Enfoque de los medios de comunicación de Global Vision
La empresa apareció en CCTV un total de 15 veces, y su alcance a través de los medios del Partido, los medios centrales y los medios oficiales locales llegó a un total de 50 millones de personas.
"Contaminación oculta" en señales de interferencia: Impacto y métodos de eliminación de la deriva de la línea base
Introducción a los antecedentes
En los sistemas prácticos de imágenes interferométricas, solemos centrarnos en la transformada de Fourier y los algoritmos de reconstrucción espectral, pasando por alto un aspecto fundamental: si la señal de interferencia original es "limpia". Idealmente, la señal de interferencia correspondiente a cada píxel debería oscilar simétricamente alrededor de cero, con su energía concentrada principalmente en las franjas de interferencia efectivas. Sin embargo, en los sistemas reales, este estado ideal casi nunca se da. La señal original suele contener un término de tendencia de variación lenta, lo que provoca que toda la curva de interferencia muestre un ascenso o descenso gradual, como se muestra en la Figura 1. Este término de tendencia, de variación lenta pero no despreciable, es lo que denominamos línea base.
Figura 1. Señal interferométrica original (con línea base)
Si bien la línea base puede parecer una "ligera desviación", su impacto se amplifica durante el procesamiento posterior. Especialmente durante las transformadas de Fourier, esta tendencia de baja frecuencia se traduce en fuertes componentes de baja frecuencia, contaminando toda la estructura espectral y afectando potencialmente todo el rango espectral a través de la fuga espectral. Esto no solo eleva el nivel mínimo espectral, sino que también puede introducir picos espurios, lo que en última instancia conduce a una distribución de energía espectral distorsionada. En otras palabras, lo que a menudo percibimos como un "algoritmo de reconstrucción deficiente" es en realidad un problema que surge incluso antes de que la señal se someta a la transformada de Fourier. Por lo tanto, antes de realizar cualquier análisis espectral, la cuestión principal no debería ser "cómo reconstruir", sino más bien cómo eliminar este tipo de contaminación de baja frecuencia oculta en la señal.
Los métodos comunes de corrección de la línea base actualmente incluyen el filtrado diferencial, el filtrado diferencial adaptativo (ADF), la descomposición empírica de modos (EMD) y el ajuste polinomial, con las siguientes características:
En aplicaciones prácticas, se observa que, si bien cada método tiene sus ventajas, resulta difícil lograr simultáneamente eficiencia computacional y estabilidad de procesamiento. El filtrado diferencial, aunque rápido, tiende a amplificar el ruido. Si bien ADF y EMD mejoran la precisión hasta cierto punto, su complejidad computacional y el tiempo que consume los hacen inadecuados para el procesamiento de datos a gran escala. En cambio, el ajuste polinomial, manteniendo un cierto nivel de precisión, permite un procesamiento rápido mediante el preprocesamiento de matrices, reduciendo significativamente la carga computacional. En la práctica de la ingeniería, logra un mejor equilibrio entre velocidad de procesamiento, eficiencia computacional y precisión relativa, convirtiéndose así en una opción más adecuada.
Principios técnicos
Para eliminar la línea base, primero debemos modelar la señal de interferencia de forma sencilla e intuitiva. Para cada píxel, la señal puede entenderse como compuesta por dos partes: una tendencia de fondo que cambia lentamente y franjas de interferencia que oscilan rápidamente.
Y = L + S
En la mayoría de los escenarios de ingeniería, la línea base se puede aproximar como una tendencia aditiva de baja frecuencia. Aquí, Y representa la señal original, L representa la línea base y S representa la información de interferencia real. Nuestro objetivo es extraer L de Y y luego eliminarla para obtener la señal limpia S. La pregunta clave es: ¿cómo describir esta línea base L? En sistemas prácticos, los cambios de la línea base suelen ser suaves y lentos, por lo que se pueden aproximar mediante un polinomio de bajo orden, por ejemplo:
L(x) ≈ a0 + a1*x + a2*x^2 + ... + an*x^n
La esencia de este paso consiste en utilizar una "función simple" para describir las tendencias de baja frecuencia en un sistema complejo.
A continuación, debemos ajustar este polinomio a la señal original lo mejor posible. El método más común es el ajuste por mínimos cuadrados, cuyo objetivo se puede entender simplemente como (hacer que L sea lo más cercano posible a Y). En los enfoques tradicionales, este paso requiere cálculos de ajuste individuales para cada píxel, lo que se vuelve muy lento cuando el volumen de datos es grande. Sin embargo, en las implementaciones de ingeniería, este proceso se puede optimizar de una sola vez. Para los casos en que el número de puntos de muestreo en el interferograma es el mismo para todos los píxeles, se puede precalcular una matriz fija P, convirtiendo el "ajuste" en una simple operación matricial:
L = P * Y
De esta forma, independientemente del número de píxeles, se puede utilizar directamente el mismo P para extraer la línea base, lo que mejora enormemente la velocidad de procesamiento. El proceso de eliminación de la línea base se vuelve entonces muy sencillo:
S = Y – L
En comparación con el filtrado directo, este método no se limita a "recortar ciertas frecuencias". En cambio, modela y aísla la línea base, preservando así mejor la estructura detallada de las franjas de interferencia y eliminando las tendencias. Además, dado que la matriz P solo necesita calcularse una vez, este método es estable y eficiente al procesar grandes volúmenes de datos, lo que lo hace ideal para aplicaciones de ingeniería. En el procesamiento práctico, se debe prestar atención a los errores en los límites de ajuste; por lo general, se puede emplear una estrategia ponderada o conservar solo la región de interferencia efectiva.
Análisis de resultados
En el procesamiento práctico de datos, los cambios antes y después de la eliminación de la línea base se pueden observar intuitivamente. La señal de interferencia original suele presentar una tendencia general clara; ya sea un aumento lineal o una curva lenta, interrumpe la simetría original de la señal. Tras el ajuste polinómico y el procesamiento de proyección, esta tendencia de baja frecuencia se elimina eficazmente y la señal vuelve a oscilar alrededor de cero, lo que da como resultado una estructura de franjas de interferencia más nítida. Para ilustrar este proceso con mayor claridad, se presentan los siguientes resultados comparativos de la señal de un solo píxel antes y después del procesamiento:
Figura 2. Comparación de la eliminación de la línea base de un solo píxel original antes y después.