当前课程知识点:分数域信号与信息处理及其应用 > 第1章 绪论 > 1.1 分数傅里叶变换背景与理论 > 1.1 分数傅里叶变换背景与理论
同学们好
今天给大家介绍的是
分数傅里叶变换的绪论
主要内容
分为三个部分
首先给大家介绍一下
研究背景
阐述研究
分数傅里叶变换的动机
然后简要介绍一下
分数傅里叶变换
给大家
一种直观的理解
最后介绍一些
经典的
理论工作
让大家
对其理论发展
有个清晰的了解
奥本海姆的
《离散时间信号处理》中提到
信号一般总是携带着
某一物理系统
有关状态
或行为特征的信息
并且常常是
为了人与人之间
或人与机器之间
交换信息目的
而组成
可以说
信号是信息的载体
信号处理
无处不在
包括雷达
通信 光学 遥感等
多个领域
而傅里叶分析理论奠定了平稳信号
线性时不变系统的分析基础
支撑了信息科学的一次飞跃
傅里叶变换信号处理体系
主要包括采样 滤波 单域分解
随着现代信息系统的飞速发展
以及对信息系统性能要求的不断提高
基于傅里叶变换的
传统信号处理方法
已凸显弊端
在高速目标
探测等领域
信号呈现出
时变 非平稳等复杂特性
傅里叶分析体系
在实际应用中
都遇到了
新的挑战
以分数傅里叶变换为代表的
分数域分析理论与方法
能够提供介于时域
和频域之间的
分数域信号表征
为非平稳信号处理
和线性时变系统分析
开辟了新途径
那么什么是分数傅里叶变换
接下来
我们给出它的
一些直观解释
来帮助大家
理解其基本的物理概念
傅里叶变换
用于分析
平稳信号
相当于让信号的
时频平面
旋转了π/2
分数傅里叶变换
可以分析非平稳信号
让时频平面
旋转任意角度
根据非平稳信号模型
进行相应的
非平稳信号分析
使信号
在合适的分数域
频带变窄
能量得到聚集
即信号的分数域分析
总结起来
分数傅里叶变换
有以下三个特征
首先从时频分布来看
它的作用是对
时频平面的旋转
如中间图展示的
是矩形窗函数的
时频分布
随分数阶次的变化
第二点
其基函数是chirp信号
如右图
展示的不同阶次的chirp信号
可以看出
chirp信号可以在
对应的分数阶次聚焦
第三点
分数傅里叶变换
适用于分析
非平稳信号
相比于傅里叶变换
分数傅里叶变换
考虑到了频率的变化率等等
将分数傅里叶分析
从数学工具
发展为信号处理工具
需完善
分数域信号处理理论
将理论与雷达 通信 光电等结合
需要研究分数域信号处理方法
接下来
我们来介绍
一些分数域
信号处理
理论工作
我们将分数域信号处理理论体系
大致梳理成
以下几个方面
包括分数域定义与性质
分数域卷积与滤波
分数域采样
与重建
分数域
检测与估计
分数域变换与离散
以及分数域时频分布
接下来
我们列举
其中一些代表性的理论工作
让大家先有一个直观的感受
更详尽的内容
由后续课程
再慢慢展开
首先是分数傅里叶变换的定义
这部分推导了
分数傅里叶变换的定义与性质
讲述了其与傅里叶变换以及线性
正则变换的关系
第二部分理论工作
是分数域卷积与滤波
对于频域可分离的信号
在频率做乘性滤波
对应的时域表征是卷积
对应的系统
是线性时不变系统
但是频谱不可分离
在某分数域可分离的信号
需要在分数域做乘性滤波
需要考察时域对应的特征
我们称这种特征为分数卷积
这种卷积对应的系统
为线性时变系统
具体来讲
从不同的角度
我们得到三种不同的分数卷积
分数傅里叶变换
在处理非平稳确定信号方面
表现出很大的优势
但是非平稳 随机信号的
分数域表征规律还未知
因此需要发展
分数域随机信号的统计量
具体来讲
发展了分数相关函数
和分数功率谱
提供了非平稳随机信号的分数域统计量
第三部分是分数域采样与重建
带限平稳信号采样
在傅里叶域是周期延拓满足采样定理
即可准确重建原信号
然而对于宽带非平稳信号采样
在频域 频谱混叠
难以满足采样定理要求
无法重建原信号
宽带非平稳信号的采样及重建
成为限制
现代信息系统性能提升的瓶颈问题
而分数域均匀
非均匀采样定理
为解决宽带非平稳信号的高效采样
存储难题
提供了一条新途径
我们发现了采样信号的分数域谱特性
即除幅度谱周期延拓外相位谱
还有线性调制
提供了更一般化的结论
当 α=π/2 时
采样信号的分数谱
退化为频谱
为采样信号的谱分析
提供了更广阔的视角
第四部分是分数域检测与估计
多分数域联合检测
及参数估计方法
实现了对多分量信号的调频率
频率 相位
