什么是快速傅立叶变换？（特别是公式）
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（TransforméedeFourier）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、西格尔著《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,MathematicsAppliedtoDeterministicProblemsintheNaturalSciences,MacmillanInc.,NewYork,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)).
绛旓細娣卞叆鎺㈢储鍛ㄦ湡淇″彿鐨勪笘鐣岋細绂绘暎鍌呴噷鍙跺彉鎹笌FFT鐨勫ゥ绉 鍦ㄤ俊鍙峰鐞嗙殑棰嗗煙锛屽懆鏈熶俊鍙风殑绂绘暎鍒嗘瀽鏄叧閿殑涓鐜傜鏁ｅ倕閲屽彾绾ф暟锛圖FT锛夋槸鍏跺熀纭锛岃蹇熷倕閲屽彾鍙樻崲锛FFT锛夊垯鍑熷叾楂樻晥鎬ф垚涓哄垎鏋愮殑鍒╁櫒銆傝鎴戜滑浠庡畾涔夊嚭鍙戯紝閫愭鎻ず杩欎竴鐞嗚鐨勭簿楂撳拰瀹為檯搴旂敤銆傚畾涔夋柊瑙 绂绘暎鏃堕棿鍛ㄦ湡淇″彿锛屽叾澶嶆潅鎬ч氳繃铏氭寚鏁伴」...
绛旓細鍩簄蹇熷倕閲屽彾鍙樻崲鐢ㄤ簬涓涓暱搴涓 鐨勫簭鍒楋紝渚嬪鍩2蹇熷倕閲屽彾浣滅敤鍦 鐨勫簭鍒椾笂锛屽熀4蹇熷倕閲屽彾浣滅敤鍦 鐨勫簭鍒椾笂銆傜幇鍦ㄨ冭檻鍩2FFT鐨勬帹瀵硷紙纭欢瀹炵幇涓鑸娇鐢ㄥ熀4鎴栧熀8FFT瀹炵幇锛夛紝棣栧厛鍐欏嚭鏈夐檺闀跨鏁ｅ簭鍒楃殑鍌呴噷鍙跺彉鎹紝璁颁竴涓俊鍙 鐨凢FT鍙樻崲涓 锛 蹇熷倕閲屽彾鍙樻崲鐨勬牳蹇冩濇兂涓 鍒嗚屾不涔 ...
绛旓細MATLAB鍌呴噷鍙跺彉鎹锛鍌呯珛鍙跺彉鎹鐨勫垎绫伙細鍌呯珛鍙剁骇鏁帮細灏嗗懆鏈熸ц繛缁嚱鏁板彉鎹负绂绘暎棰戠巼鐐逛笂鐨勫嚱鏁帮紙杩炵画锛夊倕绔嬪彾鍙樻崲锛氬皢杩炵画鍑芥暟鍙樻崲涓鸿繛缁鐜囩殑鍑芥暟绂绘暎鏃堕棿鍌呯珛鍙跺彉鎹細灏嗙鏁ｅ嚱鏁板彉鎹负杩炵画棰戠巼鐨勫嚱鏁扮鏁ｅ倕绔嬪彾鍙樻崲锛氬皢鏈夐檺闀跨鏁ｅ嚱鏁板彉鎹负绂绘暎棰戠巼鐐逛笂鐨勫嚱鏁板叾涓璅FT鏄鏁ｅ倕绔嬪彾鍙樻崲鐨蹇璁＄畻鏂规硶锛...
绛旓細鍦ㄦ暟瀛椾俊鍙峰鐞嗕腑锛岀鏁ｅ倕閲屽彾鍙樻崲(Discrete Fourier Transform, DFT)鏄父鐢ㄧ殑鍙樻崲鏂规硶锛屽畠鍦ㄥ悇绉嶆暟瀛椾俊鍙峰鐞嗙郴缁熶腑鎵紨鐫閲嶈鐨勮鑹层蹇熷倕閲屽彾鍙樻崲銆擣ast Fourier Transfonn, FFT銆曞苟涓嶆槸涓庣鏁ｅ倕閲屽彾鍙樻崲涓嶅悓鐨勫彟涓绉嶅彉鎹紝鑰屾槸涓轰簡鍑忓皯DFT 璁＄畻娆℃暟鐨勪竴绉嶅揩閫熸湁鏁堢殑绠楁硶[1]銆
绛旓細蹇熷倕閲屽彾鍙樻崲 (fast Fourier transform), 鍗冲埄鐢ㄨ绠楁満璁＄畻绂绘暎鍌呴噷鍙跺彉鎹紙DFT)鐨勯珮鏁堛佸揩閫熻绠楁柟娉曠殑缁熺О锛岀畝绉癋FT銆傚揩閫熷倕閲屽彾鍙樻崲鏄1965骞寸敱J.W.搴撳埄鍜孴.W.鍥惧熀鎻愬嚭鐨勩傞噰鐢ㄨ繖绉嶇畻娉曡兘浣胯绠楁満璁＄畻绂绘暎鍌呴噷鍙跺彉鎹㈡墍闇瑕佺殑涔樻硶娆℃暟澶т负鍑忓皯锛鐗瑰埆鏄琚彉鎹㈢殑鎶芥牱鐐规暟N瓒婂锛孎FT绠楁硶璁＄畻閲忕殑鑺傜渷灏...
