快速傅里叶变换算法

1. 一维复数序列的快速傅里叶变换（FFT）

设x（N）为N点有限长离散序列，代入式（8－3）、式（8－4），并令 其傅里叶变换（DFT）为

地球物理数据处理基础

反变换（IDFT）为

地球物理数据处理基础

两者的差异只在于W的指数符号不同，以及差一个常数1/N，因此下面我们只讨论DFT正变换式（8－5）的运算量，其反变换式（8－6）的运算是完全相同的。

一般来说，W是复数，因此，X（j）也是复数，对于式（8－5）的傅里叶变换（DFT），计算一个X（j）值需要N次复数乘法和N－1次复数加法。而X（j）一共有N个值（j＝0，1，…，N－1），所以完成整个DFT运算总共需要N²次复数乘法和N（N－1）次复数加法。

直接计算DFT，乘法次数和加法次数都是与N²成正比的，当N很大时，运算量会很大，例如，当N＝8时，DFT需64次复数乘法；而当N＝1024时，DFT所需乘法为1048576次，即一百多万次的复数乘法运算，对运算速度要求高。所以需要改进DFT的计算方法，以减少运算次数。

分析W^jk，表面上有N²个数值，由于其周期性，实际上仅有N个不同的值W⁰，W¹，…，W^N－1。对于N＝2^m时，由于其对称性，只有N/2个不同的值W⁰，W¹，…，

地球物理数据处理基础

因此可以把长序列的DFT分解为短序列DFT，而前面已经分析DFT与N²成正比，所以N越小越有利。同时，利用ab＋ac＝a（b＋c）结合律法则，可以将同一个W^r对应的系数x（k）相加后再乘以W^r，就能大大减少运算次数。这就是快速傅里叶变换（FFT）的算法思路。

下面，我们来分析N＝2^m情况下的FFT算法。

1.N＝4的FFT算法

对于m＝2，N＝4，式（8－5）傅里叶变换为

地球物理数据处理基础

将式（8－7）写成矩阵形式

地球物理数据处理基础

为了便于分析，将上式中的j，k写成二进制形式，即

地球物理数据处理基础

代入式（8－7），得

地球物理数据处理基础

分析W^jk的周期性来减少乘法次数

地球物理数据处理基础

则 代回式（8－9），整理得

地球物理数据处理基础

上式可分层计算，先计算内层，再计算外层时就利用内层计算的结果，可避免重复计算。写成分层形式

地球物理数据处理基础

则X（j₁ j₀）＝X₂（j₁ j₀）。

上式表明对于N＝4的FFT，利用W^r的周期关系可分为m＝2步计算。实际上，利用W^r的对称性，仍可以对式（8－11）进行简化计算。考虑到

地球物理数据处理基础

式（8－11）可以简化为

地球物理数据处理基础

令j＝j₀；k＝k₀，并把上式表示为十进制，得

地球物理数据处理基础

可以看到，完成上式N＝4的FFT计算（表8－1）需要N·（m－1）/2＝2次复数乘法和N·m＝8次复数加法，比N＝4的DFT算法的N²＝16次复数乘法和N·（N－1）＝12次复数加法要少得多。

