快速傅立叶变换(FFT)算法(原来这就是蝶形变换)

最新推荐文章于 2025-06-20 09:35:55 发布

置顶

0小龙虾0

最新推荐文章于 2025-06-20 09:35:55 发布

阅读量2.8w

点赞数 66

CC 4.0 BY-SA版权

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/qq_39300235/article/details/103453909

快速傅立叶变换(FFT)算法(原来这就是蝶形变换)

为了实现FFT的海面模拟，不得不先撸个FFT算法实现。

离散傅立叶变换(DFT)

学习FFT之前，首先要先了解什么是DFT，我们都知道傅立叶变换是将时域转换为频域。但是我们计算机是没办法处理连续的点，因此就有了离散傅立叶变换DFT。

标准DFT公式：

$X(k)=\sum_{n=0}^{N-1}x(n)e^{-i^{\frac{2\pi k}{N}n}},k\in {0,1,...,N-1}$

我们令：

$W_{N}^{k}=e^{-i^{\frac{2\pi k}{N}}}$

W的一些性质

$W_{N}^{k}=W_{2N}^{2k}$

证明： $\dpi{120} W_{N}^{k}=e^{-i^{\frac{2\pi k}{N}}} =cos(- \frac{2\pi k}{N})+isin(- \frac{2\pi k}{N})$ $=cos(- \frac{2\pi (2k)}{2N})+isin(- \frac{2\pi (2k)}{2N}) =W_{2N}^{2k}$

$W_{N}^{k+\frac{N}{2}}=-W_{N}^{k}$

$W_{N}^{0}=W_{N}^{N}$

证明方法同上。

快速傅立叶变换(FFT)

我们将X(k)按照奇偶组合，在 $k\in {0,1,...,\frac{N}{2}-1}$ ，有：

$X(k)=\sum_{n=0}^{N-1}x(n)e^{-i^{\frac{2\pi k}{N}n}}$

$=\sum_{n=0}^{\frac{N}{2}-1}x(2n)e^{-i^{\frac{2\pi k}{N}(2n)}}+\sum_{n=0}^{\frac{N}{2}-1}x(2n+1)e^{-i^{\frac{2\pi k}{N}(2n+1)}}$

最低0.47元/天解锁文章

200万优质内容无限畅学

评论 8

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。