Mamba与傅里叶变换的融合，既能保留线性复杂度的长序列建模优势，又能通过频域变换精准捕捉全局频谱特征，已成为时序信号处理、长序列预测等领域的核心突破方向。
本文整理了10篇两者结合的最新前沿论文，正在做相关课题的伙伴可以直接下方领取论文及代码（部分包含），搭基线、找改进点、扩实验方向都能直接用上。
长按识别下方二维码，回复【曼巴傅里叶】
无偿领全部论文合集及项目代码
FAIM: Frequency-Aware Interactive Mamba for Time Series Classification
面向时间序列分类的频率感知交互式Mamba模型
文章内容
针对时间序列分类任务中模型噪声敏感度高、计算成本高、小样本场景易过拟合的问题，提出轻量型FAIM模型。设计自适应滤波模块，通过傅里叶变换提取频域特征，结合可学习动态阈值抑制噪声，采用全局-局部耦合滤波建模不同频率分量的协同作用；提出交互式Mamba模块，通过双因果卷积结构促进多粒度信息交互；搭配自监督预训练机制提升跨域鲁棒性。在UCR、UEA多个基准数据集上，准确率与排名均优于现有SOTA方法，实现精度与效率的更优平衡。
DEPFusion: Dual-Domain Enhancement and Priority-Guided Mamba Fusion for UAV Multispectral Object Detection
面向无人机多光谱目标检测的双域增强与优先级引导Mamba融合方法
文章内容
针对无人机多光谱目标检测中低光RGB图像细节丢失、融合阶段冗余信息干扰局部目标建模、Transformer类方法计算成本高的问题，提出DEPFusion检测框架。设计双域增强模块，通过跨尺度小波Mamba增强低频分量以提升全局亮度，结合傅里叶细节恢复模块重建纹理细节；提出优先级引导序列化方法，按特征优先级排序Token驱动Mamba扫描，强化局部目标建模。在DroneVehicle、VEDAI数据集上检测精度领先，同时保持线性计算复杂度。
FaRMamba: Frequency-based learning and Reconstruction aided Mamba for Medical Segmentation
面向医学图像分割的频域学习与重建辅助Mamba模型
文章内容
针对医学图像分割中边界模糊、高频细节丢失、长程解剖结构建模困难的问题，提出FaRMamba分割模型。设计多尺度频域变换模块，集成离散小波、快速傅里叶、离散余弦三种变换，分离并重建多频段频谱以修复高频特征损失；引入自监督重建辅助编码器，通过像素级重建恢复完整二维空间相关性。在心脏超声、小鼠耳蜗MRI、内窥镜息肉三个数据集上，边界精度、细节保留度均优于CNN-Transformer混合模型及现有Mamba变体。
↓↓听说在下方一键三连的都Accept了🌝
