此代码使用哪种FFT算法？
对于给定的问答内容，我将尽力给出完善且全面的答案。
首先，FFT（快速傅里叶变换）是一种用于将时域信号转换为频域信号的算法。它是一种高效的算法，能够在计算机上快速计算离散傅里叶变换（DFT）。
根据提供的问答内容，我们无法确定此代码使用哪种FFT算法，因为没有提供代码或相关上下文。FFT算法有多种实现方法，其中最常见的是Cooley-Tukey算法和Bluestein算法。这两种算法在不同的情况下具有不同的优势。
Cooley-Tukey算法是一种基于分治思想的FFT算法，它将一个大规模的DFT问题分解为多个较小规模的DFT问题，并通过递归地应用FFT算法来解决。这种算法适用于输入序列长度为2的幂次的情况，并且具有较高的计算效率。
Bluestein算法是一种基于卷积思想的FFT算法，它通过引入一个长度为N的扩展序列来处理任意长度的输入序列。这种算法适用于输入序列长度不是2的幂次的情况，并且具有较高的灵活性。
根据不同的应用场景和需求，选择合适的FFT算法可以提高计算效率和准确性。如果提供了代码或相关上下文，我可以更具体地确定使用的是哪种FFT算法，并提供相应的推荐腾讯云产品和产品介绍链接地址。
请注意，本回答仅供参考，具体选择FFT算法需要根据实际情况进行评估和决策。
相关·内容
1回答
我需要在窦上使用FFT函数。
这是我的窦功能：
octave:1> t=(0:1/16000:1);
octave:2> A=2;
octave:3> x=A*sin(2*pi*80*t);
这是我尝试做fft的方法：
octave:60> l=length(x);
octave:61> k=fft(x,l);
它让我笑成三角形..我怎样才能正确地做到这一点？
@edit screen，sin的fft好看吗？我能以某种方式改进它吗？
@edit2我可以改进它，让它看起来更好吗？
浏览 2提问于2013-01-10得票数 1
回答已采纳
3回答
我在一个Android项目上工作了一段时间，这个项目显示输入信号的基本频率(作为调谐器)。我已经成功地实现了AudioRecord类，并且正在从中获取数据。但是，我很难对这些数据执行FFT来获得输入信号的基频。我一直在查看post ，并且正在使用和来支持它。
我已经成功地使用了在Java中FFT中找到的FFT函数，但我不确定我是否获得了正确的结果。对于快速傅立叶变换(sqrtre_re+im_im)的幅度，我得到的数值开始很高，大约15000赫兹，然后慢慢减小到大约300赫兹。似乎不对。
此外，就麦克风的原始数据而言，数据似乎很好，只是前50个左右的值总是数字3，除非我在应用程序中再次按调优按
浏览 14提问于2011-11-30得票数 4
1回答
嗨，我有了对图像进行FFT运算后的幅度谱，现在我想画一个蒙版。然而，使用hough line等，我得到了太多的线，并且掩码失败。下面是我需要创建的图像和蒙版的链接
提前感谢
以下是代码
import cv2
import numpy as np
from matplotlib import pyplot as plt
from scipy.misc import imshow, imsave, imread ,imsave
import mahotas
scaler = .5
img = imread("color2.jpeg")[:,:,:3]
mask = imre
浏览 0提问于2015-04-05得票数 0
2回答
从FFT中提取基波频率
、、、
我正在用c#编写一个吉他调谐器。使用NAudio库，我可以实时计算麦克风数据的快速傅立叶变换。当我想象FFT时，它工作得很好，但当我试图提取基频时，我只能得到与我应该得到的结果相去甚远的结果。我想这与我研究傅立叶数据峰值的简单方法有关：
//fft_size=size of the array containing the processed FFT
//Xs is the frequency axis of my computed FFT (double array)
//Ys is the amplitude axis of my computed FFT (double array)
浏览 0提问于2018-03-08得票数 0
我的问题是关于Numpy的FFT函数中使用的算法。
Numpy的文档说它使用Cooley-Tukey算法。但是，正如您可能知道的那样，只有当点数N是2的幂时，此算法才有效。
numpy是否填充我的输入向量xn以计算其FFT Xk？(我不这么认为，因为我在输出中的点数也是N)。我如何才能真正“看到”numpy用于其FFT函数的代码呢？
干杯!
