#include <cufft.h>
#include <iostream>
#include <cuda_runtime.h>
#include <helper_cuda.h>
#include <stdio.h>
using namespace std;
#define CHANNEL_NUM 31 //通道数、FFT次数
const int dataH = 32; //图像高度
const int dataW = 8; //图像宽度
cufftHandle fftplanfwd;//创建句柄
int main(void){
/* 开辟主机端的内存空间 */
printf("文件名planmany_cuda31.cu...\n");
printf("分配CPU内存空间...\n");
cufftComplex *h_Data = (cufftComplex*)malloc(dataH*CHANNEL_NUM*dataW* sizeof(cufftComplex));//可用cudaMallocHost设置
cufftComplex *h_resultFFT = (cufftComplex*)malloc(dataH*CHANNEL_NUM*dataW* sizeof(cufftComplex));
/* 开辟设备端的内存空间 */
printf("分配GPU内存空间...\n");
/* 定义设备端的内存空间 */
cufftComplex *d_Data;//device表示GPU内存,存储从cpu拷贝到GPU的数据
cufftComplex *fd_Data;//device表示GPU内存,R2C后存入cufftComplex类型数据
checkCudaErrors(cudaMalloc((void**)&d_Data, dataH*CHANNEL_NUM*dataW* sizeof(cufftComplex)));
checkCudaErrors(cudaMemset(d_Data, 0, dataH*CHANNEL_NUM * dataW* sizeof(cufftComplex))); // 初始为0
checkCudaErrors(cudaMalloc((void**)&fd_Data, dataH*CHANNEL_NUM*dataW* sizeof(cufftComplex))); // 开辟R2C后的设备内存
checkCudaErrors(cudaMemset(fd_Data, 0, dataH*CHANNEL_NUM*dataW* sizeof(cufftComplex))); // 初始为0
//随机初始化测试数据
printf("初始化测试数据...\n");
for (int i = 0; i < dataH*CHANNEL_NUM; i++){
for (int j = 0; j < dataW; j++){
h_Data[i*dataW + j].x = float(rand()%255);
h_Data[i*dataW + j].y = float(rand()%255);
}
}
//使用event计算时间
float time_elapsed = 0;
cudaEvent_t start, stop;
cudaEventCreate(&start); //创建Event
cudaEventCreate(&stop);
const int rank = 2;//维数
int n[rank] = { 32, 8 };//n*m
int*inembed = n;//输入的数组size
int istride = 1;//数组内数据连续,为1
int idist = n[0] * n[1];//1个数组的内存大小
int*onembed = n;//输出是一个数组的size
int ostride = 1;//每点DFT后数据连续则为1
int odist = n[0] * n[1];//输出第一个数组与第二个数组的距离,即两个数组的首元素的距离
int batch = CHANNEL_NUM;//批量处理的批数
//采用cufftPlanMany方法
checkCudaErrors(
cufftPlanMany(&fftplanfwd, rank, n, inembed, istride, idist, onembed, ostride, odist, CUFFT_C2C, batch));//针对多信号同时进行FFT
//printf("拷贝CPU数据到GPU中...\n");
checkCudaErrors(
cudaMemcpy(d_Data, h_Data, dataW * dataH*CHANNEL_NUM * sizeof(cufftComplex), cudaMemcpyHostToDevice));
//printf("执行R2C-FFT...\n");
printf("开始计时...\n");
cudaEventRecord(start, 0); //记录当前时间
checkCudaErrors(
cufftExecC2C(fftplanfwd, d_Data, fd_Data, CUFFT_FORWARD));
cudaEventRecord(stop, 0); //记录当前时间
cudaEventSynchronize(start); //Waits for an event to complete.
cudaEventSynchronize(stop); //Waits for an event to complete.Record之前的任务
cudaEventElapsedTime(&time_elapsed, start, stop); //计算时间差
//cudaDeviceSynchronize();
//printf("拷贝GPU数据返回到CPU中...\n");
checkCudaErrors(
cudaMemcpy(h_resultFFT, fd_Data, dataW *dataH*CHANNEL_NUM * sizeof(cufftComplex), cudaMemcpyDeviceToHost));//将fft后的数据拷贝回主机
//printf("显示返回到CPU中的数据...\n");
//for (int i = 0; i < dataH*CHANNEL_NUM*dataW; i++){
// cout << "h_resultFFT[" << i << "]=" << h_resultFFT[i].x << " + " << h_resultFFT[i].y << " i" << endl;
//}
cudaEventDestroy(start); //destory the event
cudaEventDestroy(stop);
printf("执行时间:%f(ms)\n", time_elapsed);
/* 销毁句柄 */
checkCudaErrors(cufftDestroy(fftplanfwd));
/* 释放设备空间 */
checkCudaErrors(cudaFree(d_Data));
checkCudaErrors(cudaFree(fd_Data));
free(h_Data);
free(h_resultFFT);
return 0;
}
CUDA8.0版本+VS2013的编译环境
再谈FFT:
1、库利-图基提出的基于蝶形算法的FFT,当变换的序列数量是2^n个那么变换速度很快;所以再用FFT是经常需要判断需要变换点的数量,不是2^n个则需要补0凑齐。
2、做FFt分析时,幅值的大小与FFT选择的点数相关,但不影响分析的结果,在IFFT时已经做了处理,要得到真实的振幅大小,只要将得到的变换结果乘以2除以N即可。
3、一维FFT与二维FFT原理不一样,二维如果用一维fft函数变换,可以分按行向量傅里叶变换、或按列向量傅里叶变换,二维数组整体对应的傅里叶变换函数维fft2();cufft中对应cufftplan2D();多维对应cufftplanmany();
4、cufftplanmany()数据的接口是一个数组首地址。用法详解:比如你有n通道的j*k维二维数组,那么可以将n个j*k数组的数组存到一个(j*n)*k的二维数组中,然后给赋予函数这个二维数组的首地址,然后设置好原来是j*k维的二维数组,一共有n个这样的数组,且它们是连续存在的(可以看上面代码来理解)。
5、傅里叶变换的作用在于将时域的信号转化到频域来处理,对于两个时域上函数的卷积运算可以转化到频域的乘积上来处理.