我是FFTW的新手。我想将一个函数分解为一个傅立叶级数。到目前为止,我还没有做到。我的代码如下:
// 1) Create discretizations for my function 'my_function'
int N = 100; // number of discretizations
float x_step = (x_end - x_start) / ((float)(N - 1));
fftw_complex *Input, *Output;
fftw_plan my_plan;
Input = (fftw_complex*)fftw_malloc(sizeof(fftw_complex) * N);
Output = (fftw_complex*)fftw_malloc(sizeof(fftw_complex) * N);
float x = x_start;
ForIndex(i, N) {
Input[i][0] = my_function(x);
cout << "Input[" << i << "]=" << Input[i][0] << endl;
Input[i][1] = 0;
x += x_step;
}
my_plan = fftw_plan_dft_1d(N, Input, Output, FFTW_FORWARD, FFTW_ESTIMATE);
fftw_execute(my_plan);
// 3) Evaluation - this is the part I am confused with
// I should get something very close to 'my_function' when I plot, shouldn't I?
ForIndex(i, N) {
float sum = 0;
float x = (float)i;
sum = Output[0][0] / 2.0f;
for (int k = 1; k < N; k++) {
// Fourier series
// http://en.wikipedia.org/wiki/Fourier_series
float s = 2.0f*(float)M_PI * (float)k * x / (float)N;
sum += Output[k][0] * std::cos(s) + Output[k][1] * std::sin(s);
// I also tried
// sum += Output[k][0] * std::sin(s + Output[k][1]);
// to no avail
}
cout << "For x=" << x << ", y=" << (sum / (float)N) << endl;
}
我得到的结果是虚假的:在绘制序列时,我只会得到振荡波。
有人可以给我一个线索,以了解如何正确评估所得的傅立叶级数吗?
最佳答案
您非常接近预期的结果!获得正确的输出有两点:
Output
是输入信号的平均值。所以它是sum = Output[0][0];
,而不是sum = Output[0][0] / 2.0f;
i
是i*i==-1
的复数,因此,当虚部相乘时,必须在结果中添加减号。因此:sum += Output[k][0] * std::cos(s) - Output[k][1] * std::sin(s);
这是由
g++ main.cpp -o main -lfftw3 -lm
编译的更正的代码:#include <fftw3.h>
#include <iostream>
#include <cmath>
#include <stdlib.h>
using namespace std;
float my_function(float x){
return x;
}
int main(int argc, char* argv[]){
// 1) Create discretizations for my function 'my_function'
int N = 100; // number of discretizations
float x_end=1;
float x_start=0;
int i;
float x_step = (x_end - x_start) / ((float)(N - 1));
fftw_complex *Input, *Output;
fftw_plan my_plan;
Input = (fftw_complex*)fftw_malloc(sizeof(fftw_complex) * N);
Output = (fftw_complex*)fftw_malloc(sizeof(fftw_complex) * N);
float x = x_start;
for(i=0;i<N;i++){
Input[i][0] = my_function(x);
cout << "Input[" << i << "]=" << Input[i][0] << endl;
Input[i][1] = 0;
x += x_step;
}
my_plan = fftw_plan_dft_1d(N, Input, Output, FFTW_FORWARD, FFTW_ESTIMATE);
fftw_execute(my_plan);
for(i=0;i<N;i++){
printf("%d %g+%gi\n",i,Output[i][0],Output[i][1]);
}
// 3) Evaluation - this is the part I am confused with
// I should get something very close to 'my_function' when I plot, shouldn't I?
for(i=0;i<N;i++) {
float sum = 0;
float x = (float)i;
sum = Output[0][0];
for (int k = 1; k < N; k++) {
// Fourier series
// http://en.wikipedia.org/wiki/Fourier_series
float s = 2.0f*(float)M_PI * (float)k * x / (float)N;
sum += Output[k][0] * std::cos(s) - Output[k][1] * std::sin(s);
// I also tried
// sum += Output[k][0] * std::sin(s + Output[k][1]);
// to no avail
}
cout << "For i=" << i <<" x="<<x_start+x_step*i<< " f(x)="<<my_function(x_start+x_step*i)<<" y=" << (sum / (float)N) << endl;
}
}
我还添加了一些东西来打印傅里叶变换的系数。由于输入是真实信号,因此频率
k
和N-k
的系数是共轭的。由于N=100
,请查看频率49和51或48和52。因此,库fftw提供functions dedicated to real inputs,
fftw_plan fftw_plan_dft_r2c_1d()
(从实到复数)和fftw_plan fftw_plan_dft_c2r_1d()
。存储并计算一半的频率(实际上是(N+1)/2
)要回到现实世界,您可以使用
FFTW_BACKWARD
使用第二个计划:my_plan2 = fftw_plan_dft_1d(N, Output, input, FFTW_BACKWARD, FFTW_ESTIMATE);
关于c++ - 使用FFTW并评估所得的傅里叶级数,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/28630810/