Số hóa hàm liên tục analog to digital Phan Thiên Hương- 2013 Phan Thiên Hương- 2013 Tín hiệu : • là một đại lượng vật lý thay đổi theo thời gian, không gian hoặc bất kỳ một hoặc nhiều
Trang 1Phan Thiên Hương-2013
Xử lý số liệu
Địa vật lý
Phan Thiên Hương-2013
1 Bài giảng cơ sở lý thuyết XLSL ĐVL, Phạm Năng Vũ, 2002
2 XLSLĐVL, Phạm Năng Vũ, Nguyễn Huy Ngọc, 1997
3 Digital signal processing, Proaskis J.G.; Manolakis D.G., 1996
4 Fundamentals of Geophysical Data processing, Claerbout J.F, 1976
5 Spectral analysis and filter theory in applied Geophysics, Buttkus B., 2000
6 Time series analysis and inverse theory for geophysics, 2004
7 Seismic data processing, Ylmaz O., Doherty S.M., 1987
Phan Thiên Hương-2013
Mở đầu
• Vai trò của XLSL
Phan Thiên Hương-2013
Phan Thiên Hương-2013
• 1a) mô hình địa chất theo các vết lộ 0.1b
và 0.1c mô hình địa chất suy ra từ tài liệu
địa vật lý
• Tuy nhiên, khi nghiên cứu một cách gián
tiếp thì các phương pháp địa vật lý sẽ có
những nhược điểm như tính đa trị của kết
Trang 2Phan Thiên Hương-2013 Phan Thiên Hương-2013
Nguồn
Môi trường Địa chất
Trường ĐVL Số liệu
ĐVL
Xử lý Minh giải
Kết quả Phân tích
Trang 3Phan Thiên Hương-2013
∑
=
=
i i
F
1
Trường vật lý đo được là trường tổng gồm các phần đóng góp của nhiều đối
tượng tạo ra trường lên điểm quan sát Tại điểm j hoặc thời điểm j nào đó ta
có giá trị trường quan sát được Fj
fi là giá trị của phần trường do đối tượng thứ i gửi về điểm quan sát thứ j.
Phan Thiên Hương-2013
F
1
j j
Kết quả
Phân tích
Phan Thiên Hương-2013
Nội dung của khóa học này là giới thiệu các thuật toán dùng trong xử lý giúp làm
rõ những thông tin có ích hoặc làm cho quá trình minh giải sau đó trở nên dễ
dàng hơn Nói cách khác 2 nhiệm vụ chính được đề cập trong giáo trình này là:
•Xác định tín hiệu đo được có chứa tín hiệu có ích không?
•Nếu tồn tại tín hiệu thì phải tách tín hiệu ra khỏi giá trị quan sát
Khóa học này sẽ gồm các phần chính sau:
•Số hóa
•Biến đổi Fourier và Z
•Lọc tuyến tính: - lọc không tối ưu
•Phát hiện tín hiệu yếu: áp dụng lý thuyết toán xác suất, thống
kê, các hàm ngẫu nhiên để xây dựng các chỉ tiêu định nghiệmthống kê Dựa trên các định nghiệm thống kê này để xác địnhtồn tại tín hiệu hay không tại vị trí quan sát
Trang 4Phan Thiên Hương- 2013
• Tín hiệu có thể phân làm 2 loại: tín hiệu liên tục và tín hiệu rời rạc
• Tín hiệu ngẫu nhiên
• Tần số của tín hiệu
3 Số hóa hàm liên tục ( analog to digital)
Phan Thiên Hương- 2013
Phan Thiên Hương- 2013
Tín hiệu :
• là một đại lượng vật lý thay đổi theo thời gian, không gian
hoặc bất kỳ một hoặc nhiều bíến số khác
s ) = 7
210 2 3 ) ,
• là một đại lượng vật lý thay đổi theo thời gian, không gian
hoặc bất kỳ một hoặc nhiều bíến số khác
• Trong toán học có thể biểu diễn tín hiệu như hàm của một
