由于白光干涉测量技术易受环境振动而产生干扰，提出了一种基于非均匀快速傅里叶变换（NUFFT）的抗振动白光干涉测量方法。该方法将白光干涉测量光路分为两个成像通道，首先通过准单色光干涉图求解移相间隔，通过移相间隔以及NUFFT算法对白光干涉图进行校正，最后利用校正的白光干涉图和七步移相算法复原出待测物体的三维形貌，实验结果表明，所提方法具有良好的抗振动性能。

为了在高动态、低信噪比的条件下实现对低轨物联网信号的快速捕获, 提出了一种用于快速捕获低轨物联网信号的部分匹配滤波-快速傅里叶变换(PMF-FFT)改进算法。首先, 利用星历信息预估多普勒频偏, 缩小频域搜索范围; 然后, 通过补零、加窗方法克服PMF-FFT算法的扇贝损失; 最后, 采用频域差分非相干累积提高低信噪比下的输出增益。仿真分析表明, 所提改进算法在信噪比为-25~-15 dB时能提高低轨物联网信号的检测概率, 搜索范围由15~35 kHz缩小为24.8~25.2 kHz。

面向空间引力波探测对激光光源相对强度噪声的严苛需求，开展了极低相对强度噪声在低频段的测试表征技术研究。构建了基于低噪声光电探测器、高精度数字万用表以及快速傅里叶（FFT）频谱分析仪在低频段0.1 mHz~100 kHz的相对强度噪声测试系统。利用高精度数字万用表及FFT分段Smooth窗函数平滑算法实现对0.1 mHz~0.5 Hz的极低频段内相对强度噪声测试，本底噪声低于-99 dBc/Hz，同时利用低噪声放大器及FFT频谱分析仪测试在1 mHz~100 kHz的相对强度噪声，本底噪声低于-105 dBc/Hz。两种测试手段在1 mHz~0.5 Hz重叠频段内噪声测试结果的一致性验证了所构建测试系统在低频段测试结果的准确性。利用所构建的相对强度噪声测试系统对自研空间引力波探测用平面波导环形腔（NPRO）激光器、商用光纤激光器、商用外腔半导体激光器等多种激光器进行测试评估，并对其噪声成分及来源进行分析。所构建的低频段相对强度噪声测试系统可满足空间引力波探测对激光强度噪声评估的需求，同时也适用于其他低频段精密测量应用的激光光源噪声评估。

快速傅里叶变换是激光多普勒测速系统信号处理的一种常用方法，但在异步采样时存在频谱泄漏和栏栅效应，其处理精度偏低。为了提高检测精度，提出基于Nuttall窗函数和五项最大旁瓣衰减窗函数的混合卷积窗改进六谱线插值校正算法。混合卷积窗在保证良好的旁瓣特性的同时也能保证主瓣不过宽，改进六谱线插值可有效抑制栏栅效应在参数估计过程中的负面影响，提高分析精度。为了避免解高次方程，提出三次B样条插值来拟合插值系数，并推导出改进六谱线插值的频率校正公式。搭建了双光束后向散射差动式激光多普勒测速平台，利用仿真数据和实测信号验证了本文算法在低信噪比环境下有较好的频率和速度测量精度。

提出了一种在光纤距离方向作快速傅里叶变换（FFT）的振动信号相位提取方法，并在分布式声波传感（DAS）系统上加载200 Hz正弦信号进行了验证。该方法在振动传感光纤距离方向上采用分距离滑动FFT变换提取载波信号的相位，然后对光纤方向缠绕的相位信号进行差分，进而在光纤方向与时间方向上进行解缠绕处理，最后对解缠绕信号进行高通滤波。与DAS系统信号解调常用的IQ解调、希尔伯特变换解调相比，该方式提取的200 Hz振动信号的信噪比为36.71 dB，比IQ、希尔伯特变换提取的信噪比分别高21.04 dB和20.91 dB，且FFT提取的振动相位信号的周期性好，无谐波及低频噪声干扰。对2000 Hz和5000 Hz正弦振动信号的提取结果也表明该方式具有较好的适用性。

本文提出了一种一端固定的双站SAR（OS-BiSAR）体制下基于距离补偿的毫米波快速成像算法。在图像重构过程中，该算法通过保留回波模型中的幅度衰减因子来补偿信号传播衰减，并根据目标回波方程特性对接收阵列维执行了卷积操作，最后通过快速傅里叶变换（FFT）以及相干累加等步骤求解出最终目标图像。仿真分析和实验结果表明，与OS-BiSAR体制下基于距离补偿的距离徙动算法（RMA）相比，所提算法不仅可以保证图像重构效率，还能更显著地降低信号沿空间路径的传播损耗对成像质量带来的影响。

近年来，基于深度学习的高光谱图像（HSI）分类研究引起了各领域的广泛关注。HSI光谱波段数多、信息冗余度高、计算复杂，出现训练样本不足的问题，容易导致模型训练过拟合，影响分类精度。为了提高分类精度并减少训练时间，提出一种基于三维卷积神经网络（3D-CNN）并结合双分支双注意力机制的快速密集连接网络，用于HSI的分类。首先利用主成分分析（PCA）对原始数据进行降维，减少冗余信息，然后采用双分支密集连接结构，并结合快速傅里叶变换（FFT）的双分支高效通道注意力（ECA）机制，同时增加了一个FFT层，既保证了模型的分类精度，也加快了模型的训练速度。在多个公共高光谱数据集上对方法进行实验验证，性能评估指标采用总体分类精度（OA），平均分类精度（AA）和Kappa系数。实验结果表明，所提方法在提高分类精度的同时，显著减少了训练时间和测试时间。

基于压缩感知(CS)的多输入多输出(MIMO)雷达成像方法具有分辨率高的优点,但在实际应用中存在着运算复杂的问题,无法满足运动目标成像对时效性的要求。针对这个问题,提出了一种基于非均匀快速傅里叶变换(NUFFT)和快速迭代软阈值算法(FISTA)的MIMO雷达目标三维高分辨成像的新方法。该方法利用NUFFT对FISTA中的矩阵-向量乘法进行高精度近似,能够在保证高分辨率成像的同时,缩短成像时间,减小对系统内存的需求。仿真实验验证了所提方法的有效性及其相比现有典型方法的优越性。