分数阶FFT变换

最新推荐文章于 2023-11-27 18:55:07 发布

章子雎Kevin

最新推荐文章于 2023-11-27 18:55:07 发布

阅读量3.6k

点赞数 11

分类专栏： Python 文章标签：信号处理数字通信 fft

本文链接：https://blog.csdn.net/zhangziju/article/details/113443441

版权

本文详细介绍了分数阶傅立叶变换（FRFT），包括其定义、核函数和逆变换、性质，以及在LFM信号分析中的应用。FRFT作为一种广义的傅立叶变换，适用于非平稳信号的分析，其最佳阶次能揭示信号的主要特征。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

傅立叶变换是将观看角度从时域转变到频域，分数阶傅立叶变换就是以观看时频面的角度去旋转时频面的坐标轴，然后再从观察频域的角度去分析信息。

分数阶傅立叶变换多出来的一个算子就是这个旋转的角度。这个旋转角度以分数的形式呈现，取值是0-1，当取1时就等同于傅立叶变换。

将信息进行分数阶傅立叶变换的原因在于：大部分信息都是非平稳信号，仅仅用傅立叶变换不足以分析其显著特征，运用分数阶傅立叶变换主要是能选取信息最集中的角度去分析，也就是在不同的分数阶得到的结果中选取幅值最大的那个结果，那么这个结果所存在的那个分数阶就是最优阶次。

FRFT定义

一般地，信号 $x (t)$ ，其 $p$ 阶分数阶 Fourier变换可表示为 $F^px$ 或 $X_\phi(u)$ ，前者可以解释为算子 $F^p$ 作用于函数 $x (t)$ ，后者可以解释为分数阶 Fourier 变换的结果在 $u$ 域上， $\phi = p\pi/2$ 为阶数 $p$ 对应的旋转角度，即新变量 $u -$ 轴相对于时间 $t -$ 轴逆时针转过的角度。具体地，FRFT 定义为:
$F^px=X_\phi(u)=\int_{-\infty}^{\infty} x(t)K_\phi(t,u) dt \tag{1}$
其中 $K_\phi(t,u)$ 为分数阶 Fourier 变换的核函数，定义如下：
$K_\phi(t,u)=\begin{cases} A_\phi exp(j^{\frac{t^2+u^2}{2}}cot\phi-j\space ut\space csc\phi) ,for\phi\neq n\pi\\ \delta(t-u),for\phi=2n\pi\\\delta(t+u),for\phi=(2n\pm1)\pi \end{cases}\tag{2}$ 其中 $A_\phi=\sqrt{\frac{1-j\space cot\phi}{2\pi}}$ 为幅度因子。