浏览 0提问于2012-12-12得票数 4
回答已采纳
1回答
我想对复向量使用norm：：norm。但是有一个错误:没有一个函数的实例与参数列表相匹配。这是我的代码。fft是一个复向量。
thrust::transform(fft.begin(), fft.end(), fft.begin(), thrust::norm<thrust::complex<double>>());
浏览 0提问于2017-11-23得票数 0
1回答
我正在尝试实现一个快速傅立叶变换，我想问一下我正在做的事情是否正确。我使用GSL (GNU Science Library)来实现FFT功能。我一直在阅读FFT上的教程，但我仍然想请人来验证我是否在朝着正确的方向前进。
这是我通过网络材料想出的方法：
The input is a list of the amplitudes of a sin wave generated
in audacity at 440Hz (A).
The sample rate is 44100
# FFT points: 1024
有人能解释一下如何选择FFT点数吗？或者这到底有没有关系。我可能忽略了这一
浏览 0提问于2012-03-05得票数 0
2回答
我正在用X代码编写一个应用程序。它正在收集传感器数据(陀螺仪)，然后将其转换为FFTW。最后，我将在数组中得到结果。在应用程序里。我正在绘制图表，但是有那么多的山峰(见图中的红色)，我想把它平滑。
我的阵列：
double magnitude[S];
...
magnitude[i]=sqrt((fft_result[i][0])*(fft_result[i][0])+ (fft_result[i][1])*(fft_result[i][1]) );
一个示例数组(对于30个样本，通常我正在处理256个样本)："0.9261901713034604“、"
浏览 1提问于2014-07-27得票数 3
回答已采纳
我使用NumPy的fft函数编写了一个脚本，其中我将输入数组填充到最近的2幂，以获得更快的FFT。
在对代码进行分析之后，我发现FFT调用花费的时间最长，所以我摆弄参数，发现如果不填充输入数组，FFT运行速度要快几倍。
下面是一个很小的例子来说明我在说什么(我在IPython中运行了这个程序，并使用了%timeit魔法来执行)。
x = np.arange(-4.*np.pi, 4.*np.pi, 1000)
dat1 = np.sin(x)
时间安排的结果是：
%timeit np.fft.fft(dat1)
100000 loops, best of 3: 12.3 µs per
浏览 2提问于2014-10-17得票数 1
回答已采纳
1回答
我使用快速连续波雷达，用stm32l476单片机测量运动物体的距离和速度。我将调制信号作为锯齿波形传输，并利用可用的ADC功能以数字形式读取接收信号。然后，我将接收到的ADC数据复制到fft_in数组中(将其转换为float32_t)(fft_in数组大小= 512)。在复制这个fft_in数组之后，我对这个数组应用fft，并对它进行处理以找出对象的范围。在此之前一切都很好。
现在，为了求物体的速度，首先，我把这个阵列(Fft_in)复制为64啁啾矩阵的行(矩阵size64)。然后，我采取峰值范围宾列，并应用fft对该列阵列。因此，当使用快速傅立叶变换处理这个列数组时，它的长度会减少到half
浏览 8提问于2022-02-07得票数 0
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
1回答
我在它的腰部有一个2D高斯光束(在横面上相位为零)。当我使用fft2找到2D空间傅里叶变换并绘制相位图时，我观察到任意两个相邻数据点之间存在π相移。但是，当我使用for循环而不是fft2来计算傅立叶变换时，我没有观察到这一点。
这是由于相位包裹造成的吗？我该如何克服这个问题？
谢谢。
编辑:我发布了圆形光圈的fft代码，因为观察到了相同的结果，而且它要简单得多。
Nx = 200; Ny = Nx;
%creating coordinate grids
x = -Nx/2:Nx/2 - 1; y = -Ny/2:Ny/2 - 1;
[X,Y] = meshgrid(x,y);
r = 15
浏览 3提问于2014-08-09得票数 1
1回答
为了在3D NumPy阵列上计算不同内核的卷积/互相关，我希望并行计算许多较小的FFT。我发现NUMBA的@njit(parallel = True)标签并不支持SciPy或NumPy的FFT / IFFT函数。 有没有可能用NUMBA多线程计算几个3DFFT，而不必自己实现FFT算法？或者在没有@njit标签的情况下，NUMBA parallel = True标签可以工作吗？我不太关心代码编译，我真正感兴趣的是多线程部分。 我知道我总是可以使用Python的内置模块进行多线程/多处理--但我想知道是否有更优雅的解决方案使用NUMBA来实现这一目的？ 为了你的帮助和万事如意， Valenti
浏览 178提问于2021-08-12得票数 0
1回答
我想把函数与Fourier空间中的数值积分结合起来。
下面的代码显示了一个工作示例：
import numpy as np
from pylab import *
from numpy.fft import fft, ifft, fftshift, ifftshift
N = 2**16
