InSAR图像处理信号基础2

目录

1.微分方程的求解与框图

2.系统的初始值

2.1 概念 

2.2 求解

3.零状态响应与零输入响应

4.冲激响应

5.卷积积分

5.1 定义

5.2 卷积积分的线性时不变系统的零状态响应

5.3 卷积积分的表达式

5.4 卷积积分的图解法

5.5 卷积积分性质

5.6 用梳状(comb)函数卷积产生周期信号

5.7 自相关函数和互相关函数

6 利用微分算子求解微分方程


1.微分方程的求解与框图

y=齐次解+特解  参见考研数学

微分方程的右边代表着激励,左边代表着响应

重点看求和的地方


2.系统的初始值

2.1 概念 

初始值n阶系统在t=0时接入激励,其响应在t = 0^{+}时刻的值,即y^{(j)}(0_{+})(j=0,1,2…,n-1)。
初始状态是指系统在激励尚未接入的t = 0^{-}时刻的响应值y^{(j)}(0_{-}),该值反映了系统的历史情况,而与激励无关。0-用来表征零输入响应

2.2 求解

思考:
a.只有阶跃求导才会出现冲激,因为方程右边有冲激,只能方程左边二阶导对应冲激,否则若一阶导对应冲激,则二阶导会出现冲激的导数,不符合上式。
b.y(t)应该在0点附近是连续的,否则若出现阶跃,则一阶导会出现冲激,不符合上式。
根据思考得出结论:如上

3.零状态响应与零输入响应

零输入对应输入为0,也即对应着齐次微分方程,即等号右边为0,即无输入,同时由于对应齐次微分方程,故在0点附近时连续的,即有

零输入的y(0-)不为0

例:

零状态对应状态为0,对应着非齐次微分方程,即等号右边不为0,即有输入,求解方法如下:

零状态的y(0-)为0,0-时的值为0,因为没有输入,采用0+的值确定微分方程

例:

系数匹配法就是上面的判断冲激函数在哪,从而根据有没有阶跃判断值的变化(思考)
齐次解 常称为系统的 固有响应或自由响应
特解 的函数形式与激励的函数形式有关,常称为 迫响应
t趋于正无穷:
暂态响应 是指响应中暂时出现的分量,随着时间的 增长,它将消失。
稳态响应 是稳定的分量,若存在,通常表现为阶跃 函数和周期函数
例:

4.冲激响应

冲激响应 是由单位冲激函数 δ ( t ) 所引起的 零状态响应 ,记为 h ( t )
由于是零状态响应,0-取值为0
即为

如何求解:

a\delta(t)+b\delta^{'}(t) \rightarrow ah_{1}(t)+bh_{1}^{'}(t),根据LTI系统零状态响应的线性性质和微分,输入与输出保持前述关系。

例:

5.阶跃响应
阶跃响应 是由单位阶跃函数 ε ( t ) 所引起的 零状态响应 ,记为 g ( t )

至此是微分方程的求解


5.卷积积分

5.1 定义

类似定积分的定义:f(t)可以用上述的函数来近似表示

当delta趋近于0,原来的矩形便趋近于一条细线,高为函数值,宽为无穷小,即为:

此即为卷积积分,即为f(t)可以分解以函数值为强度的若干个冲激函数之和,相当于以极密的间隔切面包

由此得到一个结论:任意函数和冲激函数卷积等于他自身

5.2 卷积积分的线性时不变系统的零状态响应

即为: f(t) = \int_{-\infty }^{+\infty}f(\tau )\cdot \delta (t-\tau)d\tau\rightarrow y_{zs}(t)=\int_{-\infty }^{+\infty}f(\tau )\cdot h (t-\tau)d\tau

5.3 卷积积分的表达式

最终仍为一个函数,以t为自变量,同时根据卷积函数的不同,可更改积分的范围。
如下:变了个上限,把阶跃函数提出去了

由于f1(t)一个乘积项为阶跃函数,在小于0的范围内为0,故取0到正无穷,再由第二项不能小于0,所以tao不能比t大,所以最终范围为0到t。

5.4 卷积积分的图解法

卷积我的理解:判断两个函数的相似程度,一个函数移位判断和另一个函数的相似程度
类似于概率论中求概率密度函数
如下:应该是tao的移动,而不是-tao,所以t<0时是向左移动。

5.5 卷积积分性质

(1)三律

(2)冲激函数,这里奇异函数特指冲激函数
(3)微积分性质
例:
(4)时移性质:
例题:(根据上面的定义, 任意函数和冲激函数卷积等于他自身
(5)重要公式

5.6 用梳状(comb)函数卷积产生周期信号

由此得到:
对每一个T点会产生一个f函数,若tao<T,即小于采样间隔,那么一个完整的f函数就会保留下来,如果tao>T,那么前一个T产生的f函数和后一个产生的f函数就会发生混叠。

5.7 自相关函数和互相关函数

为了比较某一个信号和另一个信号的相似程度,对于能量有限的信号:自相关只需要换成两个相同的函数。具体参考: https://blog.csdn.net/SanyHo/article/details/107101199icon-default.png?t=N7T8https://blog.csdn.net/SanyHo/article/details/107101199

一般R_{12}(\tau )\neq R_{21}(\tau )R_{12}(\tau )= R_{21}(-\tau )R_{21}(\tau )= R_{12}(-\tau )

卷积和相关的关系:

6 利用微分算子求解微分方程

先积分后求导可以约去,因为常数求导为0,而先求导后积分就不可以,因为会引入不定常数

  • 29
    点赞
  • 24
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
InSAR(合成孔径雷达干涉测量)是一种通过分析雷达图像之间的干涉模式来进行地表变形监测的技术。为了改善InSAR图像质量并减少距离变化误差,可以使用方位向预滤波。 方位向预滤波是一种用于抑制方位向(即水平方向)相关噪声的信号处理方法。它的目的是扩展InSAR系统的带宽,以获得更高的角分辨率和较少的相位误差。 实现方位向预滤波的Matlab程序可以通过以下步骤完成: 1. 首先,导入原始的InSAR图像,这些图像以复数形式表示,其中包含了相位和振幅的信息。 2. 对每个像素进行零填充(Zero Padding)操作,将图像的大小扩展到一个较大的尺寸。这是为了准确计算频域滤波器的响应。 3. 将图像转换为频域,可以使用快速傅里叶变换(FFT)。 4. 设计一个合适的频域滤波器,常用的有高斯滤波器和带通滤波器。这个滤波器应该具有一定的带宽和中心频率,用于抑制不必要的高频和低频噪声。 5. 在频域中,将滤波器应用于图像的幅度和相位部分。这可以通过将滤波器的响应与图像的频谱进行乘法运算来实现。 6. 将处理后的频域图像转换回时域,可以使用快速傅里叶逆变换(IFFT)。 7. 最后,提取出预滤波后的图像,并可视化结果。可以使用Matlab的图像处理工具显示和分析图像。 通过方位向预滤波,可以改善InSAR图像的质量,减少噪声和误差,提高地表变形监测的精度和可靠性。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值