Eigen库自带快速傅里叶变换（FFT）实例

最近在开发一个项目，用到大量线性变换（矩阵计算）和快速傅里叶变换（FFT）。
利用Eigen实现矩阵计算非常方便，在实现FFT时，借助了FFTW3库，但二者由于数据类型不同，需要转化，影响计算效率。
Eigen+FFTW3的计算需要1.7s，希望进一步提高算法的计算效率。
预算尝试Eigen库自带的FFT，相关资料如下：
EigenFFT
Eigen/FFT

可以看出，Eigen FFT并不成熟，借助了kissFFT实现的。

在stackoverflow网站上找到了参考代码，
eigen-fft-library

在本地计算机上试跑了代码

#define EIGEN_FFTW_DEFAULT
#include <iostream>
#include <unsupported/Eigen/FFT>

int main(int argc, char *argv[])
{
    Eigen::MatrixXf A(3,3);
    A << 2,1,2,  3,2,1,  1,2,3;
    const int nRows = A.rows();
    const int nCols = A.cols();

    std::cout << A << "\n\n";

    Eigen::MatrixXcf B(3,3);

    Eigen::FFT< float > fft;

    for (int k = 0; k < nRows; ++k) {
        Eigen::VectorXcf tmpOut(nRows);
        fft.fwd(tmpOut, A.row(k));
        B.row(k) = tmpOut;
    }
    std::cout << B << "\n\n";
    Eigen::FFT< float > fft2;  // Workaround: Using the same FFT object for a real and a complex FFT seems not to work with FFTW
    for (int k = 0; k < nCols; ++k) {
        Eigen::VectorXcf tmpOut(nCols);
        fft2.fwd(tmpOut, B.col(k));
        B.col(k) = tmpOut;
    }
    std::cout << B << '\n';
}

输出结果如下：

当注释掉第一个for循环时，输出结果如下：

由此可以判断，两个for循环是相关的，一起实现了FFT。

可见，Eigen自带的FFT效率应该不高。

对了，在试跑上面的程序时，在fft.fwd语句处会报错，

error C4996: ‘std::copy::_Unchecked_iterators::_Deprecate’: Call to ‘std::copy’ with parameters that may be unsafe - this call relies on the caller to check that the passed values are correct. To disable this warning, use -D_SCL_SECURE_NO_WARNINGS. See documentation on how to use Visual C++ ‘Checked Iterators’

参考这个博客可解决：
Unchecked_iterators

打算继续用FFTW2，在与Eigen数据类型转化方面进行优化，并且采用FFTW3库自带的函数

fftwf_plan fftwf_plan_dft_r2c_2d(int n0, int n1,               
                                 float *in, fftwf_complex *out, unsigned flags);

进行FFT，避免输入数据额外补充虚部。