CN110413945A - 基于分数阶短时傅里叶变换的线性调频信号相位恢复方法 - Google Patents

基于分数阶短时傅里叶变换的线性调频信号相位恢复方法 Download PDF

Info

Publication number
CN110413945A
CN110413945A CN201910718092.XA CN201910718092A CN110413945A CN 110413945 A CN110413945 A CN 110413945A CN 201910718092 A CN201910718092 A CN 201910718092A CN 110413945 A CN110413945 A CN 110413945A
Authority
CN
China
Prior art keywords
signal
fourier transform
short time
phase recovery
fractional order
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910718092.XA
Other languages
English (en)
Other versions
CN110413945B (zh
Inventor
李岚
毛朝阳
林玮
张瑞琼
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xian Shiyou University
Original Assignee
Xian Shiyou University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Xian Shiyou University filed Critical Xian Shiyou University
Priority to CN201910718092.XA priority Critical patent/CN110413945B/zh
Publication of CN110413945A publication Critical patent/CN110413945A/zh
Application granted granted Critical
Publication of CN110413945B publication Critical patent/CN110413945B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G06F17/141—Discrete Fourier transforms
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Discrete Mathematics (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Complex Calculations (AREA)

Abstract

基于分数阶短时傅里叶变换的线性调频信号相位恢复方法，先将原始信号x(t)，分别转换成去掉相位信息仅含幅值信息的函数y(m,u)和带有随机相位以及随机噪声的待处理信号xi(t)，将xi(t)输入到程序中；令i＝i+1，对xi‑1(t)进行分数阶短时傅里叶变换得再保留函数的相位，更新其幅值信息得到再对做逆变换得到再对进行去窗函数的处理并更新迭代信息得xi(t)；再将xi(t)输入到程序中，循环若干次，最终令xr(t)＝xi(t)，就得到相位恢复信号xr(t)；本发明能够排除随机噪声的干扰对带有随机相位的信号进行准确的相位恢复；本发明具有抗干扰能力强、恢复准确的特点；使用本方法可以根据信号的特征选取合适的窗函数和旋转角度。

