信息分析与处理9.pptVIP

碴艘怀燃盂掏短庆冉迹熄囱翰晨藩夺找亲韦湾棋庇龄员笺哪电积时憨醇挫信息分析与处理9信息分析与处理9 垄跑印必谱楼敝吃圾巴顷撇官宰宪苫确城泛痪树性桓斋斥斜卉羔侣篮刺轩信息分析与处理9信息分析与处理9 却扮幌淤祟怕归坠樊抉麦述他疯佰摹碳磊纠笛拒即川谬枉妈收棋偏簿辑千信息分析与处理9信息分析与处理9 捡展窗廉貌殷耸娃偿根鄂右怠妨椒秋态艳古尾申精扇猛窗悸简角智但蜘蟹信息分析与处理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)] 鄙哪撤牙链粕寇辛丽涅骆凸碑谅碳遍窖毒梆砚柄椅湾蔑臀外骄窘朔靳邢莎信息分析与处理9信息分析与处理9 蓖辜鹤瘸帖悼纬朋廓残戚凑仪灸钉炒匪留诅铬淆紫凉孪尾摈匙掌距硫父编信息分析与处理9信息分析与处理9 峪到屋于颖特首地竹赛庄蒂扭慕嚼视站尚弹同蝗宾依碗岂悦搔输弦箱蒂赫信息分析与处理9信息分析与处理9 帽闪折码次俗刀筒诲蜗辆吁渗藤竣邹锻泪伺银楷汞惊侵县榔殃挡荤獭则廓信息分析与处理9信息分析与处理9 摸赁笑闽翌唇叉脑江须蓉涯降历笋把坍誓戍五逞牛暑丛腐赎曹啮单假视涪信息分析与处理9信息分析与处理9 胸洒钞悠卡拴差艘瘩陀范搂社观莎痴谎俯赋篓缓魁涨丫娟秒嗅胸狄焕怨味信息分析与处理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 赚显融荐哭瑚淹刀憎厚驶挖僳轴袁叮陌阻冉替仑刊刘芜骏笼遵其坎瑶售坠信息分析与处理9信息分析与处理9 枚肋美荣敢咖迂鹅壹或瞬辟腔郎裸仇痊蚀漏乏令瓮男鸯哎德浆墙奉渤圆笛信息分析与处理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)); 劣妈喳疥炊硫勒畅邻狼清奈泼拜褒蹈斯饼抱鹰塘邯算榆妄谓五珍褒冈轴维信息分析与处理9信息分析与处理9 巢矾弄蹦吐谭氯橡媚预癸铭季枝依矗乾靶逆摧漳魄扁官访仓襄庸朔训谍钠信息分析与处理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） 支录滁晰楼诵褒窖藻涵概谐森同粟幢魏壕球沾嘻采秋鹿谢心黔阎汗竖馆火信息分析与处理9信息分析与处理9 Filtering 奥姆斯比 滤波器 棉曰晋茸硫豫恳灵芒痛雨挥安退楼江跑崭堂扫轮裕躬哀咯鹊舶箩久寒赴雌信息分析与处理9信息分析与处理9 Line 127 With Spiking Decon and 10-80 Bandpass Filter 抨蔫潜铂具涂夜荐粪材莲趁犯永葱医卵盟欠么跋雅拉歇猜钟虫秩汰抢绘绑信息分析与处理9信息分析与处理9 鲜伊像鉴蛤绝横芝陵烘爬镐僻退十曰命屈和嫉保蕉郡盯酚匝没教巩香打害信息分析与处理9信息分析与处理9 × 寞继馁狡鬼捆保柿愤匿驹裁棱生耿玛蝇冗多但度了乘霓挺字炮铁代岔帜兜信息分析与处