hoặc nhiều biến độc lập Thí dụ như
t t
s ) = 7
210 2 3 ) ,
• Trong thực tế
t t F t
Trang 5Phan Thiên Hương- 2013
nguồn tín hiệu
•Tín hiệu tự nhiên
•Tín hiệu nhân tạo
Phan Thiên Hương- 2013
Thí dụ như các bộ phận thu phát tín hiệu, máy tính
• Môi trường địa chất
Trang 6Phan Thiên Hương- 2013
Tín hiệu có thể phân làm 2 loại: liên tục và rời rạc
Phan Thiên Hương- 2013
Tín hiệu : xác địnhngẫu nhiên:
Phan Thiên Hương- 2013
Tần số của tín hiệu liên tục và rời rạc
) cos(
= Ω
) 2 cos(
) = A π Ft + θ
t
Tính chất của tín hiệu
Phan Thiên Hương- 2013
A1: Ứng với một giá trị F cho trước, xa(t) là hàm tuần hoàn
))
x a + p = a (2.7) Với T p=1/F là chu kỳ cơ bản của tín hiệu dạng sin
Tính chất của tín hiệu
Phan Thiên Hương- 2013
A1: Ứng với một giá trị F cho trước, xa(t) là hàm tuần hoàn
))
x a + p = a (2.7) Với T p=1/F là chu kỳ cơ bản của tín hiệu dạng sin
A2: Hàm sin liên tục theo thời gian với những tần số khác nhau thì khác nhau
Trang 7Phan Thiên Hương- 2013
A1: Ứng với một giá trị F cho trước, xa(t) là hàm tuần hoàn
))
x a + p = a (2.7) Với T p=1/F là chu kỳ cơ bản của tín hiệu dạng sin
A2: Hàm sin liên tục theo thời gian với những tần số khác nhau thì khác nhau
A3: Tăng tần số F dẫn đến tăng tốc độ dao động của tín hiệu, nói cách khác trong cùng
một khoảng thời gian thì số chu kỳ dao động sẽ tăng lên
Phan Thiên Hương- 2013
A1: Ứng với một giá trị F cho trước, xa(t) là hàm tuần hoàn
))
x a + p = a (2.7) Với T p=1/F là chu kỳ cơ bản của tín hiệu dạng sin
A2: Hàm sin liên tục theo thời gian với những tần số khác nhau thì khác nhau A3: Tăng tần số F dẫn đến tăng tốc độ dao động của tín hiệu, nói cách khác trong cùng một khoảng thời gian thì số chu kỳ dao động sẽ tăng lên
A4: Viết dưới dạng hàm phức ta có:
) ()= Ωtθ
a t Ae
x (2.8) với e±jφ=cosφ±jsinφ (2.9)
Phan Thiên Hương- 2013
Hàm sin rời rạc
) cos(
Phan Thiên Hương- 2013
B1: Hàm sin rời rạc tuàn hoàn chỉ khi tần số của nó có thể được biểu diễn
dưới dạng tỷ số của 2 số nguyên
Tính chất của tín hiệu
Phan Thiên Hương- 2013
B1: Hàm sin rời rạc tuàn hoàn chỉ khi tần số của nó có thể được biểu diễn
dưới dạng tỷ số của 2 số nguyên
B2: Hàm sin rời rạc mà có tần số khác nhau 1 số nguyên lần 2π thì giống
nhau
Tính chất của tín hiệu
Phan Thiên Hương- 2013
B1: Hàm sin rời rạc tuàn hoàn chỉ khi tần số của nó có thể được biểu diễn
dưới dạng tỷ số của 2 số nguyên
B2: Hàm sin rời rạc mà có tần số góc khác nhau 1 số nguyên lần 2π thì
giống nhau
B3 : Dẫn đến tần số cao nhất của hàm rời rạc ω = π (hay ω=-π) tương ứng
với f=1/2 hay (f=-1/2)
Tính chất của tín hiệu
Trang 8Phan Thiên Hương- 2013 Phan Thiên Hương- 2013
B1: Hàm sin rời rạc tuàn hoàn chỉ khi tần số của nó có thể được biểu diễn
dưới dạng tỷ số của 2 số nguyên
B2: Hàm sin rời rạc mà có tần số góc khác nhau 1 số nguyên lần 2π thì
1 < <
