信号处理 / 系统课时
用多相结构减少无效运算
用多相结构减少无效运算
直接重采样常会先算出大量最终要丢弃的样本,或对插值产生的零执行乘法。本节从三倍抽取的例子拆解多相分解,把 FIR 系数按相位重排,只计算真正会保留的输出,并用运算计数验证收益。
学习目标
- 把 FIR 系数按抽取因子拆成多个多相子滤波器
- 解释直接“先滤波再抽取”为什么包含无效计算
- 用等价输出和乘法次数比较直接实现与多相实现
无效运算从哪里来
设 FIR 长度为 ,抽取因子为 。最直接的实现会以输入采样率计算每一个滤波输出,然后只保留每隔 个结果。这样大约有 的完整滤波结果刚算完就被丢弃。
对插值也有类似问题:显式插零后,许多乘法的一端恒为零。多相结构的目标不是改变滤波器,而是重新安排同一组系数的计算顺序,跳过这些已知无用的运算。
把 FIR 系数按相位拆开
以三倍抽取为例,把系数 按 k mod 3 分成三组:、、。只在最终需要的时刻 计算输出,就可以写成:
这只是对卷积求和重新分组,因此只要边界处理一致,输出与“完整 FIR 卷积后每三点取一点”完全相同。

用代码验证输出等价与运算量
下面故意使用短序列和短 FIR,分别实现“完整卷积后抽取”和“按多相分组只计算保留点”。为了让计数可核对,每次有效的系数乘样本都记为一次乘法。
x = [1, 2, 3, 4, 5, 6, 7, 8]
h = [1, 2, 1, 0, -1, 1]
M = 3
def direct_decimate(x, h, m):
full = []
multiplies = 0
for n in range(len(x) + len(h) - 1):
acc = 0
for k, coeff in enumerate(h):
j = n - k
if 0 <= j < len(x):
acc += coeff * x[j]
multiplies += 1
full.append(acc)
return full[::m], multiplies
def polyphase_decimate(x, h, m):
phases = [h[r::m] for r in range(m)]
out = []
multiplies = 0
for n in range(0, len(x) + len(h) - 1, m):
acc = 0
# 每个相位只贡献当前保留输出真正需要的项。
for r, phase in enumerate(phases):
for q, coeff in enumerate(phase):
k = q * m + r
j = n - k
if 0 <= j < len(x):
acc += coeff * x[j]
multiplies += 1
out.append(acc)
return out, multiplies
direct_y, direct_ops = direct_decimate(x, h, M)
poly_y, poly_ops = polyphase_decimate(x, h, M)
print("direct =", direct_y, "multiplies =", direct_ops)
print("polyphase=", poly_y, "multiplies =", poly_ops)
print("same output:", direct_y == poly_y)预期输出
direct = [1, 12, 23, 7, 8] multiplies = 48
polyphase= [1, 12, 23, 7, 8] multiplies = 16
same output: True这个小例子恰好减少到三分之一,因为直接实现计算了全部卷积点,而多相版本只计算每三个位置中的一个。真实库还会通过向量化、缓存和专用 upfirdn 内核进一步优化,但减少无效数学运算的原理相同。
估算什么时候值得使用
对于纯抽取,若直接实现每个输入时刻都做长度为 的 FIR,再每 点保留一个输出,那么折算到每个保留输出大约要做 次乘法;按多相方式直接形成保留输出,则约为 次,理论上可减少到原来的约 。
对有理数 重采样,多相结构还能同时避免“对插值零做乘法”和“计算随后会被抽取丢弃的输出”。因此当 、 较大或 FIR 较长时,不应手工构造插零序列再完整卷积;应优先使用基于 polyphase 或 upfirdn 的实现,让计算只落在真正会影响输出的样本与系数上。