Movatterモバイル変換


[0]ホーム

URL:


Pergi ke kandungan
WikipediaEnsiklopedia Bebas
Cari

Pengaliasan

Daripada Wikipedia, ensiklopedia bebas.
Imej dinding bata yang disampelkan dengan betul
Pengaliasan ruang bercorak moiré

Dalam bidangpemprosesan isyarat serta disiplin berkaitan,pengaliasan ialah kesan yang mengakibatkan isyarat-isyarat yang berbeza tidak dapat dibezakan apabila disampelkan. Ia turut merujuk kepadaherotan danartifak yang terhasil apabila isyarat yang dihasilkan semula daripada sampel-sampelnya adalah tidak sama dengan isyarat terus yang asal.

Pengaliasan boleh berlaku dalam isyarat yang disampelkan mengikut masa, contohnyaaudio digital, dan disebut sebagaipengaliasan masa. Pengaliasan turut berlaku dalam isyarat-isyarat yang disampelkan mengikut ruang, contohnyaimej digital. Pengaliasan sedemikian disebutpengaliasan ruang.

Penerangan

[sunting |sunting sumber]
Kiri: Imej beralias bagi hurufA dalam Times New Roman. Kanan: Imej yang diantialiaskan. (Lihat juga:Perasteran fon)

Apabila sesebuah imej dipaparkan, imej tersebut akan dihasilkan semula oleh peranti paparan atau mesin cetak, dan oleh mata serta otak si pemerhati. Jika data imej tersebut tidak diproses dengan betul semasa disampelkan atau dihasilkan semula, imej yang terhasil tidak akan menyerupai imej yang asal, dan alias akan kelihatan.

Satu contoh pengaliasan ruang ialahcorak moiré yang boleh dilihat pada imej dinding bata yang tidak dipikselkan dengan baik. Teknik-teknikantialias ruang mengelakkan pempikselan sedemikian. Pengaliasan boleh terjadi semasa pengsampelan atau semasa penghasilan semula; masing-masing boleh dirujuk dengan istilahprapengaliasan danpascapengaliasan.[1]

Pengaliasan masa adalah masalah utama dalam pensampelan isyarat audio dan video. Muzik, sebagai contoh, mungkin mengandungi komponen berfrekuensi tinggi yang tidak dapat didengar oleh telinga manusia. Jika sesuatu muzik disampelkan pada 32,000sampel sesaat (Hz), mana-mana komponen frekuensi melebihi 16,000Hz (frekuensi Nyquistnya) akan menyebabkan pengaliasan apabila muzik tersebut dihasilkan semula olehpenukar digital ke analog. Bagi membendung perkara ini daripada berlaku,turas antialias digunakan untuk membuang komponen yang melebihi frequensi Nyquist sebelum pensampelan dibuat.

Dalam video atau sinematografi, pengaliasan masa terhasil akibat kadar bingkai yang terhad, dan menyebabkankesan roda gerabak, di mana roda beruji kelihatan berputar terlalu perlahan dan kadangkala pada arah bertentangan dengan putaran sebenar. Pengaliasan telah mengubah frekuensi putaran ketaranya. Arah yang bertentangan pula boleh diistilahkan sebagaifrekuensi negatif. Frekuensi pengaliasan masa dalam video dan sinematografi ditentukan oleh kadar bingkai kamera, tetapi keamatan relatif frekuensi yang beralias ditentukan oleh pemasaan pengatup (tempoh dedah) atau penggunaan turas pengurang pengaliasan masa ketika merakam.[2]

Fungsi jalur terhad

[sunting |sunting sumber]

Tempoh bagi isyarat sebenar adalah terhingga manakala kandungan frekuensinya, seperti ditakrifkan olehjelmaan Fourier, tidak mempunyai batas atas. Sejumlah pengaliasan sering berlaku apabila fungsi-fungsi sebegini disampelkan. Fungsi yang kandungan frekuensinya terbatas (jalur terhad) mempunyai tempoh yang tak terhingga. Jika disampelkan pada kadar yang cukup tinggi, ditentukan oleh lebar jalur, fungsi yang asal secara teori dapat dihasilkan semula dengan sempurna daripada set sampel yang tak terhingga tersebut.