x = np.linspace(- np.pi , np.pi,N)
y = np.exp(-x**2) # function f(x)
ys = np.exp(-x**2) * (-2*x) # derivative f
浏览 6提问于2014-03-15得票数 2
回答已采纳
1回答
我正在尝试使用FFT和pyfftw实现3d卷积。我使用了另一篇文章中发布的代码作为基础，所以：
class CustomFFTConvolution(object):
def __init__(self, A, B, threads=1):
shape = (np.array(A.shape) + np.array(B.shape))-1
#shape=np.array(A.shape) - np.array(B.shape)+1
if np.iscomplexobj(A) and np.iscomplexobj(B):
self.fft_A_obj
浏览 79提问于2019-04-11得票数 1
回答已采纳
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
2回答
我想知道数据的频率。我有一点想法，可以用FFT来完成，但我不确定怎么做。一旦我将整个数据传递给FFT，它就会给我两个峰值，但是我怎么才能得到频率呢？
在此之前非常感谢。
浏览 0提问于2013-08-30得票数 1
2回答
我已经读了一段时间的FFT和基音检测，但我很难把它们拼凑在一起。
我已经发现，Accelerate框架可能是最好的方式，我已经阅读了来自苹果的示例代码，以了解如何将其用于FFT。如果我想实时运行音调检测，FFT的输入数据是什么？我只是从麦克风传入音频流吗？我该怎么做呢？
另外，在我得到FFT输出之后，我怎样才能从中得到频率呢？我到处都在读，但找不到任何例子或解释？
谢谢你的帮助。
浏览 0提问于2012-04-30得票数 7
回答已采纳
2回答
我正在研究matlab项目中的一些FFT代码，FFT和反向FFT是这样计算的：
% Here image is a 2D image.
image_fft = fftshift(image,1);
image_fft = fftshift(image_fft,2);
image_fft = fft(image_fft,[],1);
image_fft = fft(image_fft,[],2);
image_fft = fftshift(image_fft,1);
image_fft = fftshift(image_fft,2);
% Some processing and then
浏览 4提问于2014-11-11得票数 3
回答已采纳
我有一个python算法，可以解决一个ODE。现在我注意到这段代码对于几个不同的输入参数来说非常慢。因此，我分析了代码，并得到了结果：
ncalls tottime percall cumtime percall filename:lineno(function)
1 0.004 0.004 429.032 429.032 gnlse.py:153(perform_simulation)
2 0.001 0.000 429.017 214.508 _ode.py:564(integrate)
2
浏览 0提问于2015-11-04得票数 4
1回答
我想知道什么是确定声音中给定频率的大小的最简单/最好的方法。
我的理解是，FFT函数将返回信号中所有频率的大小。我在想，如果我只关心一个特定的频率，我是否可以使用任何捷径。
我将使用iPhone麦克风录制音频。我的猜测是，我将使用音频队列服务进行记录，因为我不需要将音频记录到文件中。我正在使用SDK4.0，所以如果需要的话，我可以使用加速框架中定义的任何函数(例如FFT函数)。
更新:按照康拉德的建议，更新了问题，使其更加清晰。
浏览 2提问于2010-05-27得票数 7
回答已采纳
在Matlab中，我刚刚对OpenCV和fft2的dft函数的速度进行了比较。我加载相同的映像，使用fft2()和dft()进行转换，并测量它们所消耗的时间。我发现在win32发行版中，dft()的花费超过了2秒，而fft2()只花了0.2s。怎么会这样?我使用的OpenCV版本是2.4.8，而Matlab版本是2013年a。
Matlab：
tic
X1 = fft2(im);
toc
OpenCV in C++：
start1 = clock();
dft(src,src,DFT_COMPLEX_OUTPUT);
end1 = clock();
cout<<(double)(e
浏览 1提问于2017-03-08得票数 1
回答已采纳
我正在尝试用python实现dft。我使用的是标准公式：
下面是我的代码：
k = np.array([np.arange(-50, 50)])
fs, xn = wavfile.read('voice_recording.wav')
nbits = 16
max_nbits = float(2**(nbits-1))
xn = xn / (max_nbits + 1.0)
xn = np.expand_dims(xn[:,0], axis=1)
N = len(xn)
n = np.array([np.arange(0, N)])
Xk = np.sum(xn*np.e
浏览 19提问于2019-10-31得票数 0
回答已采纳
