循环卷积

两个函数的圆周卷积是由他们的周期延伸所来定义的。周期延伸意思是把原本的函数平移某个周期 T 的整数倍后再全部加起来，所产生的新函数。x(t) 的周期延伸可以写成 两个函数 x(t) 与 h(t) 的圆周卷积 可用两种互相等价的方式来定义 其中 表示原本的（线性）卷积。 类似的，对于离散信号（数列），可以定义周期 N 的圆周卷积 为 离散信号的圆周卷积可以经由圆周卷积定理使用快速傅立叶转换（FFT）而有效率的计算。因此，若原本的（线性）卷积能转换成圆周卷积来计算，会远比直接计算更快速。考虑到长度 L 和长度 M 的有限长度离散信号，做卷积之后会成为长度 L + M − 1 的信号，因此只要把两离散信号补上适当数目的零（zero-padding）成为 N 点信号，其中 ，则它们的圆周卷积就与卷积相等。即可接着用 N 点 FFT 作计算。 用以上方法计算卷积时，若两个信号长度相差很多，则较短者须补上相当多的零，太不经济。而且在某些情况下，例如较短的 h[n] 是一个 FIR 滤波器而较长的 x[n] 是未知长度的输入（像语音）时，直接用以上方法要等所有的输入都收到后才能开始算输出信号，太不方便。这时可以把 x[n] 分割成许多适当长度的区块（称为 block convolution），然后一段一段的处理。经过滤波后的段落再仔细的连接起来，借由输入或输出的重叠来处理区块连接的部份。这两种做法分别称为重叠-储存之卷积法和重叠-相加之卷积法。