1) fractional Fourier transform(FRFT)
分数阶傅立叶变换(FRFT)
3) FrFT
分数阶傅立叶变换
1.
Analysis of an Improved Algorithm of Interference Suppressing to LFM Based on FRFT
分数阶傅立叶变换的线性调频干扰抑制的改进算法
2.
Based on the two approaches,including time delay correlation dechirp method and FrFT scan method, which are discussed in detail,a novel method is presented,which simplifies the LFM signal detection to one-dimension searching in limited range.
在分析和比较了时延相关解线调法和分数阶傅立叶变换(FrFT)扫描法的基础上,提出了一种新方法,该方法将LFM信号的检测问题简化为小范围的一维搜索问题,从而有效的减小运算量和分离强弱信号,同时在低SNR情况下的参数估计性能接近CRLB(Cramer-Rao low bounds)。
3.
Based on the Fractional Fourier Transform(FrFT),an algorithm,which separates and estimates parameters on the sub-sampled LFM signals,is given.
该方法先由延迟相乘和牛顿迭代算法估计信号的调频斜率,然后在分数阶傅立叶变换域进行滤波,实现信号分离。
4) Fractional fourier transform
分数阶傅立叶变换
1.
Detailed Implementations of Discrete Fractional Fourier Transform s Fast Algorithm;
基于TMS320C6201的离散分数阶傅立叶变换快速算法详细实现
2.
Research on algorithm of meaning chirp type watermark based on fractional Fourier transforms;
基于分数阶傅立叶变换的chirp类水印算法研究
3.
A method of ultrasonic coding excitation based on Fractional Fourier Transform;
一种基于分数阶傅立叶变换的超声编码激励方法
5) discrete fractional fourier transform
离散分数阶傅立叶变换
1.
Detailed Implementations of Discrete Fractional Fourier Transform s Fast Algorithm;
基于TMS320C6201的离散分数阶傅立叶变换快速算法详细实现
6) FrFT(Fractional Fourier Transform)
FrFT(分数阶Fourier变换)
补充资料：快速傅立叶变换
快速傅氏变换 英文名是fast fourier transform
快速傅氏变换（fft）是离散傅氏变换(dft)的快速算法，它是根据离散傅氏变换的奇、偶、虚、实等特性，对离散傅立叶变换的算法进行改进获得的。它对傅氏变换的理论并没有新的发现，但是对于在计算机系统或者说数字系统中应用离散傅立叶变换，可以说是进了一大步。
设x(n)为n项的复数序列，由dft变换，任一x（m）的计算都需要n次复数乘法和n-1次复数加法，而一次复数乘法等于四次实数乘法和两次实数加法，一次复数加法等于两次实数加法，即使把一次复数乘法和一次复数加法定义成一次“运算”（四次实数乘法和四次实数加法），那么求出n项复数序列的x（m）,即n点dft变换大约就需要n2次运算。当n=1024点甚至更多的时候，需要n2=1048576次运算，在fft中，利用wn的周期性和对称性，把一个n项序列（设n=2k,k为正整数），分为两个n/2项的子序列，每个n/2点dft变换需要（n/2）2次运算，再用n次运算把两个n/2点的dft变换组合成一个n点的dft变换。这样变换以后，总的运算次数就变成n+2（n/2）2=n+n2/2。继续上面的例子，n=1024时，总的运算次数就变成了525312次，节省了大约50%的运算量。而如果我们将这种“一分为二”的思想不断进行下去，直到分成两两一组的dft运算单元，那么n点的dft变换就只需要nlog2n次的运算，n在1024点时，运算量仅有10240次，是先前的直接算法的1%，点数越多，运算量的节约就越大，这就是fft的优越性。
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