离散傅立叶变换和复与实傅立叶级数的相互关系及其应用

本文在阐明与导出离散傅立叶变换、复傅立叶级数及实傅立叶级数三者关系的基础上推导出狭义采样定理,并给出它在圆度测量与评定中的应用实例。     

多维离散傅立叶变换神经网络函数逼近

利用多维离散傅立叶变换原理构造新颖的神经网络模型用于函数逼近,网络结构为分层前向网络。给出了网络的学习算法,网络的大部分权值都是固定的,只有输出层与最后隐层之间的权值需要调节。     

一种波形音频文件压缩的方法

简单描述了波形音频文件的格式,提出了一种压缩波形音频文件的方法,给出了压缩依据和压缩结果,实验结果表明压缩方法是可行的。     

一种更有效的素数长度DFT快速算法

离散傅立叶变换（ＤＦＴ）在数字信号处理、数字图象处理等许多领域起着重要作用,九长度ＤＦＴ的快速计算是任意长度ＤＦＴ快速算法的基础及重要组成部分,传统的素数长度ＤＦＴ快速算法效率较低,且具有程序过于复杂,子进程调度较多等许多不利因素,很难在问题中得到应用,本文采用了一种傅里叶技术－－算术傅立叶变换（ＡＦＴ）来计算ＤＦＴ〈该方法乘法计算量仅Ｏ（Ｎ）,当用于计算素数长度ＤＦＴ时,其效率比传统的方法高,一     

子群循环法——一种计算一维DFT的新方法

本文讨论了一种适合于并行处理的DFT算法——子群循环法,研究了它的序列重排问题以及算法的改进,给出了N为素数及复合数时的一组序列宣排公式,完善了子群循环法,并提出了一种将伪麦森变换与子群循环相结合的混合算法,减少了运算量,适合于在硬件上实现。     

抽样序列傅立叶变换的研究

分析了连续信号抽样变成抽样序列频谱分析与实际电路模型不一致 ,而理论上的频谱分析导出了对实际电路模型频谱分析适用的原因 给出了实际电路抽样连续信号完成抽样序列的频谱分析方法 ,最后根据这一方法完成了有限长离散傅里叶正、逆变换     

一种基于快速傅立叶变换的图像快速隐藏算法

信息隐藏技术作为一种常用的数据保密技术,通过将有价值的数据隐藏于其它数据中来实现对数据的保护.给出了一种基于快速傅立叶变换的快速图像隐藏算法.数值试验表明该方法的隐藏能力较大,并保证了很好的视觉质量,且算法简单易行.     

一种基于前馈神经网络的火灾探测方法

讨论了基于模拟量探测器和前馈神经网络的火灾探测方法。以光学感烟、半导体感温、离子感烟和湿度模拟传感量为输入，以火灾概率和阴燃火灾概率为输出量对前馈神经网络进行训练，不仅可提取火灾环境的有效特征，而且可以提高检测算法的可靠性。     

一种基于快速傅立叶变换和圆周移位的捕获算法

信号搜索捕获是影响GPS软件接收机的重要工作性能指标。为了提高GPS软件接收机的捕获速度,提出了一种基于快速傅里叶变换(FFT)和圆周移位的捕获算法。该算法利用圆周移位的性质,即时域序列的调制等效于频域的圆周移位,将中频信号频谱序列通过圆周移位得到基带频谱序列,不用再通过载波分离,从而降低FFT运算次数。理论分析表明该算法可以有效减少运算量,提高捕获性能。最后,通过FPGA与DSP搭建仿真实验平台,将该捕获算法与已有算法进行比较,结果表明该算法具有较快的捕获速度,减少了捕获时间。     

