循环-二元卷积误差的结构分析
本文揭示了当使用哈达玛变换替代离散傅里叶变换（DFT）进行循环-二元卷积时产生的代数误差的结构。研究给出了三项互补结果：精确误差抵消位置、误差算子的秩性质以及期望误差的标量控制公式。
近日，研究人员 Ben Fauber 和 Alireza Moradzadeh 在 arXiv 上提交了一篇题为《循环-二元卷积误差的结构》的论文，深入探讨了使用哈达玛变换替代离散傅里叶变换（DFT）进行卷积计算时所产生的代数误差。该论文于 2026 年 6 月 29 日提交，编号为 arXiv:2607.15293，属于机器学习、人工智能和数值分析交叉领域的研究。
在信号处理和数值计算中，二元卷积和循环卷积均可通过哈达玛变换和基于 FFT 的 DFT 在 O(N log N) 时间内高效完成。哈达玛变换因其计算仅涉及实数值的符号翻转而备受青睐，然而，当它被用来替代 DFT 进行卷积时，会引入一种结构化的代数误差。这项研究旨在系统地表征这一误差的数学结构。
论文提出了三项互补的核心结果。首先，作者识别出精确的误差抵消现象：在两个输入位置和两个输出位置处，误差完全为零，并且无论如何重排输出顺序，这一误差零点都无法被消除。其次，误差算子表现出近乎满秩的特性，但其零空间仅具有对数尺度上的维度，这意味着该算子虽然自由度很高，但零空间非常小。第三，通过随机滤波器的平均，作者推导出期望误差的闭式表达式，该表达式表明期望误差完全由一个对齐标量控制。
从实用角度来看，这项发现表明，在一般情况下，使用哈达玛变换替代 DFT 进行卷积会导致输出能量渐近地翻倍。但是，存在一个通用的零误差子空间，如果滤波器恰好落在这个子空间内，则完全不会产生任何误差。这些结果共同揭示了替代误差的本质：它是结构化的、可预测的，并且由数据的对齐性质主导。这一研究为未来在机器学习、信号处理以及其他依赖快速卷积的领域中优化算法设计提供了重要的理论指导。