融合快速傅里叶卷积的域变换图像去雨滴方法

在下雨天气中,玻璃上的雨滴会对图像质量产生严重影响,且目前的去雨滴方法过度依赖成对图像,使得无监督图像雨滴去除面临较大挑战。针对这一问题,提出一种域变换图像去雨滴方法。构建域变换网络(DTN),通过有雨与无雨域之间的变换,以无监督的方式实现图像的雨滴去除。同时,通过引入快速傅里叶卷积(FFC)来设计生成网络和判别网络,实现全局与局部特征的信息交互。在FFC中,通过频谱变换(ST)对空间域和频域进行转换,克服传统卷积神经网络(CNN)感受野不足的问题,从而更好地感知细小的雨滴。在2个真实的雨滴测试集上进行去雨滴实验,结果表明,该方法在定量结果和视觉效果上均优于现有的先进方法。与改进前的U-Net+马尔可夫判别网络相比,改进后的该方法在峰值信噪比(PSNR)和结构相似性指数(SSIM)上分别提升3.37 dB和0.0313,并且其能在去除雨滴的同时还原更多的图像纹理细节。

使用快速傅里叶变换优化周期参数的EMD-FFT-SARIMA光伏发电预测模型

根据分布式能源工业园区的光伏电力单元特点,对园区光伏发电功率预测模型进行优化,为后续的调度策略提供数据支持。针对经验模式分解(EMD)与季节性差分自回归移动平均模型(SARIMA)相组合的EMD-SARIMA预测模型中,原始数据经过EMD分解得到的各固有本征模态函数(IMF)分量周期计算问题,提出加入快速傅里叶变换(FFT)的周期计算方法,建立EMD-FFT-SARIMA光伏发电功率预测模型。再将每个IMF对应的预测结果进行叠加重构得到最终的预测结果。通过预测结果的误差计算可以发现,加入FFT环节后均方根误差(RMSE)从120.6 MW下降到19.3 MW,平均绝对误差(MAE)从52.87 MW下降到12.3 MW。

基于残差变换器的并行傅里叶卷积修复算法

为解决现有图像修复算法因缺乏上下文信息和有效的感受野导致修复大面积随机破损时效果差且只能修复低分辨率图像的缺陷,提出了基于残差变换器的并行傅里叶卷积修复算法.首先,提出基于变换器的改进残差网络模块提取待修复图像的纹理特征;然后,设计并行快速傅里叶卷积模块增强损失图像的高度有效感受野捕捉结构信息;最后,提出门控双特征融合模块交换和结合图像的结构与纹理分量,融合上下文特征,改善生成纹理的细粒度.在两个公开数据集上进行定性和定量实验,实验结果表明:所提算法可有效修复结构复杂且纹理精细的随机不规则大面积破损区域,生成结构合理、纹理细腻和语义丰富的高保真图像,并能用于高分辨率图像的目标移除.

基于快速傅里叶增强深度网络的树皮种类识别

快速且准确的树种识别为生态系统分析提供重要指导,但现有基于深度学习的方法无法满足林场实际作业需求,需要更简化、可部署的模型,为此笔者提出一种基于快速傅里叶增强深度神经网络的双分支网络。在第1个主干分支ResNet34中引入了门控通道注意力模块(GCT),以保证使用轻量模型且识别精度稳定;第2个分支利用快速傅里叶变换进行辅助监督,将树皮图像的灰度分布转换为频谱图分析图像纹理,通过辅助监督主干网络学习纹理差异性特征。本方法在3个树皮图像数据集上进行实验,其中,在23类树皮图像数据集中,准确率、预测精度和召回率3项评估指标分别达到了91.01%,89.65%和88.60%。此外,本方法显著减少了模型参数量,与原模型ResNet34相比,减少了33%的权重参数量。结果表明,该方法不仅提高了识别效率,降低了人力资源浪费,而且通过减少模型参数量,便于在各种终端设备上进行部署。