− f là 2 hàm khác biệt Dãy giá trị giới hạn này được gọi là dãy
cơ bản
Phan Thiên Hương- 2013
Số hóa hàm liên tục ( analog to digital)
Biến đổiD/A
Tín hiệuđầu ra(analog)
Phan Thiên Hương- 2013
Phan Thiên Hương- 2013
)() x nT
n = a − ∞ < n < ∞
Số hóa hàm liên tục ( analog to digital)
Phan Thiên Hương- 2013
)cos(
Fs=1/T (Hz)t- thời gian của hàm liên tụcn- đặc trưng của hàm rời rạc thì t=nT=n/Fs
Số hóa hàm liên tục ( analog to digital)
Trang 9Phan Thiên Hương- 2013
Với FS/ 2 tương ứng với ω = π là tần số cao nhất nhận biết
được khi rời rạc hóa với tần số Fs , người ta quy ước Fs/2 là
tần số gấp
Ngược lại khi muốn nhận biết Fmax của hàm liên tục thì tần
số để rời rạc hóa Fs>2 Fmax:
max
F
F N=
FN –Nyquist rate (tỷ số
f max =1/2 →F max =f max F s →F max =F s /2
Phan Thiên Hương- 2013
Phan Thiên Hương- 2013
Trang 10DVL- K54 Phan Thiên Hương
PHÂN TÁCH TÍN HIỆU ĐỊA VẬT LÝ
Biến đổi Fourier
biến đổi Fourier
• tín hiệu có thể phân tích thành tổng của các
hàm sin ( tần số khác nhau)
• Thuật toán dùng để phân tích tín hiệu thành
các hàm sin này được gọi là biến đổi Fourier
Trang 11DVL- K54 Phan Thiên Hương DVL- K54 Phan Thiên Hương
§
§1.Thuật toán biến đổi Fourier của hàm tuần hoàn
Một hàm tuần hoàn x(t) có thể đựoc chuyển đổi sang chuỗi Fourier
nếu nó thỏa mãn những điều kiện sau:
1 Là hàm đơn trị, tuần hoàn của biến t với chu kỳ T
Một hàm tuần hoàn x(t) có thể đựoc chuyển đổi sang chuỗi Fourier nếu nó thỏa mãn những điều kiện sau:
1 Là hàm đơn trị, tuần hoàn của biến t với chu kỳ T
2 Thỏa mãn điều kiện Dirichlet (có nghĩa là hàm liên tục loại trừmột số hữu hạn điểm không liên tục và chỉ có một hữu hạn cực đại và cực tiểu)
§
§1.Thuật toán biến đổi Fourier của hàm tuần hoàn
Một hàm tuần hoàn x(t) có thể đựoc chuyển đổi sang chuỗi Fourier
nếu nó thỏa mãn những điều kiện sau:
1 Là hàm đơn trị, tuần hoàn của biến t với chu kỳ T
2 Thỏa mãn điều kiện Dirichlet (có nghĩa là hàm liên tục loại trừ
một số hữu hạn điểm không liên tục và chỉ có một hữu hạn cực
đại và cực tiểu)
3 Là hàm có giới hạn, có nghĩa ∫x t dt≤c<∞
T
0)
§
§1.Thuật toán biến đổi Fourier của hàm tuần hoàn
§
§1.Thuật toán biến đổi Fourier của hàm tuần hoàn
x(t) có thể được biểu diễn dưới dạng chuỗi Fuorier như sau:
))2sin(
)2cos(
Ở đây f 0 hay ω0=2π/T là tần số cơ bản ứng với chu kỳ T
a0 giá trị trung bình của tín hiệu trên chu kỳ T
Trang 12DVL- K54 Phan Thiên Hương
Với an va bn là hệ số Fourier, được xác định
)
2
π n=0,1,2,
) (
2
1 ) 2
0
t nf i t nf i
e e t
) (
2
1 ) 2
0
t nf i t nf i
e e t
Mặt khác ta có thể biểu diễn chuỗi Fourier theo dạng mũ phức:
dt e t x T X
T
t nf i
0
2 0)
Xn được gọi là phổ của x(t)
§2 Thuật toán biến đổi Fourier của hàm không tuần hoàn
Nếu tín hiệu x(t) là hàm không tuần hoàn thì ta không thể biểu diễn nó
dưới dạng phổ rời rạc như đối với hàm tuần hoàn Tuy nhiên nếu hàm
