1) Fourier-domain
傅氏域
2) Fourier transform
傅氏变换
1.
Improved Fourier transform profilometry with non-phase-shifting method;
改进型非相移的傅氏变换轮廓测量法
2.
Using discrete Fourier transform for interpolation of 3-D MT data.;
用傅氏变换实现三维MT数据的插值
3.
The spectrum whitening based on Fourier transform and the frequency increaseof orthogonal wavelets can be used to raise the resolution of seismic data;however,they divide frequency roughly,so that signal energy varies greatly in different frequency bands, often causing the "noodles phenomenon"of signals in time domain.
采用傅氏变换的谱白化方法及正交小波的增频措施可以提高地震记录的分辨率。
3) fourier algorithm
傅氏算法
1.
Filter characteristic analysis of Fourier algorithm;
傅氏算法的滤波特性分析
2.
Discussion on the Fourier algorithm application;
应用傅氏算法的几个问题讨论
3.
Study of improved Fourier algorithm for microprocesson-based protection in power system;
电力系统微机保护中改进傅氏算法综合性能研究
4) Fourier spectrum
傅氏谱
1.
The mathematic relation between wavelet spectrum and Fourier spectrum is deduced strictly, and their link and difference are analysed in detail.
本文在前人工作的基础上，首先导出小波谱和傅氏谱之间的数学关系，分析了它们之间的联系与差别，并由此得出了解析子波的消失矩对谱形影响的一般性结论；然后选用Morlet小波，通过数值试验研究小波谱对谐波信号的刻画能力及特点。
2.
5 km of length, in Hubei province and satisfing the needs of engineering aseismic design, the dynamic characteristics of soil layers of the embankment are observed by using the method of pulsative oscillation,and the data are analyzed by means of Fourier spectrum method.
利用脉动测振方法对荆江大堤堤面沿线土层进行了实测研究,并对实测记录进行了傅氏谱分析。
5) fourier series
傅氏级数
1.
How does jitter frequency reduce EMI from the viewpoint of fourier series theory and the transient electromagnetic field theory is investigated.
从傅氏级数及空间交变电磁场的角度对采用抖频技术如何来减小EMI进行了分析。
2.
This paper discusses the relation between Fourier series and wavelet transform.
就傅氏级数和小波变换之间的关系进行较全面地讨论。
3.
This paper that is based on the Fourier Series and applies the Chebyshev polynomials wonderfuly, gives the distribution function of a randowm variable utilizing its moments, In spite of this distribution function s form in thd series, its value can calculated easily with a computer.
现以傅氏级数为基础,运用契贝谢夫多项式,给出了用随机变量的矩求其分布函数的表达式。
6) Fourier filter
傅氏算法
1.
The algorithm can eliminate the spectral leakage and the barrier effect of the traditional Fourier filter.
本文以电压过零点频率测量法为基础,对原固定采样频率下的采样序列采用拉格朗日线性插值法抽取新的采样序列,再利用傅氏算法提出了一种提高频率测量精度的频率测量方法。
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