python 实现FFT快速傅立叶变换算法

FFT快速傅里叶变换介绍

FFT（快速傅里叶变换）是计算离散傅里叶变换（DFT）及其逆变换的一种高效算法。DFT是一种将信号从时域转换到频域的数学工具，而FFT通过减少计算量来加速这一过程。

FFT的基本思想

FFT利用了DFT中的对称性和周期性，通过分而治之的策略将DFT分解为更小的DFT，从而显著减少计算复杂度。对于长度为N的序列，直接计算DFT的复杂度是O(N^2)，而FFT的复杂度可以降低到O(N log N)。

FFT的算法步骤（以Cooley-Tukey算法为例）

选择分解：首先，将N（序列长度）分解为两个较小的因子，通常是选择N的偶数因子。最常见的分解是将N分解为两个相等的因子（即N为2的幂）。

重新排序（位反转）：对输入序列进行位反转排序，这是为了将输入序列重新排列成一种便于后续处理的顺序。

蝶形运算：FFT算法的核心是蝶形运算。在蝶形运算中，两个输入（通常来自序列的特定位置）通过一系列乘法和加法操作结合成一个输出。这个过程在算法的不同层级上重复进行。

逐层计算：FFT算法通过逐层（从最低层到最高层）应用蝶形运算来计算DFT。每一层都基于前一层的输出，并且每一层的计算都更加接近最终的DFT结果。

Python FFT快速傅立叶变换

在Python中，实现快速傅里叶变换（FFT）的一种简便方法是使用numpy库中的fft模块。numpy提供了高效的FFT算法实现，能够处理一维或多维数组。

以下是一个简单的例子，展示如何使用numpy中的fft.fft函数来计算一维数组的FFT。

首先，确保你已经安装了numpy库。如果没有安装，可以通过pip安装：

pip install numpy

然后，你可以使用以下Python代码来计算FFT：

import numpy as np
import matplotlib.pyplot as plt

# 创建一个样本信号，例如一个包含正弦波和余弦波的复合信号
Fs = 1000  # 采样频率
T = 1/Fs  # 采样周期
L = 1500  # 信号长度
t = np.linspace(0, L-1, L)*T  # 时间向量

# 创建一个复合信号
S = 0.7*np