वेक्टर-रेडिक्स एफएफटी एल्गोरिदम: Difference between revisions

Revision as of 19:49, 23 November 2023

वेक्टर-रेडिक्स एफएफटी एल्गोरिदम, बहुआयामी असतत फूरियर रूपांतरण (एफएफटी) एल्गोरिदम है, जो सामान्य कूली-ट्यूकी एफएफटी एल्गोरिदम का सामान्यीकरण है जो इच्छानुसार रेडिस द्वारा ट्रांसफॉर्म आयामों को विभाजित करता है। यह बहुआयामी (एमडी) असतत फूरियर ट्रांसफॉर्म (डीएफटी) को क्रमिक रूप से छोटे एमडी डीएफटी में तोड़ देता है, जब तक कि अंततः, केवल सामान्य एमडी डीएफटी का मूल्यांकन करने की आवश्यकता नहीं होती है।^[1] सबसे समान बहुआयामी फास्ट फूरियर ट्रांसफॉर्म एल्गोरिदम रेडिक्स-स्तंभ एल्गोरिदम है, जिसका अर्थ है सरणी को पहले इंडेक्स में और फिर दूसरे में परिवर्तित करना, फास्ट फूरियर ट्रांसफॉर्म में और देखें। फिर रेडिक्स-2 डायरेक्ट 2-डी एफएफटी विकसित किया गया है,^[2] और इस प्रकार यह पारंपरिक रेडिक्स-स्तंभ दृष्टिकोण की तुलना में 25% गुणकों को समाप्त कर सकता है। और इस एल्गोरिथ्म को आयताकार सरणियों और इच्छानुसार मूलांकों तक विस्तारित किया गया है,^[3] जो सामान्य वेक्टर-रेडिक्स एल्गोरिदम है।

इस प्रकार रेडिक्स-वेक्टर एल्गोरिदम की तुलना में वेक्टर-रेडिक्स एफएफटी एल्गोरिदम सम्मिश्र गुणन की संख्या को अधिक कम कर सकता है। उदाहरण के लिए, अवयव आव्यूह (M आयाम, और प्रत्येक आयाम पर आकार N) के लिए, रेडिक्स -2 के लिए वेक्टर-रेडिक्स एफएफटी एल्गोरिदम के सम्मिश्र गुणकों की संख्या $N^{M}$ है, इस मध्य, रेडिक्स के लिए -कॉलम एल्गोरिथम, यह ${\frac {2^{M}-1}{2^{M}}}N^{M}\log _{2}N$ है। और सामान्यतः, जब यह एल्गोरिदम बड़े मूलांकों और उच्च आयामी सरणियों पर संचालित होता है, तो गुणकों में भी बड़ी बचत प्राप्त होती है। ^[3]

कुल मिलाकर, वेक्टर-रेडिक्स एल्गोरिदम अंकगणितीय संचालन में सामान्य वृद्धि की मूल्य पर उत्तम अनुक्रमण योजना वाले पारंपरिक डीएफटी की संरचनात्मक सम्मिश्रता को अधिक कम कर देता है। इसलिए इस एल्गोरिदम का व्यापक रूप से इंजीनियरिंग, विज्ञान और गणित में विभिन्न अनुप्रयोगों के लिए उपयोग किया जाता है, उदाहरण के लिए, इमेज प्रोसेसिंग में कार्यान्वयन,^[4] और हाई स्पीड एफएफटी प्रोसेसर डिजाइनिंग किया गया था।^[5]

2-डी डीआईटी केस

इस प्रकार कूली-टुकी एफएफटी एल्गोरिथम की प्रकार, दो आयामी वेक्टर-रेडिक्स एफएफटी को नियमित 2-डी डीएफटी को ट्विडल कारकों द्वारा गुणा किए गए छोटे डीएफटी के योग में विघटित करके प्राप्त किया जाता है।

डेसीमेशन-इन-टाइम (डीआईटी) एल्गोरिदम का कारण है कि अपघटन समय डोमेन $x$ पर आधारित है, कूली-टुकी एफएफटी एल्गोरिदम में और देखें।

हमारा मानना है कि 2-डी डीएफटी परिभाषित है

X(k_{1},k_{2})=\sum _{n_{1}=0}^{N_{1}-1}\sum _{n_{2}=0}^{N_{2}-1}x[n_{1},n_{2}]\cdot W_{N_{1}}^{k_{1}n_{1}}W_{N_{2}}^{k_{2}n_{2}},

जहाँ $k_{1}=0,\dots ,N_{1}-1$ ,और $k_{2}=0,\dots ,N_{2}-1$ , और $x[n_{1},n_{2}]$ $N_{1}\times N_{2}$ आव्यूह, और $W_{N}=\exp(-j2\pi /N)$ .

सरलता के लिए, आइए मान लें $N_{1}=N_{2}=N$ , और मूलांक- $(r\times r)$ इस प्रकार कि $N/r$ पूर्णांक है.

वैरिएबल के परिवर्तन का उपयोग करना:

$n_{i}=rp_{i}+q_{i}$ , जहाँ $p_{i}=0,\ldots ,(N/r)-1;q_{i}=0,\ldots ,r-1;$
$k_{i}=u_{i}+v_{i}N/r$ , जहाँ $u_{i}=0,\ldots ,(N/r)-1;v_{i}=0,\ldots ,r-1;$

जहाँ $i=1$ या $2$ , तो दो आयामी डीएफटी को इस प्रकार लिखा जा सकता है:^[6]

X(u_{1}+v_{1}N/r,u_{2}+v_{2}N/r)=\sum _{q_{1}=0}^{r-1}\sum _{q_{2}=0}^{r-1}\left[\sum _{p_{1}=0}^{N/r-1}\sum _{p_{2}=0}^{N/r-1}x[rp_{1}+q_{1},rp_{1}+q_{1}]W_{N/r}^{p_{1}u_{1}}W_{N/r}^{p_{2}u_{2}}\right]\cdot W_{N}^{q_{1}u_{1}+q_{2}u_{2}}W_{r}^{q_{1}v_{1}}W_{r}^{q_{2}v_{2}},

डीआईटी वेक्टर-रेडिक्स 2x2 एफएफटी के लिए चरण बटरफ्लाई

इस प्रकार उपरोक्त समीकरण 2-डी डीआईटी मूलांक- $(r\times r)$ "बटरफ्लाई" की मूल संरचना को परिभाषित करता है। (कूली-टुकी एफएफटी एल्गोरिदम में 1-डी "बटरफ्लाई" देखें)

