所有提交的EM系统将被重定向到网上投稿系统.作者被要求将文章直接提交给网上投稿系统各自的日志。

傅里叶级数/变换,老酒,新口味

他Ramchandran1、2
  1. 硕士(系统科学)系统科学/系统/工业工程/应用数学,纽约州立大学,宾厄姆顿,2001年8月
  2. 软件技术研究生文凭,NCST, Juhu,孟买(现在的CDAC), 1994年8月
有关文章载于Pubmed谷歌学者

更多相关文章请访问国际计算机与通信工程创新研究杂志

摘要

这篇论文着眼于数学的宝石之一,傅立叶级数/变换,并简要地调查了它的应用,并着眼于可能的方法来提高快速傅立叶变换的性能

关键字

离散傅里叶变换,正交,内积,快速傅里叶变换,群,代数,施瓦茨,单纯形法,保形映射

介绍

如果数学家被问及所有数学中最重要的发现,傅立叶级数/变换应该被理所当然地列为数学中最基本的发现之一(如果不是“最重要的数学发现”的话)。它渗透到科学和工程(甚至生活)的各个方面,从最抽象的现代物理环境,如对称/量子力学,到应用领域,如成像,全息学,晶体学,信号处理领域,包括压缩,多路复用,调制等。在音频和视频信号的标准中也可以找到相同的变体,如JPEG、MPEG等。因此,提高实现上述转换的算法的性能具有非常重要的意义。

数学基础

傅里叶变换的本质是一个周期函数(例如,周期为2*T)可以展开为图像积分区间从-t到t,用的是之间的正交关系图像在cos和sin函数之间。
傅里叶级数是正交展开/分解的主要例子之一,它已被推广/推广到其他正交族,如勒让德、切比雪夫、贝塞尔等,将正交性的概念推广到抽象空间,如希尔伯特空间等,其中角/点积的概念通过“内积”的概念以及相关的“范数”和“度规”得到推广。
傅里叶变换的主要应用之一是将微分方程转化为代数方程,从而实现算法实现。
调和函数的主题与应用和深根在复分析有其开始的傅里叶分析。
上述理论在物理学中的一个直接应用是在衍射理论中,其中弗劳诺费体系中的远场衍射图是单位细胞的空间傅里叶变换。
推广的另一个方向是通过量子力学和现代物理学中的互易空间/相空间等概念,其中使用联合时间/空间-频率空间进行分析。这就引出了“海森堡测不准原理”。具有讽刺意味的是,傅立叶级数/正交函数再次通过自对偶函数(如孤子、高斯等)的概念提供了一种解决方法,这些函数在变换算子下是不变的,即它们是自己的变换,并且通过使用多个可能重叠但正交的波形实现更精确/更清晰的边界的可能性。
在自同构函数、模形式、表示理论、谐波群等理论中,周期性的概念被扩展到更一般的对称群以及更广义的高维空间,其中人们试图量化一个对象不变的对称操作(可能与准晶体、彭罗斯平方根等有联系)。
更直接的联系是在统一的根和循环群之间,目的是在前者和后者的扩展之间建立对应关系。
另一个方向是通过奇异值分解等算法提取自适应数据驱动的基函数
除了傅里叶变换的主要性质外,调制和卷积作为变换对之间的联系是关键,这将在下一节中讨论。

离散傅里叶变换等等

多项式乘法可以看作是一个卷积,特别是如果系数可以被认为代表一个向量。
由于原始时间/空间域中的乘法/调制(按分量计算)对应于傅里叶域中的卷积(反之亦然),如果变换和逆可以快速计算,我们可以通过按分量计算来大幅简化乘法。
当许多这样的多项式必须相乘时,例如在涉及函数矩阵等计算的情况下,真正的优势变得重要。
一个非常有趣的可能性是,对上面的多项式求逆来分解多项式,也就是说,给定一个多项式,我们计算它的变换,然后分解每个分量,然后尝试对变换求逆。一个问题是,这些因素似乎被混淆了(这似乎又与傅里叶变换有关),但一个有趣的假设是,这些可能对应于多项式所拥有的对称性和/或可能是唯一的质因数,可能确保了可重构性。
当然,另一种方法是考虑原始多项式的范数和高度,并将它们纳入因式分解中,使其成为一个有约束的优化问题
然而,另一种方法似乎是尝试在各种系数的相对大小的意义上创建/维持自相似的分布。
当然,一个问题是系数可能是复杂的,需要使用群论,并将其与诸如高斯质数等离散结构联系起来。
当然,另一种方法是将其扩展为其他正交函数族,如勒让德多项式等
详情如下:

离散傅里叶变换(DFT)

•计算一个多项式)在单位的复数th处的度界,0,1,2。n - 1。假设它是2的幂
假设? ?系数形式为a;=(a;0,a;1…,a; n-1)
图像
这个想法是为了避免从多项式的点值表示(其中乘法可以按分量进行)转移到系数形式时繁琐和混乱的插值公式(拉格朗日插值公式),此外还有O(n2)复杂度,这也是由于计算[2]和[7]的复杂性而产生的
FFT等使用与缩放(通常为2)相关的对称性将复杂度降低到O(nlog(n))。下一节不仅试图改进上面的内容,而且还试图通过利用更大/更一般的对称群来定位奇点。