x(t) vẫn tuân theo điều kiện Dirichlet trong 1 khoảng bất kỳ nào và tích
phân vẫn hội tụ (converged) nghĩa là tích phân này có thể
tính được thì hàm x(t) có thể được biẻu diễn dưới dạng tích phân
Fourier:
df e f X t
§2 Thuật toán biến đổi Fourier của hàm không tuần hoàn
dt e t x f
Với ω 2 = π f (radians per second),
ω ω π
ω
d e X t
§2 Thuật toán biến đổi Fourier của hàm không tuần hoàn
§2 Thuật toán biến đổi Fourier của hàm không tuần hoàn
Trang 13DVL- K54 Phan Thiên Hương
§2 Thuật toán biến đổi Fourier của hàm không tuần hoàn
0
1 )
(t
x
2/2/2/2/εεεε
2 2
) 2 2 sin(
2 )
) (
2 / 2 /
2 2 2 2 2 2
ε π
ε π ε πε
ε
ε ε π π
f
f f
i e e dt e dt e t x f X
f f ft i ft
Tín hiệu khác nhau bởi biên độ, tần số và pha
§
§3 Đặc trưng của phổ :
§
§3 Đặc trưng của phổ :
Phổ được biểu diễn dưới dạng số phức :
X(f)=U(f)+iV(f)
Trong đó U(f) là phần thực còn V(f) là phần ảo
Tương đương với : X(f) = |X(f)| ei θ(f)
Với |X(f)| = (U2(f) + V2(f))1/2
Và θ(f) = arctan (V(f)/U(f))
khi U(f)≠0 trong khoảng -π đến π
|X(f)| - biên độ của phổ (amplitude spectrum of x(t)) of
amplitude spectral density) and θ(f)- pha của phổ (phase
spectrum of x(t)) (còn gọi là phổ biên độ và phổ pha)
§
§3 Đặc trưng của phổ :
Trang 14DVL- K54 Phan Thiên Hương
Nếu x(t) trong miền thời gian là tổng của 2 tín hiệu
r
m m
1 1
§4 Biến đổi Fourier của tín hiệu rời rạc :
Am, Bm –hệ số Fourier, chúng là các giá trị có thể xác định được
trên cơ sở thỏa mãn đẳng thức (4.1)
)2
Trang 15DVL- K54 Phan Thiên Hương
Khi đó biến đổi Fourier (Fourier transform) được :
Và ngược lại :
Biến đổi Fourier còn có thể dùng cho hàm 2
biến Gọi g(x,y) là hàm không tuần hoàn của
2 biến x,y Nếu
Thông thường ta có tại giá trị t=t0 thì hàm x(t)=x(t0) Đối với hàm Delta ta có :
δ(t-t0) =1 for t= 0 δ(t-t0)=0 for t≠0
Trang 16ĐVL K54- Mỏ Địa chất XLSL ĐVL-Phan Thiên Hương
Chương III
LÝ THUYẾT CƠ BẢN CỦA CÁC BỘ LỌC
§2 Phương pháp thực hiện quá trình lọc
Xung (impulse), sự đáp ứng của xung trong miền thời gian và miền tần số.
§3 Các bộ lọc số tuyến tính không tối ưu
Bộ lọc tần thấp
Bộ lọc tần cao
Bộ lọc dải
Bộ lọc khe (hình chữ V)
LÝ THUYẾT CƠ BẢN CỦA CÁC BỘ LỌC
Tóan tử lọc được phân loại theo tính chất của nó:
1 Toán tử lọc được gọi là tuyến tính nếu nó có tính chồng
chập (additive)
Homogeneous (đồng nhất):
2 Toán tử lọc được gọi là bất biến theo thời gian (time-
invariant) nếu mối quan hệ trong toán tử lọc luôn đúng
khi thời gian được dich chuyển với time shift τ:
Định nghia
• Bộ lọc luôn phải thỏa mãn tính ổn định Bộ lọc tuyến tính, bất biến được gọi là ổn định nếu như tín hiệu đầu vào x(t) bị giới hạn (bounded) thì tín hiệu đầu ra y(t) cũng bị chặn (bounded too)
• Nếu như tính ổn định của bộ lọc không được thỏa mãn, thì chúng ta phải đặt điều kiện để nó thỏa mãn tính ổn định.