Isyarat lulus jalur

[sunting |sunting sumber]

Kadangkala, pengaliasan digunakan dengan sengaja keatas sesuatu isyarat tanpa kandungan berfrekuensi rendah, yang dipanggil isyaratlulus jalur.Pensampelan bawah, yang mewujudkan alias berfrekuensi rendah, mampu memberikan hasil yang sama—dengan sedikit kerja—seperti menganjak frekuensi isyarat terbabit kepada frekuensi yang lebih rendah sebelum mensampelkannya pada kadar yang lebih rendah. Sesetengah penyalur mempergunakan pengaliasan dalam cara ini demi kecekapan pengiraan.[3]

Pensampelan fungsi sinus

[sunting |sunting sumber]

Sinusoid adalah fungsi berkala yang penting kerana isyarat sebenar selalunya dimodelkan sebagai hasil tambah beberapa sinusoid yang berlainan frekuensi dan berlainan amplitud. Mengetahui kesan pengaliasan keatas setiap sinusoid terbabit berguna dalam mengetahui kesannya keatas hasil tambah yang akan diterbitkan.

Dua sinusoid berbeza yang dapat disampelkan dalam set sampel yang sama.

Plot berikut menggambarkan sebuah set sampel yang sela sampelnya ialah 1, dan dua (daripada beberapa) sinusoid berbeza yang boleh menghasilkan set sampel berkenaan. Kadar sampel di sini ialahfs=1{\displaystyle f_{s}=1\,}. Sebagai contoh, jika selanya 1 saat, maka kadarnya ialah 1 sampel sesaat. Sembilan kitaran bagi sinusoid yang merah dan 1 kitaran bagi yang biru menjangkau sela 10 sampel. Jumlahkitaran per sampel masing-masing ialahfmerah=0.9{\displaystyle f_{\mathrm {merah} }=0.9\,}  danfbiru=0.1{\displaystyle f_{\mathrm {biru} }=0.1\,}.  Jika sampel-sampel ini dihasilkan oleh fungsi pensampelan  cos(2π(0.9)x−θ)  dan  cos(2π(0.1)x−φ),  sampel-sampel ini juga boleh dihasilkan oleh fungsi kembar trigonometrinya,  cos(2π(−0.9)x +θ)  dan  cos(2π(−0.1)x +φ),  yang mewujudkan satu konsep yang berguna, iaitufrekuensi negatif.

Secara am, apabila sesuatu sinusoid berfrekuensif{\displaystyle f} disampelkan dengan frekuensifs{\displaystyle f_{s}}, jumlahkitaran per sampel yang terhasil ialahf/fs{\displaystyle f/f_{s}} (dikenali sebagaifrekuensi ternormal), dan sampel-sampel tersebut tidak dapat dibezakan dengan satu sinusoid yang lain (dipanggilalias) yang beza antara frekuensi ternormalnya denganf/fs{\displaystyle f/f_{s}} ialah suatu nilai integer (positif mahupun negatif). Dengan menggantikan sinusoid berfrekuensi negatif dengan kembar berfrekuensi positifnya, alias berfrekuensif{\displaystyle f} dapat diungkapkan sebagai  falias(N) =def |fNfs|,{\displaystyle f_{\mathrm {alias} }(N)\ {\stackrel {\mathrm {def} }{=}}\ |f-Nf_{s}|,\,}  bagi sebarang integerN,  dengan  falias(0)=f{\displaystyle \scriptstyle f_{\mathrm {alias} }(0)=f\,}  sebagai nilai yang sebenar, danN berunitkitaran sesaat. Maka alias bagiN = 1 bagifmerah{\displaystyle \scriptstyle f_{\mathrm {merah} }\,}  ialah  fbiru,{\displaystyle \scriptstyle f_{\mathrm {biru} },\,}  (dan sebaliknya).