जब $r=2$ , समीकरण को चार योगों में विभाजित किया जा सकता है, और इससे यह प्राप्त होता है:^[1]

X(k_{1},k_{2})=S_{00}(k_{1},k_{2})+S_{01}(k_{1},k_{2})W_{N}^{k_{2}}+S_{10}(k_{1},k_{2})W_{N}^{k_{1}}+S_{11}(k_{1},k_{2})W_{N}^{k_{1}+k_{2}}

के लिए

0\leq k_{1},k_{2}<{\frac {N}{2}}

,

जहाँ $S_{ij}(k_{1},k_{2})=\sum _{n_{1}=0}^{N/2-1}\sum _{n_{2}=0}^{N/2-1}x[2n_{1}+i,2n_{2}+j]\cdot W_{N/2}^{n_{1}k_{1}}W_{N/2}^{n_{2}k_{2}}$ .

$S_{ij}$ को $N/2$ -आयामी डीएफटी के रूप में देखा जा सकता है, प्रत्येक मूल प्रारूप के सबसेट पर

$S_{00}$ उन प्रारूपो पर डीएफटी $x$ है जिसके लिए दोनों $n_{1}$ और $n_{2}$ सम हैं;
$S_{01}$ जिसके लिए प्रारूपो पर डीएफटी है $n_{1}$ सम है और $n_{2}$ विषम है;
$S_{10}$ जिसके लिए प्रारूपो पर डीएफटी है $n_{1}$ विषम है और $n_{2}$ सम है;
$S_{11}$ दोनों के लिए प्रारूपो पर डीएफटी है $n_{1}$ और $n_{2}$ विषम हैं.

इस प्रकार त्रिकोणमितीय पहचानों की सूची शिफ्ट्स और आवधिकता के लिए धन्यवाद, हम निम्नलिखित अतिरिक्त पहचानें प्राप्त कर सकते हैं, जो इसके $0\leq k_{1},k_{2}<{\frac {N}{2}}$ लिए मान्य हैं :

$X{\biggl (}k_{1}+{\frac {N}{2}},k_{2}{\biggr )}=S_{00}(k_{1},k_{2})+S_{01}(k_{1},k_{2})W_{N}^{k_{2}}-S_{10}(k_{1},k_{2})W_{N}^{k_{1}}-S_{11}(k_{1},k_{2})W_{N}^{k_{1}+k_{2}}$ ;
$X{\biggl (}k_{1},k_{2}+{\frac {N}{2}}{\biggr )}=S_{00}(k_{1},k_{2})-S_{01}(k_{1},k_{2})W_{N}^{k_{2}}+S_{10}(k_{1},k_{2})W_{N}^{k_{1}}-S_{11}(k_{1},k_{2})W_{N}^{k_{1}+k_{2}}$ ;
$X{\biggl (}k_{1}+{\frac {N}{2}},k_{2}+{\frac {N}{2}}{\biggr )}=S_{00}(k_{1},k_{2})-S_{01}(k_{1},k_{2})W_{N}^{k_{2}}-S_{10}(k_{1},k_{2})W_{N}^{k_{1}}+S_{11}(k_{1},k_{2})W_{N}^{k_{1}+k_{2}}$ .

2-डी डीआईएफ केस

इसी प्रकार, डिकिमेशन-इन-फ़्रीक्वेंसी (डीआईएफ, जिसे सैंडे-टुकी एल्गोरिदम भी कहा जाता है) एल्गोरिदम का कारण है कि अपघटन फ़्रीक्वेंसी डोमेन $X$ पर आधारित है , कूली-टुकी एफएफटी एल्गोरिथम में और देखें।

वैरिएबल के परिवर्तन का उपयोग करना:

$n_{i}=p_{i}+q_{i}N/r$ , जहाँ $p_{i}=0,\ldots ,(N/r)-1;q_{i}=0,\ldots ,r-1;$
$k_{i}=ru_{i}+v_{i}$ , जहाँ $u_{i}=0,\ldots ,(N/r)-1;v_{i}=0,\ldots ,r-1;$

जहाँ $i=1$ या $2$ , और डीएफटी समीकरण को इस प्रकार लिखा जा सकता है:^[6]: $X(ru_{1}+v_{1},ru_{2}+v_{2})=\sum _{p_{1}=0}^{N/r-1}\sum _{p_{2}=0}^{N/r-1}\left[\sum _{q_{1}=0}^{r-1}\sum _{q_{2}=0}^{r-1}x[p_{1}+q_{1}N/r,p_{1}+q_{1}N/r]W_{r}^{q_{1}v_{1}}W_{r}^{q_{2}v_{2}}\right]\cdot W_{N}^{p_{1}v_{1}+p_{2}v_{2}}W_{N/r}^{p_{1}u_{1}}W_{N/r}^{p_{2}u_{2}},$

अन्य दृष्टिकोण

इस प्रकार स्प्लिट-रेडिक्स एफएफटी एल्गोरिदम 1-डी डीएफटी के लिए उपयोगी विधि सिद्ध हुई है। और विभाजित वेक्टर-रेडिक्स एफएफटी प्राप्त करने के लिए इस विधि को वेक्टर-रेडिक्स एफएफटी पर प्रयुक्त किया गया है।^[6]^[7] पारंपरिक 2-डी वेक्टर-रेडिक्स एल्गोरिदम में, हम सूचकांकों $k_{1},k_{2}$ को 4 समूहों में विघटित करते हैं :

{\begin{array}{lcl}X(2k_{1},2k_{2})&:&{\text{even-even}}\\X(2k_{1},2k_{2}+1)&:&{\text{even-odd}}\\X(2k_{1}+1,2k_{2})&:&{\text{odd-even}}\\X(2k_{1}+1,2k_{2}+1)&:&{\text{odd-odd}}\end{array}}

विभाजित वेक्टर-रेडिक्स एल्गोरिदम द्वारा, पहले तीन समूह अपरिवर्तित रहते हैं, चौथे विषम-विषम समूह को अन्य चार उप-समूहों और कुल सात समूहों में विघटित किया जाता है:

