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。

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。

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。

Black-Scholes模型下亚式期权定价的一种快速傅里叶算法

针对几何平均亚式期权,利用快速傅里叶变换方法得到含特征函数的表达式,从而更快速求解亚式期权.对期权价格进行傅里叶变换,得到表达式可以用标的资产价格对数的特征函数来表示,该表达式可以输出期权价格的结果.对其进行离散化处理,再利用快速傅里叶变换来求解,以输出结果.对Black-Scholes模型下的几何亚式期权定价的表达式进行计算,得出其期权定价模型的特征函数,便可以带入快速求解出相应的期权价值.利用Black-Scholes模型在该方法求解的几何平均亚式期权价值与Black-Scholes模型下原始期权价值的数据进行对比,验证了该方法的有效性和高效性.

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。

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。

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。

表驱动的二维非规则采样快速傅里叶变换

非规则采样快速傅里叶变换(NFFT)主要用于快速计算非规则采样数据的频谱及重建.该方法为非规则采样数据频谱重建技术的核心算法.在实现NFFT算法时,高速度和高精度计算是其应用的前提和关键.本文针对二维NFFT计算效率,应用表驱动思路进行改进,将Gauss褶积算子由矩形改进为椭圆以减少计算量,将e指数计算改进为乘法以加快计算速度,并建表解决NFFT算法在地震资料处理中的应用问题.本文同时给出了非规则采样地震数据NFFT谱重建方法.最后本文给出算例验证提出方法的计算速度和精度,和非规则采样地震资料重建结果.

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。

基于多通道快速傅里叶小波变换的电力系统主导振荡模式及模态协同辨识方法研究

针对连续小波变换在主导振荡模式辨识中存在效率低的不足,提出一种快速傅里叶小波变换(CWTFT)方法以提高小波变换效率;针对单通道小波辨识的结果受振荡模式可观性影响的缺陷,提出一种多通道CWTFT,实现多通道量测信息的时频域分解,进而获得对应的小波系数矩阵;在此基础上,借助小波尺度相对能量甄别出与主导振荡模式强相关的关键小波尺度,以其为基准重构小波系数矩阵;对重构的小波系数矩阵进行奇异值分解,利用重构小波系数矩阵的第一左、右奇异特征向量辨识系统主导振荡模式及振荡模态。将所提方法应用到16机68节点测试系统和南方电网的广域实测数据中,结果验证了该方法的准确性和有效性。

快速傅里叶变换FFT及其应用

利用快速傅里叶变换FFT将图像信号从空间域转换到频域进行分析,使快速卷积、目标识别等许多算法易于实现;然后根据图像信号的灰度结构特征和频谱分布,用Butterworth带通滤波器和二维维纳滤波器进行滤波处理,去除图像信号中的低频干扰和噪声信号;再利用傅里叶反变换将信号还原。结果显示,处理后的模拟远程高空卫星照片轮廓清晰可见。

基于连续统快速傅里叶变换的红外光谱处理技术

为实现红外光谱对遥感地物准确的识别,消除高频噪声是光谱特征分析和提取的重要环节。利用光谱连续统处理方法,结合信号时域分析领域快速傅里叶变换提出了一种新的红外光谱滤波方法。该方法首先对红外光谱进行光谱连续统去除,利用快速傅里叶变换将去连续统后光谱转换到频域,设计低通滤波器滤除高频噪声,然后通过快速傅里叶反变换将频域信号转换到时域,最后对信号进行光谱连续统恢复,得到滤除噪声后的红外光谱信号。对比实验表明,连续统快速傅里叶滤波方法比常规的时域滤波方法有更好、更快的滤波效果,解决了传统快速傅里叶红外光谱滤波的吉布斯现象。该方法操作简便、运行速度快捷、滤波效果好,满足了红外光谱地物识别对光谱高质量的要求。

基于快速傅里叶变换和积分图的快速相关匹配

为克服传统相关匹配算法计算复杂度过大的缺点,基于快速傅里叶变换和积分图提出了一种快速相关匹配算法.在不改变传统相关匹配计算结果的前提下,该算法通过对相关系数公式的分析和化简,用快速傅里叶变换计算模板图像和基准图像的相关,并采用积分图计算基准图像灰度值及其能量的窗口积分,使相关匹配计算量与模板图像大小近似无关,从而大大降低了计算复杂度.不同光照条件下图像匹配实验和复杂环境下目标跟踪实验结果表明,该算法具有很强的抗干扰能力,其执行效率比传统相关匹配提高1～2个数量级.

基于快速傅里叶变换的四种相位解包裹算法

为了快速准确地对含有噪声的包裹相位图进行相位展开,采用理论分析与计算机模拟及实验验证相结合的方法,对基于快速傅里叶变换(FFT)的四种典型算法——四次FFT算法(4-FFT)、二次FFT算法(2-FFT)、四次离散余弦变换算法(4-DCT)及横向剪切干涉与FFT相结合的算法(LS-FFT)作了对比研究。结果表明:2-FFT算法运行速度最快,4-FFT算法次之,LS-FFT算法速度最慢;4-FFT算法对含有较强噪声和轻微欠采样的实验数据的处理效果是最好的;LS-FFT算法对强噪声数据的处理效果最差。

快速傅里叶变换和广义形态滤波器在抑制局部放电窄带干扰中的应用

根据局部放电信号和窄带干扰的差异,提出了一种基于快速傅里叶变换(fast Fourier transform,FFT)和广义形态滤波器抑制窄带干扰的新方法。首先利用FFT得到窄带干扰的离散谱线,再利用基于数学形态学原理构造的广义形态滤波器将局部放电信号中的干扰滤除,最后进行傅里叶逆变换和小阈值处理以提取局部放电信号。仿真和实测数据的处理结果表明,该方法通过选取合理的结构元素可在滤除干扰的同时保留局部放电信号特征,较好地解决了局部放电信号中窄带干扰滤除的难题。

基于快速傅里叶变换和共轭梯度法求解干接触问题

为求解粗糙表面弹性接触问题,将其转化为一个线性补余能问题,进而简化为一个二次函数的条件极值问题,利用共轭梯度法求解。算法实现了在共轭梯度方向上修正步长的优化,有效地提高了收敛效率。而占用大量计算时间的弹性变形求解采用快速傅里叶变换(Fast Fourier transform,FFT)技术,该算法有效地克服了传统傅里叶变换所引起的周期性误差。计算实例模拟了点接触单峰表面,正弦表面和真实粗糙表面的弹性接触以及有限长滚子线接触等接触问题。计算结果显示目前所用算法有效地缩短了干接触弹性接触问题的求解时间,对于不同的粗糙表面和接触类型都表现出一致的良好收敛性,同时计算精度对网格的依赖性很小,是工程中有效的分析设计工具。