问题标签 [ifft]

我是倒谱分析的新手。这就是问题所在。

我的信号长度为 4096，采样率为 8000 Hz。我进行 FFT 并得到长度为 4096*2 的数组（2*i 位置用于余弦系数，2*i+1 位置用于正弦系数）。频率步长为 (sampleRate/signalLength == 8000/4096)。所以，我可以这样计算 i 位置的频率：i*sampleRate/signalLength。

然后，我进行倒谱变换。我不明白如何找到频率步骤以及如何找到给定频率的频率。

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？？？

我已经用我在 matlab 中定义的 2D 高斯函数对我在 matlab 中创建的图像进行了卷积，现在我正在尝试对结果矩阵进行反卷积，以查看是否使用 fft2 和 ifft2 命令恢复了 2D 高斯函数。然而，我得到的矩阵是不正确的（据我所知）。这是我到目前为止所做的代码：

% 输入图像代码 (img) [300x300 数组]

% 二维高斯函数代码，c = 0 sig = 1/64 (Z) [300x300 array]

img 与 Z (C) 的 2D 卷积的 % 代码 [599x599 数组]

% 我已经使用 img 和 C 的横截面轮廓向量测试了这个卷积是正确的，并且得到的 xy 图是我对卷积的期望。

％根据我对卷积的了解，该算法在傅立叶空间中用作乘数，因此通过将输出（卷积图像）的傅立叶变换除以输入（im​​g），我应该得到点扩散函数（Z - 2D Gaussian function ) 在通过除法对该结果应用傅里叶逆变换之后。

% 尝试 2D 反卷积的代码

添加了 % 零填充以将结果增加到 599x599 数组

% 我现在得到这个错误提示：警告：矩阵接近奇异或缩放错误。结果可能不准确。RCOND = 2.551432e-22

我期待 iFR 接近 Z，但我得到了完全不同的东西。它可能是具有复数值的 Z 的近似值，但我似乎无法检查它，因为我不知道如何在 matlab 中绘制 3D 复矩阵。那么，如果有人能告诉我我的答案是正确还是不正确，以及如何让这种反卷积起作用？我将不胜感激。

我正在设计一个 VHDL 中的导频插入模块，以在作为 OFDM 系统一部分的 FPGA 上实现。对于来自调制组件的每 48 个字，导频插入将添加导频音和 NULL 以填充 64 通道 IFFT 的剩余通道。我正在尝试实现该系统的流式操作，因此它将不断产生 64 个样本，用于以固定延迟向 IFFT 的串行输入。

我的方法是使用双端口 RAM，一个端口用于接收调制字，另一个端口用于写入 IFFT。每个端口都运行在一个独立的时钟上，在设备外部我有一个 4/3 时钟分频器，因此输出每 48 个时钟接收 64 个时钟到输入。

我的问题是这是否是一种有效的设计策略，以及我应该注意哪些类型的陷阱。另外，如果有人对我如何实现这一点有其他建议，我将不胜感激。

谢谢，技术专家

我正在尝试从 Trucco/Verri 文本“3d 计算机视觉介绍技术”中看到的着色算法重新创建经典形状，但我很难理解 matlab 中的 fft 函数。本质上，我需要使用可积性约束来获得图像的深度（Z）。我不确定在这种情况下何时使用 fftshift。这是我到目前为止的代码。基于http://www.mathworks.com/matlabcentral/newsreader/view_thread/285244 我基本上将我所有的 fft2 都包裹在 fftshifts 中，但我认为这不是正确的用法。有人可以向我解释一下用法和我做错了什么吗？谢谢你。基本上，我试图将我的 p 和 q（基于像素强度的更新值）转换为傅立叶域，以便在等式 C 中使用它们。然后我想将等式 C 转换回时域，因为这会给我 Z 的深度。我还想根据傅里叶域中的 C 更新 P 和 Q。

我在 Matlab 中对图像进行了傅里叶变换，现在我想进行逆傅里叶变换，但结果是一张全黑的图片，而不是原始图像。我认为在采取逆向之前我需要做一些步骤。感谢您的任何帮助。编码：

我想知道 IFFT 之后仅在虚构部分中发生冲突的原因。

对于我的 C/C++ 实现和 Matlab 实现，我都在执行相同的以下步骤。

1. 我的信号x的维度是Mx1并且我对该信号执行N点 FFT（其中N = 2* M）以获得频域中的N点信号。
2. 对此频域信号应用自定义滤波器（实部和虚部都逐步改变）。
3. 在N点逆 FFT 中执行。

C/C++ 和 Matlab 实现都生成完全相同的结果，除了在逆 IFFT 步骤之后，虚部不匹配但实部匹配。

如果我跳过上面的步骤 2，两个实现的 IFFT 输出匹配没有任何问题。我的 IFFT 输入信号（即在 step2 滤波器之后）不需要是共轭对称的。事实上，这个信号甚至可能不是厄米特/对称的。

目前，我正在使用定义smbFft为此CPP-FILE中可用函数的 FFT/IFFT 的 C 实现。

任何线索，为什么会发生这种情况？

PS：如果有人能指出 C/C++ 中的 FFT 实现，那就太好了，它与相应的 Matlab 实现完全一致。

谢谢。

编辑：我刚刚测试了 FFTW 实现而不是smbFfT（我上面提到过）。FFTW 实现也有同样的问题，这表明这两个测试的 C 实现都使用厄米对称设置执行 IFFT。我需要在 C 中执行与 Matlab 对IFFT(..., 'nonsymmetric').

嗨，伙计，我正在研究简单的信号，我想计算信号的傅里叶变换，得到幅度和相位，然后从中重建原始信号。

我的代码基于这个线程。

代码：

我完全得到不同的图表。

编辑：我实际上这样做是为了测试如果相位改变会发​​生什么信号。因此，我将需要相位角来再次构建信号。

我对 Fourier + Matlab 还是新手，所以如果我犯了一些随机的愚蠢错误，我深表歉意。如果你们能指出我正确的方向，我将不胜感激。谢谢你。

我将在matlab中实现OFDM系统。我需要从数据中获取 IFFT 对称，然后再从结果中获取 FFT。IFFT 正确，但 FFT 不正确，结果数字的前一半类似于 IFFT 之前的数据，但后半部分是错误的。当我知道 IFFT 采用“对称”时，我只是不知道是否应该使用 FFT 函数。

这是我使用的功能：

谢谢

我正在尝试计算 ifft 的计算复杂度，我知道它是 N*1 维度的 NlogN 信号。但是我有两个信号的乘积，然后我想得到 ifft，然后计算计算复杂度。很简单，如果 X(w) 和 Q(w) 是两个时间信号的傅里叶变换，那么它们乘积的计算复杂度是多少。
注意：X(w) 和 Q(w) 具有相同的 (N*1) 大小。
ifft(X(w)*Q(w))=???