FFT算法实现——基于GPU的基2快速傅里叶变换

最近做一个东西，要用到快速傅里叶变换，抱着蛋疼的心态，自己尝试写了一下，遇到一些问题。

首先看一下什么叫做快速傅里叶变换（FFT）（来自Wiki）：
快速傅里叶变换（英语：Fast Fourier Transform, FFT），是离散傅里叶变换的快速算法，也可用于计算离散傅里叶变换的逆变换。快速傅里叶变换有广泛的应用，如数字信号处理、计算大整数乘法、求解偏微分方程等等。

离散傅里叶变换公式：

$$y_j=\sum _{k=0}^{n-1}{e}^{-\frac{2\pi i}{n}{j}^k}{x}_k,j=0,1,...,n-1$$

直接变换的计算复杂度是$O(n^2)$.快速傅里叶变换可以计算出与直接计算相同的结果，但只需要$O(n\log n)$的计算复杂度。

快速傅里叶变换Wiki

首先，看一个概念叫做N次单位复根：复数$W{N}^n=1$。N次单位复根一共有N个，分别为：$W(k,N)=cis(2\ast PI\ast k/N),k=0,1,...,n-1$

其中$cis(u)=e^i\ast u=\cos (u)+i\sin (u)$（欧拉公式）

N次单位复根有如下性质：

1. $W(k+N,N)=W(k,N)$
2. $W(k+N/2,N)=-W(k,N)$
3. $W(dk,dN)=W(k,N)(d>0)$

库利-图基算法：

将长度为N的序列分成两个N/2的子序列N1和N2，其中N1是原来序列的奇数项，N2为偶数项。

将离散傅里叶变换写成：

$$N(x)=\sum _{j=0}^{n-1}{a}_j{x}_{j}x=W$$