怎样用C语言实现FFT算法啊？

1、二维FFT相当于对行和列分别进行一维FFT运算。具体的实现办法如下：

先对各行逐一进行一维FFT，然后再对变换后的新矩阵的各列逐一进行一维FFT。相应的伪代码如下所示：

for (int i=0i<Mi++)

FFT_1D(ROW[i]，N)

for (int j=0j<Nj++)

FFT_1D(COL[j]，M)

其中，ROW[i]表示矩阵的第i行。注码搜意这只是一个简单的记法，并不能完全照抄。还需要通过一些语句来生成各行的数据。同理，COL[i]是对矩阵的第i列的一种简单表示方法。

所以，关键是一维FFT算法的实现。

2、例程：

#include <stdio.h>

#include <math.h>

#include <stdlib.h>

#define N 1000

/*定义复数类型*/

typedef struct{

double real

double img

}complex

complex x[N], *W /*输入序列,变换核*/

int size_x=0      /*输入序列的大小，在本程序中仅限2的次幂*/

double PI         /*圆周率*/

void fft()     /*快速傅里叶变换*/

void initW()   /*初始化变换核*/

void change() /*变址*/

void add(complex ,complex ,complex *) /*复数加法*/

void mul(complex ,complex ,complex *) /*复数乘法*/

void sub(complex ,complex ,complex *) /*复数减法*/

void output()

int main(){

int i                             /*输出结果*/

system("cls")

PI=atan(1)*4

printf("Please input the size of x:\n")

scanf("%d",&size_x)

printf("Please input the data in x[N]:\n")

for(i=0i<size_xi++)

   scanf("%lf%lf",&x[i].real,&x[i].img)

initW()

fft()

output()

return 0

}

/*快速傅里叶变换*/

void fft(){

int i=0,j=0,k=0,l=0

complex up,down,product

change()

for(i=0i< log(size_x)/log(2) i++){   /*一级蝶形运算*/

   l=1<<i

   for(j=0j<size_xj+= 2*l ){             /*一组蝶形运算*/

    for(k=0k<lk++){        /*一个蝶形运算*/

      改弯mul(x[j+k+l],W[size_x*k/2/l],&product)

      add(x[j+k],product,&up)

      sub(x[j+k],product,&down)

      x[j+k]=up

      x[j+k+l]=down

    }

   }

}

}

/*初始化变换核*/

void initW(){

int i

W=(complex *)malloc(sizeof(complex) * size_x)

for(i=0i<size_xi++){

   W[i].real=cos(2*PI/size_x*i)

   W[i].img=-1*sin(2*PI/size_x*i)

}

}

/*变址计算，将x(n)码位倒置*/

void change(){

complex temp

unsigned short i=0,j=0,k=0

double t

for(i=0i<size_xi++){

   k=ij=0

   t=(log(size_x)/log(2))

   while( (t--)>0 ){

    j=j<<核模闷1

    j|=(k & 1)

    k=k>>1

   }

   if(j>i){

    temp=x[i]

    x[i]=x[j]

    x[j]=temp

   }

}

}

/*输出傅里叶变换的结果*/

void output(){

int i

printf("The result are as follows\n")

for(i=0i<size_xi++){

   printf("%.4f",x[i].real)

   if(x[i].img>=0.0001)printf("+%.4fj\n",x[i].img)

   else if(fabs(x[i].img)<0.0001)printf("\n")

   else printf("%.4fj\n",x[i].img)

}

}

void add(complex a,complex b,complex *c){

c->real=a.real+b.real

c->img=a.img+b.img

}

void mul(complex a,complex b,complex *c){

c->real=a.real*b.real - a.img*b.img

c->img=a.real*b.img + a.img*b.real

}

void sub(complex a,complex b,complex *c){

c->real=a.real-b.real

c->img=a.img-b.img

}

float ar[1024],ai[1024]/* 原始数据实部，虚部 */

float a[2050]

void fft(int nn) /* nn数据长度 */

{

int n1,n2,i,j,k,l,m,s,l1

float t1,t2,x,y

float w1,w2,u1,u2,z

float fsin[10]={0.000000,1.000000,0.707107,0.3826834,0.1950903,0.09801713,0.04906767,0.02454123,0.01227154,0.00613588,}

float fcos[10]={-1.000000,0.000000,0.7071068,0.9238796,0.9807853,0.99518472,0.99879545,0.9996988,0.9999247,0.9999812,}

switch(nn)

