فایل ورد کامل چگونگی استفاده از ناهمواری (آلیاسینگ) در سیگنال های باند محدود

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل چگونگی استفاده از ناهمواری (آلیاسینگ) در سیگنال های باند محدود،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۱۳ صفحه

بخشی از مقاله انگلیسیعنوان انگلیسی:How To Take Advantage Of Aliasing In Bandlimited Signals~~en~~

Abstract

In signal processing systems, aliasing is normally treated as a disturbing signal. That motivates the need for effective analog, optical and digital anti-aliasing filters. However, aliasing also conveys valuable information on the signal above the Nyquist frequency. Hence, an effective processing of the samples, based on a model of the input signal, would virtually allow the sampling frequency to be increased using slower and cheaper converters. We present such an algorithm for bandlimited signals that are sampled below twice the maximum signal frequency. Using a subspace method in the frequency domain, we show that these signals can be reconstructed from multiple sets of samples. The offset between the sets is unknown and can have arbitrary values. This approach can be applied to the creation of super-resolution images from sets of low resolution images. In this application, registration parameters have to be computed from aliased images. We show that parameters and high resolution images can be computed precisely, even when high levels of aliasing are present on the low resolution images.

۱ Introduction

In general, we say that a signal can be perfectly reconstructed from its samples if it is bandlimited and the sampling frequency satisfies the Nyquist criterion, i.e. it is larger than twice the maximum signal frequency. If the signal is not bandlimited or the sampling frequency is too low, the sam- pled signal is aliased, and perfect reconstruction is not possible.

Vetterli et al. [1] showed that perfect reconstruction is also possible for signals with finite rate of innovation. Certain types of non-bandlimited signals (like streams of Diracs, piecewise polynomials, etc.) can be reconstructed from a finite set of samples. Vaidyanathan [2] considers some other sampling schemes for non-bandlimited signals, like the use of different sampling kernels. An overview of the current state in sampling is given by Unser [3].

In this paper, we derive some results for bandlimited signals that are sampled below twice the maximum frequency of the signal. We will use multiple sets of regular samples to reconstruct the original signal exactly. A similar problem for discrete-time signals is solved by Marziliano et al. [4] using combinatorial optimization methods.

$$en!!