n维中FFT的计算复杂度
是O(nlogn)。
FFT（快速傅里叶变换）是一种高效的算法，用于将一个离散序列（如时间序列）转换为其频域表示。在n维中，FFT的计算复杂度是O(nlogn)。这意味着随着输入规模n的增加，计算时间以较快的速度增长。
FFT在信号处理、图像处理、数据压缩、通信等领域有广泛的应用。它可以用于频谱分析、滤波、信号恢复、图像变换等任务。
腾讯云提供了一系列与FFT相关的产品和服务，例如：
- 腾讯云音视频处理（https://cloud.tencent.com/product/mps）：提供了音视频处理的解决方案，包括音频转码、视频转码、音视频剪辑等功能，可以应用于音视频处理中的FFT计算。
- 腾讯云人工智能（https://cloud.tencent.com/product/ai）：提供了丰富的人工智能服务，如语音识别、图像识别等，这些服务中可能会使用到FFT算法。
- 腾讯云数据分析（https://cloud.tencent.com/product/dla）：提供了数据分析和挖掘的解决方案，可以应用于对大规模数据进行FFT计算和分析。
以上是腾讯云提供的一些与FFT相关的产品和服务，可以根据具体需求选择适合的产品进行使用。
相关·内容
1回答
我试图编写一些代码来预测在给定的n维数组上执行离散傅里叶变换所需的时间，但我很难理解n维FFT的计算复杂性。
据我所知：
长度为N的向量的一维快速傅立叶变换应采用k*(N*log(N))，其中k是某个定时常数。
对于M*N矩阵，二维快速傅立叶变换应该采取：
N*(k*M*log(M)) + M*(k*N*log(N)) = k*M*N*(log(M)+log(N))
因为它需要在每一行和每列中获取一维FFT。
这是如何推广到ND案件？那么它应该是k*prod(dimensions)*sum(log(dimensions))吗？
浏览 4提问于2012-09-03得票数 20
回答已采纳
2回答
几个月前，我发现使用FFT算法( FFTW库)以最快的方式计算卷积。
使用下面的代码，我得到了有争议的结果。
导入
from scipy import fftpack
from numba import jit
用FFT卷积：
def conv_fft(X, R):
n = len(X)
a = fftpack.fft(X)
b = fftpack.fft(R)
c = a * b
e = fftpack.ifft(c)
result = e[n]
return result
使用公式的卷积：
@jit(cache=True)
de
浏览 0提问于2016-02-20得票数 2
回答已采纳
1回答
我试图实现一种算法来高效地计算卷积和相关的组合，如下所示：
c(x,y)=(sum of i, (sum of j, a(x-i,y+j)*b(i,j)))
我知道一维卷积或相关可以通过
a conv b = ifft(fft(a).*fft(b))
a corr b = ifft(fft(a).*conjg(fft(b)))
但我不知道它们在二维或N-D问题中的组合。我认为它类似于二维卷积，但我不知道具体的演绎过程。
浏览 0提问于2019-04-20得票数 2
回答已采纳
1回答
我目前正在使用傅里叶变换，我注意到FFT的输出通常具有维数(n_fft )，其中n_fft是在FFT中要考虑的样本数，尽管有些实现丢弃了高于Nyquist频率的频率桶。我无法理解的是，为什么频率分辨率取决于FFT中考虑的样本数。谁能解释一下背后的直觉吗？
浏览 2提问于2022-05-26得票数 1
几天前，我开始编写一个脚本，利用scipy.signal.correlate2d计算4096x4096图像的二维自相关。确切的说法是
zauto = signal.correlate2d(image, image, mode='full', boundary='wrap')
