1) Non-uniform Fast Fourier Transforms (NUFFT)
非均匀快速傅立叶变换(NUFFT)
2) NUFFT
非均匀快速傅立叶变换
1.
In this work,NUFFT will be applied in RMA,our approach consists in substituting both the Stolt interpolation and the final range inverse FFT by a single NUFFT,wipe off vast calculation arise from Stolt interpolation.
将非均匀快速傅立叶变换(NUFFT)应用到RMA成像算法中,将Stolt插值和距离向的IFFT用NUFFT来替换,在保证成像质量的情况下,提高了成像的效率,仿真结果证明了该算法的有效性。
2.
This paper introduces the method of NUFFT technique based on MOM to extract the electric parameters of microsrip circuit.
在矩量法的基础上结合二维非均匀快速傅立叶变换技术,计算屏蔽微带线电参数时,采用不同细密度的剖分网格,使得阻抗矩阵填充时间减短,在保证计算精度的前提下,提高计算效率。
3) nonuniform fast Fourier transform
非均匀快速傅里叶变换
1.
The first step of the algorithm calculates the reconstruction data by Shepp and Logan,and the kernel matrix obtained in the least squares nonuniform fast Fourier transform(LS-NUFFT) algorithm is used for the convolution kernel.
首先,根据标准的sheep and Logan体模算出重建数据点的值,再选用最小二乘非均匀快速傅里叶变换(LS-NUFFT)算法里的核矩阵作为卷积核,并用此核矩阵将非笛卡儿分布的重建数据点插值到笛卡儿网格内,最后用二维的傅里叶逆变换完成图像的重建。
4) non-uniform fast Fourier transform (NUFFT)
不等间隔快速傅立叶变换(NUFFT)
5) Nonuniform Discrete Fourier Transform (NDFT)
非均匀离散傅立叶变换
6) NDFT
非均匀傅立叶变换
1.
We propose a good method based on NDFT to estimate the parametric cues between any two channels in the non-uniform sub-bands with different precisions,and it is proved that this method can accomplish the compression and decompression of multi-channel audio signals very well.
本文提出了一种基于非均匀傅立叶变换的方法,在非均匀的子带内以不同的精度估计声道间参数,有效的实现了多声道信号的压缩与还原。
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