• Toán tử lọc còn được phân lọai causal và acausal (tính nhân quả):
Trong trường hợp causal, tín hiệu ra của bộ lọc tại thời gian to chỉ phụ thuộc vào các giá trị của tín hiệu đầu vào tại thời gian t< to
Để thực hiện quá trình lọc đòi hỏi phải giải quyết 2 nhiệm vụ
• Thiết kế các bộ lọc – thuật toán lọc đảm bảo tốt nhất mục đích đặt ra: a)
lọc tốt nhất nhiễu; b) làm méo ít nhất có thể tín hiệu; c) thực hiện nhanh
gọn, hiệu quả trên máy tính
• Xây dựng các phương pháp thực hiện quá trình lọc trên máy tính
phương pháp thực hiện quá trình lọc có thể được thực hiện
• trong miền thời gian
• trong miền tần số
Trong miền thời gian
• tín hiệu đầu vào là x(t),
• tín hiệu đầu ra y(t)
• qua bộ lọc h(t)
Trang 17ĐVL K54- Mỏ Địa chất XLSL ĐVL-Phan Thiên Hương
Đối với bộ lọc tuyến tính, bất biến (time-invariant), tín hiệu đầu ra
y(t) luôn luôn tính đựơc cho tín hiệu đầu vào x(t) khi biết h(t)
có thể được biểu diễn dưới dạng rời rạc:
i i
x j-i – giá trị rời rạc của tín hiệu đầu vào
h i – giá trị rời rạc của hàm lọc hay còn gọi là hàm trọng số
Trong trường hợp nếu ta dùng toán tử lọc chính là hàm Dirac delta
; 0 0
; 1
Trang 18ĐVL K54- Mỏ Địa chất XLSL ĐVL-Phan Thiên Hương ĐVL K54- Mỏ Địa chất XLSL ĐVL-Phan Thiên Hương
Bộ lọc khe
Trong miền thời gian
Trang 19BỘ LỌC GIẢI TÍCH
MỘT SỐ KHÁI NIỆM CƠ BẢN
•BỘ LỌC CHEBYSHEV
•BỘ LỌC BUTTERWORTH
•BỘ LỌC TUYẾN TÍNH TRONG MIỀN KHÔNG GIAN
•THUẬT TOÁN TRUNG BÌNH TRƯỜNG
•THUẬT TOÁN NÂNG HẠ TRƯỜNG
•Dải thông tần (passband):
•Dải dốc (slopband-roll off):
=
c N chebyshev
C H
ω
ω ε
ω
2 21
1 )
1
1 ) (
+
= ω ω ω
Biên độ của hàm trọng số(Amplitude of the frequency response)
) ( ) ( lg 20 ) (
1
2ω
ω ω
Trang 20Bộ lọc Butterworth
• Thuật toán trung bình trường
Bộ lọc tuyến tính trong miền không gian
g N g
1
1
22sin)
Trang 21P N
x H
• Thuật toán K.Sei
Phổ biến nhất là 2 loại cửa sổ M1=1, M2=3 và M1=3, M2=7Thực hiện chức năng bộ lọc dải
• Thuật toán nâng hạ trường
∆
ωω
ωωωω
ω)=3.750−2.352cos −0.148cos2 −0.07cos3 −0.4cos4 −0.25cos5 −0.0115cos6
H
H1=1
deep
Shallow
Trang 23Các bộ lọc số tối ưu
Các chỉ tiêu lọc tối ưu
1)Chỉ tiêu cực tiểu hóa độ lệch bình phương trung bình
2)Chỉ tiêu phát hiện tối ưu
3)Chỉ tiêu tỷ số năng lượng
• Chỉ tiêu cực tiểu hóa độ lệch bình phương trung bình
min ˆ
h
εε- sự khác biệt giữa tín hiệu tại lối ra và tín hiệu mong muốnhi- hàm trọng số của bộ lọc
fi- tín hiệu lối vào
• Bộ lọc tiên đoán (predictive filter)
-cường độ bình phương trung bình (mean square)
σ2-phương sai của nhiễu (variance of S and called standard deviation) được tính theo công thức:
m- số lượng giá trị của tín hiệu
Các chỉ tiêu lọc tối ưu
2 Chỉ tiêu phát hiện tối ưu
σ
µ Amax
=
Với Amaxlà biên độ cực trị của dị thường
σlà mức nhiễu trung bình quân phương (độlệch)
2 2σ
S S
1
2 2
2
S
m m
S S
m i
m i i i
2 1
2)Chỉ tiêu phát hiện tối ưu
Bộ lọc phát hiện tối ưu (Bộ lọc thích hợp)
Các chỉ tiêu lọc tối ưu
Chỉ tiêu tỷ số năng lượng
2 2 1 2 2σ σ
Trang 24• Chỉ tiêu cực tiểu hóa độ lệch bình phương trung bình
