Professional Documents
Culture Documents
Jenis filter yaitu wiener adalah metode etimasi optimal terkenal dan efisien
yang dapat menggunakan data geodesi gir denoising/kebisingan dalam
domain frekuensi. Hal ini secara teoritis menjadi latar belakang berdasarkan
pada wiener-kolmogorov (w-k) terkenal yang secara teori prediksi linear untuk
stasioner aditif kebisingan (Kolmogorov 1941; Wiener 1949). Untuk eksposisi
matematika supaya komprehensif dari berbagai masalah yang berkaitan
dengan teori penyaringan Wiener dan ektensinya, lihatlah review paper oleh
Kailath (1974) yang berisi sekitar 350 referensi tambahan yang relevan tentang
topik ini. Aplikasi dari filter Wiener pada geodesi, berupa sebagai alat praktis
untuk data pre-processing atau sebagai komponen integral dari metodologi
estimasi linear yang lebih umum(sistem teori inpu-output, Sideis 1996),
terutama difokuskan pada masalah yang berkaitan dengan pemodelan medan
gravitasi spektral optimal. Banyak penelitian telah mencoba menggunakan
secara implisit atau eksplisit, prosedur filter Wiener untuk berbagai masalah
estimasi geodesi fisik, termasuk de noising gravitasi anomali data sebelum
perhitungan geoid gravimetrik (Li dan Sideris 1994); pemisahan secara optimal
pada sinyal anomali gravitasi dari suara luar (dan sisa lainnya) berdampak
pada identifikasi fitur kerak geologi tertentu (Pawlowski dan Hansen 1990);
kombinasi spektral optimal pada gravitasi kapal dan data altimetrik untuk
pemodelan medan gravitasi kelautan (Wu dan Sideri 1995); dan frekuensi
optimal dari domain estimasi yang berasal dari potensial anomali dari data
gradiometry udara (Li 1996; Tziavos et al. 1996, 1998); simultan kebisingan
secara optimal oleh filter dari data vektor gravitasi udara (Wu dan Sideris 1995);
dan optimal frekuensi estimasi daerah asal dari anomali potensial dari data
gradiometri udara (Vassiliou 1986). Sebuah diskusi mendetail tentang
penggunaan teori filter W-K pada estimasi daerah gravitasi, dan hal ini
berhubungan dengan teknik approximasi linear sederhana lain yang digunakan
pada geodesi [contoh : least-square (LS)], dapat ditemukan di Sanso dan Sideri
(1997); lihat juga Sideris (1996) dan Scwarz et al. (1990).
Permasalahan kedua yang penting dari geodesi dalam teori filter Wiener
berasla dari persyaratan pemodelan untuk signal murni (tidak diketahui), yang
juga dianggap mewakili prose stokatik stasioner, biasanya berkorelasi dengan
aditif suara eksternal. Dengan cara ini, kepadatan daya spektral (PSD) fungsi
dari sinyal murni dan kebisingan, baik didefinisikan menurut fundamental
hubungan probabilistik Wiener-Khinchine (Bendat dan piersol 1993, pp. 55-56),
adlaha dua komponan penting yang dibutuhkan untuk perhitungan estimasi
optimal/de noising. Dalam aplikasi geodesi fisik, namun interpretasi stokastik
dari nilai bidang yang benarmendasari sebagai variabel acak yang
dipertanyakan, untuk sedikitnya, karena pengukuran berulang sinyal bersuara
harus selalu memberikan hasil yang sama (Moritz dan Sanso 1980). Walaupun
model stokatik/non stokatik diragukan pada daerah aproksimasi gravitasi
normal namun hal ini telah sukses diselesaikan oleh Sanso (1980) dengan
sebuah kerangka estimasi liner tak bersuara, permaslahan serupa tidakada
untuk kasus metode filter spektral dengan input data kebisingan. Selanjutnya,
perilaku kebanyakan pada geodetik biasanya jauh dari seragam di seluruh
domainnya, ini membuat asumsi stasioner, asumsi ini sekali lagi pilihan model
yang buruk bagi banyak aplikasi praktis.
2. Latar Belakang
Pada bagian ini, tujuan asumsi dan dasar dari notasi matematis yang akan
digunakan seluruhnya akan diajikan pada paper ini. Kita memiliki pilihan untuk
mengikuti sebuah kerangka aproksimasi yang cenderung sederhana dengan
dua dimensi (2D) aturan planar,yang mana demikian itu dapat cocok pada
kebanyakan permasalahan estimasi spasial yang penting pada geodetik
(daerah gravitasi lokal, model daerah digital dan lainnya), sebagaimana pada
geomatis lain berhubungan dengan aplikasi dengan kebiingan data input
(contoh processing gambaran digital).
Pada objek yang tidak diketahui pada prosedur estimasi kita akan
menggunakan deterministik sinyal 2D dengan g x , y dengan dukungan
spasial kompak selama plane sebenarnya. Sejauh terbatas disepanjang
dua sumbu x dan y orthogonal dan dilambangkan dengan X dan Y. Tidak
ada perubahan tertentu pada perilaku bidang yang tidak diketahui, selain
dari asumsi bahwa penyelesaiannya dapat didefinisikan dengan baik
melalui transformasi fourier.
G x , y g x , y ei x y y
x
dxdy
i x xy y
gx,ye dxdy 1
Y X
Pada dasarnya arti dari g x , y adalah anggota dari daerah L1
.dalam hal ini, sinyal yang tidak diketahui akan mengizinkan untuk
menunjukkan variasi vokal yang tidak teratur pada setiap tingkat skala.
Kedua parameter x dan y adalah frekuensi spasial bundar pada
sepanjang garis x dan y. Pada transformasi fourier 2D pada garis sinyal
akan dilambangkan dengan G x , y dan ini terdapat pada rumusan
i nh x x mh y y
G x, y g n h x , mh y e
n m
i nh x x mh y y
N 1 M1 g nh x , mh y e
n0 m0
1 2 k 2 l
G x , y 2
hx h y k l hx hy
E v nh x , mh y 0 (4a)
E v 2 nhx , nh y 2v nh x ,nh y
v nh x , mh y nhx , mh y (4b)
E v nh x , mh y v khx , lh y v nh x , mh y kh x , lh y (4c)
i nh x x mh y y
v nhx , mh y e
m
V x , y
n
v nh x ,mh y ei nh mhx x y y
N 1 M1
n0 m0
d nh x , mh y ei nh mh
x x y y
N 1 M1
n0 m0
G x , yV x , y