1.

Pengenalan : pernyataan permasalahan

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).

Pada dasarnya ada dua kelemahan utama yang berkaitan dengan

perumusan biasa dari spektral filter Wiener algoritmik yang membuat
penggunaan dalam apliaksi geodetik bermasalah. Pertama, asumsi yang
diperlukan untuk kebisingan stationer dapat cukup realistis dalam banyak
situasi praktis, karena kesalahan pengamatan di input data sering memiliki
variasi spaisial (atau sementara) yang signifikan dalam perilaku statistiknya.
Sebuah tipe contoh kasus tersebut muncul pada gravimetri geoid determinan
dari jaringan tunggal dari anomali gravitasi yang telah diperoleh dari sumber
yang heterogen, sama seperti survei gravitasi terestrial, kapal dan udara.
Kombinasi dari garis anomali gravitasi untuk perhitungan geoid skala besar
juga dapat dibangun dari database gravimteri terestrial yang diperoleh dari
berbagai zaman dengan instrumentasi yang berbeda dan prosedur
pengurangan dan tingkat akurasi yang berbeda. Masalah serupa ditemui di
udara gravimetri/gradiometri, dimana level data kebisingan dapat berubah
drastis terhadap waktu, tergantung pada perilaku dinamis dari sensor gravitasi
(contoh : percepatan kebisingan pada tingkat sebagaimana biasanya selama
pesawat liku). Dalam semua kasus di atas, sifat non stationer dari kebisingan
data membuat aplikasi filter wiener secara klasik tidak mungkin, setidaknya dari
sudut pandang teoritis. Tentu saja, optimal data de noising dan estimasi sinyal
dengan kesalahan pengamatan non stasioner selalu dapat dilakukan dengan
menggunakan rumusan standar domain ruang kolokasi, yang bagaimanapun
juga sangat tidak efisien (baik dari segi kecepatan komputasi dan stabilita
numerik), terutama untuk set data yang besar dengan resolusi sampling yang
tinggi.

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.

Dengan mempertimbangkan pembahasan sebelumnya dan peran

penting bahwa teknik spektral bermain pada operasional geodesi modern, kita
merasakan bahwa rumusan baru untuk filter suara pada maalah data geodetik
yang diperlukan, sedemikian rupa bahwa dua keterbatasan tersebut pada klasik
Wiener filter dapat diatasi. Oleh karena itu, tujuan dari paper ini adalah untuk
menyajikan sebuah modifikasi jenis wiener-noise optimal filter yang dapat
digunakan dalam permasalahan linear dengan sinyal udara deterministik yang
tertutup oleh kesalahan observasi non stassioner.titik penting dalam
pendekatan ini adalah bahaw resolusi sampling dari input data akan secara
eksplisit diperhitungkan inti dalam prosedur optimasi, mengakibatkan resolusi
tergantung pada filter kebisingan. Ini akan membantu dalam mengidentifkasi
interaksi yang menarik antara pengukuran kebisingan dan resolusi data sinyal
linear, dan memperjelas sifat kontribusi masing-masing untuk total kesalahan
output pendakatan.

Susunan dari paper sebagaimana pada bagian 2, dengan dilatar

belakangi tujuan secara matematis dan model terkait yang diasumsikan dengan
metode estimasi sinyal yang disajikan secara detail. Pada bagian 3, prosedur
optimasi spektral pada pengembangan filter kebisingan yang linear. Pendapat
yang mendasar pada filter estimasi optimal dan persamaan ini tiddak sesuai
dengan filter wiener klasik yang didiskusikan pada bagian 4, oleh karena
beberpa penambahan keterangan pada kedua teori dan secara praktik penting
pada bagian 5. Sebuah nilai contoh simulasi telah masuk pada bagian 6 pada
demonstrasi dari penampilan optimal kebisingan filter dibawah non stationer
kebisingan pada level resolusi data yang berbeda. Akhirnya, bagian terakhir
dari paper memiliki beberapa keimpulan dan sebuah laporan diskui singkat
pada sisa pembukaan permasalahan yang memerlukan penelitian lebih lanjut.

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).

2.1. Rumusan umum

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

d nhx , mh y g nh x ,mh y v nh x ,mh y

Terkait dengan model stokastik yang digunakan untuk mendeskripsikan

prilaku dari kebisingan, maka dalam hal informasi pada urutan kedua, dapat
didefinisikan dengan persamaan

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

Untuk tranformasi fourier 2D data grid dinyatakan dengan persamaan

:
i nh x x mh y y
d nh x ,mh y e
m
D x , y
n

d nh x , mh y ei nh mh
x x y y
N 1 M1
n0 m0

G x , yV x , y