Pengaliasan penting semasa bentuk gelombang yang asal ingin dihasilkan semula mengunakan sampel-sampelnya. Teknik penghasilan semula yang paling kerap diguna menghasilkan frekuensifalias(N){\displaystyle f_{\mathrm {alias} }(N)} yang terkecil. Maka selalunyafalias(0){\displaystyle f_{\mathrm {alias} }(0)} sebagai nilai unik terkecil adalah penting. Syarat yang perlu dan mencukupi untuk itu ialahfs/2 > |f|,{\displaystyle \scriptstyle f_{s}/2\ >\ |f|,\,} di manafs/2{\displaystyle \scriptstyle f_{s}/2\,} biasanya disebutfrekuensi Nyquist bagi sesebuah sistem yang disampelkan pada kadarfs.{\displaystyle \scriptstyle f_{s}.\,}  Dalam contoh kita, syarat Nyquist dipenuhi jika isyarat asal ialah sinusoid biru (f=fbiru{\displaystyle \scriptstyle f=f_{\mathrm {biru} }}).  Tetapi jikaf=fmerah=0.9,{\displaystyle \scriptstyle f=f_{\mathrm {merah} }=0.9,}  kaedah penghasilan semula biasa tidak akan menghasilkan sinusoid merah, tetapi sebaliknya sinusoid yang biru.

Setiap titik hitam pada graf adalah alias masing-masing. Garisan merah penuh pada graf ialahcontoh amplitud berubah mengikut frekuensi. Garisan merah putus-putus pula ialah laluan bagi alias.

Pelipatan

[sunting |sunting sumber]

Dalam contoh di atas,fmerah{\displaystyle \scriptstyle f_{\mathrm {merah} }\,}  danfbiru{\displaystyle \scriptstyle f_{\mathrm {biru} }\,} adalah simetri pada frekuensifs/2{\displaystyle \scriptstyle f_{s}/2}.  Maka secara am, semakin meningkatf{\displaystyle \scriptstyle f} daripada 0 hinggafs/2{\displaystyle \scriptstyle f_{s}/2}  , semakin menurunfalias(1){\displaystyle \scriptstyle f_{\mathrm {alias} }(1)} daripadafs{\displaystyle \scriptstyle f_{s}}  hinggafs/2.{\displaystyle \scriptstyle f_{s}/2.}  Begitu juga jikaf{\displaystyle \scriptstyle f} kian meningkat daripadafs/2{\displaystyle \scriptstyle f_{s}/2}  hinggafs,{\displaystyle \scriptstyle f_{s},} falias(1){\displaystyle \scriptstyle f_{\mathrm {alias} }(1)} akan kian menurun daripadafs/2{\displaystyle \scriptstyle f_{s}/2} hingga 0.

Graf amplitud melawan frekuensi untuk satu sinusoid tunggal berfrekuensi0.6fs{\displaystyle \scriptstyle 0.6f_{s}} dan beberapa aliasnya yang berfrekuensi0.4fs,{\displaystyle \scriptstyle 0.4f_{s},}1.4fs,{\displaystyle \scriptstyle 1.4f_{s},} dan1.6fs{\displaystyle \scriptstyle 1.6f_{s}} akan kelihatan seperti 4 titik hitam dalam rajah di sebelah. Garisan merah adalah laluan (lokus) bagi 4 titik tersebut jika frekuensi dan amplitud sinusoid diubah sepanjang segmen merah penuh (antarafs/2{\displaystyle \scriptstyle f_{s}/2} danfs{\displaystyle \scriptstyle f_{s}}). Tidak kira apa pun fungsi yang dipilih untuk mengubah amplitud melawan frekuensi, graf sentiasa akan menunjukkan simetri antara 0 danfs{\displaystyle \scriptstyle f_{s}}. Simetri ini pada kebiasaannya disebutpelipatan (folding dalambahasa Inggeris), dan nama lain bagifs/2{\displaystyle \scriptstyle f_{s}/2} (iaitu frekuensi Nyquist) ialahfrekuensi melipat. Pelipatan selalunya diperhatikan semasa memperlihatkanspektrum frekuensi bagi sampel-sampel bernilai sebenar menggunakanjelmaan Fourier diskret.