多层神经网络动态结构的研究

本文提出了一种动态生成多层神经网络最优结构的方法。该方法利用基于经验规则的自适应方法对网络的学习过程进行评价，并根据其结果对网络的结构做出相应的改变。网络结构的修改是通过增加或删除隐含层结点及层数来实现的。该方法可根据问题的复杂度不同而产生与其相应的最优网络结构。我们用计算机仿真函数拟合实验来检验算法，取得满意的实验结果。     

小波神经网络的研究及其展望

小波分析与神经网络结合的研究 ,已成为近些年来信号处理学科的热点之一。小波分析具有良好的时频局部性质 ,而神经网络具有自学习功能和良好的容错能力 ,将二者结合必具有强大的优势。本文对小波网络的结构形式 ,学习算法及其应用进行综述 ,并就其存在的一些问题及其发展趋势进行了探讨。     

提高RBF网络推广能力的一种新方法

用ＲＢＦ网络为非线性映建模，其学习算法对应于求解线性问题，因而学习速度快。然而在样本数据含有加性噪声的情况下，拟合函数会出现迅速振荡，使推广能力受取限制。     

一般光路中的分数傅里叶变换的分析方法

在分数傅里叶变换的基本性质的基础,通过引入一个定标因子,通过两次切变操作来旋转ＷＤＦ,给了分数傅里叶变换的一种新的分析该方法可以将原有的分数傅里叶分析从对称光路扩展到的一般的光路。     

鲁棒区间回归分析的神经网络学习算法

在许多工程实践问题中，区间回归分析是处理区间数据的一个重要手段。文献中用神经网络实现的区间回归分析都假定给定的训练数据是无噪的。当训练数据被污染时，这些方法的性能将急剧下降。本文针对一种区间回归的神经网络实现方法，提出了两种新的神经网络学习算法，能够有效地从有噪训练数据里建立一个鲁棒式的非线性区间回归模型。所提出的学习算法充分利用了对训练数据质量的估计知识。仿真结果表明了这种方法的有效性。     

傅氏域中非整数阶微积分算法及其在地震信号处理中的应用

目前，非整数阶微积分的计算已日益显示出其重要性。该文以傅氏域中整数阶微积分计算方法为基础，将该方法推广到傅氏域中非整数阶微积分的计算。经过模型计算、精度分析及地震信号处理中的若干运用，表明了该方法的有效性及可靠性。而且通过该方法在精确的变换等实际应用中的结果进一步表明，在傅氏域中非整数阶微积分这一计算方法具有简便易行、速度快、应用范围广等优点。     

提高FFT和谱分析速度及精度的方法

FFT(快速傅里叶变换)是频谱分析的核心。本文讨论提高FFT速度和精度的方法,以此为基础实现的频谱分析,其速度和精度均达到很高指标。其中频谱幅值误差小于1％,1024点复数FFT时间小于250ms,32段谱分析时间仅需5s。     

快速傅里叶变换过程的分析

快速傅里叶变换(简称FFT)是在离散傅里叶的运算过程中,使在计算机上的运算次数减少,从而提高数字处理速度的一种方法。     

电力系统频率偏移对傅里叶算法的影响

研究了电力系统频率偏移时傅里叶算法的幅值误差，得完整的傅里叶算法的幅频特性，表明除基频和整次谐波外，该算法的幅频特性是多值函数。分析了用于抑制衰减直流分量的几种滤波器在电力系统频率偏移时的行为。     

关于神经网络高阶连接的张量描述及动力学分析

神经网络中与联想记忆密切相关的两个动力学性质是网络的稳定性和吸引性，针对高阶连接网络，首先讨论了通常所用的Ｈｅｂｂ规则下网络的稳定性和吸引性问题，由于Ｈｅｂｂ规则对于正交或近似正交的原型模式才有较好的联想记忆能力，故文中又针对一般线性无关模式，给出了保证这些模式稳定平衡点的高阶连接权的秩１张量形式，该形式可看作高阶连接的伪逆规则，通过对网络稳定性和吸引性的分析，得出一些充分条件，这些条件对高阶网的