三天后，它仍在运行，遥遥无期。我最终意识到它必须做一个蛮力元素的逐元素卷积，这是一个与N^2一起的过程，因此4096^4 = 281万亿乘和相加。
同时，我最终发现，通过对图像进行二维快速傅立叶变换，将其转换成二维功率谱，然后再进行逆FFT，就可以得到预期的结果。
image -= np.m
浏览 1提问于2020-05-26得票数 1
回答已采纳
我对Python和FFT函数比较陌生。我试图使用numpy.fft.fft()函数将正方形脉冲(一维衍射狭缝函数)转换为正弦函数(一维衍射图)，并使输出图与由方程给出的平方脉冲的解析变换相同：
F(u) = sin(πau)/(πu)
但是，我很难格式化FFT，使它看起来与分析功能相同。这是我的最低工作代码：
a = 40.0 # slit width
N = 5000 # sample points
T = 100.0 # sample spacing
x = np.linspace(-T/2.0,T/2.0,N)
y = np.piecewise(x,[abs(x)>
浏览 5提问于2015-08-03得票数 3
1回答
我想把一些Matlab变换命令和转换成。DFTs是：
fft(A,n)
fft(A,n,dim)
ifft(A,[],dim)
其中A是一个复向量。例如，fft(A,n)是c06fc(real(A),imag(A),'n',n)。
Problem：我很难找到与fft(A,n,dim)和ifft(A,[],dim)相同工作的合适NAG函数。
上下文:我使用Bruno的卷积函数来计算包含100万个复数元素的向量的卷积，convnfft(A,B,'same')。Luong的函数使用FFT来快速计算卷积，我想通过使用NAG函数来加快速度。
浏览 7提问于2017-01-16得票数 0
文档中说，np.fft.fft是这样做的：
计算一维离散傅里叶变换。
np.fft.rfft就是这样做的：
计算实际输入的一维离散傅里叶变换。
我还看到，对于我的数据(音频数据，实值)，np.fft.fft返回包含复数的二维形状数组(number_of_frames，fft_length)。
对于np.fft.rfft，返回包含复数的二维形状数组(number_of_frames，((fft_length/2) +1)。我被引导相信这只包含非冗余的FFT回收箱。
有人能更深入地解释命令之间的区别以及为什么返回的数组的形状是不同的。谢谢。
浏览 0提问于2018-09-18得票数 20
回答已采纳
在中我学到了n点快速傅立叶变换是fft(x[1:N])。
为什么不是fft(x)[1:N]
如果是fft(x[1:N])，它的复杂度是O(1)吗？而不是依赖于信号长度？
浏览 12提问于2020-05-09得票数 0
2回答
这不是一个“编程”问题。但我相信在这个社区里，这是众所周知的，也是众所周知的。
我有一个图像，x，和一个小得多的图像，y，我需要通过将它们的FFT相乘来将两者转换。但是由于它们的大小不一样，我不知道如何进行频域乘法。
我取x的(二维) FFT (它是维数4096 x 4096的整数矩阵)，它给出了频域表示，X(它是一个复数矩阵，我认为它的维数是2048x2048)。
类似地，我取y的二维FFT (维数为64x64的整数矩阵)，它给出了频域表示，Y(也是一个复数矩阵，我认为它的维数是32x32)。
我在数值计算中使用了四n函数，所以我的输入矩阵，x和Y必须折叠成一维数组，它们被离散的Fourie
浏览 4提问于2009-09-03得票数 9
我有一个问题，找到算法所需的内存的大O顺序意味着什么？
比如，这和大o操作有什么区别？
E.g
给出以下伪代码，并使用初始化的二维数组A，两维大小均为n：
for i <- 1 to n do
for j <- 1 to n-i do
A[i][j]= i + j
内存的大o符号不就是n^2，计算也是n^2吗？
浏览 0提问于2012-11-13得票数 12
我的矢量为1024*4608元素(Original_signal)，存储在一维数组中.
