5-FFT.docVIP

FFT（快速傅立叶变换）及多项式乘法的计算： （Aho书P252，Cormen书P830） 在电路设计、信号处理等许多工程应用中都会用到。 DFT（离散傅立叶变换）： 设a=(a0, a1,…, an-1)T为一n维向量， W为一特殊的n阶Vandermonde矩阵: W= (第一行中的”1”等于”(0”) n阶矩阵W=(wkj)的组成： wkj=(k*j，(k=0,1,2,…,n-1, j=0,1,2,…,n-1)， 且(满足((1，(n=1以及=0对一切1(j0(n-1成立。 即(是复数e2(i/n（方程xn=1的主单位(复)根），这里i=。 F(a)=Wa= 称为是向量a的离散傅立叶变换（DFT）。 因此，向量Wa中的第k个分量为a0+(k*a1+(2k*a2+…+((n-1)k*an-1。 (k=0,1,2,…,n-1) 由于计算出每一个分量需要做((n)次复数的相乘（ak可能是实数）， 因此把n个分量全部计算出来，用通常的方法 需要做((n2)次复数的相乘。 但W是一特殊的n阶矩阵，矩阵中的(有一些特殊的性质， 利用(的这些性质， 使用分治和多项式插值的方法， 就可使DFT的时间复杂度(做复数相乘的次数) 从((n2)降到((nlogn)。 能在((nlogn)时间里完成DFT的算法就称为FFT。 做DFT时，总假定有n=2m（m为大于等于0的整数）。 Wa的第k个分量为： ao+a1*(k+a2*(2k+…+ an-1*( (n-1)k， 相当于求多项式A(x)= ao+a1*x+a2*x2+…+ an-1*x(n-1) 在x=(k处的值，即A((k)（多项式插值，k=0,1,…n-1）。 于是有Wa=( A((0), A((1), A((2),…,A((n-1))T 令 Ae(x)= ao+a2*x+a4*x2+…+ an-2*xn/2-1（A(x)中下标为偶数的aj为系数） Ao(x)=a1+a3*x+a5*x2+…+ an-1*xn/2-1 （A(x)中下标为奇数的aj为系数） 则有A(x)= Ae(x2) + x*Ao(x2) 。 注意：Ae(x)和Ao(x)这2个多项式的规模均为n/2（∵A(x)规模为n）。 根据A(x)= Ae(x2) + x*Ao(x2) ，可得A((k)= Ae((2k)+ (k*Ao((2k)； 这就是说，我们只要求出Ae(x)和Ao(x) 在(2k处的值 （k=0,1,…n-1，即在(0 , (2 , (4 ,…(2(n-1)处的值）， 再用一次乘法和一次加法就可以求得A(x)在x=(k处的值。 如前所述，A(x)在x=k处的值就是Wa的第k个分量的值。 因此，问题归结为如何较快地求出Ae((2k)和 Ao((2k) （k=0,1,…n-1）。 根据主单位复根(的性质，我们有 折半引理 (Halving Lemma):（参看Cormen书P836） 若n0且n为偶数，则有((n)2k=((n/2)k (k=0,1,2,…) 。 这里(p表示满足方程xp=1的p阶主单位复根， 为方便起见，上文（及下文）中用无下标的(表示(n。 根据主单位复根的性质不难证明折半引理，详细证明略。 e.g. n=8时有：==1,==,==-1,==-。 由折半引理， Ae()和 Ao()的值就等于Ae()和 Ao()的值， 而Ae(x)和Ao(x)这2个多项式的规模又恰好都是n/2； 于是根据前述结果，对规模为n/2的向量(ao, a2, a4,…, an-2)T作DFT, 其第k个分量的值恰好就是Ae() (k=0,1,2,…,n/2-1)； 而对规模为n/2的向量(a1, a3, a5,…, an-1)T作DFT, 其第k个分量的值恰好就是Ao() (k=0,1,2,…,n/2-1) 因此，我们可以用分治法， 先分别对(ao, a2, a4,…, an-2)T和(a1, a3, a5,…, an-1)T 作n/2阶的DFT求出Ae()和Ao()(k=0,1,2,…,n/2-1)， 再由等式A()= Ae()+*Ao()= Ae()+*Ao() 求出A()(k=0,1,2,…,n-1)。 对于k=0,1,2,…,n/2-1，用上述等式就可求得A()； 但对于k=n/2, n/2+1,…,n-1，A()的计算不是这样直接。这是因为， 在作n/2阶DFT时求出的只是k(n/2-1的Ae()和Ao()， 而未能得到当k=n/2, n/2+1,…,n-1时的Ae()和Ao()， 故还需要找到计算Ae()+*Ao()（k=n/2, n/2+1,…,n-1）的 比较便捷的方法。这需要利用一些的性质。 根据主单位复根的性质，可以证明下列结论： 1) = (Cancellation Lemma，d为正