{\begin{array}{lcl}X(2k_{1},2k_{2})&:&{\text{even-even}}\\X(2k_{1},2k_{2}+1)&:&{\text{even-odd}}\\X(2k_{1}+1,2k_{2})&:&{\text{odd-even}}\\X(4k_{1}+1,4k_{2}+1)&:&{\text{odd-odd}}\\X(4k_{1}+1,4k_{2}+3)&:&{\text{odd-odd}}\\X(4k_{1}+3,4k_{2}+1)&:&{\text{odd-odd}}\\X(4k_{1}+3,4k_{2}+3)&:&{\text{odd-odd}}\end{array}}

इसका कारण है 2-डी डीआईटी मूलांक में चौथा पद- $(2\times 2)$ समीकरण, $S_{11}(k_{1},k_{2})W_{N}^{k_{1}+k_{2}}$ बन जाता है:^[8]

A_{11}(k_{1},k_{2})W_{N}^{k_{1}+k_{2}}+A_{13}(k_{1},k_{2})W_{N}^{k_{1}+3k_{2}}+A_{31}(k_{1},k_{2})W_{N}^{3k_{1}+k_{2}}+A_{33}(k_{1},k_{2})W_{N}^{3(k_{1}+k_{2})},

जहाँ $A_{ij}(k_{1},k_{2})=\sum _{n_{1}=0}^{N/4-1}\sum _{n_{2}=0}^{N/4-1}x[4n_{1}+i,4n_{2}+j]\cdot W_{N/4}^{n_{1}k_{1}}W_{N/4}^{n_{2}k_{2}}$

इस प्रकार एन डीएफटी द्वारा 2-डी एन को अंतिम चरण तक उपरोक्त अपघटन के क्रमिक उपयोग द्वारा प्राप्त किया जाता है।

यह दिखाया गया है कि स्प्लिट वेक्टर रेडिक्स एल्गोरिदम ने वेक्टर-रेडिक्स एल्गोरिदम की तुलना में लगभग 30% सम्मिश्र गुणन और विशिष्ट $1024\times 1024$ सरणी के लिए लगभग समान संख्या में सम्मिश्र जोड़ बचाए हैं।^[7]

संदर्भ

↑ ^1.0 ^1.1 Dudgeon, Dan; Russell, Mersereau (September 1983). बहुआयामी डिजिटल सिग्नल प्रोसेसिंग. Prentice Hall. p. 76. ISBN 0136049591.
↑ Rivard, G. (1977). "द्विचर कार्यों का प्रत्यक्ष तेज़ फूरियर रूपांतरण". IEEE Transactions on Acoustics, Speech, and Signal Processing. 25 (3): 250–252. doi:10.1109/TASSP.1977.1162951.
↑ ^3.0 ^3.1 Harris, D.; McClellan, J.; Chan, D.; Schuessler, H. (1977). "Vector radix fast Fourier transform". ICASSP '77. IEEE International Conference on Acoustics, Speech, and Signal Processing. pp. 548–551. doi:10.1109/ICASSP.1977.1170349. {{cite book}}: |journal= ignored (help)CS1 maint: date and year (link)
↑ Buijs, H.; Pomerleau, A.; Fournier, M.; Tam, W. (Dec 1974). "छवि प्रसंस्करण अनुप्रयोगों के लिए तेज़ फूरियर ट्रांसफॉर्म (एफएफटी) का कार्यान्वयन". IEEE Transactions on Acoustics, Speech, and Signal Processing. 22 (6): 420–424. doi:10.1109/TASSP.1974.1162620.
↑ Badar, S.; Dandekar, D. (2015). "High speed FFT processor design using radix −⁴ pipelined architecture". 2015 International Conference on Industrial Instrumentation and Control (ICIC). pp. 1050–1055. doi:10.1109/IIC.2015.7150901. ISBN 978-1-4799-7165-7. S2CID 11093545.
↑ ^6.0 ^6.1 ^6.2 Chan, S. C.; Ho, K. L. (1992). "स्प्लिट वेक्टर-रेडिक्स फास्ट फूरियर ट्रांसफॉर्म". IEEE Transactions on Signal Processing. 40 (8): 2029–2039. Bibcode:1992ITSP...40.2029C. doi:10.1109/78.150004.
↑ ^7.0 ^7.1 Pei, Soo-Chang; Wu, Ja-Lin (April 1987). "Split vector radix 2D fast Fourier transform". ICASSP '87. IEEE International Conference on Acoustics, Speech, and Signal Processing. pp. 1987–1990. doi:10.1109/ICASSP.1987.1169345. S2CID 118173900. {{cite book}}: |journal= ignored (help)
↑ Wu, H.; Paoloni, F. (Aug 1989). "द्वि-आयामी वेक्टर स्प्लिट-रेडिक्स एफएफटी एल्गोरिदम पर". IEEE Transactions on Acoustics, Speech, and Signal Processing. 37 (8): 1302–1304. doi:10.1109/29.31283.

[Dudgeon83-1] 1.0 ^1.1 Dudgeon, Dan; Russell, Mersereau (September 1983). बहुआयामी डिजिटल सिग्नल प्रोसेसिंग. Prentice Hall. p. 76. ISBN 0136049591.

[Rivard77-2] Rivard, G. (1977). "द्विचर कार्यों का प्रत्यक्ष तेज़ फूरियर रूपांतरण". IEEE Transactions on Acoustics, Speech, and Signal Processing. 25 (3): 250–252. doi:10.1109/TASSP.1977.1162951.

[Harris77-3] 3.0 ^3.1 Harris, D.; McClellan, J.; Chan, D.; Schuessler, H. (1977). "Vector radix fast Fourier transform". ICASSP '77. IEEE International Conference on Acoustics, Speech, and Signal Processing. pp. 548–551. doi:10.1109/ICASSP.1977.1170349. {{cite book}}: |journal= ignored (help)CS1 maint: date and year (link)

[Buijs74-4] Buijs, H.; Pomerleau, A.; Fournier, M.; Tam, W. (Dec 1974). "छवि प्रसंस्करण अनुप्रयोगों के लिए तेज़ फूरियर ट्रांसफॉर्म (एफएफटी) का कार्यान्वयन". IEEE Transactions on Acoustics, Speech, and Signal Processing. 22 (6): 420–424. doi:10.1109/TASSP.1974.1162620.

[Badar15-5] Badar, S.; Dandekar, D. (2015). "High speed FFT processor design using radix −⁴ pipelined architecture". 2015 International Conference on Industrial Instrumentation and Control (ICIC). pp. 1050–1055. doi:10.1109/IIC.2015.7150901. ISBN 978-1-4799-7165-7. S2CID 11093545.

