啁啾-Z转换(Chirp-Z transform)为离散傅里叶变换(DFT)的一般化,是一种适合于计算当取样频率间隔(sampling frequency interval)与取样时间间隔(sampling time interval)乘积的倒数不等于信号的时频分布面积时的算法,其为利用卷积来实现任意大小的离散傅里叶变换(DFT)的快速傅里叶变换算法。
具体来说,啁啾-Z转换沿着对数螺旋轮廓,计算出有限数量的点 zk 的Z转换,其定义如下:
其中为起始点,为点与点之间的比率,为需要计算的点的数量。
离散信号 及 的卷积,两序列的定义如下:
而产生的卷积结果会再乘上 个相位的参数 *:
因此离散信号 不同,导致我们必须透过补零的方式,将快速傅里叶转换的结果补至长度大于或等于 ,才能精确计算其卷积结果。此外,布鲁斯坦算法提供一个时间复杂度为 O( log ) 的方式计算质数大小的离散傅里叶转换。
在布鲁斯坦算法的卷积过程中使用补零的方式是值得讨论的。如果我们将讯号补至长度为 ≥ 2–1,代表 被扩展至长度为 的阵列 ,其中当 0 ≤ < 时, = ,否则 = 0。然而,基于卷积中的 – 项, 需要 n 的正值和负值。在阵列中补零的离散傅里叶转换的周期性边界,代表着 等于 。因此, 被扩展到长度为 的阵列 ,其中 0 = 0, = – = (当 0 < <),否则, = 0。然后根据通常的卷积定理对 和 进行快速傅里叶转换,逐点相乘,并进行逆快速傅里叶转换以获得 和 的卷积。
让我们更准确地说明,布鲁斯坦算法的离散傅里叶转换需要什么类型的卷积。如果序列 在具有周期 的 中是具有周期性的,那么它将是长度为 的循环卷积,并且,为了计算上的方便而使用补零的方式。但是,通常情况并非如此:
因此,当 为偶数时,卷积是具有周期性的,但在这种情况下,人们通常使用更有效率的快速傅里叶转换算法,例如Cooley-Tukey算法;反之,当 为奇数时, 是反周期性的,并且具有长度 的负循环卷积。然而,当如上所述,使用补零的方式江阵列补到至少 2−1 的长度时,两者之间的差异消失。
上述提到的布鲁斯坦算法也可以基于单方面的Z转换,用以计算更一般化的转换(Rabiner et al, 1969),特别是具有以下形式的转换:
其中 为任意复数,以及分别为输入及输出的数量。
由前面所提到的布鲁斯坦算法,我们可以进行如此的转换。例如,获得讯号某一部分频谱中的内插值,以及在传递函数分析中增加任意极点,皆为其应用之一。
该算法被称为啁啾-Z转换算法,是因为在傅里叶转换的情境(|| = 1)下,一序列 是一复数正弦波,而在雷达系统中则被称作“啁啾”。