1) discrete fractional Fourier transform
离散分数傅里叶变换
1.
Digital Watermark Algorithm Based on M-cycle Discrete Fractional Fourier Transform;
基于M周期离散分数傅里叶变换的数字水印算法
2.
The discrete fractional Fourier transform is a generalization of discrete Fourier transform,This paper extends the discrete fractional Fourier transform to multiple-parameter discrete fractional Fourier trans- form which have N order parameter,and applies it into digital image encryption and decryption.
离散分数傅里叶变换是离散傅里叶变换的推广,文中将离散分数傅里叶变换推广到了带有N个参数的多参数分数傅里叶变换,并将它应用于数字图像加密解密过程中。
2) discrete fractional Fourier transform
离散分数阶傅里叶变换
1.
The modification of MA-CDFRFT algorithm used in computing discrete fractional Fourier transform;
用于计算离散分数阶傅里叶变换的MA-CDFRFT算法改进
2.
Implementation of fast algorithm of discrete fractional Fourier transform on DSP;
离散分数阶傅里叶变换快速算法的DSP详细实现
3) Discrete Quaternion Fourier Transforms (DQFT)
离散四元数傅里叶变换
4) discrete Fourier transform
离散傅里叶变换
1.
Research on definition of discrete Fourier transform;
离散傅里叶变换的定义研究
2.
Characterizing discrete Fourier transform errors in signal processing by inner product;
工程信号处理中离散傅里叶变换的误差
3.
Using the spectrum decomposition technique by discrete Fourier transform in short window a-chieves the object using imaging feature of tuning amplitude in frequency domain to study the regularity of lateral variation in reservoir and fully dig up seismic resolution capability in dominant-high frequencies of seismic data.
采用短时窗离散傅里叶变换的频谱分解技术,实现了在频率域内通过调谐振幅的成像特征来研究储层横向变化规律的目标,最大限度地挖掘了地震资料主频至高频端的地震分辨能力。
5) discrete Fourier transforms
离散傅里叶变换
1.
Based on 2-D discrete Fourier transforms(DFT) of infrared images from water jet and the analyses of its 2-D spatial spectrum,investigations were made on the spatial scales of passive scalars turbulent flow in high pressure water jet fields,which are represented by infrared images.
基于二维离散傅里叶变换及空间频谱分析,对水射流湍流脉动的空间尺度进行了研究,得到了由红外辐射温度表征的被动标量湍流场在对流区、耗散区、惯性子区的特征空间尺度及其时间演化规律。
6) discrete Fourier transform(DFT)
离散傅里叶变换
1.
The integral cycles of signals were truncated by backward searching from the original asynchronous data,and the fundamental component position was obtained by searching the spectrum after discrete Fourier transform(DFT),and at last the amplitudes and phases of all the harmonic components were calculated.
该算法采用逆向搜索在非同步采样数据中截取整周期的采样序列,通过离散傅里叶变换(DFT)得到频谱,搜索频谱幅值得到基波谱线位置,计算基波及各次谐波的幅值和相位。
2.
The receiver calculates the phase of differential signals and discrete Fourier transform(DFT).
在传输突发包前插入一段已知的训练序列,接收端将信号进行差分、求相位后,对其进行离散傅里叶变换(DFT)。
3.
For a given sequence,discrete Fourier transform(DFT) transforms it in to the frequency domain through grouping spectral line,the decomposition is to be implemented.
