【总结】FWT算法

前言：

作为FFT又一个衍生算法，FWT相对（NTT）来说比较特殊，特殊在它的运算全部是逻辑运算（即与，或，异或等），这也导致FWT的代码看上去和FFT并不类似，但总的来说FWT是一个相对容易的算法（只不过需要背一些东西）。

---

算法介绍

FFT算法，是用于优化卷积，而FWT是用于优化逻辑运算卷积。形如下图：
$$C[x\oplus y]=\sum A[x]B[y]$$
它同样可以写作
$$C[y]=\sum A[x]B[x\oplus y]$$
而沃尔什变换与FFT最大的区别在于，它没有基于类似单位复根的优化方式，所有优化都是根据不同的运算而构造出来的，也就意味着：
对于与，或，异或，甚至其它的逻辑运算，都有不同的构造方式（所以只能靠背啊！）
另外，FWT同样也是基于分治的优化，但不同于FFT，它的拆分方式非常简单：将原串拆分为大小相等的前后两部分，这也决定了FWT算法仍然需要将数列长度补足到2的整次幂
下面简述一下异或的FWT算法：
GJY大佬ORZ
首先定义正变换：
$$FWT(A)=\{\begin{array}{l}FWT(A_0+A_1,A_0-A_1)\\ \\ A（|A|=1）\end{array}$$
这里的A是我们要进行正变换的数列，$A_0和A_1$分别指A的前半部分和后半部分。
方便起见，我们再定义
$A\oplus B=(\sum A_j{B}_{0\oplus j}，\sum A_j{B}^{}$