线性卷积的FFT算法及其matlab实现.docx

简单介绍了，FFT的MATLAB实现,fs=100; N=128; n=0:N-1; t=n/fs; x=0.5*sin(2*pi*15*t)+2*sin(2*pi*40*t); y=fft(x,N); f=(0:length(y)-1)'*fs/length(y); mag=abs(y); stem(f,mag); title(‘N=128点’)

混合基FFT处理器的设计与Verilog实现，王靖琰，曹新民，本文介绍了混合基FFT算法的基本原理，用Verilog语言设计和实现了一个6点混合基 FFT处理器，实验结果证明本处理器能正确地完成6点FFT变��

FFT的课件，里面有快速傅利叶变换的详细讲解，特别有混合基FFT的内容，对深入学习FFT的同学很有帮助。

测试信号分析与处理 利用MATLAB语言编程实现FFT算法程序

mpi经典代码,包括fft,矩阵相乘等，非常适合MPICH学习研究

基3的27点fft算法和蝶形图.docx

快速傅里叶变换FFT求卷积，原理为时域卷积等于频域乘积然后再反变换回去，FFT函数既能进行傅里叶正变换也能进行反变换。

----------------------------- 更新：添加了易于使用的 GUI ----------------------------- [Px,freq]=averfft(sig,Noct,Nfft) sig = 时域数据（例如音频文件）； Noct = 平滑的倍频程分辨率（例如 Noct=3 导致 1/3-oct. 平滑）， 默认值为 0； Nfft = FFT 分辨率，默认值为 8192； 采样频率假定为 44.1 kHz。 如果未定义输出，则 averfft 绘制频谱。

FFT将信息量集中在了矩阵的四个角上，这一特性导致了图像中信息量的分散，相比于将信息量集中在一个角的DCT变化，FFT变换的压缩性能较差。将系数矩阵转换为极坐标形式，可见中心附近较亮。中心附近为低频信息，距中心较远的为高频信息。但边缘附近也有较多的能量分布。 FFT变换有两种量化方法，第一种是对FFT系数矩阵进行线性量化(量化方式同整幅DCT变换方法的量化方式)，第二种是对FFT系数矩阵进行非线性量化(以直角系系数矩阵中心为圆心进行量化)。 实验中对线性量化与非线性量化方式都进行了尝试，但因为线性量化会损失大量的频域信息，导致还原出的图像质量很差，在实际应用中不能采取该方式进行量化；而非线性量化可以极大的避免大量频域信息的损失，很好的符合了FFT系数矩阵中能量集中在四个角的特性，还原出的图像质量高，因此本报告中只选用非线性量化方式。 算法流程 1. 将图像进行FFT变换得到FFT系数矩阵。 2. 以FFT系数矩阵中心为圆心，分别以不同的半径将圆内系数置为零。 3. 将量化后的FFT系数矩阵进行IFFT变换还原图像。