超高速全并行快速傅里叶变换器

设计和实现超高速快速傅里叶变换器(FFT)在雷达与未来无线通信等系统中具有重要意义。该文提出首个全并行架构的FFT处理器,其避免了复杂的路由寻址以及数据访问冲突等问题,基于较大基进行分解降低运算复杂度。由于旋转因子已知和固定,大量的乘法转化为了定系数乘法。同时由于采用了串行的计算单元,在达到全并行结构的高速度同时硬件复杂度相对较低;所有的硬件计算单元处于满载的条件,其硬件效率能达到100%。根据实际的实现结果,所提出的512点FFT处理器结构能够达到5.97倍速度面积比的提升,同时硬件开销仅占用了Xilinx V7-980t FPGA 30%的查找表资源与9%的寄存器资源。

衰减全反射傅里叶变换红外分光光度法快速测定西甲硅油乳剂中西甲硅油的含量

目的建立衰减全反射傅里叶变换红外分光光度法(ATR-FTIR)快速测定西甲硅油乳剂中西甲硅油的含量。方法采用标准曲线法,以液体石蜡和正己烷为混合溶剂,测定西甲硅油乳剂中西甲硅油的含量。扫描次数为64次,扫描范围为4000~650 cm^(-1),分辨率为4 cm^(-1),测定特征吸收峰为1260 cm^(-1)处,量取峰高作为吸光度。结果西甲硅油在5.724~85.86 mg·mL^(-1)内与吸光度呈良好的线性关系(r=0.9993),低、中、高浓度样品的平均加样回收率分别为98.8%、102.5%、103.1%,RSD分别为0.68%、0.44%、0.65%(n=3)。3批样品的含量测定结果为39.14、39.88、40.38 mg·mL^(-1)。结论本方法简便、快捷,适用性广、安全性高,巧妙采用液体石蜡减少正己烷的挥发性并省去液体吸收池等附件带来的误差,优于以往的方法,可用于西甲硅油乳剂中西甲硅油含量的快速测定。

基于分块转置的二维快速傅里叶变换的FPGA设计

离散二维快速傅里叶变换被广泛应用于数字图像处理,对工程领域具有重要意义。通常2D-FFT使用行列分解计算,即先沿着行计算一维快速傅里叶变换,再沿列计算。由于现场可编程门阵列的数据传输带宽以及相关存储硬件的物理结构特性的限制,该方案不满足高分辨图像实时处理的需求。采用行FFT-转置-行FFT的方案,虽减少计算过程中直接内存访问控制器的等待时间且能提高2D-FFT的计算效率,但目前矩阵转置实现有很大的局限性。传统的设计使用加载和存储指令来完成矩阵的换位。提出一种基于快速分块转置的2D-FFT方案,通过搭建转置模块与四路并行1D-FFT模块,充分利用FPGA片上资源以降低延时。实验基于Xilinx Kintex UltraScale FPGA,在相同的时钟频率以及并行条件下,对比不同的2D-FFT计算方案。在实验误差范围内,本文提出的解决方案使计算效率提升约15倍。

基于快速傅里叶变换的用电器分析识别装置

基于快速傅里叶变换的原理和CS5463芯片的功能,设计了一款可以对用电器进行分析的装置。该装置有助于降低由用电器造成的安全隐患,同时符合智慧城市建设的发展。本文研究了CS5463检测电路的机理以及用电器工作过程中的电特性,最后通过专业的电参数仪和本装置进行了实验分析,通过实验数据分析出了本装置的准确度,并对未来提出了展望。

分段Chirp傅里叶变换快速算法

为解决设备存储能力与分辨率之间的约束及如何获得信号的局部频谱这两个重要问题,提出分段Chirp傅里叶变换快速算法.在保证分辨率的条件下,对输入长度为N的信号采用两种不同类型的分段:第一种类型是分解为q行p列的短序列信号,根据分段的短序列数据特点,利用现有算法进行处理,通过选择不同的短序列单元,实现算法的局部频谱分析性能,称为第一类分段Chirp傅里叶变换快速算法;第二种类型是分解为p行q列的短序列信号,得到第二类分段Chirp傅里叶变换快速算法.通过分析比较所提算法的复杂度,与现有算法的对比及仿真实验的验证等方法,证实了所提算法的正确性.