表8－1 N＝4的FFT算法计算过程

注：W⁰＝1；W¹＝－i。

［例1］求N＝4样本序列1，3，3，1的频谱（表8－2）。

表8－2 N＝4样本序列

2.N＝8的FFT算法

类似N＝4的情况，用二进制形式表示，有

地球物理数据处理基础

写成分层计算的形式：

地球物理数据处理基础

则X（j₂ j₁ j₀）＝X₃（j₂ j₁ j₀）。

对式（8－14）的X₁（k₁ k₀ j₀）进行展开，有

地球物理数据处理基础

还原成十进制，并令k＝2k₁＋k₀，即k＝0，1，2，3，有

地球物理数据处理基础

用类似的方法对式（8－14）的X₂（k₀ j₁ j₀），X₃（j₂ j₁ j₀）进行展开，整理得

地球物理数据处理基础

用式（8－16）、式（8－17）逐次计算到X₃（j）＝X（j）（j＝0，1，…，7），即完成N＝2³＝8的FFT计算，其详细过程见表8－3。

表8－3 N＝8的FFT算法计算过程

注：对于正变换 对于反变换 所

［例2］求N＝8样本序列（表8－4）x（k）＝1，2，1，1，3，2，1，2的频谱。

表8－4 N＝8样本序列

3.任意N＝2^m的FFT算法

列出N＝4，N＝8的FFT计算公式，进行对比

地球物理数据处理基础

观察式（8－18）、式（8－19），不难看出，遵循如下规律：

（1）等式左边的下标由1递增到m，可用q＝1，2，…，m代替，则等式右边为q－1；

（2）k的上限为奇数且随q的增大而减小，至q＝m时为0，所以其取值范围为k＝0，1，2，…，（2^m－q－1）；

（3）j的上限为奇数且随q的增大而增大，且q＝1时为0，其取值范围为j＝0，1，2，…，（2^q－1－1）；

（4）k的系数，在等式左边为2^q，等式右边为2^q－1（包括W的幂指数）；

（5）等式左边序号中的常数是2的乘方形式，且幂指数比下标q小1，即2^q－1；等式右边m对式子序号中的常数都是定值2^m－1。

归纳上述规则，写出对于任意正整数m，N＝2^m的FFT算法如下：

由X₀（p）＝x（p）（p＝0，1，…，N－1）开始：

（1）对q＝1，2，…，m，执行（2）～（3）步；

（2）对k＝0，1，2，…，（2^m－q－1）及j＝0，1，2，…，（2^q－1－1），执行

地球物理数据处理基础

（3）j，k循环结束；

（4）q循环结束；由X_m（p）（p＝0，1，…，N－1）输出原始序列x（p）的频谱X（p）。

在计算机上很容易实现上述FFT算法程序，仅需要三个复数数组，编程步骤如下：

（1）设置复数数组X₁（N－1），X₂（N－1）和 （数组下界都从0开始）；

（2）把样本序列x赋给X₁，即X₁（k）＝x（k）（k＝0，1，…，N－1）；

（3）计算W，即正变换 反变换

（4）q＝1，2，…，m，若q为偶数，执行（6），否则执行第（5）步；

（5）k＝0，1，2，…，（2^m－q－1）和j＝0，1，2，…，（2^q－1－1）循环，作

X₂（2^qk＋j）＝X₁（2^q－1k＋j）＋X₁（2^q－1k＋j＋2^m－1）

X₂（2^qk＋j＋2^q－1）＝［X₁（2^q－1k＋j）－X₁（2^q－1k＋j＋2^m－1）］W（2^q－1k）

至k，j循环结束；

（6）k＝0，1，2，…，（2^m－q－1）和j＝0，1，2，…，（2^q－1－1）循环，作

X₁（2^qk＋j）＝X₂（2^q－1k＋j）＋X₂（2^q－1k＋j＋2^m－1）

X₁（2^qk＋j＋2^q－1）＝［X₂（2^q－1k＋j）－X₂（2^q－1k＋j＋2^m－1）］W（2^q－1k）

至k，j循环结束；

（7）q循环结束，若m为偶数，输出X₁（j），否则输出X₂（j）（j＝0，1，…，N－1），即为所求。

2. 如何理解傅里叶变换公式

1、傅里叶变换公式

(2)快速傅里叶变换算法扩展阅读：

根据原信号的不同类型，可以把傅里叶变换分为四种类别：

1、非周期性连续信号傅里叶变换（Fourier Transform）

2、周期性连续信号傅里叶级数(Fourier Series)

3、非周期性离散信号离散时域傅里叶变换（Discrete Time Fourier Transform）

4、周期性离散信号离散傅里叶变换(Discrete Fourier Transform)