[Chan92-6] 6.0 ^6.1 ^6.2 Chan, S. C.; Ho, K. L. (1992). "स्प्लिट वेक्टर-रेडिक्स फास्ट फूरियर ट्रांसफॉर्म". IEEE Transactions on Signal Processing. 40 (8): 2029–2039. Bibcode:1992ITSP...40.2029C. doi:10.1109/78.150004.

[Pei87-7] 7.0 ^7.1 Pei, Soo-Chang; Wu, Ja-Lin (April 1987). "Split vector radix 2D fast Fourier transform". ICASSP '87. IEEE International Conference on Acoustics, Speech, and Signal Processing. pp. 1987–1990. doi:10.1109/ICASSP.1987.1169345. S2CID 118173900. {{cite book}}: |journal= ignored (help)

[Wu89-8] Wu, H.; Paoloni, F. (Aug 1989). "द्वि-आयामी वेक्टर स्प्लिट-रेडिक्स एफएफटी एल्गोरिदम पर". IEEE Transactions on Acoustics, Speech, and Signal Processing. 37 (8): 1302–1304. doi:10.1109/29.31283.

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]

@@ Line 1: / Line 1: @@
-वेक्टर-रेडिक्स एफएफटी एल्गोरिदम, बहुआयामी [[[[असतत फूरियर रूपांतरण]]]] (एफएफटी) एल्गोरिदम है, जो सामान्य कूली-ट्यूकी एफएफटी एल्गोरिदम का सामान्यीकरण है जो मनमाने ढंग से रेडिस द्वारा ट्रांसफॉर्म आयामों को विभाजित करता है। यह बहुआयामी (एमडी) असतत फूरियर ट्रांसफॉर्म (डीएफटी) को क्रमिक रूप से छोटे एमडी डीएफटी में तोड़ देता है, जब तक कि अंततः, केवल तुच्छ एमडी डीएफटी का मूल्यांकन करने की आवश्यकता नहीं होती है।<ref name="Dudgeon83">{{cite book|last1=Dudgeon|first1=Dan|last2=Russell|first2=Mersereau|title=बहुआयामी डिजिटल सिग्नल प्रोसेसिंग|date=September 1983|publisher=Prentice Hall|isbn=0136049591|pages=76}}</ref>
+'''वेक्टर-रेडिक्स एफएफटी एल्गोरिदम''', बहुआयामी [[असतत फूरियर रूपांतरण]] (एफएफटी) एल्गोरिदम है, जो सामान्य कूली-ट्यूकी एफएफटी एल्गोरिदम का सामान्यीकरण है जो इच्छानुसार रेडिस द्वारा ट्रांसफॉर्म आयामों को विभाजित करता है। यह बहुआयामी (एमडी) असतत फूरियर ट्रांसफॉर्म (डीएफटी) को क्रमिक रूप से छोटे एमडी डीएफटी में तोड़ देता है, जब तक कि अंततः, केवल सामान्य एमडी डीएफटी का मूल्यांकन करने की आवश्यकता नहीं होती है।<ref name="Dudgeon83">{{cite book|last1=Dudgeon|first1=Dan|last2=Russell|first2=Mersereau|title=बहुआयामी डिजिटल सिग्नल प्रोसेसिंग|date=September 1983|publisher=Prentice Hall|isbn=0136049591|pages=76}}</ref> सबसे समान बहुआयामी फास्ट फूरियर ट्रांसफॉर्म एल्गोरिदम रेडिक्स-स्तंभ एल्गोरिदम है, जिसका अर्थ है सरणी को पहले इंडेक्स में और फिर दूसरे में परिवर्तित करना, फास्ट फूरियर ट्रांसफॉर्म में और देखें। फिर रेडिक्स-2 डायरेक्ट 2-डी एफएफटी विकसित किया गया है,<ref name="Rivard77">{{cite journal|last1=Rivard|first1=G.|title=द्विचर कार्यों का प्रत्यक्ष तेज़ फूरियर रूपांतरण|journal=IEEE Transactions on Acoustics, Speech, and Signal Processing|volume=25|issue=3|pages=250–252|doi=10.1109/TASSP.1977.1162951|year=1977}}</ref> और इस प्रकार यह पारंपरिक रेडिक्स-स्तंभ दृष्टिकोण की तुलना में 25% गुणकों को समाप्त कर सकता है। और इस एल्गोरिथ्म को आयताकार सरणियों और इच्छानुसार मूलांकों तक विस्तारित किया गया है,<ref name="Harris77">{{cite book|last1=Harris|first1=D.|last2=McClellan|first2=J.|last3=Chan|first3=D.|last4=Schuessler|first4=H.|date=1977 |title=ICASSP '77. IEEE International Conference on Acoustics, Speech, and Signal Processing |chapter=Vector radix fast Fourier transform |journal=IEEE International Conference on Acoustics, Speech, and Signal Processing, ICASSP '77|volume=2|pages=548–551|doi=10.1109/ICASSP.1977.1170349|year=1977}}</ref> जो सामान्य वेक्टर-रेडिक्स एल्गोरिदम है।
-सबसे आम बहुआयामी फास्ट फूरियर ट्रांसफॉर्म एल्गोरिदम पंक्ति-स्तंभ एल्गोरिदम है, जिसका अर्थ है सरणी को पहले इंडेक्स में और फिर दूसरे में बदलना, फास्ट फूरियर ट्रांसफॉर्म में और देखें। फिर रेडिक्स-2 डायरेक्ट 2-डी एफएफटी विकसित किया गया है,<ref name="Rivard77">{{cite journal|last1=Rivard|first1=G.|title=द्विचर कार्यों का प्रत्यक्ष तेज़ फूरियर रूपांतरण|journal=IEEE Transactions on Acoustics, Speech, and Signal Processing|volume=25|issue=3|pages=250–252|doi=10.1109/TASSP.1977.1162951|year=1977}}</ref> और यह पारंपरिक पंक्ति-स्तंभ दृष्टिकोण की तुलना में 25% गुणकों को समाप्त कर सकता है। और इस एल्गोरिथ्म को आयताकार सरणियों और मनमाने मूलांकों तक विस्तारित किया गया है,<ref name="Harris77">{{cite book|last1=Harris|first1=D.|last2=McClellan|first2=J.|last3=Chan|first3=D.|last4=Schuessler|first4=H.|date=1977 |title=ICASSP '77. IEEE International Conference on Acoustics, Speech, and Signal Processing |chapter=Vector radix fast Fourier transform |journal=IEEE International Conference on Acoustics, Speech, and Signal Processing, ICASSP '77|volume=2|pages=548–551|doi=10.1109/ICASSP.1977.1170349|year=1977}}</ref> जो सामान्य वेक्टर-रेडिक्स एल्गोरिदम है।
