快速傅立叶变换的问题
\u5feb\u901f\u5085\u91cc\u53f6\u53d8\u6362\uff0c\u6c42\u52a9\u5173\u4e8e\u5085\u91cc\u53f6\u53d8\u6362\u65f6\u51fa\u73b0\u7684\u95ee\u9898(1)\u4f60\u7684\u95ee\u9898\u63cf\u8ff0\u592a\u7c97\u7cd9\u4e86
(2)\u4f30\u8ba1\u4f60\u7684\u95ee\u9898\u4e3aFFT\u53d8\u6362\u5bf9\u5e94\u7684\u9891\u7387\u70b9\u6ca1\u6709\u641e\u6e05\u695aFFT\u53d8\u6362\u540e\uff0c\u5047\u5b9a\u4fe1\u53f7\u957f\u5ea6\u4e3aN\uff0c\u5219\u4ee5p = ceil(N/2)\u4e3a\u5206\u754c\u70b9\uff0c1\u4e3a\u96f6\u9891\u7387\u70b9\uff0cp+1\u4e3a\u8d1f\u9891\u7387\u70b9\uff0c2\u4e3a\u6b63\u9891\u7387\u70b9\u3002
\u8fd9\u4e2a\u5bf9\u4f60\u7684\u516c\u5f0f\u975e\u5e38\u91cd\u8981\u3002
\u53ef\u4ee5\uff0cY=fft(X,N),\u53ef\u4ee5\u901a\u8fc7\u5bf9X\u8fdb\u884c\u8865\u96f6\u6216\u622a\u53d6\u6765\u5b9e\u73b0\uff0c\u7b97\u6cd5\u81ea\u52a8\u8fdb\u884c
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, 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)).
你首先必须记住傅立叶变换的公式！
绛旓細蹇熷倕姘忓彉鎹紝鏄鏁ｅ倕姘忓彉鎹㈢殑蹇熺畻娉曪紝瀹冩槸鏍规嵁绂绘暎鍌呮皬鍙樻崲鐨勫銆佸伓銆佽櫄銆佸疄绛夌壒鎬э紝瀵圭鏁鍌呯珛鍙跺彉鎹㈢殑绠楁硶杩涜鏀硅繘鑾峰緱鐨勩傚畠瀵瑰倕姘忓彉鎹㈢殑鐞嗚骞舵病鏈夋柊鐨勫彂鐜帮紝浣嗘槸瀵逛簬鍦ㄨ绠楁満绯荤粺鎴栬呰鏁板瓧绯荤粺涓簲鐢ㄧ鏁ｅ倕绔嬪彾鍙樻崲锛屽彲浠ヨ鏄繘浜嗕竴澶ф銆傝x(n)涓篘椤圭殑澶嶆暟搴忓垪锛岀敱DFT鍙樻崲锛屼换涓X锛坢...
绛旓細(1)浣鐨勯棶棰鎻忚堪澶矖绯欎簡 (2)浼拌浣犵殑闂涓篎FT鍙樻崲瀵瑰簲鐨勯鐜囩偣娌℃湁鎼炴竻妤欶FT鍙樻崲鍚庯紝鍋囧畾淇″彿闀垮害涓篘锛屽垯浠 = ceil(N/2)涓哄垎鐣岀偣锛1涓洪浂棰戠巼鐐癸紝p+1涓鸿礋棰戠巼鐐癸紝2涓烘棰戠巼鐐广傝繖涓浣犵殑鍏紡闈炲父閲嶈銆
绛旓細蹇熷倕閲屽彾鍙樻崲鍒嗚В鍑烘潵鐨勯鐜囧緢涔辨病鏈夎寰嬪鐞嗘柟娉曞涓嬨1銆佸鍏ユ暟鎹紝閫変腑鏁版嵁锛孉nalysis锛孲ingal锛孭rocessing锛孎FT銆2銆佸湪閫夋涓紝鐩存帴閲囩敤榛樿璁剧疆锛岀偣鍑籓K銆傚皢浠0寮濮嬬殑棰戠巼鍙婂箙鍊煎鍒剁矘璐村埌鏂板缓鐨凚ook鍐咃紝閫変腑鏁版嵁锛岃繘琛岀嚎鍥惧睍绀猴紝灏卞彲浠ヤ簡銆
绛旓細鍦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團FT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」宸у鍦板憟鐜般傚綋鎴戜滑灏嗚繛缁椂闂翠俊鍙烽噰鏍峰悗锛屼究寰楀埌涓涓...
