基于Nuttall窗插值FFT算法的谐波分析

采用快速傅里叶变换(Fast Fourier Transformation,FFT)算法进行谐波分析时不易实现同步采样和整数周期截断,由此造成的频谱泄漏和栅栏效应将影响到谐波分析的精度。加窗和插值修正算法能提高基于FFT的谐波参数计算的准确度,由此提出一种用于谐波分析的加4项5阶Nuttall窗的双谱线插值FFT算法,给出了实用的插值修正公式。实验结果表明,与Blackman-harris窗、4项3阶Nuttall窗插值FFT算法相比,该算法具有更小的计算量和更高的分析精度。     

一种基于FFT的高分辨率音频频率测量方法

传统音频分析算法中存在的栅栏效应和频率泄露现象大大降低了频率、幅度的计算精度,尤其是在快速傅里叶变换中点数较少时,直接计算出的频率误差很大。基于此,该文提出了一种加窗插值快速傅里叶变换改进算法。在该改进算法中采用加窗插值算法来减小频谱泄露,消除栅栏效应引起的误差,改进频率及幅度校正参数的计算方法,大大提高了频谱频率及幅度的计算结果精度。     

基于加窗插值FFT的电网谐波检测系统的研究

随着科学技术和国民经济的快速发展,电能的需求量也极大增长,同时电能质量越来越显示其重要性,电力部门和用户对电能质量的关注也日益增加。大量电力电子装置的迅速普及使得电网的谐波污染日益严重,谐波影响电力设备的安全使用,也对周围的通信系统和电网以外的设备带来危害。基于保护电力设备及合理利用电力资源的目的,采用DSP和单片机双CPU的结构,进行FFT变换、加窗插值等数字信号处理的方法,对电力参数进行准确、实时地检测。通过实验,得到了谐波次数及与之对应的有效值、谐波幅值及畸变率。     

基于卷积窗的插值算法研究

快速傅里叶变换是谐波分析的常用算法,当采样不同步时,则导致各谐波间的频谱泄漏和栅栏效应.在尽量减少采样间同步误差时,选择适当的窗函数,并进行插值计算,可以减少频谱泄漏和栅栏效应.已知卷积窗比余弦窗具有更小的频谱泄漏,对卷积窗插值进行分析,计算推导显示当频率偏差δ为某一特殊值时,进行卷积窗插值能有效抑制频谱泄漏,计算精确度高.     

信号频率的卷积窗比值新算法

针对传统窗函数的特性引起经典频谱校正法测频精度较低这一技术瓶颈,给出了运用卷积运算构造新窗函数的方法。以矩形卷积窗函数为例,在长度相同的条件下说明了新窗函数的优良特性;针对该新窗函数提出了基于最小二乘逼近的比值新算法,对实际的多频率信号进行频率测量研究。结果表明：该新算法可以实现信号频率的高精度测量,这种通过最小二乘逼近将复杂窗函数应用到比值校正法中的思路具有理论与工程应用价值。     

一种基于FFT的高精度频率估计算法

介绍一种适用于估计高斯白噪声背景下的信号频率的快速、高精度估计算法,以及算法原理、设计思想、流程,并使用Matlab进行仿真,给出计算机仿真结果,分析算法优劣。结果表明:本算法具有有效抑制FFT的“栅栏”效应对估计结果的影响、估计精度高、抗噪性能良好、同等精度下运算量小等优点。     

基于FFT的快速高精度正弦信号频率估计算法

提出了一种新的基于FFT的快速高精度正弦信号频率估计算法。通过分析Jacobsen算法和傅里叶系数插值迭代算法的性能,指出Jacobsen算法计算简单,精度不高;傅里叶系数插值迭代算法精度较高,但需要进行两次迭代,每次迭代均需计算两点的FFT系数,计算量较大。结合这两种算法,文中提出一种改进的高精度算法。该算法采用Jacobsen算法作为迭代初值,仅需进行一次迭代就能达到原迭代算法两次迭代的性能。仿真结果表明该算法在FFT信噪比门限以上全频段估计的均方根误差十分接近克拉美罗下限,具有较强的抗噪性能,且计算量较少,易于实时实现。     

