上次我们用递归实现了FFT的算法(可以参考我的另一篇文章快速傅里叶变换学习(超详细,附代码实现)_Patarw_Li的博客-CSDN博客),这次我们实现FFT算法的迭代版本。
下面是8点FFT的蝶形图,如果看懂了这张图,那么写出迭代版本的代码也是轻而易举,推荐看这个老师的视频:快速傅里叶变换FFT_哔哩哔哩_bilibili
下面是DFT的公式,也可以帮我们理解这个图:
下面是旋转因子Wn,我们的代码里面也会涉及到这个:
将离散傅里叶变换公式拆分成奇偶项,则前 N/2 个点可以表示为:
同理,后 N/2 个点可以表示为:
由此可知,后 N/2 个点的值完全可以通过计算前 N/2 个点时的中间过程值确定。对 A[k] 与 B[k] 继续进行奇偶分解,直至变成 2 点的 DFT,这样就可以避免很多的重复计算,实现了快速离散傅里叶变换(FFT)的过程。
下面介绍一下蝶形图(如果已经理解了蝶形图则可以直接跳过)。
二点FFT的蝶形图
中间的为蝶形运算符,往上加,往下减(x(1)应该是x(1)*Wn,要乘旋转因子)。
四点FFT的蝶形图
可以看到四点FFT的蝶形图就是在两点的基础上又加了一层:
八点FFT的蝶形图
同样的,八点的FFT蝶形图也是在四点的基础上加了一层:
所以很容易直到我们要迭代的次数time=,如果是八点的话就要迭代三次。
还有一个就是上面蝶形图左边的 x(i) 的排序不是按照升序或降序拍的,而是将 0−7 的二进制写出来后,将二进制的高位、低位互换后得到的
C++代码:
#include <iostream>
#include <vector>
#include <complex>
#include <cmath>
using namespace std;
//定义圆周率派
#define PI acos(-1)
//FFT,输入P,返回y
void FFT(vector<complex<double>> P, vector<complex<double>> &y, int n){
int time = log(n) / log(2);//迭代次数
complex<double> Wn(cos(-2*PI/n), sin(-2*PI/n));//旋转因子
//交换输入位置
for(int i = 0;i < n/2;i++){
if(i%2 == 1){
complex<double> temp = P[i];
P[i] = P[i+n/2-1];
P[i+n/2-1] = temp;
}
}
//要进行time次循环
for(int i = 0;i < time;i++){
int m = pow(2,i);
//求第i次迭代的输出y
for(int k = 0;k < n/(m*2);k++){
for(int j = 0;j < m;j++){
y[j+k*2] = P[j+k*2] + pow(Wn, j)*P[j+k*2+m];
y[j+k*2+m] = P[j+k*2] - pow(Wn, j)*P[j+k*2+m];
}
}
//把y的值赋为P,作为下一次迭代的输入
for(int j = 0;j < n;j++)
P[j] = y[j];
}
}
int main() {
//输入
vector<complex<double>> P = {1, 1,1,1};
//vector<complex<double>> P = {0, 1,0,3};
//n的长度必须为2的幂次
int n = P.size();
//输出
vector<complex<double>> y(n);
FFT(P, y, n);
//输出j结果
for(int i = 0;i < n;i++){
cout<<y[i]<<endl;
}
}
测试:
(1)输入:1,1,1,1;输出:4,0,0,0
(2)输入:0,1,0,3;输出:4,2j,-4,-2j