当前课程知识点:分数域信号与信息处理及其应用 > 第5章 分数域检测与估计 > 5.1 多分量chirp信号检测与参数估计方法 > 5.1 多分量chirp信号检测与参数估计方法
同学们好
前面我们已经对
分数傅里叶变换的定义
以及它的可加性性质进行了分析
那么这节课开始
我们学习离散分数傅里叶变换
具体的内容分为两部分
第一部分是离散分数傅里叶变换的研究目的
第二部分具体的分析相关的
离散分数傅里叶变换
对于分数傅里叶变换
目前我们已经有了基本的理解
那么为什么要研究它的离散化算法
也就是说为什么要研究
离散分数傅里叶变换
对于傅里叶变换
傅里叶分析理论体系
在分析与处理
平稳时不变信号的时候
它具有很大的优越性
其中FFT的提出
极大的推动了
傅里叶分析在信号处理的应用
随着信息时代的发展
信号会呈现出时变非平稳的特征
此时分数傅里叶变换
为非平稳信号的处理供了一个新的途径
那么要处理这些信号
离散分数傅里叶变换
当然是非常重要的
因此它的研究引起了广泛的关注
基于上面的分析
可以看出离散分数傅里叶变换的
研究是非常重要的
第二部分我们就具体来看一下
这些离散分数傅里叶变换
是如何实现的
对于傅里叶变换
它的核为exp(-jωt)
而我们观察一下
对于分数傅里叶变换
它的核较为复杂
包括t^2项 u^2项和tu项
此外 tu项的系数为-j/sina
这就导致了分数傅里叶变换的
离散化算法
无法直接借助傅里叶变换的
蝶形算法进行快速的计算
因此需要提出其他的思路
来实现离散分数傅里叶变换
目前的离散分数傅里叶变换有很多
主要的可以分为两类
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
它是在核函数的
特征函数分解的基础上实现的
大家听过
前边视频课程的话应该清楚
分数傅里叶变换最开始的定义
是基于特征函数而定义的
它的特点是它可以满足可加性
但是计算复杂度较高
那么我们来分析一下
首先看一下
第一类采样型离散分数傅里叶变换
目前比较主流的有两个算法
第一个我们把它称为
改进的采样型离散分数傅里叶变换
第二个是closed-form
采样型离散分数傅里叶变换
对于改进的采样型离散分数傅里叶变换
在1996年的时候
Ozaktas的团队就提出了
采样型离散分数傅里叶变换
我们把它简记为
IP-DFRFT (improved-DFRFT)
其中这类算法
它是基于定义(2)提出的
定义(2)与我们之前推导的
定义(1)是等价的
它们通过尺度变化
u=u* (2π) t=t*(2π)
就可以进行转换
在时域和变换域进行离散化
其中 Δu=Δt=1/2Δx
此时得到公式(3)
它的计算复杂度和N^2成正比
还是比较高的
之后利用mn=1/2[m^2+n^2-(m-n)^2]
代入(3)式可以得到公式(4)
分析(4)式
相当于先对它进行一个chirp乘法
之后进行一个卷积运算
然后再对它进行一个chirp乘法
这样的话
在(4)的离散化算法计算中
包含两个chirp乘法和一个卷积运算
因此计算复杂度为O(NlogN)
IP-DFRFT算法的计算效率较高
然而它不满足酉性和可加性
这是它的缺点
第二类采样型离散分数傅里叶变换
是closed form离散分数傅里叶变换
它是2000年提出来的
这类算法它具体怎么执行
同样先用Δt Δu
分别对分数傅里叶变换的
时域与变换域进行离散化得到(5)式
之后 这个算法
有一个非常好的一个方面
我们可以借鉴学习的一个思想
它假定此时的离散化算法满足可逆性
即假定(6)式成立
进而推导出需满足条件
ΔuΔt=2π|sina|/(2N+1)
这个假设就保证了
离散分数傅里叶变换满足酉性
基于刚刚推导的条件
ΔuΔt=2π|sina|/(2N+1)
我们把它带入到(5)式
可以得到close-form
离散分数傅里叶变换的
公式表示(7)和(8)
在计算过程中
可以分为三部分
首先第一部分
可以把它看成一个chirp乘法
第二部分为傅里叶变换
第三部分也是一个chirp乘法
因此 close-form离散分数傅里叶变换的
计算效率较高
计算复杂度为O(NlogN) 一个量级
因为它是借助于FFT来实现的
同时 它相比较于
刚刚提到的IP-DFRFT
它满足酉性
这个酉性是通过假设
逆向推导出来相应的条件
进而实现的
但是 它不满足可加性
对于采样型离散分数傅里叶变换
它们都是基于积分核形式定义的
只不过它们用了不同的技巧
不同的限制条件
进而产生了两种不同的采样型算法
接下来我们来具体看一下
