Chirp Z 变换

与离散傅里叶变换类似，Chirp Z 变换是给出多项式 $f (x) = \sum_{i = 0}^{m - 1} f_{i} x^{i} \in C [x]$ 和 $q \in C ∖ {0}$ 求出 $f (1), f (q), \dots, f (q^{n - 1})$ 的一种算法，不要求 $q$ 为单位根。也可用于数论变换。后文将介绍 Chirp Z 变换与其逆变换。

Chirp Z 变换

根据定义，Chirp Z 变换可以写作

{CZT}_{n} : (f (x), q) \mapsto [\begin{matrix} f (1) & f (q) & \dots & f (q^{n - 1}) \end{matrix}]

其中 $f (x) := \sum_{i = 0}^{m - 1} f_{i} x^{i} \in C [x]$ 且 $q \in C ∖ {0}$ 。

Bluestein 算法

考虑

i j = (\binom{i}{2}) + (\binom{- j}{2}) - (\binom{i - j}{2})

其中 $i, j \in Z$ ，我们可以构造

\begin{aligned} G (x) & := \sum_{i = - (m - 1)}^{n - 1} q^{- (\binom{i}{2})} x^{i}, \\ F (x) & := \sum_{i = 0}^{m - 1} f_{i} q^{(\binom{- i}{2})} x^{i} . \end{aligned}

其中 $G (x) \in C [x, x^{- 1}]$ ，且对于 $i = 0, \dots, n - 1$ 我们有

\begin{aligned} [x^{i}] (G (x) F (x)) & = \sum_{j = 0}^{m - 1} (([x^{i - j}] G (x)) ([x^{j}] F (x))) \\ = \sum_{j = 0}^{m - 1} f_{j} q^{(\binom{- j}{2}) - (\binom{i - j}{2})} \\ = q^{- (\binom{i}{2})} f (q^{i}) \end{aligned}

且 $q^{(\binom{i + 1}{2})} = q^{(\binom{i}{2})} \cdot q^{i}$ ， $(\binom{- i}{2}) = (\binom{i + 1}{2})$ 。可以由一次多项式乘法完成求算，该算法被称为 Bluestein 算法。

模板（P6800【模板】Chirp Z-Transform）

std::vector<uint> CZT(const std::vector<uint>& f, uint q, int n) {
  if (f.empty() || n == 0) return std::vector<uint>(n);
  const int m = f.size();
  if (q == 0) {
    std::vector<uint> res(n, f[0]);
    for (int i = 1; i < m; ++i)
      if ((res[0] += f[i]) >= MOD) res[0] -= MOD;
    return res;
  }
  // H[i] = q^(binom(i + 1, 2))
  std::vector<uint> H(std::max(m, n - 1));
  H[0] = 1;     // H[0] = q^0
  uint qi = 1;  // qi = q^i
  for (int i = 1; i < (int)H.size(); ++i) {
    qi = (ull)qi * q % MOD;
    // H[i] = q^(binom(i, 2)) * q^i
    H[i] = (ull)H[i - 1] * qi % MOD;
  }
  // F[i] = f[i] * q^(binom(i + 1, 2))
  std::vector<uint> F(m);
  for (int i = 0; i < m; ++i) F[i] = (ull)f[i] * H[i] % MOD;
  std::vector<uint> G_p(m + n - 1);
  // G[i] = q^(-binom(i, 2)), -(m - 1) ≤ i < n
  uint* const G = G_p.data() + (m - 1);
  const uint iq = InvMod(q);
  // G[-(m - 1)] = q^(-binom(-(m - 1), 2)),
  // binom(-(m - 1), 2) = (-(m - 1)) * (-(m - 1) - 1) / 2
  //                    = (m - 1) * m / 2
  G[-(m - 1)] = PowMod(iq, (ull)(m - 1) * m / 2);
  uint qmi = PowMod(q, m - 1);  // q^(-i), -(m - 1) ≤ i < n
  for (int i = -(m - 1) + 1; i < n; ++i) {
    // q^(-binom(i, 2)) = q^(-binom(i - 1, 2)) * q^(-(i - 1))
    G[i] = (ull)G[i - 1] * qmi % MOD;
    // q^(-i) = q^(-(i - 1)) * q^(-1)
    qmi = (ull)qmi * iq % MOD;
  }
  // res[i] = q^(-binom(i, 2)) * f(q^i), 0 ≤ i < n
  std::vector<uint> res = MiddleProduct(G_p, F);
  for (int i = 1; i < n; ++i) res[i] = (ull)res[i] * H[i - 1] % MOD;
  return res;
}

逆 Chirp Z 变换

逆 Chirp Z 变换可以写作

{ICZT}_{n} : ([\begin{matrix} f (1) & f (q) & \dots & f (q^{n - 1}) \end{matrix}], q) \mapsto f (x)

其中 $f (x) \in C {[x]}_{< n}$ 且 $q \in C ∖ {0}$ ，并且 $q^{i} \neq q^{j}$ 对于所有 $i \neq j$ 成立，这是多项式插值的条件。

Bostan–Schost 算法

回顾 Lagrange 插值公式为

f (x) = \sum_{i = 0}^{n - 1} (f (x_{i}) \prod_{\binom{0 \leq j < n}{j \neq i}} \frac{x - x_{j}}{x_{i} - x_{j}})

且 $x_{i} \neq x_{j}$ 对于所有 $i \neq j$ 成立。与多项式的快速插值中相同，我们令 $M (x) := \prod_{i = 0}^{n - 1} (x - x_{i})$ ，根据洛必达法则，有