{

case 1024: s=10break

case 512: s=9 break

case 256: s=8 break

}

n1=nn/2 n2=nn-1

j=1

for(i=1i<=nni++)

{

a[2*i]=ar[i-1]

a[2*i+1]=ai[i-1]

}

for(l=1l<n2l++)

{

if(l<j)

{

t1=a[2*j]

t2=a[2*j+1]

a[2*j]=a[2*l]

a[2*j+1]=a[2*l+1]

a[2*l]=t1

a[2*l+1]=t2

}

k=n1

while (k<j)

{

j=j-k

k=k/2

}

j=j+k

}

for(i=1i<=si++)

{

u1=1

u2=0

m=(1<<i)

k=m>缺哗芦>1

w1=fcos[i-1]

w2=-fsin[i-1]

for(j=1j<=kj++)

{

for(l=jl<nnl=l+m)

{

l1=l+k

t1=a[2*l1]*u1-a[2*l1+1]*u2

t2=a[2*l1]*u2+a[2*l1+1]*u1

a[2*l1]=a[2*l]-t1

a[2*l1+1]=a[2*l+1]-t2

a[2*l]=a[2*l]+t1

a[2*l+1]=a[2*l+1]+t2

}

z=u1*w1-u2*w2

u2=u1*w2+u2*w1

u1=z

}

}

for(i=1i<=nn/芦橘2i++)

{

ar[i]=4*a[2*i+2]/nn/* 实伏带部 */

ai[i]=-4*a[2*i+3]/nn/* 虚部 */

a[i]=4*sqrt(ar[i]*ar[i]+ai[i]*ai[i])/* 幅值 */

}

}

你好，这是我的回答，希望可以帮到你。

1）结果讨论

一，如果对信号进行同样点数N的FFT变换，采样频率fs越高，则可以分析越高频的信号；与此同时，采样频率越低，对于低频信号的频谱亏凳橘分辨率则越好。

二，假设采样点不在正弦信号的波峰、波谷、以及0电压处，频谱则会产生泄露（leakage）。

三，对于同样的采样率fs，提高FFT的点数N，则可提高频谱的分辨率。

四，如果采样频率fs小于2倍信号频率2*fs（奈圭斯特定理），则频谱分析结果会出错。

五，对于（二）中泄露现象，可以通过在信号后面补零销团点解决。

2）程序及注解如下

%清除命令窗口及变量

clc

clear all

%输入f、N、T、是否补零（补几个零）

f=input('Input frequency of the signal: f\n')

N=input('Input number of pointsl: N\n')

T=input('Input sampling time: T\n')

flag=input('Add zero too sampling signal or not? yes=1 no=0\n')

if(flag)

ZeroNum=input('Input nmber of zeros\n')

else

ZeroNum=0

end

%生成信号，signal是原信号。signal为采样信号。

fs=1/T

t=0:0.00001:T*(N+ZeroNum-1)

signal=sin(2*pi*f*t)

t2=0:T:T*(N+ZeroNum-1)

signal2=sin(2*pi*f*t2)

if (flag)

signal2=[signal2 zeros(1, ZeroNum)]

end

%画出原信号及采样信号。

figure

subplot(2,1,1)

plot(t,signal)

xlabel('Time(s)')

ylabel('Amplitude(volt)')

title('Singnal')

hold on

subplot(2,1,1)

stem(t2,signal2,'r')

axis([0 T*(N+ZeroNum) -1 1])

%作FFT变换，计算其幅值，归一化处理，并画出频谱。

Y = fft(signal2,N)

Pyy = Y.* conj(Y)

Pyy=(Pyy/sum(Pyy))*2

f=0:fs/(N-1):fs/24

subplot(2,1,2)

bar(f,Pyy(1:N/2))

xlabel('Frequency(Hz)')

ylabel('Amplitude')

title('Frequency compnents of signal')

axis([0 fs/2 0 ceil(max(Pyy))])

grid on

祝你好运！

我可粗隐以帮助你，你先设置我最佳答案后，我百度Hii教你。

---