دانلود مقالات ISI درباره دکانولوشن + ترجمه فارسی

در ریاضیات، دکانولوشن یک فرایند مبتنی بر الگوریتم است، که منظور از آن معکوس کردن اثر ناشی از کانولوشن (پیچیدگی) بر روی داده‌ها است. مفهوم دکانولوشن به طور گسترده‌ای در تکنیک‌های پردازش سیگنال و پردازش تصویر استفاده می‌شود. از آنجا که این این تکنیک‌ها به نوبه خود به طور گسترده‌ای در بسیاری از رشته‌های علمی و مهندسی استفاده می‌شود، لذا کاربردهای دکانولوشن بسیار زیاد شده است. به طور کلی، هدف از دکانولوشن حل معادله کانولوشن (به شکل زیر) است: معمولاً، h یک سیگنال ثبت شده‌است، و ƒ یک سیگنال است که ما مایل به بازیابی آن هستیم، اما سیگنال مورد نظر ما با پیش از اینکه به دست ما برسد با سیگنال g کانوالو (پیچیده) شده‌است. از تعاریف سیگنال و سیستم می‌توان فهمید که سیگنال g در واقع تابع تبدیل سیستم انتقال و/یا سیستم ضبط بوده‌است. تابع می‌تواند نشان دهنده تابع تبدیل یک وسیله یا یک نیروی محرکه باشد که به یک سیستم فیزیکی اعمال شده‌است. اگر g یا حداقل شکل موج آن را بدانیم، می‌توانیم دکانولوشن قطعی انجام دهیم؛ ولی اگر g را ندانیم، باید آن را تخمین بزنیم. این کار اغلب با استفاده از روش‌های آماری تخمین انجام می‌شود. در مورد اندازه‌گیری‌های فیزیکی، وضعیت معمولاً شبیه به زیر خواهد بود: در معادله بالا ε نویزی است که به سیگنال‌های ثبت شده ما وارد شده‌است. اگر فرض کنیم که یک سیگنال یا تصویر بدو ن نویز است، برآورد آماری ما از g نادرست خواهد بود و به همین شکل سیگنالƒ نیز اشتباه خواهد بود. هرچه نسبت سیگنال به نویز کمتر باشد، برآورد ما نسبت به سیگنال دکانوالو شده بدتر خواهد بود. به همین دلیل است که فیلتر کردن معکوس سیگنال یک راه حل خوب به حساب نمی‌آید. با این حال، اگر ما حداقل برخی اطلاعات را در مورد نوع نویز موجود در داده‌ها بدانیم (برای مثال، نویز سفید)، ممکن است از طریق روش‌هایی مانند دکانولوشن وینر قادر به بهبود برآوردƒ باشیم. بنیاد بسیاری از دکانولوشن‌ها و تجزیه و تحلیل‌های سری‌های زمانی، بر پایه کتاب برون یابی، درونیابی، و صاف کردن سری زمانی ثابت و توسط نوربرت وینر از مؤسسه تکنولوژی ماساچوستبنا شده‌است. این کتاب بر فعالیت‌های وینر استوار بود که در طول جنگ جهانی دوم انجام داده بود. برخی از تلاش‌های اولیه برای اعمال این نظریه در زمینه پیش بینی آب و هوا و اقتصاد بودند.