Description

基于分数阶短时傅里叶变换的线性调频信号相位恢复方法
技术领域
本发明涉及信号处理技术领域，特别涉及基于分数阶短时傅里叶变换的线性调频信号相位恢复方法。
背景技术
相位恢复领域中有一种的经典方法——GS相位恢复方法，即将输入面和输出面上信号的强度信息，通过传统的短时傅里叶变换将平稳的线性调频信号分解成若干正弦信号的叠加，再更新幅值信息，然后对更新过幅值信息的信号进行逆变换，对逆变换后的信号多次迭代减小误差，最终将缺失相位信息的信号恢复成带有相位信息的信号。
虽然传统GS相位恢复方法可以对信号进行相位恢复处理，但其仍有一些不足之处：首先，随着待处理信号由平稳的线性调频信号变成非平稳的线性调频信号，此时再通过传统的短时傅里叶变换来分解这种非平稳的线性调频信号得到的效果往往不是很好；其次，传统GS相位恢复方法在迭代过程中会受到噪声的影响，在引入噪声后，噪声会导致传统GS相位恢复方法输出的信号误差增大，甚至会导致信号失真。
发明内容
为了解决上述现有技术的不足，本发明的目的在于提供基于分数阶短时傅里叶变换的线性调频信号相位恢复方法，能够在噪声的干扰下对信号进行准确的相位恢复。
为了实现上述目的，本发明采用如下技术方案：
基于分数阶短时傅里叶变换的线性调频信号相位恢复方法，包括以下步骤：
步骤一：
1.1输入下列函数：幅值信息y(m,u)；引入了随机相位和随机噪声的待处理信号xi(t)；窗函数g(mL-t)；
1.2输入下列参数：旋转角度α；窗函数的支撑域W，信号长度N，相邻窗函数移动步长L，窗函数移动次数m，已循环次数i，信噪比SNR；
步骤二、令i＝i+1，通过式2-1
对待处理信号xi-1(t)进行分数阶短时傅里叶变换得到
步骤三、通过式3-1
对进行处理，保留相位信息，更新幅值信息；
步骤四、通过式4-1
对进行逆变换；
步骤五、将与g(mL-t)代入式5-1
中，更新迭代信息，得到第i次相位恢复后的信号xi(t)；
步骤六、重复步骤二到步骤五的内容直到i＞4000，转入下一步；
步骤七、令xr(t)＝xi(t)，输出相位恢复信号xr(t)。
所述窗函数g(mL-t)的宽W≥2，L≥1。
所述|g(mL-t)|2的长度为N的离散傅里叶变换，是非零的。
所述N＞2W-1；所述N与W-1是互素的。
所述α的取值范围为，
所述t轴为时域坐标轴，所述u轴为时频域坐标轴；所述时间变量t的取值范围为，0≤t≤29。
所述窗函数是矩形窗函数、高斯窗函数、汉宁窗函数、海明窗函数或者布莱克曼窗函数。
所述幅值信息y(m,u)是原始信号x(t)经式2-1
处理后得到再经式8-1
处理后得到的。
所述xi(t)是y(m,u)经random函数处理后，增加了随机相位和随机噪声而得到的函数。
所述步骤二中式2-1的正变换核函数Kα(t,u)为
所述步骤四中式4-1的逆变换核函数为
本发明的有益效果：本发明能够排除随机噪声的干扰对带有随机相位的信号进行准确的相位恢复；本发明具有抗干扰能力强、恢复准确的特点；使用本方法可以根据信号的特征选取合适的窗函数和旋转角度。
附图说明
图1是本发明的方法流程图。
图2是本发明的方法图。
图3是矩形窗函数恢复结果图，其中：图3(a)是原始信号与相位恢复信号强度散点图，图3(b)原始信号与相位恢复信号强度折线图，图3(c)是原始信号能量分布图，图3(d)是相位恢复信号能量分布图。
图4是高斯窗函数恢复结果图，其中：图4(a)是原始信号与相位恢复信号强度散点图，图4(b)原始信号与相位恢复信号强度折线图，图4(c)是原始信号能量分布图，图4(d)是相位恢复信号能量分布图。
图5是高斯窗函数下α＝π/4时的恢复结果图，其中：图5(a)是原始信号与相位恢复信号强度散点图，图5(b)是原始信号强度折线图，图5(c)是相位恢复信号强度折线图。
图6是高斯窗函数下α＝π/6时的恢复结果图，其中：图6(a)是原始信号与相位恢复信号强度散点图，图6(b)是原始信号强度折线图，图6(c)是相位恢复信号强度折线图。
图7是高斯窗函数下α＝π/10时的恢复结果图，其中：图7(a)是原始信号与相位恢复信号强度散点图，图7(b)是原始信号强度折线图，图7(c)是相位恢复信号强度折线图。
具体实施方式
下面结合附图对本发明做出进一步说明。
实施例1
参见图1和图2，基于分数阶短时傅里叶变换的线性调频信号相位恢复方法，包括以下步骤：
步骤一：
1.1输入下列函数：幅值信息y(m,u)；引入了随机相位和随机噪声的待处理信号xi＝0(t)；
1.2选取矩形窗函数
1.3输入下列参数：旋转角度窗函数的支撑域W＝12，信号长度N＝29，相邻窗函数移动步长L＝2，窗函数移动次数m＝15，已循环次数i，此时i＝0，信噪比SNR＝30；
步骤二、令i＝i+1，通过式2-1
对xi-1(t)进行分数阶短时傅里叶变换得到
步骤三、通过式3-1
对进行处理，保留相位信息，更新幅值信息；
步骤四、通过式4-1
对进行逆变换；
步骤五、将与g(mL-t)代入式5-1
中更新迭代信息，得到第i次相位恢复后的信号xi(t)；
步骤六、重复步骤二到步骤五的内容直到i＝5000，转入下一步；
步骤七、令xr(t)＝xi(t)，输出相位恢复信号xr(t)。
在矩形窗函数下，α＝π/4时：
参见图3(a)和图3(b)，相位恢复信号xr(t)与原始信号x(t)的信号强度随时间变化的图像重合度高，恢复效果非常好。
参见图3(c)和图3(d)，相位恢复信号xr(t)与原始信号x(t)的能量分布非常相似，恢复效果非常好。
实施例2
