圆域函数的傅里叶变换和傅里叶逆变换

空域圆域函数的傅里叶变换

空域圆域函数(也称为空间中的圆形区域函数)通常指的是在二维空间中,以原点为中心、半径为 a a a的圆内取值为1,圆外取值为0的函数。这种函数可以表示为:

f ( x , y ) = { 1 if  x 2 + y 2 ≤ a 2 0 otherwise f(x, y) = \begin{cases} 1 & \text{if } x^2 + y^2 \leq a^2 \\ 0 & \text{otherwise} \end{cases} f(x,y)={10if x2+y2a2otherwise

二维傅里叶变换定义为:

F ( u , v ) = ∫ − ∞ ∞ ∫ − ∞ ∞ f ( x , y ) e − j 2 π ( u x + v y ) d x d y F(u, v) = \int_{-\infty}^{\infty} \int_{-\infty}^{\infty} f(x, y) e^{-j2\pi(ux + vy)} dx dy F(u,v)=f(x,y)ej2π(ux+vy)dxdy

对于上述给定的圆形区域函数,其傅里叶变换 F ( u , v ) F(u, v) F(u,v)不能直接用简单的解析表达式来表示,但可以通过积分计算得到。由于该函数是关于原点对称的,并且仅依赖于到原点的距离,因此其傅里叶变换也将是关于原点对称的,并且只与频率变量 u , v u, v u,v到原点的距离有关。具体来说, F ( u , v ) F(u, v) F(u,v)可以表示为 F ( ρ ) F(\rho) F(ρ),其中 ρ = u 2 + v 2 \rho = \sqrt{u^2 + v^2} ρ=u2+v2

傅里叶变换的结果涉及到第一类贝塞尔函数 J 1 J_1 J1,它描述了变换后的分布特性。对于给定的圆形区域函数,其傅里叶变换形式为:

F ( ρ ) = a ρ J 1 ( 2 π a ρ ) F(\rho) = \frac{a} { \rho} J_1(2\pi a \rho) F(ρ)=ρaJ1(2πaρ)

这里, J 1 J_1 J1是第一类贝塞尔函数的第一个阶数。这个结果表明,在频率域中,原始圆形区域的影响随着距离增大而逐渐减小,且具有振荡性质,这反映了原始信号的空间局限性导致的频谱特征。

在这里插入图片描述
在这里插入图片描述

频域圆域函数的傅里叶逆变换

对于一个二维频域中的理想低通滤波器,其频率响应 H ( u , v ) H(u, v) H(u,v)可以表示为:

H ( u , v ) = { 1 if  u 2 + v 2 ≤ R 2 0 otherwise H(u, v) = \begin{cases} 1 & \text{if } u^2 + v^2 \leq R^2 \\ 0 & \text{otherwise} \end{cases} H(u,v)={10if u2+v2R2otherwise

其中 R R R是圆的半径。该函数在时域(或空间域)的逆傅里叶变换 f ( x , y ) f(x, y) f(x,y)可以写成等号的形式如下:

f ( x , y ) = 1 4 π 2 ∫ − ∞ ∞ ∫ − ∞ ∞ H ( u , v ) e j 2 π ( u x + v y ) d u d v f(x, y) = \frac{1}{4\pi^2}\int_{-\infty}^{\infty}\int_{-\infty}^{\infty} H(u, v) e^{j2\pi(ux + vy)} du dv f(x,y)=4π21H(u,v)ej2π(ux+vy)dudv

由于 H ( u , v ) H(u, v) H(u,v)在圆外为0,在圆内为1,我们可以将积分限制到圆内:

f ( x , y ) = 1 4 π 2 ∫ u 2 + v 2 ≤ R 2 e j 2 π ( u x + v y ) d u d v f(x, y) = \frac{1}{4\pi^2}\int_{u^2+v^2 \leq R^2} e^{j2\pi(ux + vy)} du dv f(x,y)=4π21u2+v2R2ej2π(ux+vy)dudv

这个积分可以进一步简化,并且已知结果是与第一类贝塞尔函数 J 1 J_1 J1有关的一个表达式。理想低通滤波器的空间域响应可以表示为:

f ( x , y ) = R 4 π 2 ⋅ J 1 ( 2 π R x 2 + y 2 ) x 2 + y 2 f(x, y) = \frac{R}{4\pi^2} \cdot \frac{J_1(2\pi R \sqrt{x^2 + y^2})}{\sqrt{x^2 + y^2}} f(x,y)=4π2Rx2+y2 J1(2πRx2+y2 )