我将Original_signal扩展到Expand_signal，将每1024个元素复制32次到1024*32*4608。
然后，我使用1024*32的Com_array与Expand_signal进行元素到元素的乘法，并对后乘数组进行1024 the运算。
核心代码如下：
//initialize Original_signal
MKL_Complex8 *Original_signal = new MKL_Complex8[1024*4608];
for (int i=0; i<4608; i+
浏览 0提问于2019-03-19得票数 2
1回答
张量上的FFTW方法
、、、
亲爱的，我试图在谷歌上找到答案，但我一直找不到答案。
我在MPI Fotran应用程序中使用fftw，我需要逐分量计算三维张量数组的正向和后向变换，而在傅里叶空间中则计算一些复杂的张量。为了使ffftw使用的数组有用，并且不花费大量时间将数据从数组移动到另一个数组，我脑海中出现的选项是声明一个5d维数组:即
use, intrinsic :: iso_c_binding
call MPI_INIT( mpi_err )
call MPI_COMM_RANK( MPI_COMM_WORLD, mpi_rank, mpi_err )
call MPI_COMM_SIZE( MPI_COMM_WO
浏览 7提问于2014-11-18得票数 1
回答已采纳
1回答
我想知道如何在R中执行二维fft，我只能看到函数fft，但我想在2D中这样做。在matlab中有像fft2这样的函数吗？
浏览 3提问于2013-07-19得票数 6
1回答
我对用Python计算三维空间中粒子系统(~100,000)的功率谱很感兴趣。到目前为止，我发现的是Numpy中的一组函数(fft，fftn，.)计算离散傅里叶变换，其中绝对值的平方是功率谱。我的问题是我的数据是如何表示的--而且说实话，答案可能相当简单。
我所拥有的数据结构是一个形状为(n,2)的数组，n是我所拥有的粒子数，每一列代表n个粒子的x、y和z坐标。我认为我应该使用的函数是fftn()函数，它采用了n维数组的离散傅里叶变换，但它并没有提到格式。如何将数据表示为要输入fftn的数据结构
下面是我到目前为止尝试测试该函数的内容：
import numpy as np
import ra
浏览 2提问于2013-05-29得票数 3
回答已采纳
我必须使用逆滤波器来去除这幅图像上的模糊。
。
不幸的是，我不得不计算出成像系统的传递函数H，用来获取这些更清晰的图像，应该是高斯的。因此，我应该通过在反滤波器中尝试不同的高斯宽度来确定高斯的近似宽度，并判断最终得到的图像看起来是“最好的”。
最好的结果将是最佳锋利-即边缘将看起来尖锐，但不会有可见的振铃。
我尝试了三种方法：
我创建了一个带有N维数的传递函数(为了简单起见，奇数)，方法是创建一个N维网格，然后将高斯函数应用到这个网格中。在此之后，我们将零添加到这个传递函数中，以便得到与原始图像相同的大小。然而，在将过滤器应用到原始图像之后，我只看到噪声(太多的工件)。
通过创建
浏览 5提问于2017-03-09得票数 1
我试图使用clFFT库对二维数组的外部维执行一个复杂的一维FFT。
使用一个NxM数组，其中M是内部维数(内存中连续的)，我想通过N进行FFT运算，我认为我可以通过设定步长到M来实现这一点，然而，当M为2时，FFT对于m=0来说是预期的，但对于m=1来说却是未知的。任何想法都会受到极大的赞赏。
下面是计划设置的内容：
cl_context context;
dev->get_gr_opencl_interface()->get_platform().opencl_context(context);
size_t fft_length_size_t[] = {fft_l
浏览 2提问于2018-01-12得票数 0
回答已采纳
2回答
我有一个模糊的图像与锐利的边缘，我想使用轮廓的锐利边缘估计点扩展函数(PSF)的成像系统(假设它是对称的)。边的轮廓给我“边扩展函数”(ESF)，它的导数给我“线扩展函数”(LSF)。我正试图按照我在一份关于如何从LSF转换为PSF的旧文件中找到的方向：
如果我们形成LSF的一维傅里叶变换，并围绕它的垂直轴旋转所产生的曲线，那么由此生成的曲面就是PSF的二维傅里叶变换，因此只需进行二维傅里叶逆变换就可以得到PSF。
我似乎不能让这件事起作用。PSF类函数(例如2D高斯)的二维FFT有许多可选的正负值，但如果旋转一维FFT，得到正或负值的同心圆环，反变换看起来一点扩展函数都不像。我是错过了一步，
浏览 0提问于2014-08-21得票数 1
我首先可以得到给定大小的DFT矩阵，比如n
import numpy as np
n = 64
D = np.fft.fft(np.eye(n))
当然，快速傅立叶变换只是将D应用于向量的一个快速算法：
x = np.random.randn(n)
ft1 = np.dot(D,x)
print( np.abs(ft1 - fft.fft(x)).max() )
# prints near double precision roundoff
通过将D应用于矩阵的行和列，可以获得二维快速傅立叶变换：
x = np.random.randn(n,n)
ft2 = np.dot(x, D.T) #
浏览 2提问于2018-01-16得票数 2
回答已采纳
1回答
我有(n×n)个下三角矩阵，那么它的复杂度是多少？它说这将是O(n^2)。那么如果我使用一维数组来表示这个下三角矩阵，那么这次的复杂度是O(N)还是其他的呢？比较每一轮的两种复杂性。对于在c++上运行的操作。我需要每一轮的数组大小。
浏览 1提问于2021-11-14得票数 0
我想做一个二维数组的一维FFT (仅沿列).我在managedcuda中使用am 2010/C#。
我有一些问题：
如何制作二维CudaDeviceVariable？我试过：
int n1 = 10；int n2 = 2；int批处理= 1；//SizeT检验；CudaDeviceVariable，datad；datad =新CudaDeviceVariablen1，n2；
但datad不是CudaDeviceVariable。它现在是一个普通的二维数组。所以我不能在设备中分配内存。比如：
double[,] data11 = new double[,] {{ 1, 2,
浏览 11提问于2013-05-24得票数 2
回答已采纳
1回答
我有一个算法，它接收一个2D数组，并且不需要额外的空间。算法O(n^2) (因为我正在处理整个输入数组)或O(1)的空间复杂度也是如此(因为算法除了输入没有使用任何额外的空间)。
特别是在这个问题中，如果我们正确地使用两个额外的一维数组并不重要，因为无论如何输入空间的复杂度是O(n^2)。
谢谢!