我已经在python中使用numpy.fft.rfft()成功地完成了快速傅立叶变换。现在，我想将这段代码移植到C++。
在研究了这个主题之后，我可以使用cv::dft进行快速傅立叶变换。但是，问题是对于numpy.fft.rfft()，还有一个额外的参数，即fft长度，我在cv中找不到它。
我的Python代码如下：
window_frame = np.array([1,2,3,4])
fft_length = 10
np.abs(np.fft.rfft(window_frame, int(fft_length)))
结果是：
[10. , 8.16620583 , 4.25325404,
浏览 0提问于2019-01-23得票数 2
回答已采纳
2回答
MATLAB未能计算此函数的fft：
syms t;
x= 1/(1+t^2);
X= fft(x)
并抛出这个错误：
未定义函数'fft‘类型的输入参数'sym’。
为什么不采用符号变量的傅里叶变换？我认为应该这样做，因为我们可能想作为一个象征性的值来获得结果。
我还试图用非符号变量来解决这个问题。
t= -10:0.01:10;
x= zeros(2001);
x= 1/(1+t.^2);
fft(x)
这次我的错误是：
矩阵尺寸必须一致。
然而，它们具有相同的维度。我的错在哪里？
浏览 12提问于2016-02-06得票数 1
我正在尝试使用与GPU计算重叠的异步内存传输来提高代码的性能。
以前我有一个代码，在这里我创建了一个FFT计划，然后多次使用它。在这种情况下，花费在创建CUDA FFT计划上的时间是可以忽略不计的，根据这个，它可能是相当重要的。
现在我移到流中，我正在做的是多次创建“相同的”计划，然后设置CUDA FFT流。根据你们中的一些人在这个中给出的答案，这是浪费的。但是，还有别的办法吗？
注意:我正在实时获取数据，所以启动一个“批量”CUDA FFT是不可能的。我正在做的是创建和lauch一个新的CUDA流作为一个完整的脉冲传输的结果。
注2:我也在考虑使用"CUDA流/FFT计划“的”池“，
浏览 2提问于2015-03-04得票数 1
回答已采纳
1回答
我试图实现一个2D FFT使用一维FFT。我有一个大小为4x4 (行专业)的矩阵。
我的算法是：
对所有16个点进行FFT
位反转
转座子
16点FFT
位反转
转座子
这是正确的吗？
浏览 0提问于2012-07-04得票数 17
回答已采纳
1回答
我正在做：
melspectrogram = librosa.feature.melspectrogram(
y=samples, sr=sample_rate, window=scipy.signal.hanning, n_fft=n_fft, hop_length=hop_length)
print('melspectrogram.shape', melspectrogram.shape)
print(melspectrogram)
audio_signal = librosa.feature.inverse.mel_to
浏览 1提问于2020-02-23得票数 0
回答已采纳
1回答
我实现了一种使用这样的高斯模糊图像的方法：
- image I , size = WxH
- kernel K , size = MxM
- padded the kernel PD to the size of the image
i.e for an image 5x5 and a kernel 3x3 after padding the kernel looks like:
0 0 0 0 0
0 x x x 0
0 x x x 0
0 x x x 0
0 0 0 0 0
where X is the value from the origi
浏览 1提问于2014-12-10得票数 2
回答已采纳
我在日志文件中关键字之间的C++.It搜索中创建了一个notepad++插件，并在此关键字之间复制整个数据。(此关键字在文件中恰好出现两次，或者根本不出现)。以下是我的代码
std::ifstream in(curr_file_path);
std::string search("TEXT TO SEARCH");
while (std::getline(in, line))
{
r_val = line.find(search);
if (r_val != -1)
{
浏览 0提问于2017-10-06得票数 1
2回答
我正在尝试使用fft2库在C中实现Matlab ()函数。
然而，我有不同的结果。
考虑到下一个矩阵：
Z=[
0.4791 0.4765 0.4791 0.4765 0.4791 0.4765 0.4791 0.4765
0.4798 0.4695 0.4798 0.4695 0.4798 0.4695 0.4798 0.4695
0.4791 0.4765 0.4791 0.4765 0.4791 0.4765 0.4791
浏览 0提问于2014-06-30得票数 1
假设我有一个1s长的声音文件(file1.wav)。我可以在via里读到
from scipy.io import wavfile
samplerate, data = wavfile.read("file1.wav")
然后，我可以通过以下方式进行傅里叶变换：
from scipy.fft import fft
yf=fft(data)
现在假设我有另一个file2，它也包含一个声音，它与file1没有相同的持续时间(它可能还有另一个样本)。
