傅里叶变换学习日记1

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