1. 傅里叶变换分类
解析:根据原始信号的不同类型,傅里叶变换分类如下所示:
[1]非周期性连续信号:傅立叶变换[Fourier Transform]
[2]周期性连续信号:傅立叶级数[Fourier Series]
[3]非周期性离散信号:离散时域傅立叶变换[Discrete Time Fourier Transform]
[4]周期性离散信号:离散傅立叶变换[Discrete Fourier Transform]
2. 声纹识别
解析:说话人识别[Speaker Recognize]技术即声纹识别[Voiceprint Recognize],是一项根据语音波形中反映说话人生理和行为特征的语音参数,自动识别说话人身份的技术。
3. 压缩感知 [3]
解析:压缩感知理论主要包括信号的稀疏表示、编码测量和重构算法等三个方面。它作为一个新的采样理论,通过开发信号的稀疏特性,在远小于Nyquist 采样率的条件下,用随机采样获取信号的离散样本,然后通过非线性重建算法完美的重建信号。
4. 小波变换
解析:高频信号在时域内很好分辨,低频信号则在频域内容易分辨。这意味着,相对于低频分量,高频分量更容易在时域内定位[有更小的相对误差]。反而言之,低频分量更容易在频域内定位。
说明:离散小波变换,连续小波变换。小波分析,小波分解,小波包分析,小波包分解。
5. 频谱和频谱分析
解析:
[1]任何一个信号都可以由多个频率的简谐波[正弦波和余弦波]相加得到。频谱是频率谱密度的简称,是频率的分布曲线。将时域信号变换至频域加以分析的方法称为频谱分析。频谱分析的目的是把复杂的时间历程波形,经过傅里叶变换分解为若干单一的谐波分量来研究,以获得信号的频率结构以及各谐波和相位信息。
[2]不同频率信息在图像结构中有不同的作用。图像的主要成分是低频信息,它形成了图像的基本灰度等级,对图像结构的决定作用较小;中频信息决定了图像的基本结构,形成了图像的主要边缘结构;高频信息形成了图像的边缘和细节,是在中频信息上对图像内容的进一步强化。
参考文献:
[1] 如何理解傅里叶变换公式?:https://www.zhihu.com/question/19714540
[2] 语音识别的技术原理是什么?:https://www.zhihu.com/question/20398418
[3] 稀疏表达:向量、矩阵与张量:https://wenku.baidu.com/view/b5c00bdf6f1aff00bed51ed3.html