基于勒贝格积分的一种离散变换方法

基于勒贝格积分原理的一种傅立叶变换算法

勒贝格原理

勒贝格积分
勒贝格积分是指是值域积分原理,具有典型的统计特征。相对于黎曼积分而言,一维勒贝格积分定义如下:
L[f] = \int \sigma(\text{d}y, y,f)
其中\sigma函数是一个测度函数,计算函数f[y,y+\text{d}y]区间的测度,这里的测度是简单的面积测度(\text{d}x\text{d}y)。

离散勒贝格积分
离散情况下,勒贝格积分的计算本质上依赖于排序方法。假定积分间隔为等间隔1,那么积分化为离散求和。首先计算出所有的离散序对y_i=f(x_i),然后对y_i排序,得到(y_i')序列。我们依次统计处于(y_i',y_{i+1}'中的函数面积\sigma_i'。在这个过程中需要对计算给定y值,对应的x区间集合\{x_{ij},x_{i(j+1)}\}。所有区间集合的面积即\sum_j \Delta x_{ij} \Delta y_i,其中\Delta y_i = y_{i+1} - y_i

线性变换

线性变换L[f]满足L[af_1+bf_2] = aL[f_1]+bL[f_2]。利用勒贝格积分计算离散傅立叶变换时,即对每个y_i对应的区间集合\{ x_{ij},x_{i(j+1)} \}进行变换。对于傅立叶变换来说,这个变换更为简单。

方波函数的傅立叶变换
方波函数f(t)=C, t\in[a,b],其他情况f(t)=0。傅立叶变换对应:
g(\omega) = \int_a^bf(t)e^{i\omega t}\text{d}t = C\int_a^be^{i\omega t}\text{d}t
离散情况下变为求和:
g(\omega_j) = \sum_i f(t_i) e^{i\omega_j t_i}\Delta t = \sum_{i=i_1}^{i_2}C e^{i\omega_j t_i}\Delta t
其中[i_1,i_2]为方波的非0整数区间。

利用勒贝格积分原理,我们从值域处理,我们可以将离散函数分解为若干个区间[(x_i, y_j), (x_{i+1}, y_{j+1})]的组合。实际上很多区间都是0,我们只需要计算那些测度非零区间(即有函数区域覆盖)的傅立叶变换,将其组合求和即可。
依据该思路有两种算法

  • 传统积分结合线性变换,即冲击响应函数方法(类似Green函数方法)。利用\delta函数的傅立叶变换,直接用每个f(x_i)\delta(x_i)进行线性变换后组合。
  • 利用勒贝格积分在值域进行切割后,利用方波函数的投影快速方法加速变换。
    注意:
  • 速度较快的关键在于:对sum_i e^{i\omega t_i}求和时,直接使用等比数列求和算法。
  • 决定该算法的关键在于快速找到每个值域区间对应的定义域区间对。
  • 当该信号类似于中心频率零频高斯脉冲时,效率极高,因为每个值域区间恰好仅仅只有一个连续定义域区间。满足该条件时,速度比FFT快。
  • 排序算法不需要浮点计算效率很高。与FFT同是O(n\log n)时,时间系数更小。
  • 需要快速扫描线算法,找到切割的定义域区间。可以利用导数信息快速求得相应的区间。原则上该算法的复杂性应当也是O(n\log n)。同样不需要浮点运算。
  • 求和的时间复杂性为O(n)
  • 浮点乘法和三角函数计算的复杂性与区间的多少相关。
  • 和FFT一样,$$

算法

略。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 215,012评论 6 497
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,628评论 3 389
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 160,653评论 0 350
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,485评论 1 288
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,574评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,590评论 1 293
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,596评论 3 414
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,340评论 0 270
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,794评论 1 307
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,102评论 2 330
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,276评论 1 344
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,940评论 5 339
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,583评论 3 322
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,201评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,441评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,173评论 2 366
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,136评论 2 352

推荐阅读更多精彩内容

  • 一、傅立叶变换的由来 关于傅立叶变换,无论是书本还是在网上可以很容易找到关于傅立叶变换的描述,但是大都是些故弄玄虚...
    constant007阅读 4,421评论 1 10
  • 第三章 语音信号特征分析 语音合成音质的好坏,语音识别率的高低,都取决于对语音信号分析的准确度和精度。例如,利用线...
    锅锅Iris阅读 10,211评论 3 8
  • 姓名:荣皓宇 学号:17101223406 转载自:https://mp.weixin.qq.com/s/B026...
    荣皓宇阅读 3,515评论 2 9
  • 鱼再飞阅读 153评论 0 0
  • 标题 1.你满口的是非,让你活得更好了么? 2.当你决定放弃,我便不再回头 两个人的感情,一个人的努力不够。 3...
    麦麦的小希望阅读 251评论 0 0