АНАЛІЗ ПОХИБКИ ОБЧИСЛЕННЯ ШВИДКИХ ПЕРЕТВОРЕНЬ КЛАСУ ФУР'Є НА ПІДСТАВІ ЦИКЛІЧНИХ ЗГОРТОК

https://doi.org/10.23939/ujit2020.02.052
Надіслано: Вересень 03, 2020
Прийнято: Жовтень 25, 2020

Цитування за ДСТУ: Процько І. О., Островка Д. В. Аналіз похибки обчислення швидких перетворень класу Фур'є на підставі циклічних згорток. Український журнал інформаційних технологій. 2020, т. 2, № 1. С. 52–56.

Citation APA: Protsko, I. O., & Ostrovka, D. V. (2020). Analysis of the error of computation fast transforms of Fourier class based on cyclic convolutions. Ukrainian Journal of Information Technology, 2(1), 52–56. https://doi.org/10.23939/ujit2020.02.052

1
Національний університет "Львівська політехніка", м. Львів, Україна
2
Національний університет "Львівська політехніка", м. Львів, Україна

Проаналізовано особливості обчислювальної моделі дискретних перетворень класу Фур'є на підставі циклічних згорток для визначення алгоритмічної похибки розрахунку. На підставі підходу ефективного обчислення дискретного перетворення класу Фур'є довільного обсягу N, що ґрунтується на використанні твірного масиву для переформування дискретної базисної матриці перетворення у набір блочно-циклічних під матриць, розглянуто складові обчислювальних затрат. Ці складові обчислювальних затрат залежать від виду перетворення, обсягу та від блочно-циклічної структури ядра перетворення. Подано приклади обчислювальної моделі та блочно-циклічної структури матриць спрощених аргументів базисів для взаємозворотних дискретних косинусних перетворень типів IІ, III. Обчислювальна модель характеризує накопичення похибок округлення на етапах додавання вхідних даних, обчислення циклічних згорток, об'єднання результатів згорток. Дискретні циклічні згортки можуть бути реалізовані за допомогою швидких алгоритмів або виді систем, що відповідають цифровим фільтрам зі скінченними імпульсними характеристиками. Можливість паралельного обчислення зменшеної кількості циклічних згорток робить аналіз похибок нечутливим до переупорядкування їх обчислень. Операції множення, що здійснюється при обчисленні циклічної згортки, використовують меншу кількість коефіцієнтів базису перетворення, що дорівнює N/4 або N/2 залежно від обсягу перетворення. Розглянуто формати представлення дійсних чисел в обчислювальній систем, що також визначають величину похибки обчислення перетворень. Подано результати виконання прямого та швидкого обчислення дискретного косинусного перетворення типу ІІ на підставі циклічних згорток обсягом N=58 у форматі з рухомою крапкою подвійної точності та похибки обчислення між ними. Апріорний процес дослідження похибок перетворення відповідного виду та обсягу методом математичного моделювання та обчислювального експерименту носить наближений характер, який дає змогу передбачити статистичні середні значення точності обчислення дискретного перетворення класу Фур'є довільного обсягу на підставі циклічних згорток.

  1. Blahut, R. E. (2010). Fast algorithms for signal processing. Cambridge: University Press.
  2. Cooley, J. W., & Tukey, J. W. (1965). An Algorithm for the Machine Computation of Complex Fourier Series. Math. Comput., 19, 297–301.
  3. FFTW. (2020). Homepage. Retrieved from: http://fftw.org
  4. Frigo, M. (1999). A Fast Fourier Transform Compiler. Proceedings of the 1999 ACM SIGPLAN Conference on Programming Language Design and Implementation (PLDI), Atlanta, Georgia, 169–180.
  5. Kaneko, T., & Liu, B. (1970). Accumulation of roundoff error in Fast Fourier Transform. Journal Assoc. Comput. Machine, 17, 637–654.
  6. McClellan, J. H. Rader, C. M. (1979). Number Theory in Digital Signal Processing. Inc. Englewood Cliffs, New Jersey: Brentice-Hall.
  7. Meher, P. K. (2006). Systolic designs for DCT using a low complexity concurrent convolutional formulation. IEEE Trans. Circuits & Systems for Video Technology, 16(10), 1041–1050.
  8. Muddhasani, D. P. V., & Waghm, M. D. (2006). Bilinear algorithms for discrete cosine transforms of prime lengths. Signal Processing, 86(9), 2393–2406.
  9. Oppenheim, A. V. Schafer, R. W. (1999). Digital Signal Processing. Inc. Englewood Cliffs, New Jersey: Brentice-Hall.
  10. Prots'ko, I. (2008). The generalized technique of computation the discrete harmonic transforms. Proceedings of the IVth International Conference of Young Scientists (MEMSTECH'2008). Poljana, 101–102. https://doi.org/10.1109/MEMSTECH.2008.4558753
  11. Prots'ko, I. (2013). Algorithm of Efficient Computation of DCT I-IV Using Cyclic Convolutions. International Journal of Circuits, Systems and Signal Processing, 7(1), 1–9.
  12. Rader, C. M. (1968). Discrete Fourier transform when the number of data samples is prime. Proc. IEEE, 56, 1107–1108.
  13. Tolimiery, R., An, M. Lu, C. (1997). Algorithms for Discrete Fourier Transform and Convolution. Edition second (2nd). New York: Springer.
  14. Weinstein, C. J. (1969). Roundoff noise in floating point Fast Fourier transform computation, IEEE Trans. Audio Electroacoustics, AU-17, 209–215.
  15. Winograd, S. (1976). On computing the discrete Fourier transforms. Proc. National Academy of Sciences USA, 73(4), 1005–1006.