min ˆ
2
ˆ ˆ 2
ˆ ˆ
2
j m j j m m m j j m
i
j i i i j i
i i
S f S h f f h
S f h S f h
f j− j−m= f −
)ˆ
ˆ m B f
S j−m= S f
) )
(
0
t B d t R
∫
∞
τ τ
Bộ lọc đọc là bộ lọc thực hiện chức năng đọc, đọc lọc ra các tín hiệu
mong muốn từ số liệu quan sát có nhiễu Bộ lọc này đòi hỏi tín hiệu
mong muốn Sivà nhiễu niđộc lập với nhau Khi đó:
•Hàm tự tương quan của tín hiệu
hàm tương quan của phương trình (7.10) được viết lại:
(7.13)(7.12)
[R(m i) R (m i)] Bˆ(m)
i
N S
i − + − =
) (
* ) ( )
dt e t R
ωω
N S S
W W W H
+
=
))11)
ωωω
S N
W W H
+
=
-phổ công suất của tín hiệu
Từ phương trình (7.15) thực hiện phéptích phân ta có:
• Bộ lọc Colmogorov-Vine cũng được sử dụng trong trọng
lực Hàm trọng số được biểu diễn theo công thức:
ω ω ω ω
ω
W h
n S
) ( 1
0
) ( ) ( ) (
) ( )
(
ω ω
ω
ω ω
n dp
kv
dp
W W
W
W H
+ +
=
Ứng dụng trong trọng lực
Trang 25Ứng dụng trong trọng lực
(spiking deconvolution filter)
• Trong ĐVL, ngoài nhiệm vụ lọc nhiễu người ta còn sử dụng các bộ lọc để tăng độ phân giải của tín hiệu Để thỏa mãn điều đó, chúng ta phải sử dụng bộ lọc để tập trung (hoặc nén) năng lượng của tín hiệu trải rộng trong không gian hay thời gian về một điểm hay một thời điểm nào đó Về mặt lý thuyết, đồng nghĩa với việc biến đổi tín hiệu quan sát S(t) bất kỳ về xung Dirac δ(t)
Để thực hiện chức năng trên bộ lọc chỉnh dạng phải
tiến hành 2 khâu lọc:
Bước 1: biến đổi f(t) về δδδδ(t)
Bước 2 : biến đổi δδδδ(t) về
Để thực hiện 2 phép chuyển đổi trên đặc trưng tần số
Hcd của bộ lọc chỉnh dạng tính như sau :
) (
~ ) ( ω S ω
• Hn(t)*S(t)=δ(t) trong miền thời gian
• Hn(ω).S(ω)=1 trong miền tần số hay
Bộ lọc ngược Wiener (bộ lọc nén xung)
(spiking deconvolution filter)
) )
S f
Bộ lọc ngược Wiener (bộ lọc nén xung)
(spiking deconvolution filter)
Bộ lọc ngược Wiener (bộ lọc nén xung)
(spiking deconvolution filter)
) 1 ( )
1
0RS M + h RSM − + + hMRS + σ =
h
Trang 26• Lúc này bộ lọc ngược Wiener là bộ lọc ngược lý tưởng Bộ lọc này chỉ hoạt
động tốt khi S(ω)≠0; còn khi S(ω)≈0 thì H(ω)⇒∝ thì bộ lọc sẽ hoạt động
không ổn định Trong những trường hợp như vậy để ổn định bộ lọc, người
ta sử dụng hệ số ổn định α Khi đó đặc trưng tần số của bộ lọc có dạng
• ta thấy để ổn định hoạt động bộ lọc, bộ lọc Wiener đã sử dụng phổ công
suất nhiễu làm hệ số ổn định α
(spiking deconvolution filter)
))
)(
*
)
ωω
ωω
N S
n
W W
*
ωω
ωω
S S
S
α ω
ω ω
+
) ( ) (
* )
~ ) ( ω S ω
Tín hiệu trước và sau lọc ngược (spiking deconvolution)
Bộ lọc dự báo (predictive deconvolution filter)
) ( )
~
k t t
f S
) (
BS f = f +
) ( )
Tín hiệu trước và sau bộ lọc tiên đoán (predictive deconvolution)
Bộ lọc phát hiện tối ưu (bộ lọc thích hợp)
σ
µ Amax
2 2
=
=
out out out
n S
Trang 27µ Amax
2 2
=
=
out out out
n S
µ
ωω
π
ω
d e
=
=
out out out
n S
µ
ωωπ
ω
d e S x
=
=
out out out
n S
µ
ωω
π
ω
d e
=
=
out out out
n S
µ
ωωπ
ω
d e S x
))2
1
2 2
ωω
ωωωπ
d S H
Bộ lọc phát hiện tối ưu
)
) ) ω
ω
n
x j
W e S
) )
2
)()()()(
W
S d e H
n
x ( ) ( ) ( )
)()()
()
2 2
Bộ lọc phát hiện tối ưu