快速傅里叶变换的并行化研究

研究了傅里叶变换及其实现形式快速傅里叶变换(FFT),并给出了图像处理中FFT并行化算法,通过并行化模拟可以得出数据量愈大愈适合并行计算,当处理节点达到一定数量时它们的并行效果已不明显.

基于快速傅里叶变换的有限差分方法求解三维反应扩散方程

基于快速傅里叶变换求解齐次Neumann边界条件下的三维非线性反应扩散方程,应用有限差分方法给出二阶中心差分格式,利用Kronecker积的性质将三维拉普拉斯算子的微分矩阵进行对角化处理,得到相对应的特征值与特征向量;在时间离散上采用Crank-Nicolson方法,并采用Picard迭代求解离散得到的非线性代数方程组。结果发现,利用快速傅里叶变换求解Allen-Cahn方程,随着时间推移,显示出解从初始状态、过渡层、亚稳态进而到达到稳态的演化过程。最后,给出数值算例,验证了所用方法求解三维反应扩散方程可在保持精度的同时,减少存储量,并可大幅度降低计算时间。

基于快速傅里叶变换和改进T-S模糊神经网络集成模型的逆变器开路故障诊断方法研究

针对受负载扰动和测量噪声影响,逆变器开路时的故障边界间、故障与特征间存在交叠和模糊性问题,在对逆变器功率管开路故障特征的分析基础上,提出基于快速傅里叶变换和改进T‑S(Takagi‑Sugeno)模糊神经网络集成模型的逆变器开路故障诊断模型。首先,依据快速傅里叶变换分析逆变器的三相输出电流波形,提取功率管发生不同类型开路故障时的故障特征;其次,采用规则自分裂技术和模糊C均值设计T‑S模糊神经网络的前件网络的隶属函数层;然后,依托自适应Levenberg‑Marquardt算法对T‑S网络参数进行训练;最后,利用训练后的T‑S网络实现逆变器功率管的多种故障类型与位置的诊断。实验结果表明,所提出模型的诊断准确率高达96%,能够显著改善逆变器功率管开路故障诊断时所存在的问题。

基于快速傅里叶变换和选择性卷积核网络的图像补全

较传统方案而言,目前基于深度学习的图像补全方法取得了更优的修复效果.但大都忽视了建立像素的长距离依赖,深度学习模型处理大面积不规则缺失时效果不佳、生成图像整体契合度不足.另一方面,很多通过融合多尺度感受野来保留更多细节信息的补全算法,由于无法动态的调节感受野,而受到输入尺度与补全目标尺度变化带来的影响,最终导致生成结果产生明显的伪影误差.针对这类问题,本文提出一种基于快速傅里叶变换和选择性卷积核网络的补全算法,在实现像素长距离依赖的同时保证模型的高效率运行.此外,本算法还改进了选择性卷积核网络,可按照各卷积核特征的贡献,自适应调整相应权重,从而为模型提供精确的局部性信息补充,最终生成全局融合度更高、局部细节更丰富的补全结果.在Celeb-A和Place2数据集的实验表明,本文方法不仅在PSNR和SSIM指标上超越了现有的前沿图像补全方法,且处理受遮挡率为80%以上的图像时具有明显优势,能够生成更真实地结果.

