.png){kind=icon}
返回
Fast Weighted Transforms for Linear Convolution
.png){kind=icon}
PRE
AI
DOI：10.1109/TSP.2025.3637157.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
卷积在数字信号处理中是许多应用的基础。现有工作通过基于加权变换的N点直角圆周卷积（RCC）实现N点线性卷积，有效消除了对零填充的需求。然而，这些方法受限于其权重选择，这影响了变换开始时和逆变换结束时与权重相关的乘法的复杂度。这一局限性导致加权傅里叶变换（WFT）卷积出现精度降低或复杂度增加，以及加权费马数变换（WFNT）卷积中变换长度的受限。在本工作中，我们通过将权重乘法合并到具有任意2的幂次方基的蝶形结构中，解决了上述挑战，适用于WFT和WFNT。我们还提出了一种提取方法以容纳负数和复数。我们的工作确保权重不会增加复杂度，从而在WFT卷积中提高精度并降低复杂度，同时在WFNT卷积中允许更广泛的变换长度。
Keyword:
Linear convolution
discrete Fourier transform
number theoretic transform
fast weighted transform
weighted Fourier transform
weighted Fermat number transform
期刊
I
IF:
5.8
论文数:
348
被引数:
0
机构
引用论文
.png){kind=icon}
查看更多内容