پایان نامه درباره دیدگاه تاریخی و تبدیل فوریه

  • سریهای اطلاعاتی ناایستا به سریهایی اطلاق میشود که فرکانسهای موجود در آنها در نقاط مختلف فضای آرگومان رخ میدهند. در صورتی که هدف از آنالیز یک سری اطلاعاتی تنها آشکارسازی فرکانسهای موجود در آن باشد، روش بکار گرفته شده در آنالیز سریهای اطلاعاتی ایستا و ناایستا میتواند یکسان باشد. برای این منظور میتوان از تبدیل فوریه استفاده کرد. اما اگر هدف از آنالیز سری اطلاعات آشکارسازی محل بوقوع پیوستن هر فرکانس در فضای آرگومان باشد، تقسیم بندی ارائه شده در مورد سریهای اطلاعاتی از نقطه نظر ایستا یا ناایستا بودن باید مورد توجه قرار گیرد. در سریهای اطلاعاتی ایستا میتوان با استفاده از تبدیل فوریه نیز به جواب دلخواه رسید. “زیرا با استفاده از تبدیل فوریه فرکانسهای موجود در سری اطلاعاتی آشکار می شوند و نیز می دانیم که این فرکانسها در تمامی نقاط فضای آرگومان رخ میدهند.” اما در بررسی سریهای اطلاعاتی ناایستا پاسخگویی به این سؤال با بکارگیری تبدیل فوریه امکان پذیر نیست. بلکه باید امکان موضعی سازی زمان- فرکانس را فراهم آورند [15،16].
    یکی از روشهای حل این مساله تبدیل سری اطلاعاتی ناایستا به بخشهای ایستا است. برای این منظور از یک تابع پنجره استفاده میشود، که با ضرب کردن آن در سری اطلاعاتی، میتوان آن را در فضای آرگومان محدود کرد. اگر از نتیجه این حاصلضرب تبدیل فوریه گرفته شود، میتوان از طیف حاصله به عنوان طیف سری اطلاعاتی در بازه زمانی تعریف شده توسط تابع پنجره تعبیرکرد. از این تبدیل به عنوان تبدیل فویه زمان کوتاه نام برده میشود.
    همانطور که در شکل زیر نشان داده شده است، در این تبدیل یک سری اطلاعاتی به بخشهای کوچک تقسیم میشود و سپس از هر بخش تبدیل فوریه گرفته میشود.

    شکل 3-1 روند تبدیل فوریهی زمان کوتاه[18].
    برای رسیدن به تقسیم بندی زمانی مناسب از یک پنجره کوچک استفاده کرد و برای اندازهگیری دقیق یک فرکانس باید از یک پنجره به اندازه کافی بزرگ استفاده کرد. بنابراین یک رابطه عکس بین دقت زمانی و دقت فرکانسی وجود دارد.
    تبدیل فوریه اجازه میدهد تا برای تجزیه و تحلیل دقیق از اجزای (مولفه) هارمونیک مقطع عرضی یا (برش عمودی) سطح استفاده شود. و در تفکیک تریس لرزهای به امواج سینوسی یا کسینوسی تشکیل دهنده آن بسیار موثر عمل میکند ولی متاسفانه پس از این تفکیک اطلاعات زمانی از بین میرود. بدین معنی که وقتی به تبدیل فوریهی یک سیگنال نگاه شود غیر ممکن است که بتوان گفت این مولفهها در چه زمانی روی سیگنال مورد نظر قرار دارند. چون تریسهای لرزهای ناپایا هستند، به عبارت دیگر خواص بسامدی و فازی آنها متغیر با زمان است، بنابراین نمیتوان از تبدیل فوریه برای تشخیص این خواص استفاده کرد. [21].
    حال این سوال مطرح میشود که آیا میتوان برای رفع این مشکل سیگنال ناپایا را در بخشهای کوچکتری به عنوان سیگنالهای پایا فرض کرد یا به چند سیگنال پایا تقسیم نمود؟ جواب مثبت است ، نوعی تبدیل فوریه وجود دارد که روی قسمتی از یک سیگنال (در زمان) به کار میرود ، این روش به ” پنجره کردن سیگنال ” معروف است سیگنال ورودی را در دو بعد زمان و بسامد میدهد و نیز اطلاعاتی در مورد اینکه در چه زمانی کدام بسامدها ثبت شدهاند را میدهد. اصطلاح ” تبدیل فوریهی زمان کوتاه ” تفاوتی با تبدیل فوریهی معمولی دارد که طول پنجره در تبدیل فوریه برابر با طول سیگنال است ولی در تبدیل فوریهی زمان کوتاه، طول پنجره دارای ابعاد محدودی است، و فقط بخشی از سیگنال که در داخل. پنجره قرار دارد تبدیل فوریه گرفته میشود از نظر ریاضی، تبدیل فوریهی زمان کوتاه را میتوان بصورت زیر نشان داد:

    که در آن :
    سیگنال اصلی : (t) x
    t– t) w(تابع پنجره : (
    مزدوج مختلط: *
    مقدار جابجایی پنجره در هر قدم است : ́t
    این معادله چیزی نیست جز تبدیل فوریهی سیگنال که در تبدیل فوریهی تابع پنجره ضرب شده است هنگام اجرای تبدیل فوریهی زمان کوتاه طول پنجرهی زمانی انتخاب شده برای تمام طول سیگنال یکسان است. تفکیک زمان – بسامد در کل طول زمانی سیگنال تغییر نکرده است (شکل 3-2)، و این ضعف اصلی تبدیل فوریهی زمان کوتاه است (“یعنی چگونگی انتخاب عرض تابع پنجره”) است[71،21].

    شکل 3-2 نمایش تبدیل فوریهی زمان کوتاه یک سیگنال. طول پنجره زمانی در طول کل زمان سیگنال ثابت است [18].
    3-2 تبدیل موجک
    زمینه ریاضی آنالیز موجک به کار Joseph Fourier در قرن نوزدهم برمیگردد. فوریه با تئوری آنالیز فرکانس اساس کار را پایهگذاری کرد، ولی کلا از دیدگاه تاریخی آنالیز موجک روش جدیدی است. نخستین عبارت موجک در سال 1909 در پایان نامه Alfred Haar ثبت شده است. مفهوم موجک در شکل تئوری زمان حاضر بوسیله Jean Morlet ژئوفیزیکدان فرانسوی پیشنهاد شده است[20،19]. تبدیل موجک در مکان و فرکانس متمرکز میشود که میتواند یک مزیت برای اطلاعات ریخت شناسی و توپوگرافی (نقشه برداری) سطح باشد. و یک ابزار ایده آل برای مشخص کردن مسیر انجام واکنش ناپیوستگی و حالت تناوبی بودن بر روی سطح میباشد. علاوه بر این میتوانند برای حذف نویز در تصویر میکروسکوپ روبشی مورد استفاده قرار بگیرند. در دورهی تحلیل تصاویر سه بعدی تبدیل موجک گسسته میتواند از همهی اشکال در همهی مقیاسهای فرکانس عکس بگیرد. بنابراین فراهم آوردن یک سطح از عکس دیگر غیر ممکن خواهد بود. همچنین این امکان وجود دارد که متدولوژی (روش شناسی) را برای تحلیل ساختار سطح در سطح مولکولی بکار برد. همانطور که ذکر شد در تبدیل فوریه ، سیگنال به موجهای سینوسی که دارای بسامدهای متفاوت هستند تفکیک میشود. به همین نحو در تبدیل موجک ، سیگنال به موجکهایی که شکل انتقالیافته یا مقیاس شدهای از یک موجک اصلی (یا مادر) هستند تفکیک میشود.

    شکل 3-3 تفکیک سیگنال به موجکهای مادر تشکیل دهنده آن با استفاده از ضرائب تبدیل موجک
    ویژگی اصلی تبدیل موجک در مقابل تبدیل فوریهی زمان کوتاه اینست که “تمامی توابع پایه از انتقال و مقیاس یک تابع (موجک مادر) بدست می آیند.” توابع موجک با اضافه کردن دو پارامتر انتقال و مقیاس، بصورت زیر از روی موجک مادر بدست می آیند:

    در این رابطه ψ موجک مادر، a پارامتر مقیاس و bپارامتر انتقال و ضریب به منظور نرمالیزه کردن مقیاسهای مختلف اضافه شده است.
    سیگنال تحت بررسی دارای فرکانسهای بالا در بازههای زمانی کوتاه (همانند مشاهده درخت (مقیاس کوچک)) و یا فرکانسهای پایین برای زمانهای طولانی (همانند مشاهده جنگل (مقیاس بزرگ)) می باشد مفید است.
    این به بیان فیزیکی یعنی اینکه :

    این نوشته در مقالات و پایان نامه ها ارسال شده است. افزودن پیوند یکتا به علاقه‌مندی‌ها.