现在，我想从频谱yf中创建一个声音，它和file2一样长，并将两者相加。
，我如何计算来自file1的声音和来自file2的采样和持续
浏览 1提问于2020-09-30得票数 0
2回答
我得到了从分页适配器(到asyctask)传递它的位置。
instantiateItem(视图集合，int pos) { .execute(pos);}
但是当我滑动到上一页时，它持有错误的位置，我如何才能得到正确的先前位置？
也许我可以使用ViewPager getCurrentItem()检索当前页面的索引，但是我如何在代码中使用它呢？
public class QuestionPagerAdapter extends PagerAdapter{
public QuestionPagerAdapter(){
super();
}
@Overrid
浏览 3提问于2013-04-16得票数 3
回答已采纳
1回答
我有一个采样码，固定采样率，fft点在音频记录。这个代码是
private static final String FILE_NAME = "audiorecordtest.raw";
private static final int SAMPLING_RATE = 44100;
private static final int FFT_POINTS = 1024;
private static final int MAGIC_SCALE = 10;
private void proceed() {
double temp;
Complex[]
浏览 1提问于2015-09-04得票数 0
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
AudioInputStream stream = AudioSystem.getAudioInputStream(new File("file_a4.wav"));
我正在寻找一种方法来识别记录在.wav文件中的音阶声音(例如A4 = 440 Hz)的频率。我读了很多关于FFT的文章，但有人认为音阶上的频率与FFT不匹配。
我也听说过DTFT。我应该使用什么来识别声音文件中的频率？
浏览 7提问于2020-10-08得票数 1
1回答
输入： hermitian矩阵\rho_{i,j}和i,j=0,1,..d-1
输出： neg=\sum |W(mu,m)|-W(mu,m)，所有mu,m=0,..d-1和W(mu,m)=\sum exp(-4i\pi mu n /d) \rho_{(m-n)%d,(m+n)%d}之和，其中n=0,..d-1
问题： 1)对于大型d (d>5 000)，直接方法(参见代码片段1)相当慢。
2)使用'np.fft.fft()‘要快得多，但在定义中使用的指数是2，而不是4
是否有可能使用代码片段2来改进代码段1以提高计算速度？可以用二维fft吗？
片段1:
W=np.zeros([
浏览 4提问于2020-02-25得票数 0
1回答
我正在上一门数值和计算类，所以我们被要求做一些其他包可以更有效地完成的事情，但我们必须按照要求来做。在这个问题中，我得到了一些产生噪声高斯的代码，并要求我在某些频率之上或之下进行滤波。因此，我得到了fft频率，并使用列表理解将所有频率设置为大于绝对值2。然后，当频率为零时，我使用for循环将系数设置为零。然后执行逆fft以获得滤波后的高斯函数。我得到了正确的图形，但它向下移动了0.03，似乎是for循环在做这件事。不过，我不知道为什么。这是我得到的代码和图形。 import numpy as np
import matplotlib.pyplot as plt
from scipy impo
浏览 22提问于2020-10-12得票数 2
回答已采纳
2回答
我有一个复杂到复杂的FFT，但我需要一个真正的FFT实现…
这是因为我的噪声消除算法适用于频域中的实数，而不是复数。
浏览 2提问于2012-04-24得票数 1
回答已采纳
下面的FFT代码没有给出类似于Python的scipy库的结果。但我不知道这代码有什么问题。
import numpy as np
import matplotlib.pyplot as plt
#from scipy.fftpack import fft
def omega(p, q):
return np.exp((-2j * np.pi * p) / q)
def fft(x):
N = len(x)
if N <= 1: return x
even = fft(x[0::2])
odd = fft(x[1::2])
combined = [
浏览 3提问于2019-11-21得票数 4
回答已采纳
1回答
执行FFT查找多音音频样本的基频
、、、、
我正在使用Swift中的加速框架对音频文件执行。我试图找到基频的多音音频文件使用快速傅里叶变换。
我对音频文件进行了快速傅里叶变换(我认为是正确的，但如果我错了，请纠正我)；不过，我不知道从这里到哪里。下面是我用来执行FFT的代码：
let log2n = UInt(round(log2(Double(frameCount))))
let bufferSizePOT = Int(1 << log2n)
// Set up the transform
let fftSetup = vDSP_create_fftsetup(log2n, Int32(kFFTRadix2))