浏览 4提问于2013-09-27得票数 1
回答已采纳
1回答
我需要一个特定的数据结构，但我不确定我应该使用什么。
我有一个矩阵NxN。每个单元格都有一些整数值。对于矩阵中的任何矩形，我需要计算一个“价格”，以便：
price = sum( #value_of_field * #distance_from_target ) over cells in rectangle
距离是曼哈顿距离，目标可以是矩形中的任何单元。矩阵是固定的(不变)。
示例：
1 2
1 2
左上为0;0，左下为0;1，右上为1;0，右下为1;1
例如，给定矩形0;0中的0;0 - ，价格为：
price = 1 * 0 + 2 * 1 +
浏览 0提问于2013-05-28得票数 3
回答已采纳
我对快速傅里叶变换(FFT)很陌生，也不太清楚它是如何在编程语言(如C++ )中计算的。以下是FFT2D的方法
void FFT2D(Complex<double> *f, Complex<double> *F, int width, int height);
It takes an input image f of size width * height and output the transformed
coefficients into F.
提示:图像像素存储为三个独立的图像颜色(R、G、B)平面，每个平面由一个一维复数数组表示。假设一幅图像的大小、宽度W和
浏览 1提问于2011-11-21得票数 4
1回答
所以我有一个矩阵M=(50,50, 250 )，我想要得到切片的FFT2，S=(50,50)沿着第3维=250。
假设我知道
FT = fftshift(fft2(M))；
这是在按我的意愿计算英国“金融时报”吗？
因为在函数描述中，函数对X的每个高维切片返回二维DFT，例如，如果size(X) = 100 3，则fft2计算X(:，:,1)，X(:，:,2)和X(:，:,3)的DFT。
所以，我假设它是在计算S=(50x250)片的FT，沿着第1维= 50。
有人能把这事告诉我吗？
浏览 0提问于2016-07-19得票数 0
回答已采纳
1回答
我目前正在使用opencl为实际输入数据实现二维FFT (更具体地说，是使用FFT的快速2D卷积，所以我只需要一些足以应用卷积的功能)。二维FFT在行上使用一维FFT来实现，然后在cols上使用一维FFT来实现。
为了提高效率，我尝试使用FFT的对称性和实际输入，以便能够计算较小的FFT。我发现，我可以将两行组合成一列，第一行作为实分量，第二行作为虚分量，对得到的行进行第一次一维FFT，然后使用对称性属性来构造各个行的一维FFT的结果。所以我所做的基本上如下：
让f和g是矩阵中的行。
构造x = f + i * gTransform得到F(x) = F(f) + i * F(g)Use对称性从
浏览 15提问于2010-10-18得票数 6
回答已采纳
编辑1添加的数字，以显示原始数据和所获得的数据。
编辑2我发现了我的错误，我在fftw_measure的调用中使用了fftw_estimate而不是dfftw_plan_many_dft
编辑3更正了代码中的一个错误(用u2d替换dfftw_execute_dft_r2c中的u)
我正在尝试使用多个一维fft来执行数组的二维fft，而不是使用fftw库中已经存在的2D fft函数。随后，我需要执行二维fft的逆运算。这样做的原因是，(在将来)我的数组太大，无法一次加载，无法执行2D fft。
目前，我的代码第一稿大致如下：
double precision u2d(nx,ny),u2d2(
浏览 4提问于2016-05-23得票数 0
回答已采纳
我试图用fftpack_rfft2d() (SciPy的FFTPACK )对两个二维数组进行乘法，结果与我从scipy_rfft2d() (SciPy的FFTPACK)中得到的结果不兼容。
下面的图像共享脚本的输出，它显示：
两个输入数组的初始化值；与SciPy的FFT实现进行scipy_rfft2d()转换后的；与使用SciPy的FFTPACK实现的RFFT与fftpack_rfft2d()的实现相同的情况下，再用scipy_rfft2d()向后转换后的乘法输出；以及用np.allclose()测试的fftpack_irfft2d();The结果，以检查这两种乘法的结果是否相同--在它们与各
