FFT —— 快速傅里叶变换
问题:
已知A[], B[], 求C[],使:
定义C是A,B的卷积,例如多项式乘法等。
朴素做法是按照定义枚举i和j,但这样时间复杂度是O(n2).
能不能使时间复杂度降下来呢?
点值表示法:
我们把A,B,C看作表达式。
即:
A(x)=a0 + a1* x + a2 * x2 +...
将A={(x1,A(x1)), (x2,A(x2)), (x3,A(x3))...}叫做A的点值表示法。
那么使用点值表示法做多项式乘法就很简单了:对应项相乘。
那么,如何将A和B转换成点值表示法,再将C转化回系数表示法(即最初的表示方法)呢?
如果任取n个点,按照定义计算,那么还是O(n2)的。
这样就要用到快速傅里叶变换。
快速傅里叶变换:
既然任取n个点,按照定义计算太慢,就要找一些特殊点。
我们用n个n次单位复数根(1的n次方根,涉及到复数,1的方根不止1和-1)来计算:
1的n次方根是,其中i是虚数单位。
我们定义wn = e^(2∏i)是主n次单位根,那么所有n次单位复数根都是它的次方。
我们要求出A(wnk),就要采用分治思想。
我们将奇偶系数分离(先假设n为偶数),即定义
A1(x)=a0 + a2* x + a4 * x2 +...
A2(x)=a1 + a3* x + a5 * x2 +...
那么A(x)=A1(x2) + xA2(x2)。
要计算A(wnk)=A1((wnk)2) + wnkA2((wnk)2),
就要用到(wnk)2 = wn/2k mod (n / 2)(证略)。
所以A(wnk)=A1(wn/2k mod (n / 2)) + wnkA2(wn/2k mod (n / 2))
我们发现A1,A2都是n/2项的,且只需要算wn/2k的值,那么这就和开始的问题一样了,可以分治。
边界也很容易:n=1的时候A1本身就是值。
合并解。
A(wnk)=A1(wn/2k mod (n / 2)) + wnkA2(wn/2k mod (n / 2))
那么可以A(wnk)和A(wnk+n/2)一起算(0<=k<n/2):
设u = A1(wn/2k), t = wnkA2(wn/2k),
那么A(wnk) = u + t
A(wnk+n/2) = A1(wn/2k) + wnk + n/2 A2(wn/2k)
= A1(wn/2k) + wnk wnn/2 A2(wn/2k)
= A1(wn/2k) - wnk A2(wn/2k)
= u - t
所以这样就能算出A的点值表示法。
一个问题:分治要求n是2的幂,不是怎么办? 补0, 直到是2的幂。
剩下的问题:如何把C转化回系数表示法。
快速傅里叶逆变换:
我们把C做一遍快速傅立叶变换,只是求的是wnn, wnn-1, ..., wn1的值而不是wn0, wn1, ..., wnn-1的值,最后每一项除以n即可。
证略。
void Rader(complex y[],int len) { int i,j,k; , j = len/;i < len-;i++) { if(i < j)swap(y[i],y[j]); k = len/; while( j >= k) { j -= k; k /= ; } if(j < k)j += k; } } void FFT(complex y[],int len,int on) //on = 1 快速傅里叶变换, on = -1 快速傅里叶逆变换 { Rader(y,len); ;h <= len;h <<= ) { complex wn(cos(-on**PI/h),sin(-on**PI/h)); //e^ki = cosk + isink ;j < len;j += h) { complex w(,); ;k++) { complex u = y[k]; complex t = w*y[k+h/]; y[k] = u+t; y[k+h/] = u-t; w = w*wn; } } } ) ;i < len;i++) y[i].r /= len; }
39 //复数实现略
FFT —— 快速傅里叶变换的更多相关文章
- FFT 快速傅里叶变换 学习笔记
FFT 快速傅里叶变换 前言 lmc,ikka,attack等众多大佬都没教会的我终于要自己填坑了. 又是机房里最后一个学fft的人 早背过圆周率50位填坑了 用处 多项式乘法 卷积 \(g(x)=a ...
- CQOI2018 九连环 打表找规律 fft快速傅里叶变换
题面: CQOI2018九连环 分析: 个人认为这道题没有什么价值,纯粹是为了考算法而考算法. 对于小数据我们可以直接爆搜打表,打表出来我们可以观察规律. f[1~10]: 1 2 5 10 21 4 ...
