|
Ciao,
effettivamente c'è un certo "disaccordo" in giro circa il campionamento "migliore" da utilizzare. Voglio fare un raggionamento al contrario in tal proposito, osservando il problema da un'altro punto di vista ovvero: che significa il migior campionamento? Innanzitutto partiamo dal concetto che, nel digitale, parliamo di dati discreti e non continui, per meglio capire il concetto dobbiamo pensare ad una linea continua che desccrive un disegno, bene nel digitale è più come se fosse un disegno a trattini nei giornali per bambini, in cui se unisci i trattini hai il disegno. Ecco, una linea continua non ha interruzioni, cosa impossibile in digitale in cui si deve considerare una quantità più o meno grande di punti che approssimino il più possibile quella linea e che, soprattutto, non ne perda significativi tratti.
A questo punto si tratta di tabilire qual'è la risoluzione minima (quanti punti considerare) per essere certi di poter ricostruire senza perdite apprezzabili, tale linea. Il citatissimo Nyquist trovò la soluzione al problema relativamente alla necessità di poter ricostruire una sinusoide pura e stabilì che è necessaria una frequenza almeno doppia alla frequenza che si intende ricostruire per poter avere abbastanza "punti" per una ricostruzione certa. Adesso questo è vero per una sinusoide che ha un periodo fisso ed ampiezza variabile, si tratta di campionare una frequenza con ampiezza variabile, entità monodimensionale. Il tipo di onda che noi intendiamo campionare non è nè una sinusoide nè monodimensionale, se non all'origine. Intervengono molteplici fattori a distribuire tale segnale ed a distorcerlo in vario modo. Si tratta di stabilire la frequenza minima necessaria si possa ricostruire un gaussiana biidimensionale. Consideriamo per un'attimo la distribuzione come sferica (isotropica), si tratterebbe di un solido di rotazione in cui, una volta generato un profilo, viene ruotato di 360° intorno al suo asse per "creare" un forma tridimensionale. Nel nostro caso immaginiamo la predetta sinusoide, formerebbe delle semisfere in cui ovviamente la distribuzione è uguale in tutte le direzioni. Basterebbe allora aggiungere una dimensione alla nostra "matrice" per poter campionare tale distribuzione, ovvero basterebbe 3 volte la frequenza considerata per avere la certezza di non deteriorare l'informazione da acquisire. Dato che la dietribuzione non è però sferica ma gaussiana, allora tale frequenza và aumentata a circa 3.25 volte. Esistono poi altri tipi di errore (di discretizzazione, di aliasing ecc.) che ci portano ad aumentare ulteriormente tale valore. Ora, se ho più della necesaria frequenza per campionare tali entità fisiche, allora, nonostante abbia sicuramente un eccesso di dati inutili, sono sempre certo di poter ricostruire tutto il segnale considerato! Ebbene il miglior rapporto di campionamento altro non è che il numero più piccolo di tale frequenza attraverso l'utilizzo del quale siamo sempre certi di poter ricostruire il segnale stesso considerato. Ebbene nei nostri casi si è verificato che tale soglia "minima" consiste in circa 3.35/3.5 volte il valore FWHM del seeing osservato. Tale frequenza potrebbe ai più sembrare sovracamionante ma, specie per chi effettua deconvoluzioni dove le frequenze contano, questo è il valore che non ci fà perdere risoluzione. E' poi vero che tale valore può essere adattato per accomodare soggetti a bassa frequenza (tipo aree diffuse e deboli, nebulose diffuse ecc.) per le quali è addirittura utile abbassare tale frequenza per non avere eccesso di dati e rumore ad alta frequenza che, nel soggetto, non è presente, ovvero è meglio sottocampionare leggermente per rilevare meglio (SNR più elevato) tali soggetti. Il discorso opposto vele per ammassi, stelle doppie, fotometria ed astrometria, globulari ecc. in cui vogliamo risolvere il minor angolo possibile e quindi alte frequenze che impongono di salire con il rapporto di campionamento ovvero "sovrecampionare". In tal modo avremo la risoluzione migliore delle alte frequenze, a scapito delle basse ma che, in tali casi, non ci interessa campionare nello specifico.
Spero di essere riuscito a dare una piccola luce sull'argomento (non forse sulla sua soluzione magari) e dato a voi qualche spunto di riflessione per la discussione.
Ciao da JOE
|
Home
Iscriviti
La Bacheca
F.A.Q.
Login/Logout
). Per iniziare so potrebbe provare ad utilizzare per il blink le lastre fatte alle Hawai negli anni 50/60 (come ho iniziato Io) per vedere molto chiaramente di cosa sto parlando. Fatti due conti rispetto alla scala di immagini utilizzata vedrete che ci sono stelle che sono "missili" rispetto al moto teorizzato per tale ammasso.