基于光互连全交叉网络的快速傅里叶变换并行计算

本文提出了利用全交叉互连函数实现快速傅里叶变换（ＦＦＴ）的并行算法。采用现有的电子处理单元通过自由空间光互连全交叉网络构成光电混合型单指令流多数据流（ＳＩＭＤ）计算机系统将是实现这一并行算法的有效体系结构．

基于快速傅里叶变换FFT量化乒乓球拍底板性能的研究

乒乓球拍底板性能的量化参数是专业球员合理选择球板的重要根据。依有限元力学分析,球板具有n个即多阶固有频率的属性以及对应的固有振型。获取它们具体的数值是基于快速傅里叶变换FFT测量方法,数学意义上,周期函数均可展开为傅里叶级数,时域波可分解为无穷多个离散的频率域的谐波。快速傅里叶变换FFT的算法提高了计算速度,使多频率数值的快速取样测量成为可能。激励下的球板测试实验证明了前述的猜想,可以获得每一只球板的频谱图,从“鹤立鸡群”的尖峰检出他们具体的频率数值,实现了多阶固有频率数值测试一次性完成。为探寻固有频率对应的振型,采用同频共振的实验方法,绘制出1-5阶固有频率的节线图和振型图。课题推荐横板和直板2只样品参数作为量化对比的基准值。

一种三维快速傅里叶变换并行算法

三维快速傅里叶变换在物理计算领域中被广泛地使用.传统并行算法所使用的面划分和块划分方法并不适合稀疏三维向量的傅里叶变换.提出了一种新三维快速傅里叶变换的并行算法,针对稀疏三维向量的傅里叶变换,新算法通过重新调整x,y,z三个方向的计算顺序,能最大限度地减少计算量以及进程间的通信量,从而减少计算时间,提高并行加速比.详尽的理论分析以及多个高性能计算平台上的实验结果证明:在对稀疏三维向量作傅里叶变换时,新算法优于传统算法.

快速傅里叶变换在冲击回波检测混凝土缺陷中的应用研究

针对冲击回波法检测混凝土缺陷产生的波形信号,采用时频转换手段,研究了信号的处理方法,结果表明:傅里叶变换后的频谱可以携带混凝土厚度和缺陷等信息,是波形信号分析的有效手段;在满足转换条件的前提下,时频信号能够自由转换,结果等价;快速傅里叶变换的运算次数比普通傅里叶变换明显减小,在满足精度的同时提高了检测效率;分析参数的选取是信号分析的基础,要同时满足最小记录时间和采样点数的要求。

基于快速傅里叶变换的乐器音色特征识别算法研究

本研究主要以传统乐器为研究对象,探究了乐器的音色本质。在频域中利用快速傅里叶变换提出了乐音泛音列提取的2种方法,即最大倍频和法和多倍频法,并将二者在不同场景下进行了比较。发现多倍频法具有较好的鲁棒性。同时,考虑到乐音在时间维度上也蕴含一定的信息,进而针对性地使用语谱图以弥补传统频谱中一些信息丢失的问题,并根据提取到的泛音列支持了乐器音色特征识别,在中国传统乐器古琴中进行了算法测试,结果表明本研究所构建的方法可推广到其他中西乐器,未来还可以拓宽到信号特征辨识、材料探伤等领域。

多核计算机上的快速傅里叶变换并行算法

针对现有多核结构上快速傅里叶变换(FFT)并行算法没有利用多级缓存和线程级并行等多核特性问题,通过运用多核多级存储特性合理划分数据,采取子序列FFT计算和多线程并行逐对计算FFT相结合的方法,给出一个N点、一维、有序和基数为2的多核多线程并行计算FFT非递归算法。理论分析和实验结果表明,该算法实用、高效,能获得较好的加速比和可扩展性。

快速傅里叶变换的两种改进算法

首先分析用于模拟信号频谱分析的快速傅里叶变换法，进而提出基于线性插值原理和抛物线插值原理的两种改进快速傅里叶变换法。算例分析表明，改进后的算法明显提高了计算精度，降低了对采样频率的要求，从而明显提高了计算速度。