных функций: прямоугольный базис
Семейство прямоугольных ядер состоит из функций
Передаточная функция (8.10) записывается в виде
Из (8.21) следует простое разностное уравнение, описывающее процесс рекурсивного вычисления свертки (8.7):
Здесь и везде ниже при записи разностных уравнений не оговариваются начальные условия, то есть все преобразуемые последовательности считаются неограниченными по аргументу и принимающими нулевые значения в «минус бесконечности».
Для получения очередного значения последовательности yk(n) по формуле (8.22) нужно выполнить всего две арифметические операции; сложение и вычитание. Преимущество: простота формирования локальных линейных признаков, сводящегося здесь к рекурсивному суммированию отсчетов изображения в скользящих прямоугольных окнах.