FFTW: 实数FFT的输出项(仅填充n/2+1项)，复数IFFT的幅度(需手工归一1/N)

    // 注1. 输入为实数形式(r2c)：输出呈现共轭对称规律，FFTW为省时间，仅输出前面 [floor(n/2)+1]项的计算值 (切记！后面项为定义时的随机值) 
    // 注2. 输入为复数形式(c2c)：输出所有项的计算值 
    // 注3. FFTW库的逆傅里叶变换FFTW_BACKWARD得到的结果未进行归一化，因此需要手动对结果进行/N的操作

--------------------------------------------------------------------------------------------------------

#include "fftw3.h"  
#include<stdio.h>
#include<iostream>
//#include<vector>

using namespace std;
int main()
{
	//****************************ifft********************************
	// 注1. 输入为实数形式(r2c)：输出呈现共轭对称规律，FFTW为省时间，仅输出前面 [floor(n/2)+1]项的计算值 (切记！后面项为定义时的随机值) 
	// 注2. 输入为复数形式(c2c)：输出所有项的计算值 
	// 注3. FFTW库的逆傅里叶变换FFTW_BACKWARD得到的结果未进行归一化，因此需要手动对结果进行/N的操作
	// 
	//---------- FFTW #1: 输入数据 ----------------------
	// 1. 实数形式
	double inData[] = { 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10 };
	int size = sizeof(inData)/sizeof(inData[0]);
	// 2. 复数形式
	fftw_complex* inDataCpx = (fftw_complex*)fftw_malloc(sizeof(fftw_complex) * size);
	for (int i = 0; i < size; i++)
	{
		inDataCpx[i][0] = inData[i];	// Re
		inDataCpx[i][1] = 0;			// Im
	}

	//---------- FFTW #2: 输出数据 ----------------------
	fftw_complex* outDftCpx = (fftw_complex*)fftw_malloc(sizeof(fftw_complex) * size);
	double* outIdftReal = (double*)fftw_malloc(size * sizeof(double));	// 若长度先知道，用数组形式，可省略free()步骤

	//---------- FFTW #3: 算法计划 ----------------------

	fftw_plan p_fft;
	fftw_plan p_ifft;
	// 实数to复数变换(结果仅填充一半)
	p_fft  = fftw_plan_dft_r2c_1d(size, inData, outDftCpx, FFTW_ESTIMATE);  //Setup fftw plan for fft
	// 复数to复数变换(结果全填充)
	//p_fft  = fftw_plan_dft_1d(size, inDataCpx, outDftCpx, FFTW_FORWARD, FFTW_ESTIMATE);  //Setup fftw plan for fft

	p_ifft = fftw_plan_dft_c2r_1d(size, outDftCpx, outIdftReal, FFTW_ESTIMATE);   //Setup fftw plan for ifft



	//---------- FFTW #4: 算法执行 ----------------------
	fftw_execute(p_fft);
	fftw_execute(p_ifft);


	for (int i = 0; i < size; i++)
	{
		printf("R2C_DFT[%d]: Re= %lf，Im(j)= %lf \n", i, outDftCpx[i][0], outDftCpx[i][1]);//需要做归一化处理
	}
	for (int i = 0; i < size; i++)
	{
		printf("%f\t%f\n", inData[i], outIdftReal[i] / size);//需要做归一化处理
	}

	//---------- FFTW #5: 缓存释放 ----------------------
	fftw_destroy_plan(p_fft);
	fftw_destroy_plan(p_ifft);
	fftw_free(outDftCpx);
	fftw_free(inDataCpx);

	fftw_free(outIdftReal);
	//***************************************ifft*********************

	system("pause");//暂停
	return 0;
}

--------------------------------------------------------------------------------------------------------

实数输入下使用 fftw_plan_dft_r2c_1d() 的输出结果：

R2C_DFT[0]: Re= 55.000000，Im(j)= 0.000000
R2C_DFT[1]: Re= -5.500000，Im(j)= 18.731280
R2C_DFT[2]: Re= -5.500000，Im(j)= 8.558167
R2C_DFT[3]: Re= -5.500000，Im(j)= 4.765777
R2C_DFT[4]: Re= -5.500000，Im(j)= 2.511766
R2C_DFT[5]: Re= -5.500000，Im(j)= 0.790781
R2C_DFT[6]: Re= 0.000000，Im(j)= 0.000000
R2C_DFT[7]: Re= 0.000000，Im(j)= 0.000000
R2C_DFT[8]: Re= 0.000000，Im(j)= 0.000000
R2C_DFT[9]: Re= 0.000000，Im(j)= 0.000000
R2C_DFT[10]: Re= 0.000000，Im(j)= 0.000000

FFT              IFFT(FFT)
0.000000        0.000000
1.000000        1.000000
2.000000        2.000000
3.000000        3.000000
4.000000        4.000000
5.000000        5.000000
6.000000        6.000000
7.000000        7.000000
8.000000        8.000000
9.000000        9.000000
10.000000       10.000000

--------------------------------------------------------------------------------------------------------

复数输入下使用 fftw_plan_dft_1d() 的输出结果：

C2C_DFT[0]: Re= 55.000000，Im(j)= 0.000000
C2C_DFT[1]: Re= -5.500000，Im(j)= 18.731280
C2C_DFT[2]: Re= -5.500000，Im(j)= 8.558167
C2C_DFT[3]: Re= -5.500000，Im(j)= 4.765777
C2C_DFT[4]: Re= -5.500000，Im(j)= 2.511766
C2C_DFT[5]: Re= -5.500000，Im(j)= 0.790781
C2C_DFT[6]: Re= -5.500000，Im(j)= -0.790781
C2C_DFT[7]: Re= -5.500000，Im(j)= -2.511766
C2C_DFT[8]: Re= -5.500000，Im(j)= -4.765777
C2C_DFT[9]: Re= -5.500000，Im(j)= -8.558167
C2C_DFT[10]: Re= -5.500000，Im(j)= -18.731280

FFT              IFFT(FFT)
0.000000        -0.000000
1.000000        1.000000
2.000000        2.000000
3.000000        3.000000
4.000000        4.000000
5.000000        5.000000
6.000000        6.000000
7.000000        7.000000
8.000000        8.000000
9.000000        9.000000
10.000000       10.000000