Dua sinusoid kompleks, berwarna emas dan sian, yang muat dalam set titik sampel sebenar dan khayalan yang sama apabila disampelkan pada kadar (fs) yang ditunjukkan oleh garisan grid. Di sinifcyan=falias(1)=fgold1fs.{\displaystyle \scriptstyle f_{\mathrm {cyan} }=f_{\mathrm {alias} }(1)=f_{\mathrm {gold} }-1\cdot f_{s}.\,}

Sinusoid kompleks

[sunting |sunting sumber]

Sinusoid kompleks ialah bentuk gelombang yang sampelnya adalahnombor kompleks, dan konsepfrekuensi negatif perlu untuk mengasingkan satu sinusoid dengan yang lain. Di sini frekuensi bagi alias hanyalah:falias(N)=fNfs{\displaystyle f_{\mathrm {alias} }(N)=f-Nf_{\mathrm {s} }}. Jadi, semakinf{\displaystyle \scriptstyle f} meningkat daripadafs/2{\displaystyle \scriptstyle f_{s}/2} hinggafs{\displaystyle \scriptstyle f_{s}},falias(1){\displaystyle \scriptstyle f_{\mathrm {alias} }(1)} meningkat daripadafs/2{\displaystyle \scriptstyle -f_{s}/2} hingga 0. Lantaran itu, sinusoid kompleks tidak mempamerkanpelipatan. Sampel kompleks bagi sinusoid bernilai sebenar mempunyai bahagian khayalan kosong dan mempamerkan pelipatan.

Frekuensi sampel

[sunting |sunting sumber]
Lukisan 4 bentuk gelombang yang dihasilkan semula daripada sampel yang diambil daripada enam kadar berlainan. Dua daripadanya disampelkan secukupnya supaya tiada pengaliasan pada kesemua enam kadar. Dua lagi menunjukkan herotan (pengaliasan) meningkat di kadar yang lebih rendah.

Apabila syaratfs/2 > f{\displaystyle \scriptstyle f_{s}/2\ >\ f} dipenuhi untuk komponen frekuensi tertinggi bagi isyarat asal, maka syarat tersebut turut dipenuhi oleh semua komponen frekuensi yang lain, iaitu syarat yang dikenali sebagaikriteria Nyquist. Bagi mendapatkan hasil terdekat seperti yang disyaratkan, biasanya isyarat asal akan ditapis supaya komponen berfrekuensi tinggi dilemahkan sebelum disampelkan. Komponen berfrekuensi tinggi yang dilemahkan ini masih menghasilkan alias berfrekuensi rendah, namun selalunya amplitudnya cukup lemah hingga tidak membawa masalah. Penapis yang diguna untuk mendapatkan frekuensi sampel tertentu disebutpenapis antialias.

Isyarat yang sudah ditapis kemudiannya boleh dihasilkan semula, menerusi algoritma penentudalaman, tanpa herotan tambahan yang ketara. Kebanyakan isyarat tersampel tidak disimpan dan dihasilkan semula begitu saja. Tetapi darjah ketepatan penghasilan semula teori (menerusiformula penentudalaman Whittaker–Shannon) adalah ukuran lazim keberkesanan pensampelan.

Pengaliasan sudut

[sunting |sunting sumber]

Pengaliasan akan berlaku apabila penggunaan unsur-unsur diskret untuk menangkap dan menghasilkan isyarat terus menyebabkan ketaksaan frekuensi.

Pengaliasan ruang, khususnya frekuensi sudut, boleh berlaku apabila menghasilkan semulamedan cahaya[4] atau medan bunyi dengan unsur-unsur diskret, seperti dalampaparan 3D atausintesis medan gelombang bunyi.

Lihat juga

[sunting |sunting sumber]

Rujukan

[sunting |sunting sumber]
  1. ^Mitchell, Don P.; Netravali, Arun N. (August 1988). "Reconstruction filters in computer-graphics". ACM SIGGRAPH International Conference on Computer Graphics and Interactive Techniques. 22. m/s. 221–228. doi:10.1145/54852.378514. ISBN 0-89791-275-6. http://www.mentallandscape.com/Papers_siggraph88.pdf.
  2. ^Tessive, LLC (2010)."Time Filter Technical Explanation"
  3. ^harris, frederic j. (Aug 2006).Multirate Signal Processing for Communication Systems. Upper Saddle River, NJ: Prentice Hall PTR.ISBN 0-13-146511-2.
  4. ^The (New) Stanford Light Field Archive

Bacaan lanjut

[sunting |sunting sumber]
Diambil daripada "https://ms.wikipedia.org/w/index.php?title=Pengaliasan&oldid=3727575"
Kategori:

[8]ページ先頭

©2009-2026 Movatter.jp