互质因子算法

互质因子算法(Prime-factor FFT algorithm, PFA),又称为Good-Thomas算法[1] [2],是一种快速傅立叶变换(FFT),把N = N1N2大小的离散傅立叶变换重新表示为N1 * N2大小的二维离散傅立叶变换,其中N1N2互质。变成N1N2大小的傅立叶变换后,可以继续递回使用PFA,或用其他快速傅立叶变换算法来计算。

较流行的Cooley-Tukey算法经由mixed-radix一般化后,也是把N = N1N2大小的离散傅立叶变换分割为N1N2大小的转换,但和互质因子算法 (PFA)作法并不相同,不应混淆。Cooley-Tukey算法N1N2不需互质,可以是任何整数。然而有个缺点是比PFA多出一些乘法,和单位根twiddle factors相乘。相对的,PFA的缺点则是N1N2互质 (例如N 是2次方就不适用),而且要借由中国剩余定理来进行较复杂的re-indexing。互质因子算法 (PFA)可以和mixed-radix Cooley-Tukey算法相结合,前者将N 分解为互质因数,后者则用在重复质因数上。

PFA也与nested Winograd FFT算法密切相关,后者使用更为精巧的二维折积技巧分解成N1 * N2的转换。因而一些较古老的论文把Winograd算法称为PFA FFT。

尽管PFA和Cooley-Tukey算法并不相同,但有趣的是Cooley和Tukey在他们1965年发表的有名的论文中,没有发觉到高斯和其他人更早的研究,只引用Good在1958年发表的PFA作为前人的FFT结果。刚开始的时候人们对这两种作法是否不同有点困惑。

算法

编辑

离散傅立叶变换(DFT)的定义如下:

 

PFA将输入和输出re-indexing,代入DFT公式后转换成二维DFT。

Re-indexing

编辑

N = N1N2N1N2两者互质,然后把输入n 和输出k 一一对应

 

N1N2 互质,故根据最大公因数表现定理,对每个n 都存在满足上式的整数n1n2,且在同余N 之下n1可以调整至0~N1 –1之间,n2可以调整至0~N2 –1之间。并根据同余理论易知满足上式且在以上范围内的整数n1n2是唯一的。这称为Ruritanian 映射 (或Good's 映射),

 
 

举例来说:

如果 对于任一   都可以对应到

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

N1N2 互质,故根据中国剩余定理,对于每组 ( k1 , k2 ) (其中k1在0~N1 – 1之间, k2在0~N2 – 1之间),都有存在且唯一的k 在0~N - 1之间且满足上两式。这称为 CRT 映射。 CRT 映射的另一种表示法如下

 

其中N1-1表示N1N2之下的反元素N2-1反之。

( 也可以改成对输入n CRT 映射以及对输出kRuritanian 映射)

对于有效re-indexing (理想上是达到原地)的方法有许多研究[3],以减少耗费时间的运算。

DFT re-expression

编辑

表示方法一:

将以上的re-indexing代入DFT公式里指数部分的nk 之中,

 

( 因为ei = 1,所以两个指数的k 部分可以分别N1N2 )。剩下的部分变成

 

则内部和外部的总和分别转换成大小为N2N1的DFT。

表示方法二:

如果令  

  相当于取  的余数, ,  

 

 

 

 

对于每一个   都要做一个   点的  ,而因为   个,所以需要    ,

对于每一组 都要做一个   点的  ,而因为  为常数,   个,所以需要    

因此如果要计算复杂度,可以乘法器的数量当作考量,

假设  点的   需要  个乘法器,

假设  点的   需要  个乘法器,

则总共需要  个乘法器。

范例

编辑

N = 6为例,有两种可能,N1 = 2, N2 = 3或N1 = 3, N2 = 2。

 
N1 = 2, N2 = 3
 
N1 = 3, N2 = 2

第一种情形所产生的流程图如左图所示。先做2次3点DFT后再做3次2点DFT。

第二种情形所产生的流程图如右图所示。先做3次2点DFT后再做2次3点DFT。

其中2点DFT的部分因构造单纯,皆以交错的蝴蝶图来显示。

可以看出即使在这个简单的例子中,输入和输出的index也都经过有点复杂的重新排列。

与Cooley-Tukey算法的比较

编辑

如首段所述,Cooley-Tukey算法和互质因子算法 (PFA)曾被误认为很类似。两者皆有各自优点可适用于不同状况,因此分辨它们的不同是很重要的。在1965年著名的论文中发表的Cooley-Tukey算法,是在DFT的定义

 

中代入n = n1 + n2N1 , k = k1N2 + k2,则

 
 

比PFA多了一些要乘的因子  (称为twiddle factors ),但index较为简单,且适用于任何N1N2。在J. Cooley稍后发表的关于FFT历史探讨的论文[4]中使用N = 24点FFT为例,显示两种作法在index结构上的不同。

相关条目

编辑

注释

编辑
  1. ^ I. J. Good, The interaction algorithm and practical Fourier analysis, J. R. Statist. Soc. B, 1958, 20(2): 361–372 
  2. ^ L. H. Thomas, Using a computer to solve problems in physics, Applications of Digital Computers, 1963 
  3. ^ S. C. Chan and K. L. Ho, On indexing the prime-factor fast Fourier transform algorithm, IEEE Trans. Circuits and Systems, 1991, 38(8): 951–953 .
  4. ^ J. Cooley, P. Lewis, and P. Welch, Historical notes on the fast Fourier transform, IEEE Transactions on Audio and Electroacoustics, 1967, 15(2): 76–79 

参考文献

编辑
  1. P. Duhamel and M. Vetterli, Fast Fourier transforms: a tutorial review and a state of the art, Signal Processing, 1990, 19: 259–299 

外部链接

编辑