这里 J 1 ( z ) J_1(z) J1(z)是第一类贝塞尔函数, R R R是圆的半径。

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
推导过程

理想低通滤波器在频域中的表示是一个在以原点为中心、半径为 R R R的圆域内为1,圆域外为0的函数。其数学表达式为:

H ( u , v ) = { 1 if  u 2 + v 2 ≤ R 2 0 otherwise H(u, v) = \begin{cases} 1 & \text{if } u^2 + v^2 \leq R^2 \\ 0 & \text{otherwise} \end{cases} H(u,v)={10if u2+v2R2otherwise

计算这个频域函数的傅里叶逆变换,以得到其在空间域中的表示 h ( x , y ) h(x, y) h(x,y)。傅里叶逆变换的公式为:

h ( x , y ) = 1 4 π 2 ∫ − ∞ ∞ ∫ − ∞ ∞ H ( u , v ) e i 2 π ( u x + v y ) d u d v h(x, y) = \frac{1}{4\pi^2} \int_{-\infty}^{\infty} \int_{-\infty}^{\infty} H(u, v) e^{i2\pi(ux + vy)} du dv h(x,y)=4π21H(u,v)ei2π(ux+vy)dudv

由于 H ( u , v ) H(u, v) H(u,v)只在圆域内非零,积分可以简化为在圆域内的积分:

h ( x , y ) = 1 4 π 2 ∫ u 2 + v 2 ≤ R 2 e i 2 π ( u x + v y ) d u d v h(x, y) = \frac{1}{4\pi^2} \int_{u^2 + v^2 \leq R^2} e^{i2\pi(ux + vy)} du dv h(x,y)=4π21u2+v2R2ei2π(ux+vy)dudv

为了简化计算,我们将直角坐标系下的积分转换到极坐标系下。设 u = r cos ⁡ θ u = r\cos\theta u=rcosθ v = r sin ⁡ θ v = r\sin\theta v=rsinθ,则 d u d v = r d r d θ du dv = r dr d\theta dudv=rdrdθ。因此,积分变为:

h ( x , y ) = 1 4 π 2 ∫ 0 R ∫ 0 2 π e i 2 π r ( x cos ⁡ θ + y sin ⁡ θ ) r d r d θ h(x, y) = \frac{1}{4\pi^2} \int_{0}^{R} \int_{0}^{2\pi} e^{i2\pi r (x\cos\theta + y\sin\theta)} r dr d\theta h(x,y)=4π210R02πei2πr(xcosθ+ysinθ)rdrdθ

首先计算内层积分:

∫ 0 2 π e i 2 π r ( x cos ⁡ θ + y sin ⁡ θ ) d θ \int_{0}^{2\pi} e^{i2\pi r (x\cos\theta + y\sin\theta)} d\theta 02πei2πr(xcosθ+ysinθ)dθ

z = x cos ⁡ θ + y sin ⁡ θ z = x\cos\theta + y\sin\theta z=xcosθ+ysinθ,则 z z z可以看作是 r r r ( x , y ) (x, y) (x,y)之间的点积。利用 Bessel 函数的性质,可以得到:

∫ 0 2 π e i 2 π r ( x cos ⁡ θ + y sin ⁡ θ ) d θ = 2 π J 0 ( 2 π r x 2 + y 2 ) \int_{0}^{2\pi} e^{i2\pi r (x\cos\theta + y\sin\theta)} d\theta = 2\pi J_0(2\pi r \sqrt{x^2 + y^2}) 02πei2πr(xcosθ+ysinθ)dθ=2πJ0(2πrx2+y2 )

其中 J 0 J_0 J0是零阶第一类 Bessel 函数。因此,原积分变为:

h ( x , y ) = 1 4 π 2 ∫ 0 R 2 π J 0 ( 2 π r x 2 + y 2 ) r d r h(x, y) = \frac{1}{4\pi^2} \int_{0}^{R} 2\pi J_0(2\pi r \sqrt{x^2 + y^2}) r dr h(x,y)=4π210R2πJ0(2πrx2+y2 )rdr