-पंक्ति-वेक्टर एल्गोरिदम की तुलना में वेक्टर-रेडिक्स एफएफटी एल्गोरिदम जटिल गुणन की संख्या को काफी कम कर सकता है। उदाहरण के लिए, ए के लिए <math>N^M</math> तत्व मैट्रिक्स (एम आयाम, और प्रत्येक आयाम पर आकार एन), रेडिक्स -2 के लिए वेक्टर-रेडिक्स एफएफटी एल्गोरिदम के जटिल गुणकों की संख्या है <math>\frac{2^M -1}{2^M} N^M \log_2 N</math>इस बीच, पंक्ति-स्तंभ एल्गोरिदम के लिए, यह है <math>\frac{M N^M} 2 \log_2 N</math>. और आम तौर पर, जब यह एल्गोरिदम बड़े मूलांकों और उच्च आयामी सरणियों पर संचालित होता है, तो गुणकों में भी बड़ी बचत प्राप्त होती है।<ref name=Harris77/>
+इस प्रकार रेडिक्स-वेक्टर एल्गोरिदम की तुलना में वेक्टर-रेडिक्स एफएफटी एल्गोरिदम सम्मिश्र गुणन की संख्या को अधिक कम कर सकता है। उदाहरण के लिए, अवयव आव्यूह (M आयाम, और प्रत्येक आयाम पर आकार N) के लिए, रेडिक्स -2 के लिए वेक्टर-रेडिक्स एफएफटी एल्गोरिदम के सम्मिश्र गुणकों की संख्या <math>N^M</math> है, इस मध्य, रेडिक्स के लिए -कॉलम एल्गोरिथम, यह <math>\frac{2^M -1}{2^M} N^M \log_2 N</math> है। और सामान्यतः, जब यह एल्गोरिदम बड़े मूलांकों और उच्च आयामी सरणियों पर संचालित होता है, तो गुणकों में भी बड़ी बचत प्राप्त होती है। <ref name=Harris77/>
-कुल मिलाकर, वेक्टर-रेडिक्स एल्गोरिदम अंकगणितीय संचालन में मामूली वृद्धि की कीमत पर बेहतर अनुक्रमण योजना वाले पारंपरिक डीएफटी की संरचनात्मक जटिलता को काफी कम कर देता है। इसलिए इस एल्गोरिदम का व्यापक रूप से इंजीनियरिंग, विज्ञान और गणित में कई अनुप्रयोगों के लिए उपयोग किया जाता है, उदाहरण के लिए, छवि प्रसंस्करण में कार्यान्वयन,<ref name="Buijs74">{{cite journal|last1=Buijs|first1=H.|last2=Pomerleau|first2=A.|last3=Fournier|first3=M.|last4=Tam|first4=W.|title=छवि प्रसंस्करण अनुप्रयोगों के लिए तेज़ फूरियर ट्रांसफॉर्म (एफएफटी) का कार्यान्वयन|journal=IEEE Transactions on Acoustics, Speech, and Signal Processing|date=Dec 1974|volume=22|issue=6|pages=420–424|doi=10.1109/TASSP.1974.1162620}}</ref> और हाई स्पीड एफएफटी प्रोसेसर डिजाइनिंग।<ref name="Badar15">{{cite book|last1=Badar|first1=S.|last2=Dandekar|first2=D.|title=2015 International Conference on Industrial Instrumentation and Control (ICIC) |chapter=High speed FFT processor design using radix −<sup>4</sup> pipelined architecture |pages=1050–1055|doi=10.1109/IIC.2015.7150901|year=2015|isbn=978-1-4799-7165-7|s2cid=11093545 }}</ref>
+कुल मिलाकर, वेक्टर-रेडिक्स एल्गोरिदम अंकगणितीय संचालन में सामान्य वृद्धि की मूल्य पर उत्तम अनुक्रमण योजना वाले पारंपरिक डीएफटी की संरचनात्मक सम्मिश्रता को अधिक कम कर देता है। इसलिए इस एल्गोरिदम का व्यापक रूप से इंजीनियरिंग, विज्ञान और गणित में विभिन्न अनुप्रयोगों के लिए उपयोग किया जाता है, उदाहरण के लिए, इमेज प्रोसेसिंग में कार्यान्वयन,<ref name="Buijs74">{{cite journal|last1=Buijs|first1=H.|last2=Pomerleau|first2=A.|last3=Fournier|first3=M.|last4=Tam|first4=W.|title=छवि प्रसंस्करण अनुप्रयोगों के लिए तेज़ फूरियर ट्रांसफॉर्म (एफएफटी) का कार्यान्वयन|journal=IEEE Transactions on Acoustics, Speech, and Signal Processing|date=Dec 1974|volume=22|issue=6|pages=420–424|doi=10.1109/TASSP.1974.1162620}}</ref> और हाई स्पीड एफएफटी प्रोसेसर डिजाइनिंग किया गया था।<ref name="Badar15">{{cite book|last1=Badar|first1=S.|last2=Dandekar|first2=D.|title=2015 International Conference on Industrial Instrumentation and Control (ICIC) |chapter=High speed FFT processor design using radix −<sup>4</sup> pipelined architecture |pages=1050–1055|doi=10.1109/IIC.2015.7150901|year=2015|isbn=978-1-4799-7165-7|s2cid=11093545 }}</ref>
