时间尺度和傅里叶变换

信息处理 傅里叶变换 傅立叶
2022-02-06 11:54:50

考虑傅里叶变换F(ω)功能的f(t). 的幅度F(ω)取决于ω因此也取决于t-轴。例如,当f1(t)是一个介于 1 之间的盒子函数[0,1]f2(t)是一个介于 1 之间的盒子函数[0,1]ns =[0,109]s,那么幅度F1(ω)109比幅度大的倍F2(ω). 这是因为时间尺度减少了一个因素109在第二种情况下。

但是,当您进行数值傅里叶变换时不会获得任何差异。如果你有100分的功能f1(t)之间等距[0,10]还有100分的功能f2(t)之间等距[0,10×109], 那么数值上两个函数的傅里叶变换的幅度是相同的(这是不正确的)。在数值上,您只考虑“y 值”的傅里叶变换f(ti),所以关于时间尺度的信息丢失了......

您可以通过将结果与109在第二种情况下,因为矩形函数的傅里叶变换与1/ω. 但是,一般来说,这种比例性是不存在的......如何为一般功能解决这个问题F(ω)? 例如,当傅里叶变换与eω或成正比1/ω2或者 ...?是否有一种数值方法可以考虑时间轴的比例?

1个回答

大多数经典线性变换(甚至过滤)可能具有三种主要类型的缩放:

  1. 自然或无:和或积分没有明确的比例因子(但逆可能需要一个)
  2. 幅度:由于线性关系,至少一个参考“单位”信号在变换域中应具有单位幅度,以便于阅读图表。通常是单位幅度正弦波(不是L1-可积分)在傅里叶域中的频率处应该有一个幅度
  3. 在能量中:在原始或变换域中具有恒定的能量。

这些选项中的每一个(有时,其中两个是相等的)都取决于目的。傅立叶与尺度有特定的关系(在“离散时间信号处理”(Oppenheim 等人)中哪里可以找到尺度变化定理?):

s(αt)1|α|S(f|α|)

获取尺度、移位或方向不变的特征是 DSP 中一个长期存在的问题,并且仍然是机器智能或深度学习中的一个问题。沿着傅里叶线,您可以查看傅里叶-梅林变换尺度表示(L. Cohen),以及许多特征表示,如 SIFT、SURF、ORB、BRIEF:使用 SIFT、SURF、BRIEF 和 ORB 进行图像匹配:性能失真比较