多元多项式乘积的 FPT算法

本文详细讨论了多元多项式乘积的多项式变换(FPT)算法。首先给出了二元的情况,然后推广到了一般多元多项式,最后给出了这种算法在计算二维循环卷积中的应用,由此可见,这种算法在计算多维卷积和多维DFT 时是很有效的。     

某些环中卷积的快速计算

本文研究了环中卷积的快速计算问题,讨论了计算域中卷积通常使用的Wino-grad 短卷积算法、快速富里叶变换算法以及多项式变换算法对一般环中卷积计算的可适用性。特别地,对应用广泛的矩阵多项式乘积、矩阵卷积及多项式卷积计算提出了比直接计算快得多的算法。     

多项式变换及其在卷积计算中的应用

Nussbaumer和Quandalle在[6]中提出了多项式变换并用它来计算数字卷积。本文在[6]的基础上,更一般地研究了多项式变换,详细地研究了这种变换存在的条件。特别,当模M(z)是可约多项式时,得到了一系列变换存在的充分必要条件,并证明这时具有循环卷积特性(CCP),而[6]中提出并证明了的变换仅是这里的特殊情况。     

一维变换与二维变换的等价以及二维DFT的向量算法

本文证明了当且仅当[R]=[P]~T(?)[Q]时,一维变换r=[R]X与二维变换[Y]=[Q][X][P]相互等价。此外,讨论了Hadamard变换以及具有循环卷积特性的一维变换与二维变换的等价问题。最后,利用上述等价定理,导出了二维DFT的一种比行列算法更为有效的快速算法——向量算法。     

解二维卷积型积分方程的正则化方法

基于傅立叶变换和Tikhonov的正则化方法,讨论了解二维卷积型积分方程的正则化方法。     

SAR雷达二维噪声卷积调制干扰研究

根据SAR雷达二维信号处理特点,提出一种新的SAR雷达二维干扰技术——二维噪声卷积调制干扰,即干扰机接收到SAR雷达信号后,用视频噪声信号对接收信号卷积调制后转发。阐述了噪声卷积调制干扰机理,建立了SAR雷达二维噪声卷积调制干扰模型,论证了干扰功率及干信比方面的优势,分析了相关干扰参数对干扰效果的影响。理论分析和仿真实验证明,该方法对SAR雷达具有明显的欺骗与压制干扰效果。     

多维离散变换与小波的并行算法及其实现

讨论了多维 DCT和多维 DWT的并行行列算法和并行多项式变换算法 ,并用 Log P模型对算法进行了分析。在仔细分析一维和二维离散小波变换与小波包变换计算结构的基础上 ,提出了它们的并行算法。算法只需相对较少的通信时间 ;适合大规模并行机 ( MPP)和工作站或微机机群系统 ;方法也适合信号处理中的各种塔式分解过程。用 Fortran语言和 PVM编制了算法的程序。在机群系统和大规模并行机上的实验表明 ,算法是正确的且具有较高的加速比。     

用快速多项式变换 (FPT) 计算二维 DFT的混合算法

本文首先提出用多项式逆变换计算二维DFT的方法(k_2是奇数 或偶数分别讨论),然后再讨论混合算法。对于N×N(N=2~t)二维DFT,混合算法所需的运算量为(?) 与通常以2为基的二维FFT(行列算法)比较,加法次数相同,乘法次数减少,约20-40%。     

用快速多项式变换（FPT）计算二维离散富里叶变换（DFT）

本文利用快速多项式变换(FPT)计算N×M 型二维DFT(M=2~m,N=2~(m-r+1),1≤r≤m),所需的乘法及加法次数(复乘及复加)分别为M_u=1/2NMlog_2M-3/2NM+N~2+N(1+log_2M-log_2N)A_d=NMlog_2NM,与通常的以2为基的二维FFT 比较,加法次数相同,乘法次数减少约30—40%,从而提高了计算精度。本算法还适用于并行算法。     

基于GPU的二维离散小波变换快速计算

通过分析小波变换的多相表示和GPU通用计算模型,结合现代GPU的多纹理和多渲染目标特性,提出了一种基于GPU与多相表示的二维离散小波变换计算方法,该方法使小波变换的计算形式完全适合GPU的SIMD结构,同时大幅减少了纹理访问次数,充分利用了GPU的矢量运算和二维寻址能力,实验表明该方法在处理速度上有大幅的提高。