这在理论上是可行的,通过除以仪器响应函数的傅里叶变换,就能得到原始信号。
他很快写好了几十行代码,按下运行。
不到一分钟,结果图弹出——屏幕上是一片彻底崩溃的雪花噪声,状若心电图最后的疯狂抽搐。
失败了。
“嗯?”
刘伟的眉毛扬了一下,非但没有失望,眼中反而闪过一丝更浓厚的兴趣,“有意思,他碰壁了。”
对导演而言,一帆风顺的神话,远不如天才在碰壁后凭借自身力量解决难题的“故事”来得动人。
林允宁看着那张失败的图,脸上没什么表情,只是指尖在桌上有节奏地敲击着。
他立刻就找到了问题所在:
直接反卷积,在数学上等同于用一个很小(甚至趋近于零)的数去除另一个数,这个过程会将原始数据中本不明显的噪声无限放大,最终导致结果完全崩溃。
在信号处理领域,这是一个经典的“病态问题”(ill-posedproblem)。
“呵,果然让陈师兄说中了,想走捷径,门儿都没有。”
他低声自语。
不能硬解,那就只能换个思路。
问题的核心,是信息不足。
而他手里唯一被忽略的额外信息,就是物理定律本身的约束——Kramers-Kronig关系。
他意识到,K-K关系在这里不应该被当作一个简单的“变换工具”,而是一个必须被严格遵守的“物理先验”。
他的最终答案,无论如何都必须满足这个约束。
那么,解题的思路就从“一步到位的求解”,变成了“戴着镣铐的寻找”。
也就是,建立一个本身就满足K-K约束的理论模型,然后通过迭代优化的方法,去寻找一组最优的模型参数,让这个模型产生的结果,去无限逼近那份带噪声的实验数据。
这,才是解决这类反演问题的正道。
而这整个算法的核心,就是那个在模拟空间里让他碰壁的幽灵——
希尔伯特变换。
理论上,希尔伯特变换像一个完美的数学“翻译官”,能将光谱的实部与虚部进行精确互换。
但这个“翻译官”有个毛病——
他必须读完从宇宙大爆炸到热寂的所有信息,才能开始工作。
可现实是,实验数据永远只是一个有限的片段。
让一个处理无限信号的“翻译官”,去翻译一本残缺不全、只有几百个单词的“书”,结果必然是灾难性的。
这就是问题的症结所在。
“说来说去,还是绕不过去这个坎儿啊……”
想通了这一点,林允宁将那本Rudin的《泛函分析》又拿到了面前,快速翻到关于“希尔伯特空间与算子”的章节。
他之前在《数学物理方法》里学过希尔伯特变换,但理解停留在“怎么解决物理问题”的层面。
现在,想要完善反演算法,他需要从更底层的数学结构去理解它“为什么是这样”。
【检测到前置知识《数学物理方法》,主体知识《泛函分析》已阅读,知识模块【希尔伯特变换】已收录!】