浏览 8提问于2020-05-10得票数 10
回答已采纳
1回答
我想要创建一个三维傅里叶变换的傅里叶矩阵。我知道，对于Matlab中的一维FFT，它可以用dftmtx创建，我可以使用kron扩展到2D FFT，如下所示：
FT1D=dftmtx(N);
FT2D=kron(FT1D,FT1D);
有没有办法把它扩展到三维空间？谢谢你的帮助。
浏览 5提问于2016-04-06得票数 1
回答已采纳
FFT乘法的大O记法是O(nlogn)。下面算法中给出的循环下的FFT乘法的Big-O表示法是什么？代码在matlab中给出，FFTmulti是两个多项式的快速傅立叶变换乘法函数
rG=1;
rN=1;
AreaFunc=[1 2 5 2 3 6 7 2 4 5 6];
N=length(AreaFunc);
for i=1:(N-1)
ref_coeff(i) = (AreaFunc(i+1) - AreaFunc(i)) / (AreaFunc(i+1) + AreaFunc(i));
end
ref_coeff=[ref_coeff rN];
G = (1 + rG) /
浏览 1提问于2013-02-04得票数 0
4回答
我想知道一次快速傅立叶变换(FFT)执行了多少次FLOPS。
因此，如果我有一个1维数组的N浮点数，我想要计算这组数字的FLOPS，需要执行多少次？
我知道这取决于使用的算法，但是最快的算法呢？
我也知道快速傅立叶变换的缩放是N*log(N)的量级，但这不能回答我的问题。
浏览 0提问于2016-10-14得票数 1
1回答
快速傅立叶变换多项式乘法
、、、
我正在使用FFT来计算某个点上的多项式，以便可以使用值表示法来表示它。(表示为与其度数相等的点数)
然而，为了将两个d次多项式相乘，我需要在2d +1点处计算这两个多项式。但是，使用FFT进行计算(乘以dth的单位根)仅计算d点处的多项式。因此，如果FFT只在d点处计算多项式，那么如何使用FFT进行多项式计算？(相对于2d + 1)
浏览 0提问于2012-07-06得票数 2
回答已采纳
1回答
利用快速连续波雷达( fmcw )对运动目标的距离和速度信息进行stm32l476微控制器的检测。
首先，为了获取信纸对象的范围，我使用"fft_in“函数将ADC值存储到"HAL_ADC_ConvCpltCallback”数组中。在这里，我将"is_data_ready_for_fft =1“简化为：
void HAL_ADC_ConvCpltCallback(ADC_HandleTypeDef *hadc1) {
is_data_ready_for_fft = 1;
}
并利用fft计算距离。现在，我需要这个一维阵列的ADC值存储在一
浏览 6提问于2022-01-24得票数 0
回答已采纳
我在Matlab中找到了一些代码：
y = fft(y,nfft);
其中y是512×443二维阵列，并且nfft =512。
我认为快速傅立叶变换是针对一维数组的，对于二维数组应该有fft2，但是快速傅立叶变换是有效的。这怎么可能，有人能给我解释一下吗？
浏览 4提问于2011-12-08得票数 2
回答已采纳
前几天我写了这个简短的python方法。
def dFFT_1D(f):
k = 2*np.pi * np.fft.fftfreq(f.shape[0])
return np.fft.ifft(1j*k * np.fft.fft(f)).real
它以包含标量函数样本的一维阵列(步长为单位)作为输入参数，并使用numpy的快速傅里叶变换返回导数。
我的目标是推广这一方法；这样它将接受一个多维数组，并沿着它的任何一个轴返回梯度/导数。
def dFFT(f, axis):
k = 2*np.pi * np.fft.fftfreq(f.shape[axis])
re
浏览 6提问于2022-05-21得票数 2
1回答
我想为clFFT创建一个批处理，以计算3256个FFT，其中FFT输入值重叠(FFT重叠处理)。