3. 快速傅里叶变换的算法类型

FFT算法很多，根据实现运算过程是否有指数因子WN可分为有、无指数因子的两类算法。
有指数因子的算法
经典库利-图基算法 当输入序列的长度N不是素数(素数只能被1而它本身整除）而是可以高度分解的复合数，即N=N1N2N3…Nr时，若N1=N2=…=Nr=2，N=2则N点DFT的计算可分解为N=2×N/2，即两个N/2点DFT计算的组合，而N/2点DFT的计算又可分解为N/2=2×N/4，即两个N/4点DFT计算的组合。依此类推，使DFT的计算形成有规则的模式，故称之为以2为基底的FFT算法。同理，当N=4时，则称之为以4为基底的FFT算法。当N=N1·N2时，称为以N1和N2为基底的混合基算法。
在这些算法中，基2算法用得最普遍。通常按序列在时域或在频域分解过程的不同，又可分为两种：一种是时间抽取FFT算法（DIT），将N点DFT输入序列x(n)、在时域分解成2个N/2点序列而x1(n)和x2(n)。前者是从原序列中按偶数序号抽取而成，而后者则按奇数序号抽取而成。DIT就是这样有规律地按奇、偶次序逐次进行分解所构成的一种快速算法。
分裂基算法(RSFFT) 1984年由P．杜哈美尔和H．赫尔曼等导出的一种比库利图基算法更加有效的改进算法，其基本思想是在变换式的偶部采用基2算法，在变换式的奇部采用基4算法。优点是具有相对简单的结构，非常适用于实对称数据，对长度N=2能获得最少的运算量(乘法和加法），所以是选用固定基算法中的一种最佳折衷算法。

4. 如何理解和掌握快速傅里叶变换的计算和概念

MATLAB傅里叶变换：傅立叶变换的分类：傅立叶级数：将周期性连续函数变换为离散频率点上的函数（连续）傅立叶变换：将连续函数变换为连续频率的函数离散时间傅立叶变换：将离散函数变换为连续频率的函数离散傅立叶变换：将有限长离散函数变换为离散频率点上的函数其中FFT是离散傅立叶变换的快速计算方法，适用于离散信号，并且注意变换后的点数与信号的采样点数一致。尽管可以将信号补0，但补0不能提高频域的分辨率。matlab中提供了函数fft做一维的FFT。时域谱和频域谱是相互对应；时域的信号长度，决定频域的采样间隔，它们成导数关系；时域中信号有N点，每点间隔dt，所以时域信号长度为N*dt；那么频谱每点的间隔就是1/(N*dt)。傅立叶变换结果和原来信号有相同的点数，所以m=N，又第一点一定对应0频率，所以频域信号的很坐标就是(0:m-1)/(N*dt)，这句就是根据这个很坐标和频谱c，画出频谱plot((0:m-1)/(N*dt),c），所以在频谱图上，可以根据峰值的位置的横坐标读出对应的频率。clearall;N=256;dt=0.02;n=0:N-1;t=n*dt;x=sin(2*pi*t);m=N;a=zeros(1,m);b=zeros(1,m);fork=0:m-1 forii=0:N-1 a(k+1)=a(k+1)+2/N*x(ii+1)*cos(2*pi*k*ii/N); b(k+1)=b(k+1)+2/N*x(ii+1)*sin(2*pi*k*ii/N); endc(k+1)=sqrt(a(k+1)^2+b(k+1)^2);endsubplot(211);plot(t,x);title('原始信号'),xlabel('时间/t');f=(0:m-1)/(N*dt);subplot(212);plot(f,c);holdontitle('Fourier');xlabel('频率/HZ');ylabel('振幅');ind=find(c==max(c),1,'first');%寻找最到值的位置x0=f(ind);%根据位置得到横坐标（频率）y0=c(ind);%根据位置得到纵坐标（幅度）plot(x0,y0,'ro');holdofftext(x0+1,y0-0.1,num2str(x0,'频率=%f'));

5. 傅里叶变换公式

1、公式描述：公式中F(ω)为f(t)的像函数，f(t)为F(ω)的像原函数。 2、傅立叶变换，表示能将满足一定条件的某个函数表示成三角函数（正弦和/或余弦函数）或者它们的积分的线性组合。在不同的研究领域，傅立叶变换具有多种不同的变体形式，如连续傅立叶变换和离散傅立叶变换。最初傅立叶分析是作为热过程的解析分析的工具被提出的。 3、相关 * 傅里叶变换属于谐波分析。 * 傅里叶变换的逆变换容易求出，而且形式与正变换非常类似; * 正弦基函数是微分运算的本征函数，从而使得线性微分方程的求解可以转化为常系数的代数方程的求解.在线性时不变的物理系统内，频率是个不变的性质，从而系统对于复杂激励的响应可以通过组合其对不同频率正弦信号的响应来获取； *卷积定理指出：傅里叶变换可以化复杂的卷积运算为简单的乘积运算，从而提供了计算卷积的一种简单手段； * 离散形式的傅立叶变换可以利用数字计算机快速地算出（其算法称为快速傅里叶变换算法（FFT))。

6. 快速傅里叶变换的计算方法

计算离散傅里叶变换的快速方法，有按时间抽取的FFT算法和按频率抽取的FFT算法。前者是将时域信号序列按偶奇分排，后者是将频域信号序列按偶奇分排。它们都借助于的两个特点：一是周期性；二是对称性，这里符号*代表其共轭。这样，便可以把离散傅里叶变换的计算分成若干步进行，计算效率大为提高。
时间抽取算法 令信号序列的长度为N=2,其中M是正整数，可以将时域信号序列x(n)分解成两部分，一是偶数部分x（2n），另一是奇数部分x（2n+1），于是信号序列x(n）的离散傅里叶变换可以用两个N/2抽样点的离散傅里叶变换来表示和计算。考虑到和离散傅里叶变换的周期性，式⑴可以写成
⑶其中（4a）（4b）由此可见，式⑷是两个只含有N/2个点的离散傅里叶变换，G(k）仅包括原信号序列中的偶数点序列，H(k）则仅包括它的奇数点序列。虽然k=0，1，2，…，N-1，但是G(k）和H(k）的周期都是N/2，它们的数值以N/2周期重复。
因为于是由式⑶和式⑷得到（5a）（5b)
因此，一个抽样点数为N 的信号序列x(n）的离散傅里叶变换，可以由两个 N/2抽样点序列的离散傅里叶变换求出。依此类推，这种按时间抽取算法是将输入信号序列分成越来越小的子序列进行离散傅里叶变换计算，最后合成为N点的离散傅里叶变换。
通常用图1中蝶形算法的信号流图来表示式⑸的离散傅里叶变换运算。例如，N=8=2的抽样点的信号序列x(n）的离散傅里叶变换，可用如图2所示的FET算法的信号流图来计算。
①N=2点的离散傅里叶变换的计算全由蝶形运算组成，需要M级运算，每级包括N/2个蝶形运算，总共有 个蝶形运算。所以，总的计算量为次复数乘法运算和N log2N次复数加法运算。
②FFT算法按级迭代进行，计算公式可以写成
⑹N抽样点的输入信号具有N个原始数据x0(n），经第一级运算后，得出新的N个数据x1(n），再经过第二级迭代运算，又得到另外N个数据x2(n），依此类推，直至最后的结果x(k)=xM(k)=X(k）在逐级迭代计算中，每个蝶形运算的输出数据存放在原来存贮输入数据的单元中，实行所谓“即位计算”，这样可以节省大量存放中间数据的寄存器。
③蝶形运算中加权系数随迭代级数成倍增加。由图2可以看出系数的变化规律。对于N=8,M=3情况，需进行三级迭代运算。在第一级迭代中，只用到一种加权系数；蝶形运算的跨度间隔等于1。在第二级迭代中，用到两种加权系数即、；蝶形运算的跨度间隔等于2。在第三级迭代中，用到4种不同的加权系数即、、、；蝶形运算的跨度间隔等于4。可见，每级迭代的不同加权系数的数目比前一级迭代增加一倍；跨度间隔也增大一倍。
④输入数据序列x(n）需重新排列为x(0）、x⑷、x⑵、x⑹、x⑴、x⑸、x⑶、x⑺，这是按照二进制数的码位倒置所得到的反序数，例如N=8中数“1”的二进制数为“001”，将其码位倒转变为“100”，即为十进制数“4”。
频率抽取算法按频率抽取的 FFT算法是将频域信号序列X(k）分解为奇偶两部分，但算法仍是由时域信号序列开始逐级运算，同样是把N点分成N/2点计算FFT，可以把直接计算离散傅里叶变换所需的N次乘法缩减到次。
在N=2的情况下，把N点输入序列x(n）分成前后两半
⑺
时间序列x1(n）±x2(n）的长度为N/2，于是N点的离散傅里叶变换可以写成
（8a)
（8b)
频率信号序列X（2l）是时间信号序列x1(n)+x2(n）的N/2点离散傅里叶变换，频率信号序列X（2l+1）是时间信号序列【x1(n)-x2(n）】的N/2点离散傅里叶变换，因此，N点离散傅里叶变换的计算，通过两次加（减）法和一次乘法，从原来序列获得两个子序列，所以，频率抽取算法也具有蝶形运算形式。以2为基数的FFT基本蝶形运算公式为
⑼
其计算量完全和时间抽取算法一样，即只需次乘法运算和Nlog2N次加（减）法运算。图3 表示N=8=2点的离散傅里叶变换的信号流图。由图可见，它以三级迭代进行即位计算，输入数据是按自然次序存放，使用的系数也是按自然次序，而最后结果则以二进制反序存放。
实际上，频率抽取算法与时间抽取算法的信号流图之间存在着转置关系，如将流图适当变形，可以得出多种几何形状。
除了基2的FFT算法之外，还有基4、基8等高基数的FFT算法以及任意数为基数的FFT算法。

7. 快速傅里叶变换算法可以分为两大类,分别是(__)、(__)

快速傅里叶变换算法可以分为两大类,分别是(有指数因子）（无指数因子）两类算法，

8. 化学dft计算是啥

离散傅里叶变换（Discrete Fourier Transform，缩写为DFT），是傅里叶变换在时域和频域上都呈离散的形式，将信号的时域采样变换为其DTFT的频域采样。在形式上，变换两端（时域和频域上）的序列是有限长的，而实际上这两组序列都应当被认为是离散周期信号的主值序列。即使对有限长的离散信号作DFT，也应当将其看作其周期延拓的变换。在实际应用中通常采用快速傅里叶变换计算DFT。

(8)快速傅里叶变换算法扩展阅读:
傅立叶变换，表示能将满足一定条件的某个函数表示成三角函数（正弦和/或余弦函数）或者它们的积分的线性组合。在不同的研究领域，傅立叶变换具有多种不同的变体形式，如连续傅立叶变换和离散傅立叶变换。最初傅立叶分析是作为热过程的解析分析的工具被提出的。
Fourier transform或Transformée de Fourier有多个中文译名，常见的有“傅里叶变换”、“付立叶变换”、“傅立叶转换”、“傅氏转换”、“傅氏变换”、等等。
傅立叶变换是一种分析信号的方法，它可分析信号的成分，也可用这些成分合成信号。许多波形可作为信号的成分，比如正弦波、方波、锯齿波等，傅立叶变换用正弦波作为信号的成分。
定义
f(t)是t的周期函数，如果t满足狄里赫莱条件：在一个以2T为周期内f(X)连续或只有有限个第一类间断点，附f（x）单调或可划分成有限个单调区间，则F（x）以2T为周期的傅里叶级数收敛，和函数S（x）也是以2T为周期的周期函数，且在这些间断点上，函数是有限值；在一个周期内具有有限个极值点；绝对可积。则有下图①式成立。称为积分运算f(t)的傅立叶变换，
②式的积分运算叫做F(ω)的傅立叶逆变换。F(ω)叫做f(t)的象函数，f(t)叫做
F(ω)的象原函数。F(ω)是f(t)的象。f(t)是F(ω)原象。
①傅立叶变换

②傅立叶逆变换

傅里叶变换在物理学、电子类学科、数论、组合数学、信号处理、概率论、统计学、密码学、声学、光学、海洋学、结构动力学等领域都有着广泛的应用（例如在信号处理中，傅里叶变换的典型用途是将信号分解成频率谱——显示与频率对应的幅值大小）。
相关
* 傅里叶变换属于谐波分析。
* 傅里叶变换的逆变换容易求出，而且形式与正变换非常类似;
* 正弦基函数是微分运算的本征函数，从而使得线性微分方程的求解可以转化为常系数的代数方程的求解.在线性时不变的物理系统内，频率是个不变的性质，从而系统对于复杂激励的响应可以通过组合其对不同频率正弦信号的响应来获取；
*卷积定理指出：傅里叶变换可以化复杂的卷积运算为简单的乘积运算，从而提供了计算卷积的一种简单手段；
* 离散形式的傅立叶变换可以利用数字计算机快速地算出（其算法称为快速傅里叶变换算法（FFT))

9. 快速傅立叶变换的问题

快速傅氏变换，是离散傅氏变换的快速算法，它是根据离散傅氏变换的奇、偶、虚、实等特性，对离散傅立叶变换的算法进行改进获得的。它对傅氏变换的理论并没有新的发现，但是对于在计算机系统或者说数字系统中应用离散傅立叶变换，可以说是进了一大步。

设x(n)为N项的复数序列，由DFT变换，任一X（m）的计算都需要N次复数乘法和N-1次复数加法，而一次复数乘法等于四次实数乘法和两次实数加法，一次复数加法等于两次实数加法，即使把一次复数乘法和一次复数加法定义成一次“运算”（四次实数乘法和四次实数加法），那么求出N项复数序列的X（m）, 即N点DFT变换大约就需要N2次运算。当N=1024点甚至更多的时候，需要N2=1048576次运算，在FFT中，利用WN的周期性和对称性，把一个N项序列（设N=2k,k为正整数），分为两个N/2项的子序列，每个N/2点DFT变换需要（N/2）2次运算，再用N次运算把两个N/2点的DFT 变换组合成一个N点的DFT变换。这样变换以后，总的运算次数就变成N+2（N/2）2=N+N2/2。继续上面的例子，N=1024时，总的运算次数就变成了525312次，节省了大约50%的运算量。而如果我们将这种“一分为二”的思想不断进行下去，直到分成两两一组的DFT运算单元，那么N点的 DFT变换就只需要Nlog2N次的运算，N在1024点时，运算量仅有10240次，是先前的直接算法的1%，点数越多，运算量的节约就越大，这就是 FFT的优越性.
傅里叶变换（Transformée de Fourier）是一种积分变换。因其基本思想首先由法国学者傅里叶系统地提出，所以以其名字来命名以示纪念。

应用
傅里叶变换在物理学、数论、组合数学、信号处理、概率论、统计学、密码学、声学、光学、海洋学、结构动力学等领域都有着广泛的应用（例如在信号处理中，傅里叶变换的典型用途是将信号分解成幅值分量和频率分量）。

概要介绍
傅里叶变换能将满足一定条件的某个函数表示成三角函数（正弦和/或余弦函数）或者它们的积分的线性组合。在不同的研究领域，傅里叶变换具有多种不同的变体形式，如连续傅里叶变换和离散傅里叶变换。最初傅里叶分析是作为热过程的解析分析的工具被提出的（参见：林家翘、西格尔着《自然科学中确定性问题的应用数学》，科学出版社，北京。原版书名为 C. C. Lin & L. A. Segel, Mathematics Applied to Deterministic Problems in the Natural Sciences, Macmillan Inc., New York, 1974）。
傅里叶变换属于谐波分析。
傅里叶变换的逆变换容易求出,而且形式与正变换非常类似;
正弦基函数是微分运算的本征函数,从而使得线性微分方程的求解可以转化为常系数的代数方程的求解.在线性时不变的物理系统内,频率是个不变的性质,从而系统对于复杂激励的响应可以通过组合其对不同频率正弦信号的响应来获取;
卷积定理指出:傅里叶变换可以化复杂的卷积运算为简单的乘积运算,从而提供了计算卷积的一种简单手段;
离散形式的傅里叶变换可以利用数字计算机快速的算出(其算法称为快速傅里叶变换算法(FFT)).