1) matched Fourier transform
匹配傅立叶变换
1.
A pulse Doppler processing method based on matched Fourier transform(MFT) was proposed.
建立了超高速运动目标的回波模型,分析了其对目标检测中脉冲多普勒处理的影响,并提出了基于匹配傅立叶变换的脉冲多普勒处理方法。
2.
Based on this model, a Matched Fourier Transform (MFT) method was applied.
该方法基于匹配傅立叶变换理论,依据频域雷达目标回波特征构造匹配函数,对目标回波数据进行匹配傅立叶变换,变换结果的主瓣坐标反映了目标散射点的距离及速度信息。
2) match Fourier transform
匹配傅里叶变换
1.
The paper discusses the differences between the match Fourier transform and the Fourier transform.
介绍了匹配傅里叶正、反变换的含义,讨论了它与傅里叶变换的区别;给出了匹配傅里叶变换在检测线性调频信号参数、地面动目标检测以及噪声抑制等方面的应用,并进行了仿真。
2.
An analysis has been made of match Fourier transform and the relation of it with changing sample rates processing.
本文提出了非线性调制信号处理的新方法———匹配傅里叶变换 。
3) matched Fourier transform
匹配傅里叶变换
1.
Study on New Radar Signal Processing Method--Matched Fourier Transform;
雷达信号处理的新方法——匹配傅里叶变换研究
2.
Three LFM signal detection algorithms,matched Fourier transform,multi-channel digital deramping,and multi-channel autocorrelation,are analyzed.
分析了匹配傅里叶变换(MFT)、多通道数字去斜和多通道自相关三种检测线性调频信号(LFM)的算法,给出了其具体的实现流程。
4) discrete match Fourier transform
离散匹配傅里叶变换
1.
To resolve this problem, an effective algorithm based on discrete match Fourier transform (DMFT) was proposed for fast-moving target range profile compensation.
针对高速运动目标的ISAR回波信号模型 ,本文提出了一种基于离散匹配傅里叶变换 (DMFT)的高速运动目标距离像补偿算法。
5) matched Fourier transform domain
匹配傅里叶变换域
6) Fourier Transform
傅立叶变换
1.
Determination of total acid and total ester in liquor based on Fourier transform near-infrared spectroscopy;
傅立叶变换近红外光谱法检测白酒总酸和总酯
2.
A method of digital image watermarking based on wavelet and Fourier transform;
基于小波和傅立叶变换组合的数字图像水印算法
补充资料：快速傅立叶变换
快速傅氏变换 英文名是fast fourier transform
快速傅氏变换（fft）是离散傅氏变换(dft)的快速算法，它是根据离散傅氏变换的奇、偶、虚、实等特性，对离散傅立叶变换的算法进行改进获得的。它对傅氏变换的理论并没有新的发现，但是对于在计算机系统或者说数字系统中应用离散傅立叶变换，可以说是进了一大步。
设x(n)为n项的复数序列，由dft变换，任一x（m）的计算都需要n次复数乘法和n-1次复数加法，而一次复数乘法等于四次实数乘法和两次实数加法，一次复数加法等于两次实数加法，即使把一次复数乘法和一次复数加法定义成一次“运算”（四次实数乘法和四次实数加法），那么求出n项复数序列的x（m）,即n点dft变换大约就需要n2次运算。当n=1024点甚至更多的时候，需要n2=1048576次运算，在fft中，利用wn的周期性和对称性，把一个n项序列（设n=2k,k为正整数），分为两个n/2项的子序列，每个n/2点dft变换需要（n/2）2次运算，再用n次运算把两个n/2点的dft变换组合成一个n点的dft变换。这样变换以后，总的运算次数就变成n+2（n/2）2=n+n2/2。继续上面的例子，n=1024时，总的运算次数就变成了525312次，节省了大约50%的运算量。而如果我们将这种“一分为二”的思想不断进行下去，直到分成两两一组的dft运算单元，那么n点的dft变换就只需要nlog2n次的运算，n在1024点时，运算量仅有10240次，是先前的直接算法的1%，点数越多，运算量的节约就越大，这就是fft的优越性。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条