标签： cuda signal-processing fft nvidia convolution
我知道倍频=离散信号（向量）的时空中的循环卷积。
我也知道“只有当x（n）和h（n）在DFT之前用零填充时，卷积定理才能产生所需的线性卷积结果，使得它们各自的长度为Nx + Nh-1，基本上为零出所有圆形文物。“
并且所有内容都适用于向量..但我的目标是使用矩阵进行循环卷积，如本文所述：
http://developer.download.nvidia.com/compute/cuda/2_2/sdk/website/projects/convolutionFFT2D/doc/convolutionFFT2D.pdf
如果你看前两个数字（图1和图2），你会发现内核是以我从未见过的奇怪方式填充的，这是什么？
答案 0 :(得分：1)
通过填充和扩展矩阵来解决圆形伪影（参见nvidia CUDA sdk论文）