绛旓細鎵浠ラ棶棰樿浆鍙樹负锛 1.濡備綍灏嗗椤瑰紡绯绘暟琛ㄨ揪杞彉涓哄椤瑰紡鐐瑰艰〃杈 2.濡備綍灏嗗椤瑰紡鐐瑰艰〃杈捐浆鍙樹负澶氶」寮忕郴鏁拌〃杈 鐢辨寮曞嚭浜 绂绘暎鍌呴噷鍙跺彉鎹 DFT锛圖iscrete Fourier Transformation锛夊拰 閫嗙鏁ｅ倕閲屽彾鍙樻崲 IDFT(Inverse Discrete Fourier Transformation)绂绘暎鍖栧椤瑰紡鐨勪竴绉嶆柟娉曟槸灏嗗间唬鍏ュ埌澶氶」寮...
绛旓細褰撳悜閲忓拰鐭╅樀鏄鏁版椂锛屾眰涓や釜澶嶅悜閲忕殑鍐呯Н 鍌呴噷鍙跺鏁扮煩闃碉紝鐗规畩鐨蹇熷倕閲屽彾鍙樻崲(绠绉癋FT)鍦ㄨ绠楁満缁忓父鐢ㄥ埌锛鐗瑰埆鏄娑夊強澶ф暟鎹殑鏃跺欙紝瀹冨彲浠ュ緢蹇熺殑杩涜鍌呴噷鍙跺彉鎹傚仛涔樻硶鏃舵庢牱鎵嶈兘蹇熺敤杩欎釜 闃舵柟闃靛仛涔樻硶锛岄氬父 闃舵柟闃电殑涔樻硶瑕佺畻 娆★紝鍥犱负鏈 涓潪闆跺厓绱狅紝杩欐槸涓煩闃碉紝涓斿垪鍚戦噺姝ｄ氦锛岃...
绛旓細蹇熷倕閲屽彾鍙樻崲鍏紡濡備笅锛氬叕寮忔弿杩帮細鍏紡涓璅(蠅)涓篺(t)鐨勫儚鍑芥暟锛宖(t)涓篎(蠅)鐨勫儚鍘熷嚱鏁般傚倕绔嬪彾鍙樻崲鍦ㄤ笉鍚岀殑鐮旂┒棰嗗煙锛屽倕绔嬪彾鍙樻崲鍏锋湁澶氱涓嶅悓鐨勫彉浣撳舰寮忥紝濡傝繛缁倕绔嬪彾鍙樻崲鍜岀鏁ｅ倕绔嬪彾鍙樻崲銆傛渶鍒濆倕绔嬪彾鍒嗘瀽鏄綔涓虹儹杩囩▼鐨勮В鏋愬垎鏋愮殑宸ュ叿琚彁鍑虹殑銆傜畝浠嬶細鍥燜FT鏄负鏃跺簭鐢佃矾鑰岃璁＄殑锛屽洜姝わ紝...
绛旓細鍌呴噷鍙堕嗗彉鎹㈢殑鍋氭硶鐣ユ湁涓嶅悓,浣嗘剰鎬濆氨鏄繖涔堜釜鎰忔,鐞嗚В浜嗙鏁ｅ倕閲屽彾鍙樻崲鍏紡鐨勮绠,閫嗗彉鎹㈠叾瀹炰篃鏄樊涓嶅浠ｅ叆鏁板艰绠楀氨鏄簡銆(濡傛灉涓嶇悊瑙ｆ庝箞鐢ㄧ鏁ｅ倕閲屽彾鍙樻崲鍏紡璁＄畻,寤鸿鐪嬭棰,瑙嗛閲屾湁绂绘暎鍌呴噷鍙跺彉鎹㈠畬鏁寸殑璁＄畻杩囩▼,瑙嗛杩炴帴:https://www.zhihu.com/zvideo/1276595628009377792) 蹇熷倕閲屽彾鍙樻崲鎺ㄨ崘鐪嬩笅闈...
绛旓細蹇熷倕閲屽彾鍙樻崲锛FFT锛夛細鍒╃敤蹇熷倕閲屽彾鍙樻崲灏嗘椂鍩熶俊鍙疯浆鎹㈠埌棰戝煙锛岀劧鍚庡湪棰戝煙杩涜涔樻硶杩愮畻锛屾渶鍚庡啀閫氳繃閫嗗倕閲屽彾鍙樻崲灏嗙粨鏋滆浆鎹㈠洖鏃跺煙銆傝繖绉嶆柟娉曞彲浠ユ樉钁楅檷浣庤绠楀鏉傚害锛鐗瑰埆鏄瀵逛簬闀垮簭鍒楃殑鍗风Н杩愮畻銆傚垎娈靛嵎绉細瀵逛簬闀垮簭鍒楋紝鍙互灏嗗簭鍒楀垎鎴愯嫢骞叉锛岀劧鍚庡垎鍒繘琛屽嵎绉繍绠楋紝鏈鍚庡皢鍚勬鐨勭粨鏋滅浉鍔犮傝繖绉嶆柟娉曞彲浠...