进一步简化:

h ( x , y ) = 1 2 π ∫ 0 R J 0 ( 2 π r x 2 + y 2 ) r d r h(x, y) = \frac{1}{2\pi} \int_{0}^{R} J_0(2\pi r \sqrt{x^2 + y^2}) r dr h(x,y)=2π10RJ0(2πrx2+y2 )rdr

接下来,计算这个积分。令 k = 2 π x 2 + y 2 k = 2\pi \sqrt{x^2 + y^2} k=2πx2+y2 ,则积分变为:

h ( x , y ) = 1 2 π ∫ 0 R J 0 ( k r ) r d r h(x, y) = \frac{1}{2\pi} \int_{0}^{R} J_0(kr) r dr h(x,y)=2π10RJ0(kr)rdr

利用 Bessel 函数的积分性质,可以得到:

∫ 0 R J 0 ( k r ) r d r = R J 1 ( k R ) k \int_{0}^{R} J_0(kr) r dr = \frac{R J_1(kR)}{k} 0RJ0(kr)rdr=kRJ1(kR)

因此,最终的解析表达式为:

h ( x , y ) = 1 2 π ⋅ R J 1 ( 2 π R x 2 + y 2 ) 2 π x 2 + y 2 h(x, y) = \frac{1}{2\pi} \cdot \frac{R J_1(2\pi R \sqrt{x^2 + y^2})}{2\pi \sqrt{x^2 + y^2}} h(x,y)=2π12πx2+y2 RJ1(2πRx2+y2 )

简化后:

h ( x , y ) = R 4 π 2 ⋅ J 1 ( 2 π R x 2 + y 2 ) x 2 + y 2 h(x, y) = \frac{R}{4\pi^2} \cdot \frac{J_1(2\pi R \sqrt{x^2 + y^2})}{\sqrt{x^2 + y^2}} h(x,y)=4π2Rx2+y2 J1(2πRx2+y2 )

这就是理想低通滤波器的傅里叶逆变换的解析表达式。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/diannao/62177.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

【大模型】深度解析 NLP 模型5大评估指标及 应用案例:从 BLEU、ROUGE、PPL 到METEOR、BERTScore

在自然语言处理(NLP)领域,无论是机器翻译、文本生成,还是问答系统开发,模型性能评估指标始终是开发者绕不开的工具。BLEU、ROUGE、PPL(困惑度)、METEOR 和 BERTScore 是五个最具代表性的指标&am…

黑马程序员Java项目实战《苍穹外卖》Day01

苍穹外卖-day01 课程内容 软件开发整体介绍苍穹外卖项目介绍开发环境搭建导入接口文档Swagger 项目整体效果展示: ​ 管理端-外卖商家使用 ​ 用户端-点餐用户使用 当我们完成该项目的学习,可以培养以下能力: 1. 软件开发整体介绍 作为一…

Java高级特性 - IO流

第1关 什么是IO流 BC,C 第2关 字节流-输入输出 第3关 字符流 - 输入输出 第4关 复制文件

BERT 详解

BERT简介 BERT(Bidirectional Encoder Representations from Transformers)是由 Google 在 2018 年提出的一种预训练语言模型。BERT 在自然语言处理(NLP)领域取得了重大突破,因为它能够有效地捕捉文本的上下文信息&am…

LLM大模型意图识别:分类算法lora训练案例

参考: https://blog.csdn.net/weixin_42357472/article/details/141134380 (LLaMA-Factory 微调训练) https://modelscope.cn/competition/54/summary?seasonId56 https://github.com/coggle-club/notebooks/blob/main/notebooks/llm/RAG-BM…

(计算机网络)期末

计算机网络概述 物理层 信源就是发送方 信宿就是接收方 串行通信--一次只发一个单位的数据(串行输入) 并行通信--一次可以传输多个单位的数据 光纤--利用光的反射进行传输 传输之前,要对信源进行一个编码,收到信息之后要进行一个…

Rk3588 onnx转rknn,出现 No module named ‘rknn‘

一、操作步骤: rk3588 需要将yolo11 的模型onnx转rknn。 https://github.com/airockchip/rknn_model_zoo/tree/main/examples/yolo11 这个是用yolo11训练的模型,有80种类型。 完整下载下来后,在按文档描述下载模型下来: 然后进…

DDR3与MIG IP核详解(一)

一、ddr3(全称第三代双倍速率同步动态随机存储器): 1、特点:1:掉电无法保存数据,需要周期性的刷新。2:时钟上升沿和下降沿都会传输数据。 3:突发传输,突发长度 Burst Length一般为…