根据正交分解原理和离散傅里叶变换的物理意义,提出了一种分析滤波器组具有理想特性的信号分解与重构新方法(Discrete Fourier transform subband decomposition,DFTSD)。
补充资料：N点有限长序列的离散傅里叶变换
时域N点序列χ(n)的离散傅里叶变换(DFT)以X(k)表示，定义为
(1)
式中K＝0,1,...,N-1。式(1)称为DFT的正变换。从式(1)可以导出
(2)
式中n＝0,1,...,N-1。式(2)称为DFT的逆变换。式(1)和式(2)合起来称为离散傅里叶变换对。
由于在科学技术工作中人们所得到的离散时间信号大多是有限长的N点序列，所以对N点序列进行时域和频域之间的变换是常用的变换，另外 DFT有它的快速算法，使变换可以在很短的时间内完成,所以DFT是数字信号处理中最为重要的工具之一。
DFT的原理 是以给定的时域N点序列χ(n)作为主值周期进行周期延拓（即使之周期化）得到以 N点为周期的离散周期序列χ((n))N,再求χ((n))N的离散傅里叶级数(DFS)表示(见离散时间周期序列的离散傅里叶级数表示),得频域的N点离散周期序列X((k))N,最后从X((k))N中取出其主值周期，即得X(k)。同理，与此相似，如果已知X(k)求χ(n),则是从X(k)得X((k))N，再从X((k))N得χ((n))N，取出主值周期即得χ(n)。这个概念很重要，DFT的性质大都与此有关。至于从χ(n)求X(k)，或已知X(k)求χ(n)则是用(1)式或(2)式直接进行的，并不需要通过χ((n))N和X((k))N。
DFT的主要性质 共有5点，如下表中所列。表中a、b为常数, χ((m))N为以N点为周期的周期序列，χ((n+m))N为χ((n))N序列整体左移m点后的结果其他符号如X((k+l))N，X((l))N，Y((k-l))N及y((n-m))N等可类推其含义，不一一列出。
DFT的快速算法 又称为快速傅里叶变换(FFT)。当序列的长度N为2的整数次幂（即N＝2,&λ为整数）时,算法的指导思想是将一个N 点序列的DFT分成两个N/2点序列的DFT,再分成四个N/4点序列的DFT,如此下去,直到变成N/2个两点序列的DFT。这种快速算法的计算工作量与DFT的直接计算的计算工作量之比约为log2N/(2N),以N=1024为例FFT的计算工作量仅约为DFT直接计算的1/200。
(1)
式中K＝0,1,...,N-1。式(1)称为DFT的正变换。从式(1)可以导出
(2)
式中n＝0,1,...,N-1。式(2)称为DFT的逆变换。式(1)和式(2)合起来称为离散傅里叶变换对。
由于在科学技术工作中人们所得到的离散时间信号大多是有限长的N点序列，所以对N点序列进行时域和频域之间的变换是常用的变换，另外 DFT有它的快速算法，使变换可以在很短的时间内完成,所以DFT是数字信号处理中最为重要的工具之一。
DFT的原理 是以给定的时域N点序列χ(n)作为主值周期进行周期延拓（即使之周期化）得到以 N点为周期的离散周期序列χ((n))N,再求χ((n))N的离散傅里叶级数(DFS)表示(见离散时间周期序列的离散傅里叶级数表示),得频域的N点离散周期序列X((k))N,最后从X((k))N中取出其主值周期，即得X(k)。同理，与此相似，如果已知X(k)求χ(n),则是从X(k)得X((k))N，再从X((k))N得χ((n))N，取出主值周期即得χ(n)。这个概念很重要，DFT的性质大都与此有关。至于从χ(n)求X(k)，或已知X(k)求χ(n)则是用(1)式或(2)式直接进行的，并不需要通过χ((n))N和X((k))N。
DFT的主要性质 共有5点，如下表中所列。表中a、b为常数, χ((m))N为以N点为周期的周期序列，χ((n+m))N为χ((n))N序列整体左移m点后的结果其他符号如X((k+l))N，X((l))N，Y((k-l))N及y((n-m))N等可类推其含义，不一一列出。
DFT的快速算法 又称为快速傅里叶变换(FFT)。当序列的长度N为2的整数次幂（即N＝2,&λ为整数）时,算法的指导思想是将一个N 点序列的DFT分成两个N/2点序列的DFT,再分成四个N/4点序列的DFT,如此下去,直到变成N/2个两点序列的DFT。这种快速算法的计算工作量与DFT的直接计算的计算工作量之比约为log2N/(2N),以N=1024为例FFT的计算工作量仅约为DFT直接计算的1/200。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条