 == 2-डी डीआईटी केस ==
-Cooley-Tukey FFT एल्गोरिथम की तरह, दो आयामी वेक्टर-रेडिक्स FFT को नियमित 2-डी DFT को ट्विडल कारकों द्वारा गुणा किए गए छोटे DFT के योग में विघटित करके प्राप्त किया जाता है।
+इस प्रकार कूली-टुकी एफएफटी एल्गोरिथम की प्रकार, दो आयामी वेक्टर-रेडिक्स एफएफटी को नियमित 2-डी डीएफटी को ट्विडल कारकों द्वारा गुणा किए गए छोटे डीएफटी के योग में विघटित करके प्राप्त किया जाता है।
-डेसीमेशन-इन-टाइम (डीआईटी) एल्गोरिदम का मतलब है कि अपघटन समय डोमेन पर आधारित है <math>x</math>, Cooley-Tukey FFT एल्गोरिथम में और देखें।
+डेसीमेशन-इन-टाइम (डीआईटी) एल्गोरिदम का कारण है कि अपघटन समय डोमेन <math>x</math> पर आधारित है, कूली-टुकी एफएफटी एल्गोरिदम में और देखें।
 हमारा मानना है कि 2-डी डीएफटी परिभाषित है
 :<math>X(k_1,k_2) = \sum_{n_1=0}^{N_1-1} \sum_{n_2=0}^{N_2-1}  x[n_1, n_2] \cdot W_{N_1}^{k_1 n_1} W_{N_2}^{k_2 n_2}, </math>
-कहाँ <math>k_1 = 0,\dots,N_1-1</math>,और <math>k_2 = 0,\dots,N_2-1</math>, और <math>x[n_1, n_2]</math> <math>N_1 \times N_2</math> मैट्रिक्स, और <math>W_N = \exp(-j 2\pi /N)</math>.
+जहाँ <math>k_1 = 0,\dots,N_1-1</math>,और <math>k_2 = 0,\dots,N_2-1</math>, और <math>x[n_1, n_2]</math> <math>N_1 \times N_2</math> आव्यूह, और <math>W_N = \exp(-j 2\pi /N)</math>.
 सरलता के लिए, आइए मान लें <math>N_1=N_2=N</math>, और मूलांक-<math>(r\times r)</math> इस प्रकार कि <math>N/r</math> पूर्णांक है.
-चरों के परिवर्तन का उपयोग करना:
+वैरिएबल के परिवर्तन का उपयोग करना:
-* <math>n_i=rp_i+q_i</math>, कहाँ <math>p_i=0,\ldots,(N/r)-1; q_i = 0,\ldots,r-1;</math>
+* <math>n_i=rp_i+q_i</math>, जहाँ <math>p_i=0,\ldots,(N/r)-1; q_i = 0,\ldots,r-1;</math>
-* <math>k_i=u_i+v_i N/r</math>, कहाँ <math>u_i=0,\ldots,(N/r)-1; v_i = 0,\ldots,r-1;</math>
+* <math>k_i=u_i+v_i N/r</math>, जहाँ <math>u_i=0,\ldots,(N/r)-1; v_i = 0,\ldots,r-1;</math>
-कहाँ <math>i = 1</math> या <math>2</math>, तो दो आयामी डीएफटी को इस प्रकार लिखा जा सकता है:<ref name="Chan92">{{cite journal|last1=Chan|first1=S. C.|last2=Ho|first2=K. L.|title=स्प्लिट वेक्टर-रेडिक्स फास्ट फूरियर ट्रांसफॉर्म|journal=IEEE Transactions on Signal Processing|volume=40|issue=8|pages=2029–2039|doi=10.1109/78.150004|bibcode=1992ITSP...40.2029C|year=1992}}</ref>
+जहाँ <math>i = 1</math> या <math>2</math>, तो दो आयामी डीएफटी को इस प्रकार लिखा जा सकता है:<ref name="Chan92">{{cite journal|last1=Chan|first1=S. C.|last2=Ho|first2=K. L.|title=स्प्लिट वेक्टर-रेडिक्स फास्ट फूरियर ट्रांसफॉर्म|journal=IEEE Transactions on Signal Processing|volume=40|issue=8|pages=2029–2039|doi=10.1109/78.150004|bibcode=1992ITSP...40.2029C|year=1992}}</ref>
 :<math> X(u_1+v_1 N/r,u_2+v_2 N/r)=\sum_{q_1=0}^{r-1} \sum_{q_2=0}^{r-1} \left[ \sum_{p_1=0}^{N/r-1} \sum_{p_2=0}^{N/r-1} x[rp_1+q_1, rp_1+q_1] W_{N/r}^{p_1 u_1} W_{N/r}^{p_2 u_2} \right] \cdot W_N^{q_1 u_1+q_2 u_2} W_r^{q_1 v_1} W_r^{q_2 v_2},</math>
-[[File:2x2 radix butterfly diagram.svg|thumb|400px|डीआईटी वेक्टर-रेडिक्स 2x2 एफएफटी के लिए चरण तितली]]उपरोक्त समीकरण 2-डी डीआईटी मूलांक की मूल संरचना को परिभाषित करता है-<math>(r\times r)</math> तितली । (कूली-टुकी एफएफटी एल्गोरिदम में 1-डी तितली देखें)
+[[File:2x2 radix butterfly diagram.svg|thumb|400px|डीआईटी वेक्टर-रेडिक्स 2x2 एफएफटी के लिए चरण बटरफ्लाई]]इस प्रकार उपरोक्त समीकरण 2-डी डीआईटी मूलांक-<math>(r\times r)</math> "बटरफ्लाई" की मूल संरचना को परिभाषित करता है। (कूली-टुकी एफएफटी एल्गोरिदम में 1-डी "बटरफ्लाई" देखें)
-कब <math>r=2</math>, समीकरण को चार योगों में विभाजित किया जा सकता है, और इससे यह प्राप्त होता है:<ref name=Dudgeon83/>
+जब <math>r=2</math>, समीकरण को चार योगों में विभाजित किया जा सकता है, और इससे यह प्राप्त होता है:<ref name=Dudgeon83/>
 :<math> X(k_1,k_2) = S_{00}(k_1,k_2) + S_{01}(k_1,k_2) W_N^{k_2} +S_{10}(k_1,k_2) W_N^{k_1} + S_{11}(k_1,k_2) W_N^{k_1+k_2}</math> के लिए <math>0\leq k_1, k_2 < \frac{N}{2}</math>,
