快速傅立叶变换（Fast Fourier Transform）

FFT算法是由J.W. Cooley和J. W. Tukey在论文”Analgorithm for the machine calculation of complex Fourier Series”中提出的。FFT是基于ComplexDFT来实现的。

通过ComplexDFT来计算Real DFT

尽管FFT算法是基于ComplexDFT实现的，但我们仍可以用其来计算RealDFT，因为RealDFT可以方便地转换为ComplexDFT。从图2-1中可以看出RealDFT和Complex DFT的区别。在RealDFT中，时间域是一个包含N个点的信号，频率域则包括实数部分和虚数部分两个长度为N/2+1的信号；在ComplexDFT中，时间域也有两个部分，分别是实数部分和虚数部分，长度为N。频率域的实数部分和虚数部分则长度增至N。

如图2-1所示，RealDFT和ComplexDFT的区别仅在于后者在时间域增加了一个虚数部分，频率域长度的变化正是由这个虚数部分引起的。

图2-1 Real DFT和ComplexDFT的区别

产生这个区别的原因是实数的虚数部分为0，因此将实数表达为虚数很简单，加上一个系数为0的虚数部分即可。例如在图2-1中的ComplexDFT，若将时间域的虚数部分设为0，频率域中多出的部分也置为0，那么图2-1中的RealDFT和ComplexDFT就相等了。当包含负频率时，DFT的频率域会具有周期性。在ComplexDFT中，频率域中0到N/2为正频率，N/2+1到N-1为负频率。

与使用ComplexDFT计算Real DFT相比，使用ComplexInverse DFT计算Real InverseDFT更为困难。这是因为频率域中N/2+1到N-1部分的系数需要计算。其计算过程也不复杂，系数N/2+1对应系数N/2-1的相反数，N/2+2对应N/2-2的相反数，即：

系数（N/2+1）=—系数（N/2-1）

系数（N/2+2）=—系数（N/2-2）

注意，0与N/2没有相应的点与之对应。进行RealInverse DFT计算时，首先将0到N/2复制到complexDFT的系数0到N/2，然后使用一个子过程来计算系数N/2+1到N-1。这个子过程的伪代码实现如下：

6000'NEGATIVE FREQUENCY GENERATION

6010'This subroutine creates the complex frequency domain from the realfrequency domain.

6020'Upon entry to this subroutine, N% contains the number of points in thesignals, and

6030'REX[ ] and IMX[ ] contain the real frequency domain in samples 0 toN/2.

6040'On return, REX[ ] and IMX[ ] contain the complex frequency domainin samples 0 to N-1.

6050 '

6060FOR K% = (N%/2+1) TO (N%-1)

6070REX[K%] = REX[N%-K%]

6080IMX[K%] = -IMX[N%-K%]

6090NEXT K%

6100 '

6110RETURN

FFT的实现原理

FFT算法很复杂，本文不讨论细节，只描述其实现原理。在虚数域中，时间域和频率域表达的都是由N个虚数点组成的信号，每个虚数点都由实数部分和虚数部分的两个数字来表达。例如虚数点X[6]，就是由实数部分ReX[6]和虚数部分Im X[6]组成。

FFT算法的核心思想是将时间域中一个包含N个点的信号分解为N个包含一个点的信号。然后分别计算这N个信号的频率域对应值，最后将这N个频率域的信号综合为频率域中的一个信号。

图2-2描述了一个包含12个点的示例信号在FFT中的分解过程。

图2-2 FFT中的分解(decompose)过程

图2-2中的过程看似复杂，实际上可以通过如图2-3所示的位反转算法(bitreversal sorting)来实现。算法将各点的二进制位反转为对称的形式，即可完成N个点的信号到N个单点信号的分解过程。

图2-3位反转排序