标签:ant 简介 while 结果 提高 使用 计算 lin 快速
计算实序列的快速傅里叶变换。
实序列\(x(n)\)的离散傅立叶变换为
\[
X(k)=\sum_{n=0}^{N-1}x(n)W_{N}^{nk} \ , \ k=0,1,...,N-1
\]
上式可用复序列FFT算法进行计算。但考虑到\(x(n)\)是实数,为进一步提高计算效率,需要对按时间抽取的基2复序列FFT算法进行一定的修改。
如果序列\(x(n)\)是实数,那么其傅立叶变换\(X(k)\)一般是复数,但其实部是偶对称,虚部是奇对称,即\(X(k)\)具有如下共辄对称性: \(X(0)\)和\(X(N/2)\)都是实数,且有
\[
X(k)=X^{*}(N-k) \ , \ 1 \leqslant k \leqslant \frac{N}{2} - 1
\]
在计算离散傅立叶变换时,利用这种共辄对称性,我们就可以不必计算与存储\(X(k)(N/2 + 1 \leqslant k \leqslant N — 1)\)以及\(X(0)\)和\(X(N/2)\)的虚部,而仅需计算\(X(0)\)到\(X(N/2)\)即可。此处我们选择的是计算\(X(0)\)到\(X(N/4)\)和\(X(N/2)\)到\(X(3N/4)\), 这样做可以恰好利用复序列FFT 算法的前\((N/4)+1\)个复数蝶形。这就是按时间抽取的基2实序列FFT算法,它比复序列FFT算法大约可减少一半的运算量和存储量。
是用C语言实现实序列快速傅里叶变换的方法如下:
/************************************
x ----长度为n。开始时存放要变换的实数据,最后存放变换结果的前n/2+1个值,
其存储顺序为[Re(0),Re(1),...,Re(n/2),Im(n/2-1),...,Im(1)]。
其中Re(0)=X(0),Re(n/2)=X(n/2)。根据X(k)的共轭对称性,很容易写
出后半部分的值。
n ----数据长度,必须是2的整数次幂,即n=2^m。
************************************/
#include "math.h"
void rfft(double *x, int n)
{
int i, j, k, m, il, i2, i3, i4, nl, n2, n4;
double a, e, cc, ss, xt, tl, t2;
for(j = 1, i = 1; i < 16; i++) {
m = i;
j = 2 * j;
if(j == n) break;
}
n1 = n - 1;
for(j = 0, i = 0; i < n1; i++) {
if(i < j) {
xt = x[j];
x[j] = x[i];
x[i] = xt;
}
k = n / 2;
while(k < (j + 1)) {
j = j - k;
k = k / 2;
}
j = j + k;
}
for(i = 0; i < n; i += 2) {
xt = x[i];
x[i] = xt + x[i + 1];
x[i + 1] = xt - x[i + 1];
}
n2 = 1;
for(k = 2; k <= m; k++) {
n4 = n2;
n2 = 2 * n4;
n1 = 2 * n2;
e = 6.28318530718 / nl;
for(i = 0; i < n; i += n1) {
xt = x[i];
x[i] = xt + x[i + n2];
x[i + n2] = xt - x[i + n2];
x[i + n2 + n4] = -x[i + n2 + n4];
a = e;
for(j = 1; j <= (n4-1); j++) {
i1 = i + j;
i2 = i - j + n2;
i3 = i + j + n2;
i4 = i - j + n1;
cc = cos(a);
ss = sin(a);
a = a + e;
t1 = cc * x[i3] + ss * x[i4];
t2 = ss * x[i3] - cc * x[i4];
x[i4] = x[i2] - t2;
x[i3] = -x[i2] - t2;
x[i2] = x[i1] - t1;
x[i1] = x[i1] + t1;
}
}
}
}
标签:ant 简介 while 结果 提高 使用 计算 lin 快速
原文地址:https://www.cnblogs.com/liam-ji/p/11742458.html