FFT初探

FFT——快速傅里叶变换

• insorker
• 2021/4/12

有个同学问我，说一个英国大力士，左手一个多项式，右手一个多项式，把它们乘起来要花多少时间？

他说他用死劲算，是 O(n²)

我说停停，中国武功讲究化劲，两个不等式相乘 O(nlogn) 就可以解决了

他说真的吗，我不。。。

我没等他说完，啪的一下，很快啊

一个FFT，一个IDFT

百度了一天，终于解决了

笔记

我的学习路线是先看了DFT，然后发现看不看都可以

那个主要提供的是对信号频率分离的思想和方法

如果不看的话，你可能不知道我要算多项式乘法有什么用

简单解释一下计算机是不知道信号的输入是什么样的，周期几何？幅值多少？

人眼可以很方便的看到的东西计算机也未必看得到，更何况多种信号叠加在一起呢

所以 DFT 通过对 cos (算幅度) sin (算相位)，两个分量进行离散傅里叶变换（不就是e的复指数幂嘛）

先离散取点，得到原来的波形的一堆点（注意点值这个要素已经来了）

然后暴力取点所有（我也不知道怎么描述）不同周期（两个周期内，再多了就重复了，因为eⁱⁿ是周期函数）的信号，与原来的那一堆点对应相乘（多项式相乘）

众所周知（我数学不好，没看过怎么证明）sin、cos有正交性，很多项算出来都是 0

不是 0 的就是分离出来的量了

DFT

采样频率 f_s ：单位时间内采集多少个点

采样周期 T_s ：采样频率的倒数，采集一个点需要多少时间

如果我采集了N个点，那么就花了 N * T_s 的时间

如果这段时间内原信号出现了 k 个周期

那么原信号的周期就是 N * T_s / k ，同理频率就是 k / (N * T_s) = k * f_s / N

而 FFT 是对 DFT 的快速计算

代码

// 为什么用C写，好问题，为了能在只能用C的地方用
#include <iostream>
#include <math.h>
#define pi acos(-1)
const int N = 100010;
int f[N], g[N];
int l = 1, k = 0, r[10] = {
    };

struct ZComplex {
   
	double real;
	double imag;
};
ZComplex ZComplex_Add(const ZComplex* a, const ZComplex* b) {
   
	return