摘要：短时傅里叶变换（STFT）通过对较长信号的一段短时窗口进行傅里叶变换，用于刻画频率随时间的变化规律。尽管傅里叶变换算法，尤其是快速傅里叶变换（FFT）算法，已得到充分发展并能够充分利用并行计算的优势，但针对并行短时傅里叶变换算法性能的研究仍较为有限。本研究实现了两种并行短时傅里叶变换算法——一种基于FFT，另一种为准并行前馈算法——并对其进行了对比分析。研究发现，在低并发场景下，准并行算法在运行时间上更具优势；而基于FFT的算法则具有更好的可扩展性且内存占用更低。对于每种算法，还分别测试了共享内存、分布式内存以及混合式分布式—共享内存三种并行模式。性能剖析结果表明，除混合式前馈算法外，所有实现均属于计算密集型；同时，分布式内存版本的通信开销显著更高。总体而言，本研究提供了更为深入和全面的分析，揭示了不同系列并行短时傅里叶变换算法的典型特征：基于FFT的方案内存消耗更少，而准并行前馈算法虽然运行时间更短，但串行化程度较高。
评论：| 本文于2026年10月14日至16日在西班牙马德里举行的第38届IEEE/SBC国际计算机体系结构与高性能计算研讨会（SBAC-PAD）上发表。拟收录于会议论文集。 主题：| 分布式、并行与集群计算（cs.DC）；性能（cs.PF） 引用格式：| arXiv:2610.38069 [cs.DC] | （或
arXiv:2610.38069v1 [cs.DC]（本版本） | https://doi.org/10.48550/arXiv.2610.38069
点击了解更多信息
由 DataCite 提供的 arXiv 发布 DOI
提交历史
访问论文：
查看PDF
HTML（实验性）
TeX源代码
附加功能
音频摘要
当前浏览上下文：
参考文献与引用
Google 学术搜索
Semantic Scholar
书签
机构
arXivLabs 是一个框架，允许合作者直接在我们的网站上开发并共享新的 arXiv 功能。
无论是个人还是与 arXivLabs 合作的组织，都已认同并践行我们所倡导的开放、社区、卓越以及用户数据隐私等价值观。arXiv 致力于这些价值理念，并且只与同样秉持这些理念的合作伙伴开展合作。
您是否有一个能为 arXiv 社区创造价值的项目构想？欢迎了解更多关于 arXivLabs 的信息。