信息光学-1.2脉冲函数1.3卷积1.4相关.pptVIP

§1.2 d -Function 一、定义 定义3: 设任意函数f(x)在x = 0点连续, 则 二、性质 1. 筛选性质 sifting (由定义3直接可证) 设f(x)在x0点连续, 则 3. 乘积性质 三、 d -函数 的阵列--梳状函数 comb(x) 梳状函数与普通函数的乘积: §1.3 卷积 convolution一、概念的引入 二、定义 若f(x)与h(x)有界且可积, 定义 三、性质 五、包含脉冲函数的卷积 §1.4 相关 correlation信息处理中的重要运算一、互相关 cross correlation 与卷积的关系 二、自相关 auto-correlation * * fn(x)可以是Nrect(Nx), Nsinc(Nx), NGaus(Nx), 二维圆域函数等等. 物理系统已无法分辨更窄的函数 定义1. 定义2. 基于函数系列的极限 : 可描述: 单位质量的质点的密度, 单位电量的点电荷的电荷密度, 单位光通量的点光源的发光度, 单位能量的无限窄电脉冲的瞬时功率等. 0 x d (x) 1 1 0 x d (x,y) y d -函数的图示: f(x)称为检验函数. 证明思路:二者对检验函数在积分中的作用相同. 推论: d (x)是偶函数 2. 缩放性质 scaling 通过此积分,可从f(x)中筛选出单一的f(x0)值. 设f (x)在x0点连续, 则: f (x)d (x-x0) = f (x0)d (x-x0) 任意函数与d-函数的乘积,是幅度变化了的d-函数 表示沿 x 轴分布、间隔为1的无穷多脉冲的系列. 例如：不考虑缝宽度和总尺寸的线光栅. 定义: n为整数 f(x) 0 x = x 0 x comb(x) . 0 利用comb(x)可以对函数f(x)进行等间距抽样. x y 二维梳状函数: comb(x,y)= comb(x) comb(y) 物平面光轴上的单位脉冲在像平面产生的分布为h(x) 像平面上的分布是物平面上各点产生的分布叠加以后的结果. 需用卷积运算来描述 f(x) 成像 x x 0 x1 f(x 1)h(x-x 1) x2 f(x 2)h(x-x 2) f(0)h(x) x *: 卷积符号 g(x)是f(x)与h(x)两个函数共同作用的结果.对于给定的x,第一个函数的贡献是f(x),则第二个函数的贡献是h(x- x).需要对任何可能的x求和. g(x)称为函数f(x)与h(x)的卷积. 二维函数的卷积: 1. 卷积满足交换律 Commutative Property f(x)*h(x) = h (x)* f (x) 2. 卷积满足分配律 Distributive Property [v(x) + w(x)] * h(x) = v(x)* h (x) + w(x )* f (x) 3.卷积满足结合律 Associative Property [v(x) * w(x)]*h(x) = [v(x) * h(x)] *w(x)= v(x)*[w(x)* h(x)] 4. 卷积的位移不变性 Shift invariance 若f(x)*h(x) = g(x), 则 f(x- x0) * h(x) = g(x - x0) 或 f(x) * h(x - x0) = g(x - x0) 5. 卷积的缩放性质 Scaling 若f(x)*h(x) = g(x), 则 即任意函数与d(x) 卷积后不变 根据 1. d-函数是偶函数, 2. d-函数的筛选性质, 有: 任意函数与脉冲函数卷积的结果, 是将该函数平移到脉冲所在的位置. f(x)*d(x - x0) = f (x - x0) = * 利用卷积的位移不变性可得: 考虑两个复函数f(x)与g(x), 定义： 作变量替换x+x =x ’, 则 (2) (1) 和 (2)两个定义式是完全等价的. 为函数f(x)与g(x)的互相关函数. (1) 互相关是两个函数间存在相似性的量度. 由(2)式易见： (3) 1. 当且仅当f*(-x)=f(x) [f(x)是厄米的], 相关才和卷积相同. 一般情况下,相关运算与卷积是不同的运算. 2. 互相关不满足交换律 rfg(x)=f(x) ★g(x) ≠ g(x) ★ f(x) = rgf (x) 相关计算要严格注意两个函数的顺序,以及哪个函数取复共轭. 或: 当f(x)=g(x)时,互相关变为复函数f(x)的自相关, 定义为