logo móvil
Contáctanos

Sobre el rendimiento de los algoritmos de transformada rápida de Fourier dispersa utilizando el filtro de aliasing

Autores: Li, Bin; Jiang, Zhikang; Chen, Jie

Idioma: Inglés

Editor: MDPI

Año: 2021

Descargar PDF

Acceso abierto

Artículo científico
2021

Sobre el rendimiento de los algoritmos de transformada rápida de Fourier dispersa utilizando el filtro de aliasing


Categoría

Ingeniería y Tecnología

Subcategoría

Ingeniería Eléctrica y Electrónica

Palabras clave

Transformada rápida de Fourier
Algoritmos
Análisis de rendimiento
Filtro de aliasing
Transformada discreta de Fourier
Experimentos

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 38

Citaciones: Sin citaciones


Descripción
Calcular la transformada rápida de Fourier dispersa (sFFT) ha surgido como un tema crítico desde hace mucho tiempo debido a su alta eficiencia y amplia practicidad. Más de veinte algoritmos sFFT diferentes calculan la transformada discreta de Fourier (DFT) mediante sus métodos únicos hasta ahora. Para utilizarlos correctamente, el tema urgente de gran preocupación es cómo analizar y evaluar el rendimiento de estos algoritmos en teoría y práctica. Este documento discute principalmente la tecnología y el rendimiento de los algoritmos sFFT utilizando el filtro de aliasing. En la primera parte, se presentan tres marcos: el marco de un solo disparo basado en el solucionador de muestreo comprimido (CS), el marco de pelado basado en el grafo bipartito y el marco iterativo basado en la búsqueda en árbol binario. Luego, obtenemos la conclusión del rendimiento de seis algoritmos correspondientes: los algoritmos sFFT-DT1.0, sFFT-DT2.0, sFFT-DT3.0, FFAST, R-FFAST y DSFFT en teoría. En la segunda parte, realizamos dos categorías de experimentos para calcular las señales de diferentes relaciones señal-ruido (SNR), diferentes longitudes y diferentes esparsidades mediante una plataforma de pruebas estándar y registramos el tiempo de ejecución, el porcentaje de la señal muestreada y los errores tanto en el caso exactamente disperso como en el caso generalmente disperso. Los resultados de estos análisis de rendimiento son nuestra guía para optimizar estos algoritmos y utilizarlos selectivamente.

Otros recursos que podrían interesarte

Temas Virtualpro