- •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.
22. Анализ точности цифровых моделей непрерывных лис-систем: модель дискретной свёртки.
Смоделируем на компьютере преобразование сигнала линейной системой.
Есть - непрерывный сигнал и – ИХ Лис-системы.
- цифровой, где T – шаг дискретизацииТ.к. на компьютере интеграл брать не можем, то
Если:
исходный сигнал – стац. СП.
Лис-система устойчива
то – стац. случ. последовательности.
Будем считать, что процедура моделирования не смещает получаемого значения, т.е. можно характеризовать ошибку ее дисперсией Dε.
Концепция идеального измерителя:
Модель дискретной свёртки
Входной сигнал сразу дискретизируется:
Записываем в место интеграла дискретизации выражение дискретной свёртки:
(был интеграл ).
Коэффициент T нужен, чтобы сохранить масштаб сигнала.
Погрешность: .
Представим ее в спектральной области:
Спектр дискретного сигнала:
(Заменим: )
Т.к. целое число периодов, то в показателе выкидываем .
Получаем:
t=nT
Более общее соотношение:
Имеем нужную систему, где в - ЧХ.
- точечная характеристика, дискретизация дисперсию стац. сигнала не меняет.
Для 2D систем:
Идеал:
На самом деле:
23. Анализ точности цифровых моделей непрерывных лис-систем: спектральная модель.
Есть непрерывный сигнал , который мы дискретизируем, и некоторая функция частоты .
Вычисляем передаточную функцию – переходим в спектральную область: рассмотрим основной период.
С пектр сигнала на выходе на интервале : .
Здесь: – непериодическая затухающая функция (ее искусственно размножает на всю ось), – периодические с периодом .
Возвращаясь во временную область, получим:
Другая запись . G – некоторая периодическая функция.
Из предыдущих размышлений: .
На всем интервале частот: .
Тогда выходной сигнал
Погрешность в спектральной области (спектр ошибки моделирования): .
Ошибка моделирования вычисляется как ОПФ:
.
.
2D-аналог:
24. Анализ точности цифровых моделей непрерывных лис-систем: оптимальная модель.
Было:
- модель в виде свертки, h – жестко связано.
- g – не является отсчетами ИХ (не привязано к ней).
Совсем распустить g, а определить через спектр, исходя из того, что .
Она в классе линейных систем лучшая (оптимальная по погрешности).
Минимизируем дисперсию ошибки:
– условие экстремума.
(дискретные отсчеты непр. АКФ)
.
=> окончательно:
(*)
ПФ:
(***)
g - жестко привязано к Фх => для каждого сигнала нужно строить свою модель.
Чему равна минимальная погрешность:
(**) ((**) годится для )
.
Таким образом для оптимальной системы:
.
- дискретная свертка
- непрерывная свертка + дискретизация
2D все аналогично (просто добавляются индексы 1,2).
25. Предварительная обработка входных сигналов при моделировании лис-системы.
При моделировании получаемая погрешность часто не совпадает с реальностью. Это связано с тем, что сигнал и параметры системы при моделировании дискретные.
Если нам известно .
Огр Огр
Для нет наложения в ПФ, но есть погрешность, т.к. остаются эффекты наложения в самом сигнале.
Необходимо урезать до частоты .
Суть предварительной обработки – усечение входного сигнала.
Как делают без предварительной обработки (не правильно):
Если его продискретизировали с шагом Т:
По т. Котельникова можно восстановить сигнал с помощью идеального фильтра низких частот.
Нужно уменьшить погрешность наложения в сигнале.
Т.е. необходимо посчитать все лишние хвосты, вносящие погрешность.
.
– четная функция. Получаем .
Отсюда можем определить шаг дискретизации, если зададимся или , и знаем Фх.
.
Как правило, получаемый таким образом шаг дискретизации очень мал.
Пусть задана некоторая верхняя частота: Хотим задаться .
Вычислим мощность спектральных компонент в интересующей нас полосе частот.
Если полученная погрешность нас не устраивает, то тут нужна предварительная обработка.
Формируется предварительное дискретное представление сигнала.
Продискретизировав сигнал с шагом его с шагом и получив периодический ЭС сигнала, обнуляем все его компоненты, отстоящие больше чем на .
Наложения в таком сигнале уже меньше.
Ошибка такого представления сигнала:
.
.
Появляется еще один параметр То, вычислить его можно, зафиксировав остальные.
Оценка относительной погрешности для кругового усечения (случай 2D).
Появилось несколько шагов дискретизации:
Т – связан с .
То – первичный шаг дискретизации
Твых – размер датчика
Это верно для
Твых – навязан.
То, Т – рассчитываются. Их соотношение желательно сделать целочисленным, для удобства реализации.
Погрешность моделирования должна быть не заметна на фоне др.погрешности, например, погрешности шумов.
Эффект от предварительной обработки –экономия объема данных (примерно в 100 раз).