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。

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。

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。

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.

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。

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。

基于快速傅里叶变换与小波变换的GNSS坐标时序时空演化特征分析

中国位于欧亚板块东南部,处于印度板块、太平洋板块和菲律宾海板块的挤压夹持之中,分布有广泛且复杂的地质构造,成为了地壳运动较强且较为复杂的地区.GNSS连续观测是获得地壳运动信息的重要来源,从GNSS坐标时序提取周期及趋势项可为分析区域地壳运动提供研究基础.本文综合利用快速傅里叶变换与小波变换方法开展中国大陆地区GNSS坐标时序时空演化特征分析.首先采用对GNSS坐标时序进行预处理和降噪处理,然后利用快速傅里叶变换方法在频域上对分区GNSS站点坐标时序进行周期提取,最后依据GNSS测站周期,利用小波变换方法进行分解与重构,获得高频周期项结果和低频趋势项结果,并开展相关分析.研究发现:①在1年以内的时间尺度上,除东北区域以外,各方向上的周期均以1年周期为主,半年周期次之,季节周期较弱;②各站点在N、E、U 3个方向上各年的一年、半年周期的周期长度均存在一定的伸长或收缩,不同区域的不同站点随时间呈现出的周期强度变化存在一定差异;③在研究时段内,中国大陆地区在水平方向上的地壳运动趋势为:中国西部呈现向东北偏移的趋势,其余区域呈现向东南偏移的趋势,且向东偏移的趋势略强于向南、北方向偏移的趋势.在垂直方向上,不同区域不同站点的运动趋势较为复杂.

时域抽取基2快速傅里叶变换（FFT）算法

本文阐述了时域抽取基２快速傅里叶变换算法。内容包括公式推导、蝶与蝶块的计算方法、快速傅里叶变换算法的信号流程图与计算机框图以及计算实例。

有限冲击响应滤波(FIR)和快速傅里叶变换(FFT)在激发极化法中的应用

在水文工程地质和物探找矿等领域,由于二次场电压受到多种噪声干扰,常规的硬件补偿电路或滤波电路有时无法达到精度和实时处理的要求,甚至增加系统设计的难度和成本。为了解决这些问题,提出并实现将有限冲击响应(finite impulse response,FIR)滤波和快速傅里叶变换(fast Fourier transformation,FFT)应用在需要通过测量二次场电压测明某一区域内视电阻率或视幅频率的分布式激发极化法中。通过Matlab仿真和水槽模型试验模拟和验证了FIR滤波和FFT在激发极化法中的可行性和有效性。

DoFFT:一种基于分布式数据库的快速傅里叶变换方法

快速傅里叶变换在天文学中有着广泛的应用。例如,脉冲星信号通常需要基于快速傅里叶变换进行相干消色散处理。由于信号数据通常存储在数据库中,而将数据从数据库取出后再由外部程序进行快速傅里叶变换处理将产生大量I/O和网络开销进而严重影响整体处理性能。针对此问题,本文设计一种用户自定义函数(UDF)形式的可在分布式数据库中并行执行和优化快速傅里叶变换的算法DoFFT(Database optimized FFT)。此外,针对数据库集群中每台机器负载不同、数据分布不均匀等有时会导致执行效率低下的问题,DoFFT方法基于CPU、I/O,网络与传输速率等的代价,对涉及的数据进行数据重分布处理,以进一步优化快速傅里叶变换的并行执行。实验结果表明,采用基于数据重分布的优化后,DoFFT算法的性能得到了有效提升。

基于快速傅里叶变换(FFT)和小波变换的大型风机机械振动故障的分析

针对风机设备机械振动及运行状态实时在线检测问题,阐述了几种常见的大型旋转机械设备故障的振动机理、故障特征,通过数据采集并对其进行预处理,运用Matlab工具软件对所获取的数据进行频域分析和小波分析,为后期的故障诊断提供依据。

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Mallat算法和快速傅里叶变换的电能质量分析方法

提出了一种基于Mallat算法和快速傅里叶变换的电能质量分析方法。将小波消噪应用于采样信号,根据信号的突变点检测结果,将采用Mallat分解算法得到的第一层和第二层高频系数作为区分稳态和非稳态扰动的判据,进而求出扰动的持续时间。根据多分辨分析的频带划分原理,采用Mallat重构算法提取出了暂态扰动波形,并编制了可准确判别电压骤降、骤升和断电等短期变化扰动的识别子程序。对于稳态扰动,提出可将快速傅里叶变换作为区分谐波和闪变的一种手段。Matlab的仿真结果验证了该方法的准确性和有效性。

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。

基于快速傅里叶变换与误差最小原理的谐波分析方法

提出了基于快速傅里叶变换与误差最小原理的电力系统谐波分析方法。该方法设定了畸变波形模型和修正参数,当模型波形与实际波形之间的均方差最小时,模型参数可以代表实际波形的参数。为避免分析出的谐波次数不准确而出现无效参数,把实际采样数据分成训练组和测试组。在训练组中通过最陡下降梯度查询学习策略的迭代循环修正参数。在测试组中检测谐波次数的正确性,获得有效的谐波分析结果,实现对次谐波和频率相隔很小的谐波的同步跟踪。仿真实验验证了该方法的有效性与易实现性。

基于傅里叶变换光谱技术的Zoom-FFT算法研究

在分析经典的Zoom-FFT算法基础上,提出一种基于傅里叶变换光谱技术的Zoom-FFT算法,用matlab仿真常规FFT算法和Zoom-FFT算法,对不同采样步长的干涉条纹进行数据处理,通过反演出的光谱曲线图和原始光谱曲线图可以看出:采样步长小于20μm时,FFT和Zoom-FFT算法都可以反演出光谱;而当采样步长大于20μm且小于33.3μm时,FFT算法未能反演出光谱,而Zoom-FFT算法仍然可以反演出光谱。

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。