//
浏览 3提问于2015-10-15得票数 2
2回答
我正在做一个关于图像水印的研究项目。其中的主要部分是实际的水印嵌入方案，我选择了该方案作为。我已经使用OpenCV python接口启动了实现，并停留在必须执行四元数傅里叶变换的步骤上。这篇文章中的描述没有多大帮助。我的代码非常基本：
img = cv2.imread("jurassic_world.jpg", cv2.IMREAD_COLOR)
在这里，图像被分割成8x8块。
fft = np.fft.fft(img)
return map(lambda row: map(lambda pix:(sum(pix.real), pix[0].imag, pix[1].imag,
浏览 2提问于2016-04-16得票数 1
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
我得到了连续傅立叶变换的基本概念，我对离散傅立叶变换有点模糊，对快速傅立叶变换更模糊。我想知道如何在maxima中计算和解释某些函数的快速傅立叶变换(FFT)。例如，我如何计算sin(x)的FFT？我知道如何在MATLAB中执行此操作，但我不确定如何在maxima中执行此操作。
浏览 1提问于2012-12-15得票数 0
2回答
我试图在C中实现一个程序，该程序使用fft和二进制分裂方法计算一个非常大的n(最多100万)的阶乘。
我实现了一个简单的库来表示任意精度的整数。为了计算fft和ifft，我从“C<code>E 221</code>中的数字累进>E 221</code>使用twofft.c和four1.c例程。
直到某个n，一切都是正确的，但是当数字(浮动数组)太大时，ifft (用four1计算)在归一化和舍入后的值是错误的。
例如，，如果我有两个数字有2000位数，以40个零结尾，我必须把它们相乘(使用fft)，当我计算ifft时，一些结束零变成“1”。这是因为当我
浏览 3提问于2013-03-11得票数 3
1回答
我目前正在使用gdx库com.badlogic.gdx.audio.analysis.FFT和方法：
private float[] fft(int N, int fs, float[] array) {
float[] fft_cpx, tmpr, tmpi;
float[] res = new float[N / 2];
// float[] mod_spec =new float[array.length/2];
float[] real_mod = new float[N];
float[] imag_mod = new float[N];
浏览 1提问于2013-11-21得票数 2
回答已采纳
我听说了浮点FFT的不准确性，特别是cos和sin函数-与双精度相比有完全不同的数字。
我之所以这样问，是因为我重写了一些代码-- Cooley-Tukey FFT算法；结果却不同。原来的项目使用了double，而新的项目是float。这是我的错吗？我用matlab和c++写了这段代码。而小问matlab的翻倍是不是就像java和c+一样？？
float PI=3.141592;
// Make sure n is a power of 2
// if (n != (1 << m))
// throw new RuntimeException("FFT length
浏览 1提问于2013-02-26得票数 0
我试图使一个频谱高达30赫兹的正弦波与周期π。我编写了一段代码，但我一直收到错误:未定义函数'fft‘，用于输入'sym’类型的参数。
sint = sin(t);
Tmax = 2*pi; %the end sample value
Ts = 0.1; %the sampling rate
N = (Tmax/Ts)+1; %The number of samples
Fs = 1/Ts;
t = 0:Ts:Tmax;
plot(t,sint);
f = 0:fs/(N-1):30;
z = fftshift(fft(sint));
plot(f,z);
浏览 3提问于2015-02-26得票数 0
回答已采纳
我想知道函数的输出数组是什么意思。
我听说每个音符都有泛音，
但是输出数组似乎只包括每秒每个音符的一个频率。
我想知道数组是否已经包含泛音。
我写的代码如下：
import librosa
from scipy import signal
y, sr = librosa.load('./data/dreamy.wav')
Nfft = 256
stft = librosa.stft(y, n_fft=Nfft, window=signal.windows.hamming)
freqs = librosa.fft_frequencies(sr=sr, n_fft=Nfft)
浏览 12提问于2021-07-21得票数 0
1回答
实信号的FFT具有共轭对称性。此属性可用于节省一半的内存和一半的计算。这个实现非常简单，我已经做到了。
现在我想实现IFFT。其应用于共轭对称信号，并且期望实数信号。因为IFFT与具有反号旋转因子的FFT是一样的。有没有类似的方法可以节省一半的计算和内存？
浏览 3提问于2014-01-04得票数 0
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
实时音视频
对象存储
云直播活动推荐
腾讯云开发者