-कहाँ <math>S_{ij}(k_1,k_2)=\sum_{n_1=0}^{N/2-1} \sum_{n_2=0}^{N/2-1} x[2 n_1 + i, 2 n_2 + j] \cdot W_{N/2}^{n_1 k_1} W_{N/2}^{n_2 k_2}</math>. <math>S_{ij}</math> h> के रूप में देखा जा सकता है <math>N/2</math>-आयामी डीएफटी, प्रत्येक मूल नमूने के सबसेट पर:
+जहाँ <math>S_{ij}(k_1,k_2)=\sum_{n_1=0}^{N/2-1} \sum_{n_2=0}^{N/2-1} x[2 n_1 + i, 2 n_2 + j] \cdot W_{N/2}^{n_1 k_1} W_{N/2}^{n_2 k_2}</math>.
-* <math>S_{00}</math> उन नमूनों पर डीएफटी है <math>x</math> जिसके लिए दोनों <math>n_1</math> और <math>n_2</math> सम हैं;
-* <math>S_{01}</math> जिसके लिए नमूनों पर डीएफटी है <math>n_1</math> सम है और <math>n_2</math> अजीब है;
-* <math>S_{10}</math> जिसके लिए नमूनों पर डीएफटी है <math>n_1</math> अजीब है और <math>n_2</math> सम है;
-* <math>S_{11}</math> दोनों के लिए नमूनों पर डीएफटी है <math>n_1</math> और <math>n_2</math> अजीब हैं.
-त्रिकोणमितीय पहचानों की सूची#शिफ्ट्स और आवधिकता के लिए धन्यवाद, हम निम्नलिखित अतिरिक्त पहचानें प्राप्त कर सकते हैं, जो इसके लिए मान्य हैं <math>0\leq k_1, k_2 < \frac{N}{2}</math>:
+<math>S_{ij}</math> को <math>N/2</math>-आयामी डीएफटी के रूप में देखा जा सकता है, प्रत्येक मूल प्रारूप के सबसेट पर
+* <math>S_{00}</math> उन प्रारूपो पर डीएफटी <math>x</math> है जिसके लिए दोनों <math>n_1</math> और <math>n_2</math> सम हैं;
+* <math>S_{01}</math> जिसके लिए प्रारूपो पर डीएफटी है <math>n_1</math> सम है और <math>n_2</math> विषम है;
+* <math>S_{10}</math> जिसके लिए प्रारूपो पर डीएफटी है <math>n_1</math> विषम है और <math>n_2</math> सम है;
+* <math>S_{11}</math> दोनों के लिए प्रारूपो पर डीएफटी है <math>n_1</math> और <math>n_2</math> विषम हैं.
+इस प्रकार त्रिकोणमितीय पहचानों की सूची शिफ्ट्स और आवधिकता के लिए धन्यवाद, हम निम्नलिखित अतिरिक्त पहचानें प्राप्त कर सकते हैं, जो इसके <math>0\leq k_1, k_2 < \frac{N}{2}</math> लिए मान्य हैं :
 * <math>X\biggl(k_1+\frac{N}{2},k_2\biggr) = S_{00}(k_1,k_2) + S_{01}(k_1,k_2) W_N^{k_2} -S_{10}(k_1,k_2) W_N^{k_1} - S_{11}(k_1,k_2) W_N^{k_1+k_2}</math>;
 * <math>X\biggl(k_1,k_2+\frac{N}{2}\biggr) = S_{00}(k_1,k_2) - S_{01}(k_1,k_2) W_N^{k_2} +S_{10}(k_1,k_2) W_N^{k_1} - S_{11}(k_1,k_2) W_N^{k_1+k_2}</math>;
@@ Line 42: / Line 43: @@
 == 2-डी डीआईएफ केस ==
-इसी तरह, डिकिमेशन-इन-फ़्रीक्वेंसी (डीआईएफ, जिसे सैंडे-टुकी एल्गोरिदम भी कहा जाता है) एल्गोरिदम का मतलब है कि अपघटन फ़्रीक्वेंसी डोमेन पर आधारित है <math>X</math>, Cooley-Tukey FFT एल्गोरिथम में और देखें।
+इसी प्रकार, डिकिमेशन-इन-फ़्रीक्वेंसी (डीआईएफ, जिसे सैंडे-टुकी एल्गोरिदम भी कहा जाता है) एल्गोरिदम का कारण है कि अपघटन फ़्रीक्वेंसी डोमेन <math>X</math> पर आधारित है , कूली-टुकी एफएफटी एल्गोरिथम में और देखें।
-चरों के परिवर्तन का उपयोग करना:
+वैरिएबल के परिवर्तन का उपयोग करना:
-* <math>n_i=p_i+q_i N/r</math>, कहाँ <math>p_i=0,\ldots,(N/r)-1; q_i = 0,\ldots,r-1;</math>
+* <math>n_i=p_i+q_i N/r</math>, जहाँ <math>p_i=0,\ldots,(N/r)-1; q_i = 0,\ldots,r-1;</math>
-* <math>k_i=r u_i+v_i</math>, कहाँ <math>u_i=0,\ldots,(N/r)-1; v_i = 0,\ldots,r-1;</math>
+* <math>k_i=r u_i+v_i</math>, जहाँ <math>u_i=0,\ldots,(N/r)-1; v_i = 0,\ldots,r-1;</math>
-कहाँ <math>i = 1</math> या <math>2</math>, और डीएफटी समीकरण को इस प्रकार लिखा जा सकता है:<ref name=Chan92/>:<math> X(r u_1+v_1,r u_2+v_2)=\sum_{p_1=0}^{N/r-1} \sum_{p_2=0}^{N/r-1} \left[ \sum_{q_1=0}^{r-1} \sum_{q_2=0}^{r-1} x[p_1+q_1 N/r, p_1+q_1 N/r] W_{r}^{q_1 v_1} W_{r}^{q_2 v_2} \right] \cdot W_{N}^{p_1 v_1+p_2 v_2} W_{N/r}^{p_1 u_1} W_{N/r}^{p_2 u_2},</math>
+जहाँ <math>i = 1</math> या <math>2</math>, और डीएफटी समीकरण को इस प्रकार लिखा जा सकता है:<ref name=Chan92/>:<math> X(r u_1+v_1,r u_2+v_2)=\sum_{p_1=0}^{N/r-1} \sum_{p_2=0}^{N/r-1} \left[ \sum_{q_1=0}^{r-1} \sum_{q_2=0}^{r-1} x[p_1+q_1 N/r, p_1+q_1 N/r] W_{r}^{q_1 v_1} W_{r}^{q_2 v_2} \right] \cdot W_{N}^{p_1 v_1+p_2 v_2} W_{N/r}^{p_1 u_1} W_{N/r}^{p_2 u_2},</math>
 == अन्य दृष्टिकोण ==
