基于自适应方法的离散线性正则变换计算

线性正则变换(LCT)描述了光学变换上的平方相位系统的影响。提出了一种基于自适应最小均方(LMS)的离散线性正则变换(LCT)算法。文中导出了基于块和基于流的离散LCT算法,同时考虑了基于自适应滤波器的实现架构。提出的计算方法具有天生的并行结构,这使它适用于有效的超大规模集成电路(VLSI),并且对于传输过程中可能的计算误差呈现鲁棒性。

线性正则变换的离散化研究进展

线性正则变换(LCT)是Fourier变换和分数阶Fourier变换的广义形式。近年来研究成果表明,LCT在光学、信号处理及应用数学等领域有广泛的应用,而离散化成为了其得以应用的关键。由于LCT的离散算法不能简单直接地将时域变量和LCT域变量离散化得到,因此LCT的离散算法成为近年来的研究重点。本文依据LCT的离散化发展历史,对其重要研究进展和现状进行了系统归纳和简要评述,并给出不同离散化算法之间的区别和联系,指明了未来发展方向。这对研究者全面了解LCT离散化方法具有很好的参考价值,可以进一步促进其工程应用。

基于线性正则变换的非均匀采样信号重构方法

提出了一种新的基于线性正则变换的非均匀采样信号的重构方法.根据周期非均匀采样信号模型的特点,提出了一种新的非均匀线性正则变换;研究所提出信号的离散非均匀线性正则变换谱与其连续谱的关系,并根据此关系提出了一种线性正则变换域基于周期非均匀采样信号点重构算法;为验证推导结果,采用一维周期非均匀采样信号进行仿真,仿真结果表明,重建信号与原始信号基本一致.