基于谐波测量的改进余弦窗函数

电网电压监测设备在监测运行设备的电流电压波形时通常采用谐波分析法,针对传统FFT谐波分析法在电网频率波动时谐波测量会产生栅栏效应和频谱泄漏的问题,在研究余弦窗特性的基础上提出了一种改进3项余弦窗。通过频谱衰减曲线与传统余弦窗对比,采用基于数据样本的非线性拟合方法,拟合出了改进窗插值算法的谐波幅值相位修正系数,使改进窗插值算法能实际应用于谐波测量。通过谐波测量仿真对比,验证了加改进余弦窗的谐波测量准确度更高。     

基于自回归谱Marple算法的频率估计分析

和传统的FFT相比,采用AR模型进行计算得到的功率谱估计有更好的能量聚集性和频率分辨率,因而可以用来进行频率估计。本文章采用AR模型中的Marple算法进行频率估计,在Marple算法的基础上对估计理论及影响估计精度的相关的因素进行探讨,并在计算机上进行仿真,仿真结果表明Marple算法能达到很好的频率估计效果。     

基于加窗的相位相关的多谱段图像匹配

图像匹配是计算视觉领域的基本问题,多谱段图像匹配一直是图像匹配中的一个难点,被广泛应用于土地覆盖、变化检测分析、图像融合中。在利用FFT实现相位相关的基础上,针对其存在频谱泄露和边缘效应的问题,提出一种加窗预处理的相位相关法,对合成孔径雷达图像和光学图像进行匹配,并通过核回归方法生成二维窗函数。实验结果表明基于加窗的相位相关对多谱段图像匹配有效。     

一种基于FFT的Midamble码搜索算法

针对一种基于UTRA TDD LCR时隙结构的ad-hoc网络的通信特点,给出了一种可在DSP上实现的基于FFT的M idamble码搜索算法,并给出了基于该算法的多径搜索实现方案。分析表明,该算法充分利用了DSP的特点,且其运算效率相比于传统的匹配滤波有大大的提高。     

用FFT算法计算轴对称火焰温度的径向分布

本文描述了采用快速傅里叶交换(FFT)计算Abel逆变换的方法,并用高斯函数和双峰函数对算法进行了检验,取得了良好的结果。文章用此算法对轴对称火焰的全息干涉条纹进行了实际处理,给出了火焰两个不同截面的温度分布。     

基于双模算法的脉搏波速度测量方法研究

人体脉搏波速度(PWV)被认为是体现心脑血管健康和血管壁弹性变化的重要因素之一。医学上对脉搏波速的研究也变得越来越热,许多诸如糖尿病、高血压、冠心病、动脉硬化等疾病也都与之有密切关系。因此,对脉搏波速度(PWV)的检测具有重要的、特殊的意义。该文主要从信号提取和信号分析方面入手研究脉搏波,利用标准时钟信号插入所提取的肱动脉与桡动脉信号之间以及多点脉搏波信号相位差之间取平均值的双模算法,从而更精确地计算出PWV,并且其求解的PWV标准差为0.06~0.12。该文所使用的双模算法在实时性、测量精度和稳定性方面,优于传统的PWV测量方法,可应用于脉搏波相关的医学研究和实验中。     

基于粒子群优化的数字波束形成算法

波束形成的加权系数求解是一个优化过程,现有算法大多经过多次迭代,计算量大,实现复杂。为降低波束形成算法复杂度,将粒子群优化原理应用于数字波束形成中,提出了基于粒子群优化的自适应数字波束形成算法。该算法将每一组权值作为一个粒子,将阵列加权和的输出信号与干扰噪声比(SINR)作为适应度函数,通过比较各个粒子的适应度值,进行迭代搜索得到最优解。该算法可使天线阵在主波束对准有用信号,同时能有效抑制两个以上的干扰,且对阵列通道误差有较好的稳健性。计算机仿真验证了算法的有效性。     

基于遗传算法的UWB信号非相干捕获方法

 本文针对动态信噪比环境超宽带（UWB, Ultra WideBand）信号的非相干捕获,提出了一种基于遗传算法的信号捕获方案.以遗传算法结合在线估计接收信噪比,搜索积分窗口长度与定时位置的参数组合,实现系统要求的比特错误概率.该方法解决了传统捕获方案在未知信噪比条件下积分长度无法择优选取以及捕获门限难于设定的问题.仿真结果表明,基于遗传算法的二维参数捕获方法与传统Look and Jump by K steps算法相比有效的提高了未知信噪比条件下的系统捕获性能,拓展了UWB非相干系统的应用范围.     