更进一步,施瓦茨原理及其应用

复分析中的施瓦茨反射原理是对函数进行解析性扩展(作为解析函数)的一种尝试。一种常用的方法是通过在实轴上的反射,即F(z') = (F(z))' where '表示共轭运算。[1]
一种扩展上述的方法是反射圆弧(反转)。另一种,当然是沿着曲线的延伸,在这种情况下,就是圆弧,也就是函数从n边正多边形的一个顶点到另一个顶点的解析延拓。
更具体地说,如果我们用G(通常是一个几何对称群)表示与从曲线上的一点移动到另一点相关的算子(例如,旋转算子),那么以下情况何时成立:
图像
这就是下面图中提出的问题,图中代表了一个单位圆,有N个单位根(在这种情况下是10个),对应于N -gon的边。这个想法是解析地延续P(x)(其中P = 1/W(x)有W(x)多项式)从e^itheta2穿过红线到e^itheta3
上述问题的答案似乎是一个合格的肯定,从某种意义上说,人们可以解析地沿着单位的另n个根继续函数,形成一个n面正多边形的顶点(本质上是将红线旋转到实轴,进行反射(共轭),然后反射回来)。“直到”达到了函数的奇点(可能,在投影意义上,因为我们正在研究函数在单位圆上的求值)。这与P(x)表现得像一个共形映射的想法/假设有关。这类似于将解析区域的定义域划分为由奇点定义的域/区域。在这种情况下,共形很重要,因为它保留了内积和角度,因此P(e^i*theta*x) = e^i*theta*P(x),因为多项式和它们的倒数不仅是共形的,而且是解析/全纯的,而且所有的解析函数都是共形的,“除了局部近奇点。当然,这种一致性还必须考虑到周期性,(可能是通过对数导数函数P'(x) / P(x),其中P'(x)是P(x)的导数,或者通过在一个周期内或基本域内观察,或者本质上观察等价类,但由于我们观察的是多项式的倒数,这应该不是问题)另一个相关的角度如下:
如果W(x)可以用多项式的正交族展开,(例如Chebyshev多项式,这似乎是最合适的)为:
图像在调制材料等具有时空变化性质的情况下),除非两个向量,当内积成为范数时,函数是相同的..)。Ci(x)代表第i个切比雪夫多项式
如果我们将二维旋转算子看作A,同时将W和C看作算子,将x看作二维向量,那么A(W(x) = a1*AC1(x) + a2*AC2(x) +.......an*ACn(x),可以转换为如下形式:a1*C(1+k)(x) + a2*C(2+k)(x) +......an*C(n+k)(x)其中参数中的附加项k可能代表A的作用(可能与A的作用有关,A很可能是e^i*k形式的旋转,具有切比雪夫多项式的复合/乘法效果)
如果单位圆映射到它自己就很有趣了。
有趣的是,在一个特定的弧/扇区/区域中的任何奇点都会破坏内积的一致性和不变性,因此我们所需要做的就是在每个扇区的开始和结束处计算P(x)。如果P(A(start)) <> P(end),我们就知道存在一个奇点,我们可以进一步深入。
由于大多数n次多项式将有不同的0 << n的数量,这可以帮助加速函数的评估,也可以分解等,由于大多数函数可以由适当的多项式近似(Stone Weirstrass定理等),这将有助于定位函数的奇点/残差(应用于成像,定位流动中的瓶颈,应用于流体力学,动力分配,外科等)。一旦确定了奇点的方向,就可以使用优化技术来达到奇点。当然,另一个优点是,在统一的不同根源上进行大规模并行计算的可能性。
上述内容也与检测函数中的不连续并通过局部化但光滑的函数(如Tanh / Sigmoidal函数等)自适应平滑它们(如在分段连续曲线的情况下)的想法有关(与傅里叶理论中的吉布斯不连续等有关)。
此外,由于1/f(x)类型的反演通常与傅里叶变换/倒数空间有关,它们可以在衍射理论中找到应用
上述方法也可用于非常复杂函数的求值/渐近逼近,如配分函数(著名的“圆法”)。
有趣的一点是,切比雪夫多项式是一类函数,它有助于最均匀地传播由于近似/截断而产生的误差。
一个相关的想法是无限级数与其相关的极限积分(从傅里叶级数过渡到变换)之间的联系,通过在与弧长不相称倍数相关的单位根处评估函数(材料带隙等的链接)(第8章“一些特殊函数”的练习部分,[9]第200页)
从更基本的观点来看,上述内容与代数拓扑学中的同伦理论等主题相关。
一个有趣的链接涉及到上述优化问题的应用,特别是与线性规划中的Karmarkar内点算法有关(可能适用于非线性规划),其中多维多型的顶点成为转换后的坐标系的原点,下一个顶点的选择简化为2步问题:确定最陡下降的方向和沿着这个方向的旅行长度(本质上,确定下一个顶点作为梯度/最陡下降方向与多型的低维投影的交点,特别是如果我们观察多维多型的分层梯度2维子空间,这将使解析函数的机制能够充分应用。
在更高的层次上,我们可以看到算子和函数的代数与基础空间/群/半群等相关的代数之间的同态(可扩展到同态?),在这种情况下,复数的同态。本质上,G(或F) (a*b) = G(a)@G(b),其中G(和F)表示运算符,a和b分别表示函数或复数,*表示底层空间中的操作,@表示运算符的空间/代数中的操作(可能与泛函分析中的Gelfand定理有关?)[4]和[5]

结论

一些有趣的未来可能性涉及到量子/光学计算等在实现傅里叶变换方面的可能应用。[8]讨论了将傅里叶方法应用于作为函数/路径生成器的机构综合的可能性。[6]讨论/暗示了将这些方法扩展到抽象高维空间导航的可能性,包括数学逻辑、信息压缩、分子逻辑电路、分子合成等。

数字一览

数字
图1

参考文献










全球科技峰会