重疊-相加之摺積法

图1：重叠-相加法

概念上，這個做法是選用一個較短的適當長度 L 來切割 x[n] ，計算 x[n] 的子數列濾波後的結果 y_k[n] ，然後連接起來成為 y[n] 。並考慮到一個長度 ${\displaystyle L}$ 和長度 ${\displaystyle M}$ 的有限長度離散信號，做摺積之後會成為長度 ${\displaystyle L+M-1}$ 的信號。

${\displaystyle x_{k}[n]\ {\stackrel {\mathrm {def} }{=}}{\begin{cases}x[n+kL]&n=1,2,\ldots ,L\\0&{\textrm {otherwise}}\end{cases}}}$

則

${\displaystyle x[n]=\sum _{k}x_{k}[n-kL]\,}$

而因為摺積是線性非時變運算，所以 y[n] 可被表示為

${\displaystyle {\begin{aligned}y[n]=\left(\sum _{k}x_{k}[n-kL]\right)\star h[n]&=\sum _{k}\left(x_{k}[n-kL]\star h[n]\right)\\&=\sum _{k}y_{k}[n-kL]\end{aligned}}}$

其中  ${\displaystyle y_{k}[n]\ {\stackrel {\mathrm {def} }{=}}\ x_{k}[n]\star h[n]\,}$  在 [1, L+M-1] 之外為零。 每個 y_k[n] 長度 ${\displaystyle L+M-1}$ ，以間隔 ${\displaystyle L}$ 位移後相加，所以輸出是由互相重疊的區塊相加而成，因此稱為重疊-相加之摺積法。

儘管一時看不出切割成區塊的好處為何，但考慮到對任何  ${\displaystyle N\geq L+M-1\,}$  以上每段的摺積都等價於 ${\displaystyle x_{k}[n]\,}$ 和 ${\displaystyle h[n]\,}$ 做 ${\displaystyle N\,}$ 點圓周摺積 ，不夠的部分補上零 (zero-padding)。如此一來因為圓周摺積可以藉由圓周摺積定理

${\displaystyle y_{k}[n]={\textrm {IFFT}}\left({\textrm {FFT}}\left(x_{k}[n]\right)\cdot {\textrm {FFT}}\left(h[n]\right)\right)}$

轉換成三次 ${\displaystyle N\,}$ 點快速傅立葉變換和 ${\displaystyle N\,}$ 次乘法，使原本每段 O(N²) 的運算量減少至 O(N logN)，速度大幅增加。

   Algorithm (OA for linear convolution)
   Evaluate the best value of N and L
   H = FFT(h,N)       (zero-padded FFT)
   i = 1
   while i <= Nx
       il = min(i+L-1,Nx)
       yt = IFFT( FFT(x(i:il),N) .* H, N)
       k  = min(i+N-1,Nx)
       y(i:k) = y(i:k) + yt    (add the overlapped output blocks)
       i = i+L
   end

當 x[n] 的長度 N' 和 h[n] 的長度 M 相差太大時（例如 M < log₂N' ），直接摺積（不透過圓周摺積和 FFT ）反而最快。而當 N' 和 M 差不多在同一個數量級時，不用分割，也就是只有一塊長度 L = N' 的區塊去做 FFT 即可。而當 N' 比 M 大了不少，卻沒大太多時，區塊長度 L 就需要選擇。除了與 N' 和 M 相關以外，也要考慮當兩者相除有餘數時，剩下一小段的輸入可能會造成浪費。

• 離散摺積
• 圓周摺積
• 快速傅立葉變換
• 重疊-儲存之摺積法

• Rabiner, Lawrence R.; Gold, Bernard. . Englewood Cliffs, N.J.: Prentice-Hall. 1975: pp 65–67. ISBN 0-13-914101-4. 引文格式1维护：冗余文本 (link)
• Helms, H., , IEEE Transactions on Audio and Electroacoustics, 1967, 15(2): 85–90 [2008-06-23], （原始内容存档于2019-06-30）

• Matlab （页面存档备份，存于） 使用 Matlab 函數 fftfilt.m 實作重疊-相加之摺積法
• DSP class Fall 2005 Lecture08 at The University of Texas at Arlington