- 「学习笔记」FFT 快速傅里叶变换
目录 「学习笔记」FFT 快速傅里叶变换 啥是 FFT 呀?它可以干什么? 必备芝士 点值表示 复数 傅立叶正变换 傅里叶逆变换 FFT 的代码实现 还会有的 NTT 和三模数 NTT... 「学习笔 ...
- [C++] 频谱图中 FFT快速傅里叶变换C++实现
在项目中,需要画波形频谱图,因此进行查找,不是很懂相关知识,下列代码主要是针对这篇文章. http://blog.csdn.net/xcgspring/article/details/4749075 ...
- matlab中fft快速傅里叶变换
视频来源:https://www.bilibili.com/video/av51932171?t=628. 博文来源:https://ww2.mathworks.cn/help/matlab/ref/ ...
- FFT快速傅里叶变换算法
1.FFT算法概要: FFT(Fast Fourier Transformation)是离散傅氏变换(DFT)的快速算法.即为快速傅氏变换.它是根据离散傅氏变换的奇.偶.虚.实等特性,对离散傅立叶变换 ...
- FFT快速傅里叶变换
FFT太玄幻了,不过我要先膜拜HQM,实在太强了 1.多项式 1)多项式的定义 在数学中,由若干个单项式相加组成的代数式叫做多项式.多项式中的每个单项式叫做多项式的项,这些单项式中的最高项次数,就是这 ...
- [学习笔记]FFT——快速傅里叶变换
大力推荐博客: 傅里叶变换(FFT)学习笔记 一.多项式乘法: 我们要明白的是: FFT利用分治,处理多项式乘法,达到O(nlogn)的复杂度.(虽然常数大) FFT=DFT+IDFT DFT: 本质 ...
- FFT(快速傅里叶变换)
学习了FFT用来求多项式的乘法,看了算导上的介绍,上面讲的非常明白,概括一下FFT的原理就是,我们在计算多项式的乘法时,如果暴力模拟的话是n^2 复杂度的,就像小学学的竖式乘法一样,比如一个n位数乘上 ...
随机推荐
- Esper系列(二)时间窗口、长度窗口、cast、注解、自定义函数、静态方法
长度窗口实现原理图 说明: 上图长度窗口为5,事件W1至W5进入引擎后属于NewEvents队列,事件W6进入引擎后,W2至W6就属于NewEvents队列,而事件W1就属于OldEvents队列了. ...
- day1作业
作业一:博客 作业二:编写登陆接口 输入用户名密码 认证成功后显示欢迎信息 输错三次后锁定 作业三:多级菜单 三级菜单 可依次选择进入各子菜单 所需新知识点:列表.字典 作业一分析: readme.m ...
- uedit富文本编辑器
问题: 1: An error occurred at line: 6 in the generated java fileOnly a type can be imported. com.baidu ...
- spring4使用websocket
看到spring4的介绍上说已经支持websocket了,尝试了一下之后各种坑,不如servlet简单,写篇文章来讲解一下自己遇到的坑. 环境:tomcat8+spring4.1.6+jdk8+ngi ...
- 通过WMI配置IP
$wmi = gwmi win32_networkadapterconfiguration -filter "ipenabled = 'true'"$wmi.EnableStati ...
- 系统调用表 linux 2.6.32
[root@localhost log]# find / |grep syscall_table /usr/src/kernels/linux-/arch/x86/kernel/syscall_tab ...
- 数据库Mysql性能优化
http://www.cnblogs.com/itxiongwei/p/5533995.html
- careercup-递归和动态规划 9.7
9.7 编写函数,实现许多图片编辑软件都支持的“填充颜色”功能.给定一个屏幕(以二维数组表示,元素为颜色值).一个点和一个新的颜色值,将新颜色值填入这个点的周围区域,直到原来的颜色值全部改变. 类似l ...
- android自定义View之钟表诞生记
很多筒子觉得自定义View是高手的象征,其实不然.大家觉得自定义View难很多情况下可能是因为自定义View涉及到了太多的类和API,把人搞得晕乎乎的,那么今天我们就从最简单的绘图API开始,带大家来 ...
- Android(java)学习笔记155:如何让你的GridView不再滚动
GridView显示不完整的原因是因为,他的外层也套用了一个滑动的控件,这个解决办法是:重写GridView,是控制GridView不能滚动,就是写一个类继承GridView 代码如下: publ ...