数字信号处理课程中的傅里叶变换教学探索

详细分析了非周期信号的傅里叶变换和周期信号的傅里叶级数。借助时域采样定理和频域采样定理,推导了连续非周期信号的傅里叶变换、序列的傅里叶变换和离散傅里叶变换X(k)之间的关系。借助X(k)计算非周期信号的频谱,分析了连续周期信号的傅里叶级数和周期序列的傅里叶级数的差别。借助频域采样定理,推导了周期序列傅里叶级数与离散傅里叶变换X(k)之间的关系。借助X(k)计算周期序列的频谱,在CCStudio v3.3软件开发环境下,编写C语言程序,实现快速傅里叶变换(FFT)算法,计算出X(k)。以矩形序列和正弦序列为例,借助X(k),求得矩形脉冲信号和正弦序列的频谱结构。

高维共鸣识别——蛋白质比较的新方法

在提出的符号序列的高维数字表达以及高维傅里叶变换概念的基础上,提出了蛋白质比较的新方法——高维共鸣识别。将两种蛋白质对应的氨基酸序列转化为向量序列,分别计算它们对应的向量序列的离散傅里叶变换。据此,定义两个蛋白质序列所对应的交叉谱函数,考查交叉谱函数的信噪比,判断两种蛋白质序列的相似性或差异性。计算结果显示它是蛋白质比对的又一个有效方法,是Cosic一维共鸣识别的拓展。