Методы решения обратных задач, выраженных интегральными уравнениями Фредгольма первого рода
Покупка
Основная коллекция
Тематика:
Основы высшей математики
Издательство:
Удмуртский Государственный университет
Автор:
Немцова О. М.
Год издания: 2005
Кол-во страниц: 12
Дополнительно
Скопировать запись
Фрагмент текстового слоя документа размещен для индексирующих роботов
ВЕСТНИК УДМУРТСКОГО УНИВЕРСИТЕТА ФИЗИКА 2005. №4 УДК 519.6 О. М. Немцова МЕТОДЫ РЕШЕНИЯ ОБРАТНЫХ ЗАДАЧ, ВЫРАЖЕННЫХ ИНТЕГРАЛЬНЫМИ УРАВНЕНИЯМИ ФРЕДГОЛЬМА ПЕРВОГО РОДА 1 Многие задачи обработки экспериментальных данных сводятся к решению интегральных уравнений Фредгольма первого рода. Существует немало математических методов решения этих уравнений. Каждый метод имеет определенные достоинства и недостатки. Поэтому при выборе метода обработки экспериментальных данных необходимо сопоставить особенности конкретной задачи с эффективностью применения того или иного метода при её решении. Ключевые слова: интегральное уравнение Фредгольма первого рода, спектроскопия, Фурье преобразование, регуляризация, априорная информация. Введение Цель любого физического эксперимента состоит в получении качественной и количественной информации об объекте исследования на основании набора экспериментальных данных. Обработка, расшифровка и последующая интерпретация этих данных существенно зависят от того, насколько правильно выбраны физическая модель, математическая модель и математический метод обработки. Выбор физической модели определяется основными представлениями теории об исследуемом явлении. Математическая модель представляет собой аналитическое описание физического эксперимента. Выбор математического метода определяется тремя основными критериями: целью обработки, точностью исходных данных и имеющейся априорной информацией. В настоящей работе сделан обзор существующих методов обработки экспериментальных данных и даны рекомендации по выбору того или иного метода. 1. Физические задачи, описываемые интегральными уравнениями Фредгольма 1 -го рода Многие физические задачи математически выражаются интегральными уравнениями Фредгольма первого рода. Задача определения функции распределения параметров сверхтонкого взаимодействия из мёссбауровских спектров описывается интегральным уравнением Ap ≡ b a K(x, ν)p(x) dx = y(ν), ν ∈ [c, d], (1.1) 1Работа выполнена при поддержке Фонда содействия отечественной науке.
О. М. Немцова где y(ν) — мёссбауэровский спектр или интенсивность резонансного поглощения как функция относительной скорости ν ; p(x) — распределение параметра x ; K(x, ν) — функции, задающие форму элементарных составляющих. Основной математической моделью задач восстановления сигнала и реставрации изображений являются интегральные уравнения 1 -го рода типа свертки (одномерное и двумерное): b a H(x − s)y(s) ds = f(x), (1.2) V H(x1 − s1, x2 − s2)y(s1, s2) ds1 ds2 = f(x1, x2) , где y(s) — искомый сигнал ( y(s1, s2) — искомое исходное неискаженное изображение), f(x) — регистрируемый сигнал ( f(x1, x2) — искаженное, например дефокусированное, изображение), H(x − s) — аппаратная функция (H(x1 − s1, x2 − s2) — функция рассеяния точки). Задача рентгеноспектрального структурного анализа (РССА) определения функции радиального распределения атомов g(r) по осциллирующей части коэффициента поглощения χ(k) описывается интегральным уравнением 4πρ k ∞ 0 exp(−2Ur/k) sin(2πk + ψ(k))g(r) dr = χ(k), (1.3) где f(k) — амплитуда и ψ(k) — фаза — известные функции, ρ — плотность материала и U параметр затухания — известные константы, k — модель волнового вектора — переменная, связанная с энергией k ∈ [c, d] . Задача рентгеновской фотоэлектронной (РФЭС) спектроскопии как одного из наиболее информативных методов неразрушающего анализа тонких поверхностных слоев материалов заключается в решении уравнения типа свертки G(E) = ∞ ∞ F(E′)H(E − E′) dE, (1.4) где G(E) — экспериментально полученный спектр; E — кинетическая энергия фотоэлектронов; F(E′) — искомый спектр с высоким разрешением; H(E) — функция пропускания прибора. 2. Некорректные задачи Проблема решения интегральных уравнений 1 -го рода возникает в силу того, что исходные данные известны не точно (экспериментальные данные всегда имеют погрешность), а также в силу необходимости аппроксимации непрерывной задачи дискретным аналогом. В результате приходится решать некорректные задачи.