GPU加速的傅里叶变换轮廓术并行计算方法

傅里叶变换轮廓术需要在高分辨率图像上进行相位计算,其耗时较长,不能满足实时处理的要求.相位计算时其待处理的和已处理的数据都是相对独立的图像像素,且计算密度极大,适于并行计算.因此,利用图形处理器的多线程并行处理能力,在GPU上实现了相位的并行计算,解决了在CPU上相位计算速度较慢的问题.实验表明在相位计算质量相同的情况下,经过GPU加速获得了相对于CPU一到两个数量级的加速比,为将傅里叶变换轮廓术应用于实时三维测量奠定了坚实的基础.     

航空发动机振动数据稀疏傅里叶变换分析

稀疏傅里叶变换是近年来新兴的一种基于信号稀疏特性的频谱分析方法,稀疏傅里叶变换通过识别舍弃对分析结果无影响的频率信号,从而对大数据进行快速准确的处理。为了探究稀疏傅里叶变换在航空发动机振动数据分析中的实用性,结合实际飞行试验振动数据,将稀疏傅里叶变换方法与传统快速傅里叶变换方法在频谱特性、运行时间、算法稳定性等方面进行了研究,通过对比可以发现,稀疏傅里叶变换算法在保证准确率的情况下,可以极大地提高振动数据分析的效率。     

分形表面建模方法的比较研究

随机中点位移法、二维Weierstrass-Mandelbrot函数法和离散傅里叶变换法是粗糙零件表面分形建模的3种常见算法.针对它们的合成速度、合成精度以及合成表面的均方根偏差进行了比较和研究.研究发现,离散傅里叶变换法的合成速度仅稍慢于随机中点位移法,但其合成精度以及对均方根偏差的控制能力,均优于其余2种方法.     

基于Rife-Vincent窗衰减信号插值离散傅里叶变换

频谱泄漏和栅栏效应是影响衰减信号离散傅里叶变换精度的主要因素。为了提高多频衰减信号离散傅里叶变换频谱参数的校正精度,提出一种加窗两点矢量插值校正算法。对信号加M阶余弦窗并计算加窗后信号的离散傅里叶变换,利用真实频率附近的两根谱线的矢量比建立方程,通过求解方程获得频率偏移量和衰减因子,利用上述获得的两个参数计算出信号的频率、幅值和相位。余弦窗的最大旁瓣衰减特性能有效的降低频谱泄漏的影响,两点矢量频域插值可以消除栅栏效应,两者结合极大地提高了算法的参数校正精度。仿真和试验结果表明,算法具有较高的参数校正精度和稳定性,且计算效率较高,适用于实时处理及对计算资源要求苛刻的场合,为多频衰减信号的特征提取提供了一种可选的方法。     

基于GPU加速的并行脑皮层重建算法研究

提出了一种基于GPU加速的脑皮层重建并行算法.该算法采用过完备球面小波变换对大脑皮层数据进行多尺度分解及重建.首先在三维欧氏空间,给出了沿坐标轴独立进行球面调和-卷积计算的理论证明;然后利用GPU的通用计算功能对球面调和变换和球面卷积运算进行并行处理,实现了脑皮层快速重建.实验结果表明,使用提出的算法重建的脑皮层与传统CPU算法的结果几乎没有差别,但是计算速度提高了50倍.     

基于LabWindows/CVI的列车逆变电源分析仪的设计

本文基于插值快速傅里叶变换原理，改进了一种基于汉宁（Hanning）窗的三谱线估计插值方法；采用传感器采样的线性拟合算法和频率跟踪技术动态调整采样频率方案，设计出了一款基于Labwindows／CVI的列车逆变电源分析仪，成功用于电力谐波分析，提高了系统的分析精度，仿真实验和测试结果表明这种全局修正的插值快速傅里叶变换算法是成功的。     

基于龙贝格方法的快速傅里叶变换算法

根据龙贝格方法推导了离散傅里叶交换算法,并给出了其快速计算方法和计算实例,其结果优于常规的离散傅里叶变换算法.     

时域抽取基2快速傅里叶变换(FFT)算法

本文阐述了时域抽取基2快速傅里叶变换算法。内容包括公式推导、蝶与蝶块的计算方法、快速傅里叶变换算法的信号流程图与计算机框图以及计算实例。     

基于非均匀采样系统的光栅刻划机频谱分析方法研究

数据采样过程中,由于操作系统定时精度、任务切换等因素的影响,采样系统无法实现均匀采样。使用普通的均匀离散傅里叶变换处理非均匀采样数据会存在较大误差。针对光栅刻划机系统,采用了时域插值方法和非均匀离散傅里叶变换方法进行了仿真验证,对比均匀傅里叶变换结果,减小了频谱变换带来的误差。使用时域插值法和非均匀傅里叶变换,对光栅刻划机实际采样数据进行分析,获得了更好的效果。     

航空光电成像模糊的实时恢复

基于复数离散傅里叶变换(CDFT)频谱的共轭对称性,对传统的实数离散傅里叶变换(RDFT)做了改进,将改进后的RDFT算法用于维纳滤波器中来实现对运动模糊图像的恢复处理。一幅水平方向运动模糊,大小为512×512的8 bit灰度图像被用作测试图像,可以在19 ms内在Intel Pentium 4 3.0 GHz主频的PC机上用一维维纳滤波及改进的RDFT算法完成模糊恢复,满足实时处理的需要。实验结果显示,改进的RDFT能对CDFT的频谱数据实现有效压缩,节省一半的存储空间,使得维纳滤波等图像恢复频域算法的运算速度提高将近一倍;与CDFT相比,改进的RDFT算法没有丢失数据,能达到相同恢复精度。