为了计算 STFT，此代码中提供了三个窗口 Rectangular、Hamming 和 Hanning。 默认情况下，窗口重叠设置为 50%。 人们可以轻松计算声音信号的 STFT。 结果由“imagesc”和“surf”显示单窗口功能。

图像卷积操作matlab代码傅立叶图像优化和反卷积 该存储库包含arXiv上技术报告“如何有效地解决傅立叶域中的凸像优化和反卷积”的实施。 作者 弗雷德里克·邓布根（） SabineSüsstrunk教授 概述 该存储库包含以下脚本： python / Convolution.ipynb matlab / Convolution.m 用于可视化空间和傅立叶域中卷积的脚本。 python / Optimization.ipynb matlab / Optimization.m 用于解决Fourier域中图像模糊化示例的脚本。 python / tools.py python / psf2otf.py matlab / sh_computation.m matlab / vec2mat.m 绘图工具和其他基本操作。 贡献 我们对任何形式的贡献感到高兴（以不同的编程语言实现，改进现有代码等）。 如果您要在代码中添加一些内容，请提交请求请求，或者给我们发送电子邮件。 致谢 我们要感谢Zahra Sadeghipoor博士，Nikolaus Arvanitopoulos博士和Radhakrish

提出了一种基于分数阶傅里叶变换（FrFT）和混沌的彩色图像加密算法。 将原始彩色图像的颜色转换为HSI（色相饱和度强度），并通过基于FrFT的随机相位编码对S分量进行转换，以获得新的随机相位。 使用H分量和新的随机相位作为两个相位板，通过基于FrFT的双随机相位编码来转换I分量。 然后使用混沌加扰技术对图像进行加密，从而使所得图像在空间域和频域均具有非线性和无序性。 另外，密文不是彩色图像而是灰色图像和相位矩阵的组合，因此密文在某种程度上具有伪装特性。 数值仿真结果证明了该算法的有效性和安全性。

Fourier Analysis: An Introduction Complex Analysis Real Analysis

傅里叶变换及其应用自学

图像配准 代码 matlab 需要的可以参考

随机傅立叶特征 该存储库提供Python模块rfflearn ，该模块是用于内核方法的随机傅立叶特征[1，2]的库，如支持向量机和高斯过程模型。 该模块的功能包括： 模块的接口非常接近 ， 支持向量分类器和高斯进程回归器/分类器，提供CPU / GPU训练和推理， 与接口，可更轻松地进行超参数调整， 该存储库提供了，该显示RFF对于实际的机器学习任务很有用。 现在，此模块支持以下方法： 方法 CPU支援 GPU支持 典型相关分析 rfflearn.cpu.RFFCCA -- 高斯过程回归 rfflearn.cpu.RFFGPR rfflearn.gpu.RFFGPR 高斯过程分类 rfflearn.cpu.RFFGPC rfflearn.gpu.RFFGPC 主成分分析 rfflearn.cpu.RFFPCA rfflearn.gpu.RFFPCA 回归 rff

这是一篇介绍快速傅里叶变换的英文论文。其中文翻译在我的博客中有。

权威，实用。不少人对于傅里叶变换只是停留在理论的角度，而没有领略到它在工程使用过程中更加强大的魅力，作为一种信号处理的数学工具，可以用代码展现它强大的地方。

应用Fourier变换法分离提取地震记录中不同模态的瑞雷面波，其原理是：利用瑞雷面波各模式传播速度的差异，将时间域中叠加在一起的瑞雷面波信号在频率波数域中分开，以此实现分离提取各阶模态瑞雷面波。研究结果表明：τ-p变换只能提取浅部能量较强的部分瑞雷面波，不能提取瑞雷面波的全部频散成分且不能使不同模态瑞雷面波分离；利用Fourier变换可以准确分离提取不同模态的瑞雷面波，且经分离后计算所得频散曲线的频带宽度扩展，有利于提高瑞雷面波勘探的能力。