劉志君，戚晨皓

（1.東南大學 吳健雄學院，江蘇 南京211189；2.東南大學 信息科學與工程學院，江蘇 南京211189）

0 引言

在“數(shù)字信號處理”中，相關是一個十分重要的信號分析與處理的工具，在時延估計、隨機信號的統(tǒng)計特性分析以及隨機信號的功率譜估計等方面有著重要的應用［1］，例如平穩(wěn)隨機信號的功率譜密度就是其自相關函數(shù)的傅里葉變換［2］。因此計算兩個有限長序列的線性相關是十分重要的內容，而相關文獻對于線性相關的FFT算法研究甚少，所以有必要對其快速運算作一些探討和研究，特別是長序列數(shù)字信號處理的快速算法，以期達到實時性的目的［3］。本文首先介紹了已有的直接FFT算法快速計算線性相關，而當兩序列長度相差較大時，直接FFT算法的快速性不夠明顯，因此本文重點研究了如何利用分段求和FFT算法來計算線性相關，該算法相比于直接FFT算法顯著減少了運算量。

1 直接FFT算法計算線性相關

1.1 直接FFT算法

設兩有限長序列x（n）、h（n）的長度分別為N、M，則x（n）與h（n）之間的線性相關的結果（又稱互相關函數(shù)）rxh（m）和rhx（m）定義為：

觀察式（1）和（2）我們可以發(fā)現(xiàn)兩種不同互相關函數(shù)之間的關系：

根據(jù)定義可以發(fā)現(xiàn)，互相關函數(shù)的長度為N+M-1，且兩個有限長序列的互相關函數(shù)有兩個［4］，但是二者之間有明顯的關聯(lián)性，即rhx（m）=rxh（-m）。如果直接使用定義計算線性相關，其運算量為NM次乘法，時間復雜度為O（NM）。

為了利用FFT快速計算線性相關，我們需要用到線性卷積的相關內容［2］，將rxh（m）的公式與線性卷積的公式相比較，可以得到二者的時域關系為：

根據(jù)式（4），我們就可以利用線性卷積的FFT算法［1］快速計算線性相關。這里我們還需要用到循環(huán)相關的概念，對于長度分別為N和M的有限長序列x（n）、h（n），其L點循環(huán)相關的結果（L≥max｛N，M｝）定義為：

式（5）中：（（·））L表示對L求余數(shù)，RL（n）為矩形序列，X（k）與Y（k）均為L點FFT的結果。

循環(huán)相關和線性相關的等價關系［1］為L≥N+M-1，故直接FFT算法計算線性相關的過程如下：①取L=N+M-1；②對x（n）和h（n）做L點FFT得到X（k）與H（k）；③然后將X*（k）與H（k）相乘得到Rxh；④對R做L點IFFT得到。

從上述過程來看需要3次FFT運算，但是在實際運用中，h（n）是設計好的參數(shù)，在設計時直接給出H（k），因此只需要2次FFT計算和第三步的L次乘法，因此得到直接FFT算法的運算量為（Llog2L+L）次乘法［1］，時間復雜度為O（Llog2L）。

1.2 直接FFT算法運算量的改進

前文討論線性相關的運算時并沒有考慮到N和M的關系對于直接FFT算法改進程度的影響。因此需要定義一個比值

通過式（6）來討論N和M的關系對于直接FFT算法改進程度的影響［3］。根據(jù)已經(jīng)得到的運算量的結果我們可以得到：

當N≈M時，可近似認為L=N+M-1≈2N，將兩種算法的運算量進行比較（表1）。

表1 N與M接近時運算量的比較

從表1中可以看出，當N=M時，N越大，直接FFT算法的運算量改善效果越好，在N=M≥16時，直接FFT算法的運算量就已經(jīng)明顯小于使用定義計算的運算量。

但是在實際的信號處理中，兩序列的長度相差較大，一般數(shù)字信號處理的單位沖激響應h（n）較短，而數(shù)字信號x（n）的長度較長。如果使用直接FFT算法進行計算，h（n）必須補很多個零值點，這樣一來很不經(jīng)濟，二來快速性不明顯［3］。在式（7）中，如果N?M，可以近似認為L=N+M-1≈N，此時，如果M不變，隨著N增加到大于2M，R1值反而會增大到超過1，這意味著直接FFT算法不僅沒有起到顯著減少運算量的作用，反而會在N大于2M時增加運算量，這是我們所不期望的，因此需要改善FFT算法，這就是以下將重點介紹的分段求和FFT算法。

2 分段求和FFT算法計算線性相關

2.1 分段求和FFT算法

對于FFT算法來說，先分段計算最后求和是一種很典型的改進計算量的方法［1］，其核心就在于將一部分乘法變?yōu)榧臃?，從而達到減小計算量的目的，因此我們考慮設計分段求和FFT算法來快速計算長度相差較大的兩序列的互相關函數(shù)。

之后利用直接FFT算法分別計算xi（n）與h（n）的互相關函數(shù)rxih（n），但是每個rxih（n）的長度都為2M-1，而最后需要得到的結果rxh（m）長度為N+M-1，如果計算補零后的長度則為+M-1=（k+1）M-1，因此在最后求和時，相鄰兩個rxih（n）必然有（M-1）個點的值要重疊相加。

圖1 重疊相加和排列過程

根據(jù)求解過程可以得到分段求和FFT算法總的運算量為k（W log2W+W）次乘法，其中W?2M-1，時間復雜度為O（N log2M）。

2.2 分段求和FFT算法運算量的改進

為反映分段求和FFT算法的改進程度，我們再定義一個比值：

根據(jù)已經(jīng)得到的運算量的結果我們可以得到：

當N?M時，可近似認為L≈N，N≈=kM，將兩種算法的運算量進行比較（表2）。

從表2中可以看出，當N?M時，如果M不變，N越大，分段求和FFT算法的改善效果越好。在N=7，M=2，即x（n）長度約為h（n）長度的4倍時，分段求和FFT算法的運算量與直接FFT算法的運算量相當。

在N=15，M=2，即x（n）長度約為h（n）長度的8倍時，分段求和FFT算法的運算量就已經(jīng)明顯小于直接FFT算法的運算量。

表2 N遠大于M時運算量的比較

3 結語

本文重點研究了如何利用FFT快速計算兩個有限長序列的線性相關，介紹了直接FFT算法及其運算量的改進，以及當兩個序列長度相差較大時分段求和FFT算法及其運算量的改進，并綜合比較了兩種算法的運算量。結果表明，相比于根據(jù)定義直接計算線性相關，直接FFT算法顯著減少了運算量，且序列長度越長，改善效果越明顯；若參與線性相關的兩個序列長度相差較大，則相比于直接FFT算法，分段求和FFT算法具有更小的運算量，且序列長度差距越大，改善效果越好。