多模态和大模型原理

一、图文匹配原理 Clip 通过图像编码器和照片编码器将两者区分成N项,然后让它们相互内积,能够匹配得上的则内积值为1,不能够匹配上的则内积为-1,也就是负样本,如上图,除了对角线的正样本,周围…

15 go语言(golang) - 并发编程goroutine原理及数据安全

底层原理 Go 的 goroutine 是一种轻量级的线程实现,允许我们在程序中并发地执行函数。与传统的操作系统线程相比,goroutine 更加高效和易于使用。 轻量级调度 用户态调度:Go 运行时提供了自己的调度器,这意味着 goroutine 的创建…

Flink细粒度的资源管理

Apache Flink致力于为所有应用程序自动导出合理的默认资源需求。对于希望根据其特定场景微调其资源消耗的用户,Flink提供了细粒度的资源管理。这里我们就来看下细粒度的资源管理如何使用。(注意该功能目前仅对DataStream API有用) 1. 适用场景 使用细粒度的资源管理的可能…

《操作系统 - 清华大学》5 -5:缺页异常

文章目录 1. 缺页异常的处理流程2.在何处保存未被映射的页?3. 虚拟内存性能 1. 缺页异常的处理流程 缺页中断的处理过程: CPU读内存单元,在TLB中根据其虚拟地址匹配物理地址,未命中,读页表; 由于页表项的存在位为0,CP…

Linux-NFS

文章目录 NASNFSNFS配置 🏡作者主页:点击! 🤖Linux专栏:点击! ⏰️创作时间:2024年11月27日12点50分 NAS 网络接入存储 共享存储文件存储 NAS设备包括 NAS引擎一个或多个网络接口一个操作系统…

OpenHarmony属性信息怎么修改?触觉智能RK3566鸿蒙开发板来演示

本文介绍在开源鸿蒙OpenHarmony系统下,修改产品属性信息的方法,触觉智能Purple Pi OH鸿蒙开发板演示,搭载了瑞芯微RK3566四核处理器,Laval鸿蒙社区推荐开发板,已适配全新OpenHarmony5.0 Release系统,感兴趣…

杰发科技AC7803——不同晶振频率时钟的配置

计算公式 PLL_POSDIV [2, 4, 6, 8, 10, 12, 14, 16, 18, 20, 22, 24, 26, 28, 30, 32, 34, 36, 38, 40, 42, 44, 46, 48, 50, 52, 54, 56, 58, 60, 62] PLL_PREDIV_1 1 2 4 USE_XTAL 24M SYSCLK_FREQ 64M SYSCLK_DIVIDER 1 VCO USE_XTAL*…

面向对象进阶-抽象类

抽象方法 将共性行为(方法)抽取到父类,由于每个子类执行内容不一样,在父类不能确定具体的方法体,该方法可以定义为抽象方法。 抽象类:如果一个类中存在抽象方法,那么该 类必须声明为抽象类。…

【数据结构专栏】二叉搜索树(Binary Search Tree)的剖析?

文章目录 🧨前言1、二叉搜索树的基本概念?2、二叉搜索树的节点结构组成?3、二叉搜索树的插入操作?4、二叉搜索树的删除操作?5、二叉搜索树的遍历?6、二叉搜索树的性能分析?🎉完整代码…

分布式调用 - 服务间的远程调用RPC

文章目录 导图PreRPC 概述RPC 调用过程RPC 动态代理1. 接口定义 (SeverProvider)2. 实现类 (ServerProviderImpl)3. 动态代理类 (DynamicProxy)4. 客户端 (Client)5. 代码工作流程6. 总结和注意点7. 结果输出8. 小结 RPC 序列化协议编码网络传输 导图 服务和应用的调用基于场景…

vue3项目搭建-4-正式启动项目,git管理

安装插件: npm install vue router npm install eslint 完成目录: 需要添置文件夹: apis -> api接口 composables -> 组合函数 directives -> 全局指令 styles -> 全局样式 utils -> 工具函数 git 管理: …

GPON原理

GPON网络架构 对于OLT来说,它就相当于一个指挥官,它指挥PON口下的ONU在指定的时间段内发送数据以及发起测距过程等 而ONU则是一个士兵,按照OLT的指挥做出相应 而ODN它主要就是提供一个传输通道,主要包括分光器和光纤组成 对于PO…