绛旓細蹇熷倕閲屽彾鍙樻崲锛團FT锛夋槸涓绉嶈绠楃鏁鍌呴噷鍙跺彉鎹㈢殑楂樻晥鏂规硶锛屼富瑕佸垎涓轰袱绉嶏細鏃堕棿鎶藉彇FFT鍜岄鐜囨娊鍙朏FT銆傛椂闂存娊鍙朏FT鏄熀浜庝俊鍙峰簭鍒楃殑鍛ㄦ湡鎬у拰瀵圭О鎬с傞鍏堬紝灏嗘椂鍩熶俊鍙峰簭鍒楁寜濂囧伓鎬у垎缁勶紝鐒跺悗鍒╃敤淇″彿鐨勫懆鏈熸э紝灏嗗叾鍒嗚В涓哄伓鏁板拰濂囨暟閮ㄥ垎鐨勫簭鍒椼備互N=2涓轰緥锛屼俊鍙疯鍒嗚В涓轰袱涓狽/2锛堣繖閲孨涓2鐨勫嶆暟锛夌殑...
绛旓細鍥炵瓟锛氭憳 瑕:浠嬬粛浜嗙數纾佸璁＄畻鏂规硶鐨勭爺绌惰繘灞曞拰鐘舵,瀵瑰嚑绉嶅瘜鏈変唬琛ㄦх殑绠楁硶鍋氫簡浠嬬粛,骞舵瘮杈冧簡鍚勮嚜鐨勪紭鍔垮拰涓嶈冻,鍖呮嫭鐭╅噺娉曘佹湁闄愬厓娉曘佹椂鍩熸湁闄愬樊鍒嗘柟娉曚互鍙婂灏勭嚎鏂规硶绛夈 鍏抽敭璇:鐭╅噺娉;鏈夐檺鍏冩硶;鏃跺煙鏈夐檺宸垎鏂规硶;澶嶅皠绾挎柟娉 1 寮 瑷 1864骞碝axwell鍦ㄥ墠浜虹殑鐞嗚(楂樻柉瀹氬緥銆佸畨鍩瑰畾寰嬨佹硶鎷夌瀹氬緥鍜...
绛旓細(1)浣鐨勯棶棰鎻忚堪澶矖绯欎簡 (2)浼拌浣犵殑闂涓篎FT鍙樻崲瀵瑰簲鐨勯鐜囩偣娌℃湁鎼炴竻妤欶FT鍙樻崲鍚庯紝鍋囧畾淇″彿闀垮害涓篘锛屽垯浠 = ceil(N/2)涓哄垎鐣岀偣锛1涓洪浂棰戠巼鐐癸紝p+1涓鸿礋棰戠巼鐐癸紝2涓烘棰戠巼鐐广 杩欎釜瀵逛綘鐨勫叕寮忛潪甯搁噸瑕併
绛旓細syms x; >> fx=x^2*cos(x) fx = x^2*cos(x) >> [an,bn,f]=fseries(fx,x,16,-pi,pi) syms x; >> fx=x^2*cos(x)
绛旓細锛2锛夊脊绨у垎涓3鏍癸紝姣忔牴鐨勫姴搴︾郴鏁颁负3K锛屽彇涓ゆ牴骞惰仈鍚庯紝鏁翠綋鐨勫姴搴︾郴鏁颁负k1=3k/2,鏁呯郴缁熺殑绠璋愭尟鍔ㄥ懆鏈燂細T=2蟺鈭(m/k1)=2蟺鈭(2m/3k)锛岄鐜囦负锛歠=1/T=... (3)澶嶆憜鐨勫懆鏈燂細T=2蟺鈭氾紙I/mgb) 寮忎腑锛欼--琛ㄧず缁嗘潌瀵规偓鐐圭殑杞姩鎯噺 b---琛ㄧず缁嗘潌璐ㄥ績璺濇偓...0389 ...
绛旓細娣卞叆鐞嗚В蹇熷倕閲屽彾鍙樻崲FFT锛氭棆杞洜瀛愮殑绉樺瘑 鍦ㄦ帰绱FT鐨勫濡欎笘鐣屼腑锛岃澊铦舵搷浣滃铦磋澏鑸咯缈╄捣鑸烇紝瀹炵幇浜嗏滃垎鑰屾不涔嬧濈殑楂樻晥璁＄畻绛栫暐銆傜劧鑰岋紝瀹冩墍甯︽潵鐨勪俊鍙风浉浣嶅彉鍖栵紝灏卞儚涓鍦虹簿蹇冪紪鎺掔殑鑸炶箞锛岄渶瑕侀氳繃鈥滄棆杞洜瀛愨濇潵淇濇寔鏁翠綋缁撴灉鐨勫拰璋愩備粖澶╋紝鎴戜滑灏嗘彮寮鏃嬭浆鍥犲瓙鐨勭绉橀潰绾憋紝瀹冩槸濡備綍鍦‵FT鐨勮垶韫堜腑鎵紨鍏抽敭...