参见图1和图2，基于分数阶短时傅里叶变换的线性调频信号相位恢复方法，包括以下步骤：
步骤一：
1.1输入下列函数：幅值信息y(m,u)；引入了随机相位和随机噪声的待处理信号xi＝0(t)；
1.2选取高斯窗函数；
1.3输入下列参数：旋转角度窗函数的支撑域W＝12，信号长度N＝29，相邻窗函数移动步长L＝2，窗函数移动次数m＝15，已循环次数i，此时i＝0，信噪比SNR＝30；
步骤二、令i＝i+1，通过式2-1
对xi-1(t)进行分数阶短时傅里叶变换得到
步骤三、通过式3-1
对进行处理，保留相位信息，更新幅值信息；
步骤四、通过式4-1
对进行逆变换；
步骤五、将与g(mL-t)代入式5-1
中更新迭代信息，得到第i次相位恢复后的信号xi(t)；
步骤六、重复步骤二到步骤五的内容直到i＝5000，转入下一步；
步骤七、令xr(t)＝xi(t)，输出相位恢复信号xr(t)。
参见图4(a)和图4(b)，相位恢复信号xr(t)与原始信号x(t)的强度随时间变化的图像，在图像中部重合度较低，在图像两侧两种信号同一时刻之间仍有一定差值，恢复效果不是最优，但其误差较为稳定。
参见图4(c)和图4(d)，相位恢复信号xr(t)与原始信号x(t)的能量分布相似。
实施例3
参见图1和图2，基于分数阶短时傅里叶变换的线性调频信号相位恢复方法，包括以下步骤：
步骤一：
1.1输入下列函数：幅值信息y(m,u)；引入了随机相位和随机噪声的待处理信号xi＝0(t)；
1.2选取高斯窗函数；
1.3输入下列参数：旋转角度窗函数的支撑域W＝12，信号长度N＝29，相邻窗函数移动步长L＝2，窗函数移动次数m＝15，已循环次数i，此时i＝0，信噪比SNR＝30；
步骤二、令i＝i+1，通过式2-1
对xi-1(t)进行分数阶短时傅里叶变换得到
步骤三、通过式3-1
对进行处理，保留相位信息，更新幅值信息；
步骤四、通过式4-1
对进行逆变换；
步骤五、将与g(mL-t)代入式5-1
中更新迭代信息，得到第i次相位恢复后的信号xi(t)；
步骤六、重复步骤二到步骤五的内容直到i＝5000，转入下一步；
步骤七、令xr(t)＝xi(t)，输出相位恢复信号xr(t)。
参见图5(a)、图5(b)和图5(c)，图5(a)和图5(c)为相位恢复信号xr(t)强度随时间变化的散点图与折线图，图5(b)原始信号x(t)的强度随时间变化的图像，根据以上图像可以看出相位恢复信号xr(t)与原始信号x(t)图像在高斯窗下，时恢复效果是最好的。
实施例4
参见图1和图2，基于分数阶短时傅里叶变换的线性调频信号相位恢复方法，包括以下步骤：
步骤一：
1.1输入下列函数：幅值信息y(m,u)；引入了随机相位和随机噪声的待处理信号xi＝0(t)；
1.2选取高斯窗函数；
1.3输入下列参数：旋转角度窗函数的支撑域W＝12，信号长度N＝29，相邻窗函数移动步长L＝2，窗函数移动次数m＝15，已循环次数i，此时i＝0，信噪比SNR＝30；
步骤二、令i＝i+1，通过式2-1
对xi-1(t)进行分数阶短时傅里叶变换得到
步骤三、通过式3-1
对进行处理，保留相位信息，更新幅值信息；
步骤四、通过式4-1
对进行逆变换；
步骤五、将与g(mL-t)代入式5-1
中更新迭代信息，得到第i次相位恢复后的信号xi(t)；
步骤六、重复步骤二到步骤五的内容直到i＝5000，转入下一步；
步骤七、令xr(t)＝xi(t)，输出相位恢复信号xr(t)。
参见图6(a)、图6(b)和图6(c)，图6(a)和图6(c)为相位恢复信号xr(t)强度随时间变化的散点图与折线图，图6(b)原始信号x(t)的强度随时间变化的图像，根据以上图像可以看出相位恢复信号xr(t)与原始信号x(t)的重合度在高斯窗下是次好的。
实施例5
参见图1和图2，基于分数阶短时傅里叶变换的线性调频信号相位恢复方法，包括以下步骤：
步骤一：
1.1输入下列函数：幅值信息y(m,u)；引入了随机相位和随机噪声的待处理信号xi＝0(t)；
1.2选取高斯窗函数；
1.3输入下列参数：旋转角度窗函数的支撑域W＝12，信号长度N＝29，相邻窗函数移动步长L＝2，窗函数移动次数m＝15，已循环次数i，此时i＝0，信噪比SNR＝30；
步骤二、令i＝i+1，通过式2-1
对xi-1(t)进行分数阶短时傅里叶变换得到
步骤三、通过式3-1
对进行处理，保留相位信息，更新幅值信息；
步骤四、通过式4-1
对进行逆变换；
步骤五、将与g(mL-t)代入式5-1
中更新迭代信息，得到第i次相位恢复后的信号xi(t)；
步骤六、重复步骤二到步骤五的内容直到i＝5000，转入下一步；
步骤七、令xr(t)＝xi(t)，输出相位恢复信号xr(t)。
参见图7(a)、图7(b)和图7(c)，图7(a)和图7(c)为相位恢复信号xr(t)强度随时间变化的散点图与折线图，图7(b)原始信号x(t)的强度随时间变化的图像，根据以上图像可以看出相位恢复信号xr(t)与原始信号x(t)图像中重合度在高斯窗下是较差的。
本发明的工作与原理是：将原始信号x(t)，分别转换成去掉相位信息仅含幅值信息的函数y(m,u)和带有随机相位以及随机噪声的待处理信号xi(t)，将xi(t)输入到方法程序当中；令i＝i+1，对xi-1(t)进行分数阶短时傅里叶变换得到再保留函数的相位，更新其幅值信息得到再对做逆变换得到再对进行去窗函数的处理以及更新迭代信息，得到xi(t)，再将xi(t)重新输入到程序中，重复循环若干次，最终令xr(t)＝xi(t)，就得到相位恢复信号xr(t)。