-[[स्प्लिट-रेडिक्स एफएफटी एल्गोरिदम]] 1-डी डीएफटी के लिए उपयोगी विधि साबित हुई है। और विभाजित वेक्टर-रेडिक्स एफएफटी प्राप्त करने के लिए इस विधि को वेक्टर-रेडिक्स एफएफटी पर लागू किया गया है।<ref name=Chan92/><ref name="Pei87">{{cite book|last1=Pei|first1=Soo-Chang|last2=Wu|first2=Ja-Lin|title=ICASSP '87. IEEE International Conference on Acoustics, Speech, and Signal Processing |chapter=Split vector radix 2D fast Fourier transform |journal=IEEE International Conference on Acoustics, Speech, and Signal Processing, ICASSP '87.|volume=12|date=April 1987|pages=1987–1990|doi=10.1109/ICASSP.1987.1169345|s2cid=118173900 }}</ref>
+इस प्रकार [[स्प्लिट-रेडिक्स एफएफटी एल्गोरिदम]] 1-डी डीएफटी के लिए उपयोगी विधि सिद्ध हुई है। और विभाजित वेक्टर-रेडिक्स एफएफटी प्राप्त करने के लिए इस विधि को वेक्टर-रेडिक्स एफएफटी पर प्रयुक्त किया गया है।<ref name=Chan92/><ref name="Pei87">{{cite book|last1=Pei|first1=Soo-Chang|last2=Wu|first2=Ja-Lin|title=ICASSP '87. IEEE International Conference on Acoustics, Speech, and Signal Processing |chapter=Split vector radix 2D fast Fourier transform |journal=IEEE International Conference on Acoustics, Speech, and Signal Processing, ICASSP '87.|volume=12|date=April 1987|pages=1987–1990|doi=10.1109/ICASSP.1987.1169345|s2cid=118173900 }}</ref> पारंपरिक 2-डी वेक्टर-रेडिक्स एल्गोरिदम में, हम सूचकांकों <math>k_1,k_2</math> को 4 समूहों में विघटित करते हैं :
-पारंपरिक 2-डी वेक्टर-रेडिक्स एल्गोरिदम में, हम सूचकांकों को विघटित करते हैं <math>k_1,k_2</math> 4 समूहों में:
 : <math>
@@ Line 75: / Line 75: @@
 \end{array}
 </math>
-इसका मतलब है 2-डी डीआईटी मूलांक में चौथा पद-<math>(2\times 2)</math> समीकरण, <math>S_{11}(k_1,k_2) W_{N}^{k_1+k_2}</math> बन जाता है:<ref name="Wu89">{{cite journal|last1=Wu|first1=H.|last2=Paoloni|first2=F.|title=द्वि-आयामी वेक्टर स्प्लिट-रेडिक्स एफएफटी एल्गोरिदम पर|journal=IEEE Transactions on Acoustics, Speech, and Signal Processing|date=Aug 1989|volume=37|issue=8|pages=1302–1304|doi=10.1109/29.31283}}</ref>
+इसका कारण है 2-डी डीआईटी मूलांक में चौथा पद-<math>(2\times 2)</math> समीकरण, <math>S_{11}(k_1,k_2) W_{N}^{k_1+k_2}</math> बन जाता है:<ref name="Wu89">{{cite journal|last1=Wu|first1=H.|last2=Paoloni|first2=F.|title=द्वि-आयामी वेक्टर स्प्लिट-रेडिक्स एफएफटी एल्गोरिदम पर|journal=IEEE Transactions on Acoustics, Speech, and Signal Processing|date=Aug 1989|volume=37|issue=8|pages=1302–1304|doi=10.1109/29.31283}}</ref>
 : <math> A_{11}(k_1,k_2) W_N^{k_1+k_2} + A_{13}(k_1,k_2) W_N^{k_1+3 k_2} +A_{31}(k_1,k_2) W_N^{3 k_1+k_2} + A_{33}(k_1,k_2) W_N^{3(k_1+k_2)},</math>
-कहाँ <math>A_{ij}(k_1,k_2)=\sum_{n_1=0}^{N/4-1} \sum_{n_2=0}^{N/4-1} x[4 n_1 + i, 4 n_2 + j] \cdot W_{N/4}^{n_1 k_1} W_{N/4}^{n_2 k_2}</math>
+जहाँ <math>A_{ij}(k_1,k_2)=\sum_{n_1=0}^{N/4-1} \sum_{n_2=0}^{N/4-1} x[4 n_1 + i, 4 n_2 + j] \cdot W_{N/4}^{n_1 k_1} W_{N/4}^{n_2 k_2}</math>
-एन डीएफटी द्वारा 2-डी एन को अंतिम चरण तक उपरोक्त अपघटन के क्रमिक उपयोग द्वारा प्राप्त किया जाता है।
+इस प्रकार एन डीएफटी द्वारा 2-डी एन को अंतिम चरण तक उपरोक्त अपघटन के क्रमिक उपयोग द्वारा प्राप्त किया जाता है।
-यह दिखाया गया है कि स्प्लिट वेक्टर रेडिक्स एल्गोरिदम ने जटिल गुणन का लगभग 30% और विशिष्ट के लिए जटिल जोड़ की समान संख्या बचाई है <math>1024\times 1024</math> वेक्टर-रेडिक्स एल्गोरिदम के साथ तुलना में सरणी।<ref name=Pei87/>
+यह दिखाया गया है कि स्प्लिट वेक्टर रेडिक्स एल्गोरिदम ने वेक्टर-रेडिक्स एल्गोरिदम की तुलना में लगभग 30% सम्मिश्र गुणन और विशिष्ट <math>1024\times 1024</math> सरणी के लिए लगभग समान संख्या में सम्मिश्र जोड़ बचाए हैं।<ref name="Pei87" />

Anonymous

Search

वेक्टर-रेडिक्स एफएफटी एल्गोरिदम: Difference between revisions

Namespaces

More

Page actions

Revision as of 19:49, 23 November 2023

Contents

2-डी डीआईटी केस

2-डी डीआईएफ केस

अन्य दृष्टिकोण

संदर्भ

Navigation

Navigation

Wiki tools

Wiki tools

Anonymous

Search

वेक्टर-रेडिक्स एफएफटी एल्गोरिदम: Difference between revisions

Revision as of 19:49, 23 November 2023

2-डी डीआईटी केस

2-डी डीआईएफ केस

अन्य दृष्टिकोण

संदर्भ

Navigation

Wiki tools

Page tools

Other projects

Categories