信号处理常用算法介绍
对于许多信号，低频成分相当重要，它常常蕴含着信号的特征，而高频成分则给出信号的细节或差别。
快速傅里叶变换（FFT）:
朴素高精度乘法时间O(n2),但FFT能O(nlog2n)的时间解决 可以反映出信号的整体内涵，但表现形式往往不够直观，并且噪声会使得信号频谱复杂化
离散小波变换（DWT）:
在数值分析和时频分析中很有用，一维小波变换，二维小波变换 小波分解:意义就在于能够在不同尺度上对信号进行分解，使人们在任意尺度观察信号，将信号分解为近似分量和细节分量 小波分析：应用在降噪中的，在小波分析中经常用到近似于细节，近似表示信号的高尺度，即低频信息；细节表示信号的高尺度，即高频信息。 带通滤波器:将信号分解为不同频率分量
稀疏表示：
为普通稠密表达的样本找到合适的字典，将样本转化为合适的稀疏表达形式，从而使学习任务得以简化，模型复杂度得以降低 它实质上是对于庞大数据集的一种降维表示，应用在图像去噪、超分辨率重建、人脸识别、目标跟踪、音频处理 1) 省空间 2) 奥卡姆剃刀说：如果两个模型的解释力相同，选择较简洁的那个。稀疏表达就符合这一点。
持续更新中......
