我在 DFT 函数的 Surge 实现中产生了不兼容的结果;我正在使用 Surge 实现,这对我来说似乎很简单。
当我计算虚拟数据的幅度时,我得到:
var xx = [1.0,0.0,1.0,0.0,0.0,1.0,0.0,0.0,0.0,1.0]
{0.6, 0.082842712474619, 0.2, 0.482842712474619, 0.2, 0.482842712474619, 0.2, 0.082842712474619, 0.0, 0.2}
“如果它在一个域中是实数,则它在另一个域中是共轭对称的”之后似乎是错误的
当我做同样的事情时:
在 Mathematica 中:
x = {1., 0., 1., 0., 0., 1., 0., 0., 0., 1.}
Norm /@ Fourier[x, FourierParameters -> {-1, 1}]
{0.4, 0.117557, 0.154336, 0.190211, 0.214896, 0., 0.214896, 0.190211, 0.154336, 0.117557}
在 R 中:
x = c(1,0,1,0,0,1,0,0,0,1)
abs(fft(x)/length(x))
"0.400000" "0.117557" "0.154336" "0.190211" "0.214896" "0.000000" "0.214896" "0.190211" "0.154336" "0.117557"
同时使用 JTransforms:
double[] x = { 1., 0., 1., 0., 0., 1., 0., 0., 0., 1. };
double[] output = new double[x.length];
DoubleFFT_1D fftDo = new DoubleFFT_1D(x.length);
double[] fft = new double[x.length * 2];
System.arraycopy(x, 0, fft, 0, x.length);
fftDo.realForwardFull(fft);
0.4 0.11755705045849463 0.1543361918426817 0.19021130325903074 0.21489611417496346 0.0 0.21489611417496346 0.19021130325903074 0.1543361918426817 0.11755705045849463
Surge 中的 Swift 实现是:
public func fft(_ input: [Double]) -> [Double] {
var real = [Double](input)
var imaginary = [Double](repeating: 0.0, count: input.count)
var splitComplex = DSPDoubleSplitComplex(realp: &real, imagp: &imaginary)
let length = vDSP_Length(floor(log2(Float(input.count))))
let radix = FFTRadix(kFFTRadix2)
let weights = vDSP_create_fftsetupD(length, radix)
vDSP_fft_zipD(weights!, &splitComplex, 1, length, FFTDirection(FFT_FORWARD))
var magnitudes = [Double](repeating: 0.0, count: input.count)
vDSP_zvmagsD(&splitComplex, 1, &magnitudes, 1, vDSP_Length(input.count))
var normalizedMagnitudes = [Double](repeating: 0.0, count: input.count)
vDSP_vsmulD(sqrt(magnitudes), 1, [2.0 / Double(input.count)], &normalizedMagnitudes, 1, vDSP_Length(input.count))
vDSP_destroy_fftsetupD(weights)
return normalizedMagnitudes
}
我是否漏掉了一些明显的东西?
谢谢
最佳答案
看起来您的 Swift/vDSP 代码假定的长度是 2 的幂。如果您尝试使用 N = 16 而不是 N = 10,那么您应该会得到正确的结果,该结果将与其他 FFT 实现相匹配。
许多 FFT 实现仅支持 2 的幂长度 - 当您需要使用不同的大小时,典型的方法是用零填充输入数据直到下一个 2 的幂。这给出了有效的结果,尽管频域数据被有效地插值到更大的点数(它似乎具有比没有实际数据点提供的频率分辨率更高的频率分辨率,但这只是插值的结果)。一个额外的好处是,当使用 2 的幂时,FFT 实现通常是最有效的,并且使用 2 的填充幂 FFT 通常比更短的任意大小更快。
关于ios - DFT 结果使用来自 Swift 的 vDSP 来自实值输入(Surge 实现),我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/39615176/