1) multiple-parameter fractional Fourier transform
多参数分数傅立叶变换
2) Fractional Fourier transform
分数傅立叶变换
1.
A Kind of Operator Reconstruction of Fractional Fourier Transform;
一类分数傅立叶变换算子的构造
2.
A novel algorithm for image watermarking in fractional Fourier transform domain
分数傅立叶变换域的一种鲁棒性图像水印算法
3.
The fractional Fourier transform is a linear operator,and will not be influenced by cross terms.
分数傅立叶变换是线性变换,不存在交叉项,采用分数傅立叶变换搜索匹配动目标信号,使其能量汇聚。
3) self-fractional Fourier function
自分数傅立叶变换函数
1.
By generalizing the definition of self-fractional Fourier functions proposed by A.
Ｌｏｈｍａｎｎ提出的自分数傅立叶变换函数的定义进行了推广，给出了自分数傅立叶变换函数更一般的表达式，并指出了任何可进行分数傅立叶变换的函数都是同级广义自分数傅立叶变换函数的线性组合。
5) Anamorphic fractional Fourier transform
变形分数傅立叶变换
1.
The conception of Anamorphic fractional Fourier transform correlation ( AFrFTC ) is analysed further.
对变形分数傅立叶变换相关做了进一步的理论研究,对待识别目标在单一方向上发生尺度缩放的情况,分别用变形分数相关和常规相关做了比对的仿真实验。
6) 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。
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