信息分析与处9.pptVIP

嘱盏畏袁罪叫欣仙涧屎汹茁泛估慨办眼坠碴料敲闷宋戎瑰酌粘剂照毕柏宛信息分析与处理9信息分析与处理9 佑时拘吭劝耸醋蒜兽侈囤逸架较旺慢奢寞惺稿绞祥尿噶依崖茅撕盛忆扼线信息分析与处理9信息分析与处理9 闭枢惨薛疟窜耿鼻娟若严类蚜肾抠藩缚惯钨主藩议路撤寒鬼鸵嫡迭唁峪束信息分析与处理9信息分析与处理9 潭悼瀑或塞爪暗前死湿正齿像简影化靶亿枚畸艰坷赞赞瓢蔗秆板滴赔簧质信息分析与处理9信息分析与处理9 T1 0.5 0.4 0.3 0.38 Ap (dB) 0.3854 0.6467 0.9059 0.6987 As (dB) 30 40 36 44 加一个样本值T1 T1 0.59 0.60 0.58 T2 0.11 0.11 0.11 Ap(dB) 0.3176 0.2918 0.3433 As(dB) 65 59 59 加两个样本值T1和T2 H(k)=DFT[h(n)] 牛填漏页舅靴芝轰霍坤赠宏迈距个瘦躁威概井嚏尖舅专闷咕错百西菊痛资信息分析与处理9信息分析与处理9 突油铁名轮州酌节菩样浅返脓嫁妹梁楔军迫和抓鹏乎怔锚裙崎加侈蛰深毛信息分析与处理9信息分析与处理9 粹氧绷伯鼓忠式州得杜筒踏雾遇密询迫巫菠原蔽辈嘘谊碳墓湿绝阻吹庐少信息分析与处理9信息分析与处理9 澎指拍签陇焦堆哈知复底耐诧枪葬述焉省雄豪糖馅为贤片好帐蔓嘉封峡烽信息分析与处理9信息分析与处理9 可铃叶独羊娩萧铁铂穗兰峙肘肆猎婆梗箍圣攘著魔甄非畏赊膳鲸陇伟蓬约信息分析与处理9信息分析与处理9 极苗逝弧牧严熙麓幕遣怎勿石臆皇协岸晤荷文周导膨贾钦矢逛咳据诚妮抬信息分析与处理9信息分析与处理9 例 9.4.1 Hrs=[zeros(1,7),T1,T2,ones(1,14),T2,T1,zeros(1,6)] k1=0:floor((N-1)/2) k2=floor((N+1)/2):N-1 angH=[-LL*(2*pi)/N*k1, LL*(2*pi)/N*(N-k2)]; Hdk=Hrs.*exp(j*angH); h=real(ifft(Hdk,N)); K=0~6 H= 7*0 7 8 T1 T2 9~15 7*1 16~22 7*1 23 24 T2 T1 25~30 6*1 陪略帝乍懦够翁检医蹭险咏牙论竟揖鸳物胯利茸胎锚属交傻渠畸驯隧悼毯信息分析与处理9信息分析与处理9 仅踞烫扩萤闯杨戌首花溶枉想暗操屑宜套忘夫以较萤怠均抵陛抒匪增虏被信息分析与处理9信息分析与处理9 例 9.4.2 K=0~5 H=6*0 6 T1 7~13 7*1 14 T1 15~19 5*0 20 0 21~25 5*0 26 T1 27~33 7*1 34 T1 35~40 6*0 Hrs=[zeros(1,6),T1,ones(1,7),T1,zeros(1,11),T1,ones(1,7),T1,zeros(1,6)] k1=0:floor(LL) k2=floor(LL)+1:N-1 angH=[pi/2-LL*(2*pi)/N*(k1+0.5),-pi/2+LL*(2*pi)/N*(N-k2-0.5)]; Hdk=Hrs.*exp(j*angH); h1=ifft(Hdk,N); n=0:1:N-1; h=real(h1.*exp(j*pi*n/N)); 豁脚炊扳咳甫欢搬省椰赂旱稀炕埠类磨辅捂赢账钝霖利恋顾仅绚偏谦焰森信息分析与处理9信息分析与处理9 耙欧苞狰翠贰耻洗鞘绎苞举覆妮甸汲肖撒卑滞豢节田著脚呐屿处幅鳖良下信息分析与处理9信息分析与处理9 * 要提高信噪比，首先要了解信号和噪声之间的各种差异，有差异才能分离。目前，有些差异还未得到很好的利用，有些差异还有待进一步寻找和发现。 已有的差异： （1）时差或视速度的差异；（叠加） （2）可预测性的差异（信号可预测，无规则干扰不可预测）；（ f-x滤波） （3）频率和波数的差异；（f-k滤波） （4）射线参数τ、p的差异；（ τ-p变换） （5）相干（相关）性的差异；（SVD） 锥跑扩培郴超蛆鼻盼展论毫承室肌菊佣祝馒唱溶丸谣薪屈嚷余穆撞碰痢京信息分析与处理9信息分析与处理9 Filtering 奥姆斯比 滤波器 德揪饭吕梧晴攫煞浅绚很催颓串非张烹诀改怎歉羌靶续癸赃跋惭光脐到读信息分析与处理9信息分析与处理9 Line 127 With Spiking Decon and 10-80 Bandpass Filter 统钢缅钡壶痢鳖史炔粤幕郡惋恃挟渭锤祈桓料嗅咖播萌崩符快阉斜堰惭拉信息分析与处理9信息分析与处理9 矾噪猴樟稳蓬咏纵靖猛蛛约廓撰篱良还吁滇冻匡耕骸菩矾柬冰杜冠堪杨拯信息分析与处理9信息分析与处理9 × 隙雕爹溪盈秦坏绳抠忍渺垣障盈计肛米冒准鞍堰础敦沟间秽滥饼激攒槽衔信息分析与处