Claims (10)

1.基于分数阶短时傅里叶变换的线性调频信号相位恢复方法，其特征在于，包括以下步骤：
步骤一：
1.1输入下列函数：幅值信息y(m,u)；引入随机相位和随机噪声的待处理信号xi(t)；窗函数g(mL-t)；
1.2输入下列参数：旋转角度α；窗函数的支撑域W，信号长度N，相邻窗函数移动步长L，窗函数移动次数m，已循环次数i，信噪比SNR；
步骤二、令i＝i+1，通过式2-1
对待处理信号xi-1(t)进行分数阶短时傅里叶变换得到
步骤三、通过式3-1
对进行处理，保留相位信息，更新幅值信息；
步骤四、通过式4-1
对进行逆变换；
步骤五、将与g(mL-t)代入式5-1
中更新迭代信息，得到第i次相位恢复后的信号xi(t)；
步骤六、重复步骤二到步骤五的内容直到i＞4000，转入下一步；
步骤七、令xr(t)＝xi(t)，输出相位恢复信号xr(t)。
2.根据权利要求1所述的基于分数阶短时傅里叶变换的线性调频信号相位恢复方法，其特征在于，所述窗函数g(mL-t)的宽W≥2，L≥1；所述|g(mL-t)|2的长度为N的离散傅里叶变换，是非零的。
3.根据权利要求1所述的基于分数阶短时傅里叶变换的线性调频信号相位恢复方法，其特征在于，所述N＞2W-1；所述N与W-1是互素的。
4.根据权利要求1所述的基于分数阶短时傅里叶变换的线性调频信号相位恢复方法，其特征在于，所述α取值范围为，
5.根据权利要求1所述的基于分数阶短时傅里叶变换的线性调频信号相位恢复方法，其特征在于，所述t轴为时域坐标轴，所述u轴为时频域坐标轴；所述时间变量t的取值范围为，0≤t≤29。
6.根据权利要求1所述的基于分数阶短时傅里叶变换的线性调频信号相位恢复方法，其特征在于，所述窗函数是矩形窗函数、高斯窗函数、汉宁窗函数、海明窗函数或者布莱克曼窗函数。
7.根据权利要求1所述的基于分数阶短时傅里叶变换的线性调频信号相位恢复方法，其特征在于，所述幅值信息y(m,u)是原始信号x(t)经式2-1
处理后得到再经式8-1
处理后得到的。
8.根据权利要求1所述的基于分数阶短时傅里叶变换的线性调频信号相位恢复方法，其特征在于，所述步骤一中待处理信号xi(t)是y(m,u)经random函数处理后，增加了随机相位和随机噪声而得到的信号。
9.根据权利要求1所述的基于分数阶短时傅里叶变换的线性调频信号相位恢复方法，其特征在于，所述步骤二中式2-1的正变换核函数Kα(t,u)为
10.根据权利要求1所述的基于分数阶短时傅里叶变换的线性调频信号相位恢复方法，其特征在于，所述步骤四中式4-1的逆变换核函数为
CN201910718092.XA 2019-08-05 2019-08-05 基于分数阶短时傅里叶变换的线性调频信号相位恢复方法 Active CN110413945B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910718092.XA CN110413945B (zh) 2019-08-05 2019-08-05 基于分数阶短时傅里叶变换的线性调频信号相位恢复方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910718092.XA CN110413945B (zh) 2019-08-05 2019-08-05 基于分数阶短时傅里叶变换的线性调频信号相位恢复方法

