我想做一些会重复调用 iFFT 的建模。这将把复杂频率响应（幅度、相位）的参数模型作为输入，并产生脉冲响应作为输出。我想将此与我为房间中的扬声器测量的“窗口化”脉冲响应进行比较。测量的脉冲可以通过一个初始部分来表征，该部分对应于声音直接通过空气传播到麦克风，持续几毫秒，之后从房间表面（地板、墙壁等）反射的声音污染了麦克风。信号。未污染的部分可能是总测量脉冲的 5%。我想将 iFFT 从频率响应中生成的脉冲响应与仅测量脉冲的未污染部分进行比较。
如果需要，我可以从频率响应中计算出整个脉冲响应，然后丢弃 95% 的结果，但这似乎非常低效。在优化我的模型时，iFFT 将被计算很多次（可能是数千次），所以我想确保我可以使其尽可能高效。在这一点上，我唯一的选择似乎是使用 FFTW，然后丢弃不需要的数据（因为缺乏更好的主意）。
是否有一种快速的方法可以仅针对那些感兴趣的时间点计算逆 FFT，例如，不是针对 FFT 可以访问的整个时间跨度？例如，我可能只需要 5% 的时间点。我对 FFT 和 iFFT 的计算不是很熟悉，所以我对这个问题的答案没有洞察力。
编辑：我重新检查，如果我在 96kHz 记录一个 16k 脉冲，在反射污染信号之前只有大约 475 个“好数据”样本。这不到总记录信号的 3%。我怎样才能有效地从我的频率响应中计算出这 200 个点？？？