特征分解型的离散分数傅里叶变换
对于特征分解型的离散分数傅里叶变换
它是基于核函数的
谱分解的表达式(9)构建的
其中的φn
就是之前在分数傅里叶变换
定义推导中
提到的Hermite特征函数
对于特征分解型离散分数傅里叶变换
顾名思义
它其实是想要对Hermite特征函数
φn进行离散化
进而诞生了
特征分解型的离散分数傅里叶变换
它的目标有两个
首先对它进行离散
第二部分保证它正交
因为如果保证正交的话
相应的离散分数傅里叶变换
必然满足可加性的性质
对于正交化的要求
其实用施密特正交化方法
就可以实现
假如特征向量已经给定
那么下一步正交化的过程
通过施密特正交化方法执行即可
因此 最关键的部分
就是怎么得到
离散的Hermite特征向量
对于特征分解型的离散分数傅里叶变换
它的研究思路主要的有两个
第一个是基于F可交换矩阵的
离散分数傅里叶变换
第二个是基于采样Hermite高斯函数的
离散分数傅里叶变换
首先 我们来看一下第一个情形
这类特征分解型的
离散分数傅里叶变换
它主要借助一个非常重要的结论
就是说如果两个矩阵为可交换矩阵
那么它们具有公共的特征向量集
因此 我们就要寻找与 DFT矩阵F
可以交换的矩阵S
来计算相应的 Hermite特征向量
也就是说
要找一个S它满足SF=FS
因为对于一般的矩阵乘法
它是不满足交换律的
而对于要找的S与F相乘满足交换律
同时S对应的特征向量
应为离散的Hermite特征向量
此外 因为不同的 F可交换矩阵
产生的是不同的
Hermite特征向量
进而会诞生很多的
基于F可交换矩阵的特征分解型的
离散分数傅里叶变换
所以说这一部分内容的关键
是要找一个S
它可以产生Hermite特征向量
第二个主要的思想
是基于采样Hermite高斯函数的
离散分数傅里叶变换
我们来具体看一下
对于基于采样Hermite高斯函数的
离散分数傅里叶变换
主要的思想是
对连续的Hermite特征函数进行采样
可证明采样后的序列
为近似的特征向量
下一步就要把它们转化为严格的特征向量
转化方法借助公式(10)
利用DFT矩阵严格的特征向量v_k
对采样Hermite序列进行校正
然后利用这个公式
就可以对它进行转化
进而得到了严格的Hermite特征向量
我们刚刚已经讲了
不管是采样型的离散分数傅里叶变换
还是特征分解型的离散分数傅里叶变换
它们都是为了
我们在数值实验中更好的应用
在实验测试中
在采样型离散分数傅里叶变换中
选取了improved DFRFT
记为IP-DFRFT
在特征分解型的离散分数傅里叶变换中
选取了基于F可交换矩阵的DFRFT
记为FC-DFRFT
实验安排包括
首先我们看一下
采样型离散分数傅里叶变换
和特征分解型的离散分数傅里叶变换
它们是不是合理的
能不能很好地近似于连续的
分数傅里叶变换
第二个分析一下
它们的可加性满足情况
这里 a图是
连续分数傅里叶变换作用后的结果
而b图是用采样型IP-DFRFT实现的
c图是用特征分解型FC-DFRFT来实现的
从图中我们可以看出
不管是采样型离散分数傅里叶变换
还是特征分解型的
离散分数傅里叶变换
都可以较好地近似连续的
分数傅里叶变换
所以说它们的合理性是必然的
刚刚已经介绍了
对于采样型离散分数傅里叶变换
它不满足可加性
而特征分解型的离散分数傅里叶变换
是满足可加性的
在相位复原中需要用到
离散分数傅里叶变换的可加性的性质
因此我们来看一下
它们在相位复原中的性能表现
从图中可以很明显的看到特征分解型的
离散分数傅里叶变换的效果是很好的
而采样型离散分数傅里叶变换的
效果不太好
由于它不满足可加性
所以在强制使用的时候
会有一些误差的产生
表中是对应的误差结果的分析
我们可以看到对于不满足可加性的
采样型离散分数傅里叶变换而言
它随着迭代次数的增加
相应的误差是增加的
而对于满足可加性的特征分解型的
离散分数傅里叶变换而言
迭代次数越多
它的复原精度越高
误差是减少的
我们对本节课的内容做一个总结
对于采样型和特征分解型的
离散分数傅里叶变换
可以看到对于improved-DFRFT而言
它满足近似性和有界性
但是它不满足酉性和可加性
而对于 closed-form DFRFT
它满足酉性
但依然不满足可加性
对于特征分解型的
离散分数傅里叶变换
前面的性质都可以很好的满足
但它的计算复杂度比较高
这就是本节课所学习的
离散分数傅里叶变换的分析
本节课的内容就到这里
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