【算法】快速傅里叶变换(FFT)——有史以来最巧妙的算法？

参考：快速傅里叶变换(FFT)——有史以来最巧妙的算法？
参考：快速傅里叶变换（FFT）超详解
快速傅里叶变换 (Fast Fourier Transform)，即利用计算机计算离散傅里叶变换（DFT）的高效、快速计算方法的统称，简称FFT，于1965年由J.W.库利和T.W.图基提出。

总结：FFT极大的加快了算法的计算速度，时间复杂度降低一个数量级别。

FFT的思想

将多项式表示为多项式乘积形式，然后拆分为奇数项和偶数项的乘积。再将奇数项拆出X表示为

用上半单位元的单位根$w_n^k$来表示$x^2$。

1、多项式的系数与点值表示

2、单位根

2、IDFT

跑完FFT后我们就得到了多项式乘积的点值表示，现在我们需要将点值表示转回系数表示，这个转换的过程被称为离散傅里叶逆变换（IDFT）。

如果我们用矩阵将DFT的过程封装，那么DFT就相当于求

参考：彻底搞懂快速傅里叶变换FFT核心思想–分而治之

显然并没有那么简单，再来试着计算下一个组合索引为4和12的点对，一眼看出，根据DFT的公式这里频率为1的分量结果为0，与上述蝴蝶操作是不一致的a2= x4+x12，所以不能简单的完成这项重复操作。

要解决这个问题，将信号进行平移，即让它刚好是在4和12处是1或-1，这样只是改变原始信号的相位，同时能够用蝴蝶操作实现这种简单重复计算，另一个问题是原始信号被改变了，怎样才能让最后的计算保持不变，下一个文章来介绍“旋转因子”来解决信号平移的问题。
上一篇文章，引入蝴蝶操作来计算样本对的DFT，实现了“分而治之”中对简单重复小块的处理，同时又引入信号相位改变的新问题，为保持整体的结果不变，利用“旋转因子”将平移后的信号再次平移回去，作为下一阶段的输入。
根据分而治之的思想，目前我们已经完成了DIVIDE和CONQUER阶段，接下来需要COMBINE，即将样本对的计算结果组合为新的样本对，依据样本对的计算顺序，将2个点的样本对集合为4个点的样本对，对于4样本点的信号，依据我们讲过DFT的原理，4个点就是就要测试4个频率，先前我们计算了0和1hz的频率分量，组合起来就需要额外计算2和3hz的频率分量了，依据我们在第一篇文章“核心思想–分而治之”中提到，正余弦函数的周期性，这里每隔2hz所测试的余弦波的值是相等的，也就是 0hz和2hz计算结果一样，1和3Hz的结果一样

对于要计算0和8, 4和12这四个点在频率为0的DFT结果，那直接a0+a2就完了，但是我们之前a2平移过信号的相位，现在就要乘以W40的旋转因子将他转换回去，再相加就得到b0, 就是4个点样本信号在频率为0时DFT的结果，同理我们计算b1,b2,b3

每个 4 点蝶形包含两个旋转因子，那么每个 8 点蝶形包含四个旋转因子。在 FFT 算法中，旋转因子的数量一定都是碟形中点数的一半。在 FFT 算法的 2 点蝶形阶段时，例如样本4和12信号，就平移位置就产生了a2和a3 。在 4 点蝶形阶段，通过旋转因子再将它们移回正确的位置b2到b3。在这一阶段，前 4 个点都在原始位置，即b0到b3就不需要相位因子了。

然而，对于样本点2，10和6，14，对应2点蝶形结果a4,a5,a6,a7 ，当它们到达 4 点蝴蝶的输出时仍然没有回到原来的位置。这是因为由于它们在信号中的位置，被 2 点蝶形操作平移了过多的距离。因此，在 8 点蝴蝶中，它们需要额外的旋转因子才能进一步将它们移回原位。

最后再将8个点组合为16个点，就大功告成了，这就是原始信号16个点16个频率进行蝴蝶操作汇总图，到此为止，FFT的计算就结束了，但是我们究竟得到了一个什么样的结果，要怎么分析

到此为止，我们完整的解释了整个FFT算法的过程，现在之前的计算结果汇总成一张表格，总共用16行，对应着16个频率的傅里叶级数，其中x是原始信号点，a是2点蝶形操作的结果，b是4点蝶形，c是8点蝶形 ，d是16点蝴蝶操作的结果，也正是我们所需要的FFT结果，它是一组复数类似如下：

按我们之前的例子就总共测试了16个频率，那么就得到16组复数，最后通过这个复数计算出正弦波的特性：频率、幅度和相位，就可以做出相应的频谱图，相位图等

傅里叶变换是一个非常强大的工具，这是因为它将复杂的(周期)信号分解正弦波。FFT 是计算机计算傅里叶变换的一种非常高效的方法，之所以用蝴蝶操作就是便于计算机做重复简单的操作。到这里，傅里叶的相关文章就全部结束。