end*_*ith 16 audio signal-processing logarithm fft
维基百科的Wavelet文章包含以下文字:
离散小波变换的计算复杂度也较低,与快速傅里叶变换的 O(N log N)相比,花费O(N)时间.这种计算优势不是变换所固有的,而是反映了频率的对数分割的选择,与FFT的等间隔分频相反.
这是否意味着还有类似FFT的算法使用频率的对数除法而不是线性？是O(N)吗？对于许多应用来说,这显然是优选的.
Jas*_*son 13
是.是.没有.
它被称为对数傅里叶变换.它有O(n)时间.然而,它对于随着域/横坐标增加而缓慢衰减的函数是有用的.
回顾维基百科的文章:
主要区别在于小波在时间和频率上均被定位,而标准傅立叶变换仅在频率上定位.
因此,如果您只能在时间(或空间,选择您对横坐标的解释)进行本地化,那么小波(或离散余弦变换)是一种合理的方法.但是如果你需要继续下去,那么你需要进行傅里叶变换.
有关LFT的更多信息,请访问http://homepages.dias.ie/~ajones/publications/28.pdf
这是摘要:
"我们提出了一个精确的解析表达式,用于对数采样的傅立叶变换.对于变换函数或测量的响应,该过程在计算上明显更有效,其中随着横坐标值的增加,衰减缓慢衰减.我们用电磁地球物理学的例子来说明所提出的方法,其中缩放通常应该应用我们的对数傅里叶变换(LFT).对于所选择的例子,我们能够获得与FFT中的结果一致的结果. LFT在地球物理学中的潜在应用包括将宽带电磁频率响应转换为瞬态响应,冰川加载和卸载,含水层补给问题,正常模式和地球潮汐研究在地震学和冲动冲击波建模中."