En el procesamiento de señales , el método de superposición-suma es una forma eficiente de evaluar la convolución discreta de una señal muy larga con un filtro de respuesta de impulso finito (FIR) :
donde h [ m ] = 0 para m fuera de la región [1, M ] . Este artículo utiliza notaciones abstractas comunes, como o en las que se entiende que las funciones deben pensarse en su totalidad, en lugar de en instantes específicos (ver Convolución # Notación ).
El concepto es dividir el problema en múltiples convoluciones de h [ n ] con segmentos cortos de :
donde la convolución lineal es cero fuera de la región [1, L + M - 1] . Y para cualquier parámetro [A] es equivalente a la convolución circular de N puntos de con en la región [1, N ] . La ventaja es que la convolución circular se puede calcular de manera más eficiente que la convolución lineal, de acuerdo con el teorema de convolución circular :
Cuando el algoritmo FFT implementa DFT e IDFT, el pseudocódigo anterior requiere aproximadamente N (log 2 (N) + 1) multiplicaciones complejas para FFT, producto de matrices e IFFT. [B] Cada iteración produce N-M + 1 muestras de salida, por lo que la cantidad de multiplicaciones complejas por muestra de salida es aproximadamente :
Por ejemplo, cuando M = 201 y N = 1024, la ecuación 3 es igual a 13,67, mientras que la evaluación directa de la ecuación 1 requeriría hasta 201 multiplicaciones complejas por muestra de salida, siendo el peor de los casos cuando tanto x como h tienen valores complejos. Tenga en cuenta también que para cualquier dado M , Eq.3 tiene un mínimo con respecto a N . La figura 2 es una gráfica de los valores de N que minimizan la ecuación 3 para un rango de longitudes de filtro (M).