Publications (2)

Publication Number Publication Date
CN110413945A true CN110413945A (zh) 2019-11-05
CN110413945B CN110413945B (zh) 2023-05-16

Family

ID=68365861

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910718092.XA Active CN110413945B (zh) 2019-08-05 2019-08-05 基于分数阶短时傅里叶变换的线性调频信号相位恢复方法

Country Status (1)

Country Link
CN (1) CN110413945B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024040655A1 (zh) * 2022-08-25 2024-02-29 苏州大学 一种电能信号的分数域降噪方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070126893A1 (en) * 2005-12-05 2007-06-07 Eastman Kodak Company Method for detecting streaks in digital images
CN101553028A (zh) * 2009-04-30 2009-10-07 西南交通大学 Td-scdma通信系统接收同步中基于差分相位的频偏与相位估计方法
CN101963662A (zh) * 2010-09-20 2011-02-02 北京理工大学 基于短时分数阶傅里叶域滤波的自聚焦预处理方法
CN102866391A (zh) * 2012-09-05 2013-01-09 中北大学 基于短时傅里叶变换和分数阶傅里叶变换的多目标检测方法
WO2017004790A1 (zh) * 2015-07-07 2017-01-12 深圳大学 基于双随机相位图像编码系统的密码学破解方法和装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070126893A1 (en) * 2005-12-05 2007-06-07 Eastman Kodak Company Method for detecting streaks in digital images
CN101553028A (zh) * 2009-04-30 2009-10-07 西南交通大学 Td-scdma通信系统接收同步中基于差分相位的频偏与相位估计方法
CN101963662A (zh) * 2010-09-20 2011-02-02 北京理工大学 基于短时分数阶傅里叶域滤波的自聚焦预处理方法
CN102866391A (zh) * 2012-09-05 2013-01-09 中北大学 基于短时傅里叶变换和分数阶傅里叶变换的多目标检测方法
WO2017004790A1 (zh) * 2015-07-07 2017-01-12 深圳大学 基于双随机相位图像编码系统的密码学破解方法和装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
齐林,陶然,周思永,王越: "基于分数阶傅里叶变换的线性调频信号的自适应时频滤波", 兵工学报 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024040655A1 (zh) * 2022-08-25 2024-02-29 苏州大学 一种电能信号的分数域降噪方法

Also Published As

Publication number Publication date
CN110413945B (zh) 2023-05-16

Similar Documents

Publication Publication Date Title
CN108303665B (zh) 一种磁共振成像系统涡流补偿方法
US6700366B2 (en) Very fast swept spectrum analyzer
CN104749432B (zh) 基于聚焦s变换的多分量非平稳信号瞬时频率估计方法
CN109409525B (zh) 量子比特量子态确定方法和量子比特读取信号解析方法
CN111628790B (zh) 一种基于干扰带宽检测的高精度抗干扰方法及装置
CN114910854B (zh) 一种脉冲强磁场下核磁共振fid信号相位校正方法
CN110187313B (zh) 基于分数阶Fourier变换的雷达信号分选识别方法及装置
CN109342813B (zh) 一种基于dft和二分法的正弦信号频率估计方法
CN110413945A (zh) 基于分数阶短时傅里叶变换的线性调频信号相位恢复方法
CN112859019A (zh) 一种脉内调制类型参数提取系统和使用方法
CN109490627A (zh) 基于混合卷积窗的新型电力系统谐波分析方法
CN113376570A (zh) 一种基于信道化处理的相关干涉仪实时测向方法
CN103916199B (zh) 一种天线信号的时延和相位调整装置与方法
Zhidong et al. A new method for processing end effect in empirical mode decomposition
CN117318671A (zh) 一种基于快速傅里叶变换的自适应滤波方法
CN111611686A (zh) 一种通信信号时频域的检测方法
CN109030942B (zh) 谐相角分析方法
CN115078829A (zh) 一种电力系统电流电压频率检测方法及检测系统
CN107942385B (zh) 一种精细旅行时计算的动校正方法
Liu et al. Digital instantaneous frequency measurement with wide bandwidth for real-valued waveforms using multiple sub-Nyquist channels
CN103376108B (zh) 一种星敏感器降噪方法
CN111399043A (zh) 一种提高边缘检测能力的地震数据处理方法
CN110491408A (zh) 一种基于稀疏元分析的音乐信号欠定混叠盲分离方法
CN105405444B (zh) 一种在Odd-DFT域对含噪正弦信号进行参数估计的方法
Pao et al. Smoothing empirical mode decomposition: A patch to improve the decomposed accuracy

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant