标签: fft

我问这个问题是因为通常，输入数据（例如音频信号）是连续的数组块，在将它们输入 fft 例程之前，必须使用循环将数据结构从数组转换为 Complex(re, im) 数组

当输入数据没有虚部时，我们可以直接赋值或者使用memcpy，这样会节省很多时间。

我正在尝试在C 上实现FFT 算法。我根据《C 中的数字食谱》一书中的函数“four1”编写了一段代码。我知道使用 FFTW 等外部库会更有效，但我只是想尝试将此作为第一种方法。但我在运行时遇到错误。

经过一段时间的尝试调试后，我决定复制书中提供的完全相同的功能，但我仍然遇到同样的问题。问题似乎出在以下命令中：

tempr = wr * data[j] - wi * data[j + 1];\ntempi = wr * data[j + 1] + wi * data[j];\n

和

data[j + 1] = data[i + 1] - tempi;\n\n

j 有时与数组的最后一个索引一样高，因此在索引时不能加 1。

正如我所说，我没有对代码进行任何更改，所以我很惊讶它对我不起作用；这是一本著名的 C 数值方法参考书，我怀疑其中是否有错误。另外，我发现了一些关于相同代码示例的问题，但它们似乎都没有相同的问题（例如，请参见C: Numerical Recipies (FFT) ）。我究竟做错了什么？

这是代码：

#include <iostream>\n#include <stdio.h>\nusing namespace std;\n\n#define SWAP(a,b) tempr=(a);(a)=(b);(b)=tempr\nvoid four1(double* data, unsigned long nn, int isign)\n{\n    unsigned long n, mmax, m, j, istep, …

我正在从商业仪器中获取光学OFDR (1,2,3 )数据的FFT 。

然而，我花了几天时间困惑为什么 FFT 没有给出预期的结果。原来这是因为我导入的数组具有 shape(20000,1)而不是(20000,). 前者的 FFT(20000,1)返回不变，而具有形状的对象的 FFT(20000,)会产生正确的结果。从概念上讲，这些对我来说似乎是完全相同的数组 - 但实际上它们显然是不同的 FFT 计算。

谁能解释为什么这个看似虚构的维度破坏了我的 FFT？

# Produces bad FFT:
>> np.shape(MeasData)
: (433229, 1)

# Produces correct FFT
>> np.shape(MeasData[:,0])
: (433229,)

第二，空维度意味着什么？也就是说，为什么形状报告为而(2000,)不是(2000)（没有逗号）？

下面是一个图，显示了其中每一个以及相应的傅立叶变换，通过numpy.rfft( MeasData ) （抱歉我不知道如何生成有用的 MWE 数据）：

第一个和第二个 (MeasData = [433000,1]) 显示 FFT 根本没有执行任何操作，而第三个和第四个 (MeasData = [433000,]) 显示正确的 FFT。

[400000,1]形状与 不同有何意义[400000,]？看起来很违反直觉。

>> fft([1 4 66])

ans =

  71.0000           -34.0000 +53.6936i -34.0000 -53.6936i

有人能根据上面的结果解释一下吗？

这是我的结果 的简短视频声音很可怕,但请耐心等待.

对我来说,这看起来有点奇怪.什么是前几个箱子大量飙升？什么是非线性的交易？

我正在绘制实部和虚部的平方和的平方根.我已经尝试过使用对数,但我得到了很多基线的移动,也就是说,光谱不会在屏幕中保持居中.

如果你能指出我正确的方向,我会很感激!

我使用FFTW生成系数,现在我想重建原始数据,但只使用第一个numCoefs系数而不是全部系数.目前我正在使用下面的代码,这是非常慢的:

for ( unsigned int i = 0; i < length; ++i )
{
    double sum = 0;
    for ( unsigned int j = 0; j < numCoefs; ++j )
    {
        sum += ( coefs[j][0] * cos( j * omega * i ) ) + ( coefs[j][1] * sin( j * omega * i ) );
    }
    data[i] = sum;
}

有更快的方法吗？

我有另一个问题.非常类似于我已经问过的另一个(并得到很大的帮助 - 再次感谢).不幸的是,其他线程的解决方案在这里不起作用:(http://stackoverflow.com/questions/8680909/fft-in-matlab-and-numpy-scipy-give-different-results)

现在是关于ifft:

  # i have an array 'aaa' of shape (6,) such as:
  for i in aaa:  print i
  ...

 (1.22474487139+0j)
 (-0.612372435696-1.06066017178j)
 (-0.612372435696+1.06066017178j)
 (1.22474487139+0j)
 (-0.612372435696-1.06066017178j)
 (-0.612372435696+1.06066017178j)

  #when i perform np.ifft the result is:
 np.fft.ifft(aaa)

 array([  1.48029737e-16 +1.48029737e-16j,
    -8.26024733e-17 -1.72464044e-16j,
     1.22474487e+00 -3.94508649e-16j,
     3.70074342e-17 -2.96059473e-16j,
    -2.22044605e-16 +2.46478913e-16j,   4.55950391e-17 +4.68523518e-16j])

  ###################################################################
  %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
  % BUT IN MATLAB 
  % the same array...

  aaa =

  1.2247          
 -0.6124 - 1.0607i
 -0.6124 + 1.0607i
  1.2247          
 -0.6124 - 1.0607i
 -0.6124 + 1.0607i

 % ...gives the result:
 ifft(aaa) …

我对音频处理感兴趣,我想进行FFT计算.许多资源和教程都说vDSP很棒.但是我不明白为什么计算后的实部和虚部的大小是N/2？如何在1024个样本上获得1024个实数和虚数值.例如,这种用于计算的服务正确地执行FFT.

我目前需要在1024个采样点信号上运行FFT.到目前为止,我已经在python中实现了我自己的DFT算法,但它非常慢.如果我使用NUMPY fftpack,甚至转移到C++并使用FFTW,你们认为它会更好吗？

我有fortran代码计算离散信号的FFT(具有两个不同频率的双正弦信号),从以下提取:

y = 0.5*np.sin(2 * np.pi * ff1 * t) + 0.1*np.sin(2 * np.pi * ff2 * t)

当我使用fortran代码计算FFT并且与使用python计算的FFT进行比较时,我可以看到:

1.两个图中的选秀权的差异是由于四舍五入？我可以以某种方式消除或减少它吗？

python中使用的代码是:

import numpy as np
import matplotlib.pyplot as plt
from scipy import fft

Fs = 2048    # sampling rate = number of lines in the input file
Ts = 1.0/Fs  # sampling interval
data = np.loadtxt('input.dat')
t =  data[:,0]
y    = data[:,1]

plt.subplot(2,1,1)
plt.plot(t,y,'ro')
plt.xlabel('time')
plt.ylabel('amplitude')
plt.subplot(2,1,2)

n = len(y)                       # length of the signal
k = np.arange(n)
T …