[论文解读] Extended Fourier analysis of signals

Vilnis Liepiņš|arXiv (Cornell University)|Mar 8, 2013

Image and Signal Denoising Methods参考文献 29被引用 4

一句话总结

本文提出了扩展离散傅里叶变换（EDFT），这是一种广义的傅里叶分析方法，通过在扩展的网格上优化频率基底，将经典DFT扩展至非均匀采样或不完整数据，从而实现精确的谱估计。EDFT与不确定性原理保持一致，在高能频段实现更高分辨率，并支持无需显式分离信号分量的精确信号重构与插值。

ABSTRACT

This summary of the doctoral thesis provides a comprehensive formulation of the Extended Discrete Fourier Transform (EDFT), derived directly from the Fourier integral and its orthogonality properties. The method is obtained by solving weighted least-squares estimators in both continuous and discrete domains, yielding an adaptive frequency-domain representation that remains fully consistent with the classical Fourier framework. In the special case of uniformly sampled data on a uniform frequency grid of the same size, the EDFT reduces exactly to the classical Discrete Fourier Transform (DFT). However, when the analysis grid exceeds the number of observed samples, EDFT circumvents conventional zero-padding by optimizing the transformation basis over the extended frequency set. This enables accurate spectral estimation from incomplete or nonuniformly sampled data. Consequently, the EDFT achieves enhanced frequency resolution in regions of strong spectral content while maintaining global resolution balance, thereby remaining consistent with the uncertainty principle. The inverse EDFT reconstructs the original signal and produces extrapolated or interpolated samples wherever spectral information is available. The EDFT requires no explicit separation of deterministic and stochastic components and accurately captures broadband, transient, and sinusoidal features simultaneously. Simulation studies confirm its robustness under nonuniform sampling, multiple Nyquist zones, missing-data conditions, and signals with mixed spectra comprising both line and continuous components. Although iterative computation of the EDFT entails higher numerical cost compared to the classical DFT, this limitation - significant in the 1990s - has been largely mitigated by modern computational resources, rendering the EDFT practical for contemporary signal analysis applications.

研究动机与目标

• 开发一种广义傅里叶变换，将经典DFT扩展至处理非均匀采样和不完整数据。
• 通过在扩展的频率网格上优化变换基底，克服传统DFT中零填充的局限性。
• 在实现强谱能量区域更高分辨率的同时，与不确定性原理保持一致。
• 提供统一框架，准确捕捉瞬态、宽带和正弦分量，无需分离确定性与随机分量。
• 即使在缺失数据条件下，也能实现基于谱估计的精确信号重构与插值。

提出的方法

• EDFT从傅里叶积分及其正交性出发，结合连续与离散域中的加权最小二乘估计推导得出。
• 其在扩展的频率网格上建立基底优化问题，实现对标准DFT网格之外谱成分的自适应表示。
• 通过最小化观测样本与重构信号之间的加权最小二乘误差，求解最优变换系数。
• 当样本数等于频率网格大小时，EDFT精确退化为经典DFT，确保向后兼容性。
• 逆EDFT可重构原始信号，并在存在谱信息的位置实现插值或外推。
• 该方法虽为数值迭代过程，但得益于现代计算资源，已克服早期成本限制，具备实际可行性。

实验结果

研究问题

• RQ1 如何在不依赖零填充的前提下，将经典DFT扩展以处理非均匀采样或不完整信号？
• RQ2 在强能量谱成分区域，谱分辨率可提升至何种程度，同时保持全局分辨率平衡？
• RQ3 能否在不分离分量的前提下，通过统一的傅里叶框架准确表示同时包含线谱与连续谱的混合谱？
• RQ4 EDFT在缺失数据条件及多重奈奎斯特区混叠情况下的表现如何？
• RQ5 EDFT在现代信号处理应用中的计算可行性如何？

主要发现

• 当样本数等于频率网格大小时，EDFT精确退化为经典DFT，确保向后兼容性。
• 该方法可实现对非均匀采样和不完整数据的精确谱估计，避免了零填充带来的伪影。
• EDFT在高能谱区域实现增强频率分辨率，同时保持全局分辨率平衡，与不确定性原理一致。
• 逆EDFT可重构原始信号，并基于可用谱信息生成精确的插值或外推样本。
• 仿真研究证实，EDFT在非均匀采样、缺失数据及混合谱成分（包括线谱与连续谱）条件下均表现出稳健性能。
• 尽管为迭代方法，但得益于现代硬件进步，EDFT现具备计算可行性，适用于当代信号分析。