1) LpFFT
插值傅立叶变换
1.
In this paper,major research was on the identification of the harmonic parameters from the project signal using LpFFT.
在系统论述基于插值傅立叶变换的频率精确识别方法的基础上,在Matlab环境下进行了利用插值傅立叶变换对噪声背景下单一频率信号、谐波信号及间谐波信号的频率识别的仿真验证,并针对采样点数、采样频率、以及在采用插值法时不同窗函数对测量结果的影响进行了比较;针对一组汽轮发电机组的升降速信号进行了分析,结合具体实例利用插值法对信号进行分析;利用Labview软件平台开发了基于插值傅立叶变换的信号频率特征提取软件。
2) Fourier transform interpolation
傅里叶变换插值
3) Windows and Interpolation Fast Fourier Transform algorithm
加窗插值快速傅立叶变换算法
4) interpolated fast Fourier transform
插值快速傅里叶变换
1.
The Doppler frequencies of targets are firstly estimated based on interpolated fast Fourier transform method and the Doppler compensated signal is constructed.
该方法将单频脉冲信号和伪码调相信号结合起来,采用两种波形交替发射,在利用插值快速傅里叶变换方法得到各目标对应多普勒频率的基础上,构造相应的多普勒补偿后的信号再进入距离波门进行脉压-快速傅里叶变换处理,消除了原有的多普勒容限的影响,使该体制雷达可以应用于近程高速目标的搜索和跟踪,多普勒频率估计方差接近单频回波时段的Cra-mer-Rao下限。
5) Fourier Transform
傅立叶变换
1.
Determination of total acid and total ester in liquor based on Fourier transform near-infrared spectroscopy;
傅立叶变换近红外光谱法检测白酒总酸和总酯
2.
A method of digital image watermarking based on wavelet and Fourier transform;
基于小波和傅立叶变换组合的数字图像水印算法
6) Fourier transforms
傅立叶变换
1.
Discrete Fourier transforms and fast Fourier transforms were analyzed and compared in this thesis.
本文对离散傅立叶变换和快速傅立叶变换进行了分析与比较,讨论了两种不同变换算法的优缺点和适用范围。
2.
A new method proposed which uses synthesis algorithm on the basis of wavelet transforms and Fourier transforms to measure electricity parameter.
提出一种基于小波变换和傅立叶变换综合测量电参量的新方法。
3.
In the integral formula of Fourier transforms of option pricing formula,by using residues theorem two integrations were simplified into a single numerical integration which has a faster rate of decay.
在期权定价公式的傅立叶变换积分公式中,运用留数定理将公式中的两个积分式子化简成一个被积函数衰减较快的积分函数式,从理论上提高了计算效率,缩短了计算时间,为投资者快速计算期权价值节约了时间。
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