20..275Output：输入:一个由276个复数组成的一维数组任务:为0..255、10..265、 3x 256 FFTs = 768值计算FFT。
如果我在哪里编写一个循环，它将如下所示：
std::complex<float> *input;
for (int i=0; i<3; ++i) {
calcFFT(input, input+256);
input += 10;
}
IOW: fft计算256个输入值，然后前进10个值并计算下256个值。
如何设
浏览 1提问于2021-11-11得票数 0
回答已采纳
1回答
我使用imageio在NumPy中加载图像，它以H x W x 3格式加载，其中H和W是空间轴，3指的是RGB通道。 我希望计算图像的二维FFT和使用np.fft.fft2(img)。我查看了np.fft.fft2的文档，它使用了axes=(-2,-1)。这是否意味着我的快速傅立叶变换是在W和3轴上计算的？ 正确的方式是np.fft.fft2(img,axes=(0,1))吗？
浏览 21提问于2021-01-22得票数 0
2回答
求数组的平均值
、、、
我真的很难从数组中找到加权和。我有一个名为frequency28的数组(一维大小28)和相同大小的名为peak28的索引数组。数组将始终具有值或零。我想要实现的是遍历数组，从频率和幅度数组中检索值，同时忽略零。此外，我并不试图找到整个数组的加权平均值。
我想我说得不够清楚。
例如，比如说
frequency[n] = [0,0,0, a,b, 0,0,0, c,d,e, 0,0, f]
peak[n] = [0,0,0, z,y, 0,0,0, x,w,v, 0,0, u]
因此，我想忽略前三个桶，因为它们是零，找到加权平均值(a，b)与(z，y)成对，忽略接下来的三个桶，然后再找出(c，d，
浏览 0提问于2015-06-08得票数 1
回答已采纳
我有一个3D矩阵：
A = [5 7 8; 0 1 9; 4 3 6];
A(:,:,2) = [1 0 4; 3 5 6; 9 8 7]
我想使用1D FFT的分解在这个矩阵中应用3D FFT。我读到我应该在每个维度上应用一维FFT。
我该怎么做呢？
对于x和y，我这样做：
for k=0:2
y1 = A(:,k+1,:);
A(:,k+1,:) = fft(y1);
end
for k=0:2
y2 = A(k+1,:,:);
A(k+1,:,:) = fft(y2);
end
对于维度z，我不知道该怎么做。
浏览 0提问于2018-04-27得票数 1
1回答
与Intel MKL的三维卷积
、、、、
我编写了一个C/C++代码，它使用Intel来计算包含300×200×200元素的数组的三维卷积。我想应用一个内核，它要么是3×3×3，要么是5×5×5。3D输入数组和内核都有实际值。
这个3D数组以按列的方式存储为double类型的一维数组。类似地，内核是double类型的，并且按列保存。例如,
for( int k = 0; k < nk; k++ ) // Loop through the height.
for( int j = 0; j < nj; j++ ) // Loop through the rows.
for( int i = 0; i
浏览 13提问于2014-12-02得票数 4
回答已采纳
三维空间(x，y，t)中的时间序列(X，Y，T)满足：
x(t) = f1(t), y(t) = f2(t),
where t = 1, 2, 3,....
换言之，坐标(x，y)随时间戳t而变化。计算x(t)或y(t)的FFT很容易，但如何计算(x，y)的FFT呢？我假设它不应该被计算为2D-FFT，因为这是针对图像的，而(x，y)只是一个序列。有什么建议吗？谢谢。
浏览 19提问于2020-03-25得票数 0
1回答
fft2和fftn提供了轴参数，该参数允许指定在哪些轴上执行转换。该方法是否服从命令？ 给定一个二维numpy数组 A= np.array([1,2,3,4]) 是 fft2(a,axis=(0,1) 不同于 fft2(a,axis=(1,0) 我有跨行相关的数据，但不是列相关的数据...
