跳转至

Chirp Z 变换

与离散傅里叶变换类似，Chirp Z 变换是给出多项式 \(f(x) = \sum_{i = 0}^{m - 1} f_i x^i \in \mathbb{C}\lbrack x\rbrack\) 和 \(q \in \mathbb{C} \setminus \{0\}\) 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

\[ \operatorname{\mathsf{CZT}}_n : \left(f(x), q\right) \mapsto \begin{bmatrix} f(1) & f(q) & \cdots & f\left(q^{n - 1}\right) \end{bmatrix} \]

其中 \(f(x) := \sum_{i = 0}^{m - 1} f_i x^i \in \mathbb{C}\lbrack x\rbrack\) 且 \(q \in \mathbb{C} \setminus \{0\}\)．

Bluestein 算法

考虑

\[ ij = \binom{i}{2} + \binom{-j}{2} - \binom{i - j}{2} \]

其中 \(i, j \in \mathbb{Z}\)，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 \(G(x) \in \mathbb{C}\left\lbrack x, x^{-1}\right\rbrack\)，且对于 \(i = 0, \dots, n - 1\) 我们有

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

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） 
 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
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

\[ \operatorname{\mathsf{ICZT}}_n : \left( \begin{bmatrix} f(1) & f(q) & \cdots & f\left(q^{n - 1}\right) \end{bmatrix},q \right) \mapsto f(x) \]

其中 \(f(x) \in \mathbb{C}\left\lbrack x\right\rbrack_{< n}\) 且 \(q \in \mathbb{C} \setminus \{0\}\)，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

\[ f(x) = \sum_{i = 0}^{n - 1}\left(f\left(x_i\right)\prod_{0 \leq j < n \atop j \neq i} \frac{x - x_j}{x_i - x_j}\right) \]

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 \(M(x) := \prod_{i = 0}^{n - 1}\left(x - x_i\right)\)，根据洛必达法则，有

\[ M'(x_i) = \lim_{x \to x_i} \frac{M(x)}{x - x_i} = \prod_{0 \leq j < n \atop j \neq i}\left(x_i - x_j\right) \]

修正 Lagrange 插值公式 就是

\[ f(x) = M(x)\left(\sum_{i = 0}^{n - 1}\frac{f\left(x_i\right)/M'(x_i)}{x - x_i}\right) \]

那么现在我们有

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

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

\[ M(x) = H(x) \cdot q^{k^2} \cdot H\left(\frac{x}{q^k}\right) \]

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 \(c_i := f\left(q^i\right)/M'\left(q^i\right)\)，我们有

\[ f(x) = M(x)\left(\sum_{i = 0}^{n - 1}\frac{c_i}{x - q^i}\right) \]

因为 \(\deg f(x) < n\)，我们只需计算 \(\sum_{i = 0}^{n - 1}\frac{c_i}{x - q^i}\bmod{x^n}\)，其中 \(\frac{c_i}{x - q^i} \in \mathbb{C}\left\lbrack\left\lbrack x\right\rbrack\right\rbrack\)，也就是

\[ \begin{aligned} \sum_{i = 0}^{n - 1}\frac{c_i}{x - q^i} \bmod x^n &= -\sum_{i = 0}^{n - 1}\left(\sum_{j = 0}^{n - 1} c_i q^{-i(j+1)}x^j\right) \\ &= -\sum_{j = 0}^{n - 1} C\left(q^{-j - 1}\right) x^j \end{aligned} \]

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

简单来说，我们分别进行下面的计算：

  1. 用减治法（decrease and conquer）计算 \(M(x)\)；
  2. 用 Bluestein 算法计算 \(M'(1), \dots, M'(q^{n - 1})\)；
  3. 用 Bluestein 算法计算 \(C\left(q^{-1}\right), \dots, C\left(q^{-n}\right)\)；
  4. 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 
 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
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

  1. Bostan, A. (2010). Fast algorithms for polynomials and matrices. JNCF 2010. Algorithms Project, INRIA.
本页面最近更新：，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：OI-wiki
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