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。

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。

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。

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.

矩形窗三点插值傅里叶变换高精度频率估计方法

针对电力系统信号频率估计的高准确性要求,该文提出一种基于矩形窗的三点复频域插值频率估计方法。所提出的方法首先采用矩形窗对信号加权处理,然后进行离散傅里叶变换,最后选择离散频谱中幅度最大的三根谱线进行复频域插值,得到频率估计结果。该方法同时考虑离散频谱中的正、负频谱,消除短程和长程频谱泄漏对频率估计误差的影响。采用主瓣最窄的矩形窗进行加窗,能最大程度地减少白噪声对频率估计误差的影响。仿真和实验结果表明:在不同周期和噪声强度情况下,所提出的方法均可以实现对信号频率的准确估计。在与已有的加窗插值傅里叶变换方法相比,该文所提出的插值算法抗噪性更好、频率估计误差更小,适用于对电力系统信号频率的准确估计。

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。

基于改进复调制细化法和加窗插值快速傅里叶变换的电力系统谐波分析

当遇到含有频率接近成份的谐波信号时,加窗插值傅里叶变换(fast Fourie transform,FFT)等传统的谐波分析方法不能准确地进行分析。文章采用基于复解析带通滤波器的复调制细化法对频率接近的谐波成份进行细化分析,然后再用加窗插值FFT分析其他频率成份。与直接使用加窗插值FFT法对比的仿真分析表明,该方法能够以较高的频率分辨率分析出频率较接近的谐波成份。

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。

快速傅里叶变换FFT的发展现状──纪念FFT发表30周年

博里叶交换快速算法发展已３０年，本文综述了离散变换快速算法的发展，特别是近几年的发展，其中包括传统的基２、基４、基８、分裂基算法的发展以及多维离散傅里叶变换、多维离散余（正）弦变换、多维离散Ｗ变换（哈特莱变换）的快速算法，阐述各种算法是如何将多维变换转换为一维变换的计算，并讨论了在有理数域上计算上述各种变换所需最小实数乘法的次数。

算术傅里叶变换的零次插值实时快速算法

算术傅里叶变换因其乘法运算量很少和不存在对样本点大小的限制,在谐波分析检测中具有一定的应用前景。而影响AFT运算速度的主要因素是采样信号零次插值点位置的计算,文章研究了零次插值点位置的离线计算问题,可以减少AFT的在线计算量,提高了AFT零次插值算法在谐波分析中的实时计算速度。

快速傅里叶变换(FFT)与小波变换技术

快速傅里叶变换是数字信号系统中解决离散问题较有效的手段.但是傅里叶变换缺乏空间局部特性,难以确定奇异点在空间的位置及分布情况.近年来兴起的小波变换技术同时具有良好的时域和频域局部特性,因而广泛应用于图象工程、信号分析、图象压缩等领域.本文给出了 FFT 与小波变换闻的关系并对其应用原理进行了分析.

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.

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.

数字信号处理DSP芯片与快速傅里叶变换FFT

本文介绍了数字信号处理DSP芯片的结构,着重说明了为什么DSP芯片特别适用于快速傅里叶变换FFT的运算。

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。