幅度的有效
和无偏估计
性能逼近
Cramer-Rao界
在不影响精度的前提下
显著降低了计算复杂度
有效抑制了
强信号分量
对弱信号分量的影响
为解决多分量频率时变信号
去噪和特征感知
提供了新方法
第五部分是分数域变换与离散
对于傅里叶变换
FFT的提出
极大推动了傅里叶分析
在信号处理中的应用
同样地
分数域离散与快速算法
在实际应用中
发挥着重要作用
目前的离散分数傅里叶变换
有很多种
主要可以分为两类
第一类是采样型离散分数傅里叶变换
它是借助FFT来实现离散化
效率比较高
但是会牺牲可加性性质
第二类
离散分数傅里叶变换
为特征分解型离散分数傅里叶变换
它是定义在
核范数的特征函数分解的基础上来实现的
它可以满足可加性
但是计算复杂度较高
即牺牲了
计算效率
大数据量的
分数傅里叶变换
计算复杂度很高
为了降低计算量
提出稀疏分数傅里叶变换
当信号在特定分数域稀疏时
稀疏分数傅里叶变换
可以有效降低
分数傅里叶变换的运算量
最后一部分
是分数域时频分布
短时傅里叶变换
可以给出信号分数谱
随时间变化的关系
具有比短时谱图
更精细的时频分辨能力
为局域非平稳信号分解
特征提取 与利用
提供了理论基础
今天关于分数傅里叶变换的绪论部分
就讲到这里
谢谢大家
-1.1 分数傅里叶变换背景与理论
-1.2 分数傅里叶变换应用
-第1章 讨论题
--第1章 讨论题1
--第1章 讨论题2
-第1章 习题
--第1章 习题
-2.1 分数傅里变换的定义
-2.2 分数傅里叶变换的性质
-2.3 一维/二维分数傅里叶变换
-第2章 讨论题
--第2章 讨论题1
--第2章 讨论题2
-第2章 习题
--第2章 习题
-3.1 分数卷积I
-3.2 分数卷积II
-3.3 功率谱
--3.3 功率谱
-3.4 分数功率谱
-第3章 讨论题
--第3章 讨论题1
--第3章 讨论题2
-第3章 习题
--第3章 习题
-4.1 傅里叶域均匀采样定理
-4.2 分数域均匀采样定理I-采样信号的分数域谱分析
-4.3 分数域均匀采样定理II-信号重建
-4.4 傅里叶域带通采样定理
-4.5 分数域带通采样定理
-4.6 周期非均匀采样定理
-第4章 讨论题
--第4章 讨论题1
--第4章 讨论题2
--第4章 讨论题3
-第4章 习题
--第4章 习题
-5.1 多分量chirp信号检测与参数估计方法
-5.2 多分量chirp信号检测与参数估计背景及仿真
-5.3 基于分数傅里叶变换的时延估计
-5.4 立方相位信号参数估计理论与应用
-第5章 讨论题
--第5章 讨论题1
--第5章 讨论题2
-第5章 习题
--第5章 习题
-6.1 分数傅里叶变换离散算法
-6.2 离散分数变换
-6.3 广义Hilbert变换
-6.4 稀疏傅里叶变换的定义
-6.5 稀疏分数傅里叶变换
-第6章 讨论题
--第6章 讨论题1
--第6章 讨论题2
--第6章 讨论题3
-第6章 习题
--第6章 习题
-7.1 短时分数傅里叶变换
-7.2 分数小波变换I
-7.3 分数小波变换II
-7.4 基于分数阶相位匹配原理时频分布构造
-第7章 讨论题
--第7章 讨论题1
--第7章 讨论题2
--第7章 讨论题3
-第7章 习题
--第7章 习题
-8.1 分数傅里叶变换与模糊函数
-8.2 分数傅里叶变换与MIMO雷达模糊函数
-8.3 分数傅里叶变换与雷达通信一体化
-8.4 分数域海杂波抑制
-8.5 分数域雷达动目标检测
-8.6 分数域长时间相参积累及其应用
-8.7 分数域辐射源定位技术
-8.8 分数阶相位匹配时频分布的应用
-第8章 讨论题
--第8章 讨论题1
--第8章 讨论题2
--第8章 讨论题3
--第8章 讨论题4
-第8章 习题
--第8章 习题
-9.1 分数傅里叶光学
-9.2 分数域光学相干层析成像色散补偿技术
-9.3 基于分数傅里叶变换的牛顿环参数估计
-9.4 基于分数傅里叶变换的光纤端面检测仪
-第9章 讨论题
--第9章 讨论题1
--第9章 讨论题2
--第9章 讨论题3
--第9章 讨论题4
-第9章 习题
--第9章 习题
-10.1 分数域高光谱信号处理
-10.2 分数域高光谱异常检测
-10.3 分数域高光谱协同分类
-第10章 讨论题
-第10章 习题
--第10章 习题