基于分裂基-2/(2a)FFT算法的卷积神经网络加速性能的研究

卷积神经网络在语音识别和图像识别等众多领域取得了突破性进展,限制其大规模应用的很重要的一个因素就是其计算复杂度,尤其是其中空域线性卷积的计算。利用卷积定理在频域中实现空域线性卷积被认为是一种非常有效的实现方式,该文首先提出一种统一的基于时域抽取方法的分裂基-2/(2a) 1维FFT快速算法,其中a为任意自然数,然后在CPU环境下对提出的FFT算法在一类卷积神经网络中的加速性能进行了比较研究。在MNIST手写数字数据库以及Cifar-10对象识别数据集上的实验表明：利用分裂基-2/4 FFT算法和基-2 FFT算法实现的卷积神经网络相比于空域直接实现的卷积神经网络,精度并不会有损失,并且分裂基-2/4能取得最好的提速效果,在以上两个数据集上分别提速38.56%和72.01%。因此,在频域中实现卷积神经网络的线性卷积操作是一种十分有效的实现方式。     

一种基于复数主成分分析的磁共振波谱量化预处理方法

该文提出了一种应用复数主成分分析方法(CPCA)来获取波谱基木波型,自动校正频率和衰减系数偏移的方法。该方法首先对频率进行校正,然后拓宽CPCA的应用范围,把它使用到衰减系数偏移校正领域。文中的实现结果证明:该方法较好地实现了频率和衰减系数的校正,在同实域PCA方法性能比较上,前者的计算速度和估计精度明显占优。     

基于EWC算法的DDoS攻击检测模型参数更新方法

针对现有基于多层线性感知器(Multi-Layer Perceptron, MLP)神经网络的DDoS攻击检测模型参数更新方法(MLP-UD)易遗忘模型训练原参数所用的DDoS攻击数据集(原数据集)知识、时间空间开销大的问题,该文提出一种基于弹性权重保持(Elastic Weight Consolidation, EWC)算法的模型参数更新方法(EWC-UD)。首先,使用K-Means算法计算原数据集聚类簇中心点作为费雪信息矩阵计算样本,有效提升计算样本均匀度与聚类覆盖率,大幅减少费雪信息矩阵计算量,提升参数更新效率。其次,基于费雪信息矩阵,对模型参数更新过程中的损失函数增加2次惩罚项,限制MLP神经网络中重要权重与偏置参数的变化,在保持对原数据集检测性能的基础上,提升对新DDoS攻击数据集的检测准确率。然后基于概率论对EWC-UD方法进行正确性证明,并分析时间复杂度。实验表明,针对构建的测试数据集,EWC-UD方法相较于MLP-UD仅训练新DDoS攻击数据集的更新方法,检测准确率提升37.05%,相较于MLP-UD同时训练新旧DDoS攻击数据集的更新方法,时间开销下降80.65%,内存开销降低33.18%。     

基于混合人工蜂群策略的改进DV-Hop定位算法

为了减小DV-Hop算法在无线传感器网络节点定位中的误差,提出了一种基于混合人工蜂群算法的改进算法。该算法结合了粒子群算法收敛速度快和蜂群算法搜索能力强的特性,首先通过DV-Hop算法估计锚节点与未知节点之间的距离,然后采用粒子群算法计算未知节点的初始位置,最后利用蜂群算法进行迭代求精,从而实现基于不同距离测量方法的总体优化。仿真结果表明,改进算法的定位精度较DV-Hop算法和基于粒子群的定位算法有明显改善。     

一种数字化基带成形实现新方法:基于码元间隔的定长滑动窗算法

针对数字化基带成形滤波的信号处理特点,提出二维分解截短基带波形的方法,进而形成基于码元间隔的定长滑动窗算法。该算法具有最小数据缓存量要求以及最小输出延迟的显著特点,是特别适合于数字化基带成形滤波的一种新实现方法,并可在序列间样点不等间隔的有限长序列与有限长序列、有限长序列与无限长序列之间的卷积运算上取得同样显著的实用效果。