4.3. Using FFT to De-Skew (使用FFT去偏斜)
4.3. Using FFT to De-Skew (使用FFT去偏斜)
当现实世界数据由强相关比特组成时, 可能更容易去偏斜和装饰相关频域版本, 然后通过傅里叶变换 (FFT) 进行转换。这是因为在频域中, 相关性表现为某些频率分量的功率高度集中, 而在这些分量被去偏斜后可以被消除或衰减。然后可以进行逆变换以产生时域中的去相关输出。如[DAVIS]中所示, 这可以产生非常高质量的随机数, 但需要相当大的计算量。
当现实世界数据由强相关比特组成时, 可能更容易去偏斜和装饰相关频域版本, 然后通过傅里叶变换 (FFT) 进行转换。这是因为在频域中, 相关性表现为某些频率分量的功率高度集中, 而在这些分量被去偏斜后可以被消除或衰减。然后可以进行逆变换以产生时域中的去相关输出。如[DAVIS]中所示, 这可以产生非常高质量的随机数, 但需要相当大的计算量。