基于计算机的傅立叶运算法则.docVIP

基于计算机的傅立叶运算法则 一种有效计算2^m的参数网因子分解的方法被Yates提出并且以他的名字命名。3^m的一般化被Boxetal给出。Good总结了这些方法并且在傅立叶系列的计算应用上给出了简洁的因子分解。总地来说，Good的方法对于解决那些N个矢量与NxN矩阵相乘后分解为m阶矩阵，在这里m与logN成比例。这个过程需要一系列与NlogN而不是N^2成比例的操做。这些方法被使用来计算复杂的傅立叶序列。对于那些数据的个数是复数的情况。这个运算法则源于一个完全不同的形式。考虑到对N的选择，它同样显示出在二进制电脑中使用2^m的优势并且如何整体地在N个数据存储位中对给定的傅立叶系数进行计算。 考虑计算复杂的傅立叶系列的计算问题问题 此处给定的傅立叶系数A(k)是复杂的并且W是基本单位的N阶根、 直接地使用（1）计算会需要N^2次的操作，在这里操作代表着它将会在运算过程中复杂地进行一次乘法后进行一次加法。 这种这里所说的运算方法需要重复给定的一系列的傅立叶振幅并且使得结果在少于2Nlog2n次操作并且不需要更多的数据空间中完成。为了得到这种运算法则，假设N是一个复数，N=r1*r2。（1）式可以表示为： 式可以表示为： 由于 对于k1，其内部的总和，由j0和k0决定，因此可以定义一个新序列 因此结果可以改为 在A1序列中有N个元素，每个需要r1次操作，需要Nr1次操作来得到A1。同样地，需要Nr2次操作来从A1中得到X.因此，这种由（6）（7）给出的两部的运算方法，需要的总操作为： 很容易看出反复使用从（6）开始的上述过程，使得一个m-级的运算法则需要的操作数为： 其中有 如果rj=sjtj且有sj,tj1，除去sj=tj=2时取等，有sj+tjrj。因此，可以使用足够多的因子使得（9）取得极小值，当然2可以合并在没有损失的这种情况下。如果我们能够选择N作为最高复合，我们能够得到很大的收益。如果rj都相等，我们可以从（10）中得到： 总操作数为 如果N=(r^m) (s^n) (t^p)……，我们可以发现 因此可以得到 是工程量的平均值 这些值的运行如下： 当rj=3时是最有效的，但是增益只多于2和4的越6%。如果必要，使用rj在10以上可以使计算次数少于50%。因此，我们可以发现多因子的N在少量大数中的重要意义。 无论是否可行，对于N=r^m，r=2或4的使用在电脑的双运算中在寻址和经济乘法中提供了很多优势。 R=2的运算法则表现为如下的形式 其中jv和kv等同为0或1并且是各个字节位置在双重表现j,k的目录，所有的系列将被作为他们的索引字节的功能。在这样一种写意下（1）式写成 其中总和超出了kv=0,1因此 （15）中核心的总和超出km-1，决定为j0,km-2,……，k0可以写成 继续进行下一次加和，超出km-2，继续，使用式（18） 获得连续的序列 写出这些这些加和 通过这些标志指数协议，这些储存在这些位置目录上 从（20）中可以看出只有2个0，1存储位置的在2^m-l个字节位置上参与了算法。平行的计算是允许的由于在（20）中的操作可以同时进行所有从j0,……，jl-2和k0,……，km-l-1。考虑到AL-2，在有些运用中使用（20）来表示Al是很方便的，对于那些r=4的计算方法也是一样的。 最后的序列和可以求得所求的傅立叶和 在这样的顺序下X的标志必须在序列Am有它自己的双字节反转变形。 在一些应用中，傅立叶和应该被求值两次，上述过程可以被编程因此没有字节的倒置的很重要的。比如，考虑到解决差分方程 目前的方法是首先使用傅立叶变换 结果的傅立叶振幅为 B(k)和A(k)序列为字节倒置的顺序，但是在明显的对（20）的修改后，A(k)可以被用来变形得到正确的指数。 IBM7094的一个电脑程序使用上述方法用来计算三维的傅立叶求和。计算加和三维(2^a)* (2^b) *(2^c)数据序列的所花时间如下： 得分：20