M^{'} (x_{i}) = lim_{x \to x_{i}} \frac{M (x)}{x - x_{i}} = \prod_{\binom{0 \leq j < n}{j \neq i}} (x_{i} - x_{j})

修正 Lagrange 插值公式 就是

f (x) = M (x) (\sum_{i = 0}^{n - 1} \frac{f (x_{i}) / M^{'} (x_{i})}{x - x_{i}})

那么现在我们有

f (x) = M (x) (\sum_{i = 0}^{n - 1} \frac{f (q^{i}) / M^{'} (q^{i})}{x - q^{i}})

其中 $M (x) = \prod_{j = 0}^{n - 1} (x - q^{j})$ 。若我们设 $n$ 为偶数，令 $n = 2 k$ 和 $H (x) := \prod_{j = 0}^{k - 1} (x - q^{j})$ ，那么

M (x) = H (x) \cdot q^{k^{2}} \cdot H (\frac{x}{q^{k}})

这使得我们可以快速计算 $M (x)$ 。然后用 Bluestein 算法来计算 $M^{'} (1), \dots, M^{'} (q^{n - 1})$ 。令 $c_{i} := f (q^{i}) / M^{'} (q^{i})$ ，我们有

f (x) = M (x) (\sum_{i = 0}^{n - 1} \frac{c_{i}}{x - q^{i}})

因为 $\deg f (x) < n$ ，我们只需计算 $\sum_{i = 0}^{n - 1} \frac{c_{i}}{x - q^{i}} mod x^{n}$ ，其中 $\frac{c_{i}}{x - q^{i}} \in C [[x]]$ ，也就是

\begin{aligned} \sum_{i = 0}^{n - 1} \frac{c_{i}}{x - q^{i}} mod x^{n} & = - \sum_{i = 0}^{n - 1} (\sum_{j = 0}^{n - 1} c_{i} q^{- i (j + 1)} x^{j}) \\ = - \sum_{j = 0}^{n - 1} C (q^{- j - 1}) x^{j} \end{aligned}

其中 $C (x) = \sum_{i = 0}^{n - 1} c_{i} x^{i}$ 。我们可以用 Bluestein 算法来计算 $C (q^{- 1}), \dots, C (q^{- n})$ 。

简单来说，我们分别进行下面的计算：

用减治法（decrease and conquer）计算 $M (x)$ ；
用 Bluestein 算法计算 $M^{'} (1), \dots, M^{'} (q^{n - 1})$ ；
用 Bluestein 算法计算 $C (q^{- 1}), \dots, C (q^{- n})$ ；
用一次多项式乘法计算 $f (x)$ 。

其中每一步的时间复杂度都等于两个次数小于等于 $n$ 的多项式相乘的时间复杂度。

模板实现

std::vector<uint> InvCZT(const std::vector<uint>& f, uint q) {
  if (f.empty()) return {};
  const int n = f.size();
  if (q == 0) {
    // f[0] = f(1), f[1] = f(0)
    assert(n <= 2);
    if (n == 1) return {f[0]};                 // deg(f) < 1
    return {f[1], (f[0] + MOD - f[1]) % MOD};  // deg(f) < 2
  }
  // prod[0 ≤ i < n] (x - q^i)
  const auto DaC = [q](auto&& DaC, int n) -> std::vector<uint> {
    if (n == 1) return {MOD - 1, 1u};
    // H = prod[0 ≤ i < ⌊n/2⌋] (x - q^i)
    const std::vector<uint> H = DaC(DaC, n / 2);
    // HH = H(x / q^(⌊n/2⌋)) * q^(⌊n/2⌋^2)
    std::vector<uint> HH = H;
    const uint iqn = InvMod(PowMod(q, n / 2));
    uint qq = PowMod(q, (ull)(n / 2) * (n / 2));
    for (int i = 0; i <= n / 2; ++i)
      HH[i] = (ull)HH[i] * qq % MOD, qq = (ull)qq * iqn % MOD;
    std::vector<uint> res = Product(H, HH);
    if (n & 1) {
      res.resize(n + 1);
      const uint qnm1 = MOD - PowMod(q, n - 1);
      for (int i = n; i > 0; --i) {
        if ((res[i] += res[i - 1]) >= MOD) res[i] -= MOD;
        res[i - 1] = (ull)res[i - 1] * qnm1 % MOD;
      }
    }
    return res;
  };
  const std::vector<uint> M = DaC(DaC, n);
  // C[i] = (M'(q^i))^(-1)
  std::vector<uint> C = InvModBatch(CZT(Deriv(M), q, n));
  // C[i] = f(q^i) / M'(q^i)
  for (int i = 0; i < n; ++i) C[i] = (ull)f[i] * C[i] % MOD;
  // C(x) ← C(q^(-1)x)
  const uint iq = InvMod(q);
  uint qmi = 1;
  for (int i = 0; i < n; ++i)
    C[i] = (ull)C[i] * qmi % MOD, qmi = (ull)qmi * iq % MOD;
  C = CZT(C, iq, n);
  for (int i = 0; i < n; ++i)
    if (C[i] != 0) C[i] = MOD - C[i];
  std::vector<uint> res = Product(M, C);
  res.resize(n);
  return res;
}

参考文献

Bostan, A. (2010). Fast algorithms for polynomials and matrices. JNCF 2010. Algorithms Project, INRIA.

本页面最近更新：2025/10/30 13:44:01，更新历史
发现错误？想一起完善？在 GitHub 上编辑此页！
本页面贡献者：hly1204, Xeonacid, c-forrest, CornWorld
本页面的全部内容在 CC BY-SA 4.0 和 SATA 协议之条款下提供，附加条款亦可能应用