دانلود رایگان ترجمه مقاله چگونگی استفاده از آلياسينگ در سيگنال های باند محدود (نشریه IEEE 2004) (ترجمه ارزان – نقره ای ⭐️⭐️)

ieee2

 

 

این مقاله انگلیسی ISI در نشریه IEEE در ۴ صفحه در سال ۲۰۰۴ منتشر شده و ترجمه آن ۱۰ صفحه میباشد. کیفیت ترجمه این مقاله ارزان – نقره ای ⭐️⭐️ بوده و به صورت کامل ترجمه شده است.

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
عنوان فارسی مقاله:

چگونگی استفاده از ناهمواری (آلياسينگ) در سيگنال های باند محدود

عنوان انگلیسی مقاله:

How To Take Advantage Of Aliasing In Bandlimited Signals

 
 
 
 
 

 

مشخصات مقاله انگلیسی
فرمت مقاله انگلیسی pdf
سال انتشار ۲۰۰۴
تعداد صفحات مقاله انگلیسی ۴ صفحه با فرمت pdf
نوع مقاله ISI
نوع ارائه مقاله کنفرانس
رشته های مرتبط با این مقاله مهندسی کامپیوتر
گرایش های مرتبط با این مقاله مهندسی نرم افزار
چاپ شده در مجله (ژورنال) کنفرانس بین المللی صدا، گفتار و پردازش سیگنال – International Conference on Acoustics & Speech and Signal Processing
ارائه شده از دانشگاه دانشکده علوم کامپیوتر و ارتباطات، سوئیس
شناسه شاپا یا ISSN ۱۵۲۰-۶۱۴۹
شناسه دیجیتال – doi https://doi.org/10.1109/ICASSP.2004.1326703
بیس  نیست 
مدل مفهومی  ندارد 
پرسشنامه  ندارد 
متغیر  ندارد 
رفرنس دارای رفرنس در داخل متن و انتهای مقاله
کد محصول آی تریپل ای – IEEE
نشریه F1690

 

مشخصات و وضعیت ترجمه فارسی این مقاله
فرمت ترجمه مقاله pdf و ورد تایپ شده با قابلیت ویرایش
وضعیت ترجمه انجام شده و آماده دانلود
کیفیت ترجمه ترجمه ارزان – نقره ای ⭐️⭐️
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش  ۱۰ صفحه (۱ صفحه رفرنس انگلیسی) با فونت ۱۴ B Nazanin
ترجمه عناوین تصاویر  ترجمه شده است 
ترجمه ضمیمه ندارد 
ترجمه پاورقی ندارد 
درج تصاویر در فایل ترجمه درج شده است  
درج فرمولها و محاسبات در فایل ترجمه  به صورت عکس درج شده است  
منابع داخل متن به صورت عدد درج شده است  
منابع انتهای متن به صورت انگلیسی درج شده است  
کیفیت ترجمه کیفیت ترجمه این مقاله پایین میباشد.

 

فهرست مطالب

چکیده
۱- مقدمه
۲- بيان مسئله
۳- حل با استفاده از شبه فضاها
۳-۱ تخمين انحراف
۳-۲ محاسبه ضرایب فوریه
۴- تفسیر
۵- موضوعات محاسباتي
۵-۱ تخمين انحراف
۵-۲ محاسبات ضرايب فوريه
۶- كاربرد: فرا راه حل
۷- بررسي و كارهاي آينده
۸- نتايج

 

 

بخشی از ترجمه
 چکیده
در سیستم های پردازش سیگنال، ناهمواري به طور معمول به عنوان یک سیگنال نگران کننده در نظر گرفته مي شود. این كار نیاز به فیلترهاي آنالوگ موثر، نوری و ضد ناهمواري دیجیتال را الزامي مي دارد. با این حال، ناهمواري نیز اطلاعات با مقداري را بر روی سیگنال بالای فرکانس نایکوئیست انتقال مي دهد. از این رو، پردازش موثر نمونه ها، بر اساس یک مدل از سیگنال ورودی افزايش فرکانس نمونه برداری را با استفاده از مبدل های آهسته تر و ارزان تر ميسر مي سازد. در این مقاله ، ما از الگوریتمي برای سيگنال هاي باند محدود را ارائه مي دهيم که زیر دو برابر فرکانس سیگنال حداکثر نمونه برداری مي شوند. با استفاده از روش شبه فضا در حوزه فرکانس، ما نشان می دهيم که این سيگنال ها را می توان از مجموعه های متعددی از نمونه ها بازسازی نمود. جبران بین مجموعه نامشخص است و می تواند مقادیر دلخواه داشته باشد. این رویکرد را می توان براي ایجاد تصاویر با رزولوشن فوق العاده از مجموعه ای از تصاویر با کیفیت پایین استفاده نمود. در این کاربرد، پارامترهای ثبت نام باید از تصاویر در هم آميخته محاسبه شود. ما نشان می دهيم که پارامترها و تصاویر با وضوح بالا را می توان دقیقا محاسبه نمود، حتی زمانی که سطح بالایی از ناهمواري بر روی تصاویر با وضوح پایین حاضر است.
 
۱- مقدمه
به طور کلی، می گویند که یک سیگنال را در صورتي می توان کاملا از نمونه های آن بازسازی نمود كه باند محدود باشد و فرکانس نمونه برداری، معیار نایکوئیست را را برآورده سازد، یعنی بزرگتر از دو برابر فرکانس سیگنال حداکثر باشد. اگر سیگنال باند محدود باشد و یا فرکانس نمونه برداری بیش از حد پایین باشد، سیگنال نمونه برداری ناهموار است و بازسازی کامل امکان پذیر نمی باشد .
Vetterli و همکاران . [۱] نشان دادند که بازسازی کامل است برای سیگنال های با سرعت محدود در تغيير نيز ممكن است. انواع خاصی از سیگنال های غیر باند محدود ( مانند Diracs ، چند جمله ای مقطع و غیره) را می توان از یک مجموعه متناهی از نمونه ها بازسازی نمود. Vaidyanathan [ 2 ] برخی از طرح های نمونه برداری دیگر را برای سيگنال هاي غير باند محدود در نظر می گیرد ، مانند استفاده از هسته اصلي نمونه های مختلف. مروری بر وضعیت فعلی در نمونه گیری توسط Unser داده شده است [۳]
در این مقاله ، ما برخی از نتایج برای سيگنال هاي باند محدود را استنتاج مي كنيم که زیر دو برابر حداکثر فرکانس سیگنال نمونه برداری شده هستند. ما از مجموعه های متعددی از نمونه ها به طور منظم برای بازسازی سیگنال اصلی دقیقا استفاده مي کنیم. یک مشکل مشابه برای سیگنال های زمان گسسته [ ۴ ] با استفاده از روش بهینه سازی ترکیبی توسط Marziliano و همکاران حل شده است.

 

بخشی از مقاله انگلیسی

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.

 

 

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
عنوان فارسی مقاله:

چگونگی استفاده از ناهمواری (آلياسينگ) در سيگنال های باند محدود

عنوان انگلیسی مقاله:

How To Take Advantage Of Aliasing In Bandlimited Signals

 
 
 
 
 

 

 

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد.