快速傅里叶变换

快速傅里叶变换

快速傅里叶变换的引入为了解决传统DFT巨大的算法复杂度.

根据DFT定义
$$M(k)=\sum _{n=0}^{N-1}m(n)W_N^{nk},k=0,1,\cdots N-1$$
可以看到在一次计算中需要执行N次复数乘法和N-1次复数加法,共执行N次,因此时间复杂度为$O(N^2)$,可以说是一个很糟糕的算法,对于大数据的处理十分吃力.

所以这一朴素算法势必被优化,这也就出现了今天要讲解的FFT算法

FFT算法的根本是基于$W_N^{nk}$的对称性
$$\begin{gathered} (W_N^{nk}{)}^{\ast }=W_N^{-nk} \\ {W}_N^{nk}=W_N^{(n+N)k}=W_N^{n(k+N)} \end{gathered}$$

但是以下推导基本不用,需要知道的是
$$W_N^{2k}=W_{\frac{N}{2}}^k\text{\hspace{1em}(1)}$$

证明如下:
W N k = e − j 2 π N k W_N^{k}=e^{-j\frac{2\pi}{N}k} WNk​=e−j