浏览 12提问于2019-09-10得票数 0
回答已采纳
1回答
我在试着计算正弦曲线的相位谱。下面的代码生成初始相位为零的1 1Hz正弦信号。 import numpy
from numpy import pi, sin, arange
from pylab import plot, show, xlabel, ylabel, xlim, grid
sampling_rate = 500
sampling_time = 1 / sampling_rate
length = 1 # in seconds
n = sampling_rate * length # number of points
time = arange(0, n * sampling
浏览 35提问于2019-06-11得票数 0
2回答
给定一个二维阵列，其中每一行代表一个粒子的位置向量，我如何有效地计算均方位移(使用FFT)？均方位移定义为
其中r( m )是m行的位置向量，N是行数。
浏览 3提问于2015-12-11得票数 7
回答已采纳
1回答
这是我一直以来的疑虑。例如，我有一个大小为n^2 (n是行数和列数)的二维数组。假设我想打印二维数组的所有元素。当我计算算法关于n的时间复杂度时，它是O(n^2 )。但是如果我计算相对于输入大小(n^2 )的时间，它是线性的。这些计算都是正确的吗？如果是这样的话，为什么人们在任何地方都只使用O(n^2 )来处理2维数组呢？
浏览 1提问于2019-07-08得票数 0
1回答
我有一个三维维(NX,NY,NZ)数组，它表示物理空间中的一个变量，比方说velocities，它是从三维领域的模拟中获取的。
1)我只想对维X和Z进行傅里叶变换，在这种情况下如何使用内置函数fft？在某些时候，我也想回到物理空间，但只有X，所以同样的问题适用。
2)我读到FFTW只使用2*N/3点，是否应该指定NX和NZ作为保留模式的数量或更少？
( 3)在使用FFTW软件包时，在定义傅里叶变换的积分前面是否存在系数问题？这个包是否假定我的域是2像素2像素2pi？
浏览 0提问于2018-11-30得票数 0
回答已采纳
1回答
我看到了很多文献，他们说通过使用fft可以达到更快的卷积。我知道人们需要从结果中得到fft和ifft，但我真的不明白为什么使用fft可以使卷积更快？
浏览 0提问于2013-01-30得票数 4
1回答
我们是否对cuFFT使用的内存有限制(特别是对一维转换)。我需要为大量的数据计算FFT，我想使用我的大部分GPU功能。
在“用户指南”中，记录了
在最坏的情况下，CUFFT分别为单精度和双精度转换分配8*批*n*.*nrank-1 cufftComplex或cufftDoubleComplex元素的空间(其中批处理表示将并行执行的转换数，秩是输入数据的维数(参见多维转换)，n[]是转换维数组)。
它还说
根据计划的配置，可以使用较少的内存。在某些特定情况下，临时空间分配可以低到1*批*n*.*nrank-1 cufftComplex或cufftDoubleComplex元素。
浏览 2提问于2014-07-24得票数 0
回答已采纳
1回答
根据我对快速傅里叶变换函数的理解(如来自)
对于一维fft，给定实际数据的N个点，我将得到长度为N(但复)+1的双面fft作为零频率。如果我得到相同的fft输出，并在上面运行一个ifft，我将得到N个实值，在理想情况下，这将与fft的原始输入完全匹配。
在中，这似乎有很大的不同。
根据Nvidia，给出N个实分量将导致N2+1复分量用于fft，而N2+1复分量将产生N个实分量。
参见 (R =实，C=复数，2= to)：
请注意，我认识到有一半的复杂组件基本上是重复的(但共轭和反向的)，因此不需要输入输出值来保留重建所需的所有日期，但这并不能解释Nvidia声称输入和输出数据长度应该
浏览 4提问于2019-04-09得票数 3
回答已采纳
1回答
实FFT输出
、、
我已经将fft实现到at32ucb系列控制器中，使用了kiss库，目前还在挣扎于fft的输出。我的目的是分析来自压电扬声器的声音。目前，测深仪的频率是420赫兹，这是我成功地从fft输出(交叉检查与示波器)。然而，如果将功能发生器的波形放入系统中，则输出频率仅为预期的一半。我怀疑这是我错了的频率仓计算公式；目前使用的是fft_peak_magnitude_index*sampling频率/ fft_size。我的输入是真实的，做真正的fft。(输出样本= N/2)，并在fft前进行iir滤波和加窗。任何建议都会有很大的帮助！
// IIR filter calculat
浏览 6提问于2015-06-03得票数 2
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
