第74章 第一层考验（求收藏求追读求月票） (2/5)

    他首先尝试了自己之前处理实验数据的那套算法：

    傅里叶变换下的直接反卷积。

    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-posed problem）。

    “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。

本章未完，请点击下一页继续阅读