傅里叶反变换matlab代码Python中的非均匀快速傅立叶变换
该库为Python提供了更高性能的CPU
/
GPU
NUFFT。
该库最初是Jeff
Fessler和他的学生所编写的Matlab
NUFFT代码的移植端口，但是已经进行了全面的改进，并添加了GPU支持。
该库未实现所有NUFFT变体，仅实现了以下两种情况：
1.）从均匀的空间网格到非均匀采样的频域的转换。
2.）从非均匀傅立叶样本到均匀间隔的空间网格的逆变换。
那些对其他NUFFT类型感兴趣的人可能想考虑通过进行非官方python包装的。
转换以单精度和双精度变体实现。
基于低内存查找表的实现和完全预先计算的基于稀疏矩阵的实现都可用。
请参阅和以获取完整的许可证信息。
相关软件
软件包中提供了另一个具有CPU和GPU支持的基于Python的实现。
NUFFT的Sigpy实现非常紧凑，因为它用于从通用代码库为CPU和GPU变体提供及时的编译。
相反，
mrrt.nufft将预编译的C代码用于CPU变体，并且GPU内核在运行时使用NVIDIA提供的NVIDIA运行时编译（NVRTC）进行编译。
该工具实现了更广泛的一组非
2024-07-24 10:31:18
114KB
1
滑动离散傅立叶变换（SDFT）在计算上非常有效，并且在其标称频率下工作时能够提供出色的谐波抑制性能。 但是，在标称频率之外，幅度和相位角都包含由于频谱泄漏引起的误差。 而且，在这种情况下，它的谐波抑制能力大大削弱。 该算法提出了一种在非标称频率下以固定采样率应用滑动傅里叶变换的方法，同时保持其优越的性能。 该方法涉及使用两级滑动傅里叶变换 (SFT)。 第一阶段具有固定窗口宽度的 SFT 用于驱动第二阶段的可变窗口宽度 SFT。 所提出的技术 (SFT-SFT) 已在 dSPACE MicrolabBox 上使用预生成的电压矢量进行实时测试，以模拟最不方便的电网条件。 与去耦静止参考框架 PLL 方法相比，测试场景证明了其优越的性能。 此处提供的 Simulink 文件包含算法的实现和解耦固定参考系 PLL 的实现，以便将它们的性能与相同的不便输入进行比较
2024-03-24 19:22:03
82KB
1
基于Hough变换的人眼虹膜定位方法.zip，详细内容可以参考文章：https://blog.csdn.net/didi_ya/article/details/130184013
2023-04-24 12:25:14
82KB
1
信号压缩
步骤
1.信号的小波分解
2.对高频系数进行阈值量化处理。对第一到第N层的高频系数，均可选择不同的阈值，并用硬阈值进行系数的量化。
对量化的系数进行小波重构。
压缩与消噪主要区别：第2步。
有效的信号压缩方法：
1.对信号进行小波尺度的扩展，并保留绝对值最大的系数；
2.根据分解后各层的效果来确定某一层的阈值，且这些阈值是互不相同。
2023-03-01 15:30:33
4.6MB
1
本文主要对一个连续周期信号进行采样所得的有限离散周期信号进行离散傅里叶变换（DFT）变换，期间对用到的一些原理进行解释说明并有详细计算过程。基本包括了处理过程的所有细节，并有完整的matlab代码以及代码详细注释。
2023-02-19 21:24:31
380KB
1
Wdencmp函数
%装载并显示原始图像
load wbarb;
subplot(1,2,1);
image(X);colormap(map);
title(‘原始图像');
%
%采用默认的全局阈值对图像进行压缩
[thr,sorh,keepapp,crit]=ddencmp('cmp','wp',X);
Xc=wpdencmp(X,sorh,3,'bior3.1',crit,thr,keepapp);
subplot(1,2,2);
image(Xc);colormap(map);
title(‘全局阈值压缩图像');
2022-12-10 10:39:46
4.6MB
1