将我在学习利用cufft库实现多次一维FFT的实现过程中的总结，步骤清晰，注释详细，可供参考。

完整代码，可直接运行

FFT IPCORE 使用方法+别人做的fft ip+相关论文，资料更详细

FFT有以下特性： l支持2^N复数点FFT/IFFT运算，其中4<= N <= 10 l支持数据input和output并行 l采用Raidx-4 butterfly设计 l支持添加循环前缀 l支持自动休眠（低功耗） 验证平台基于windos（questasim），包含与c model的自动比对

期权价格使用FFT：使用Carr＆Madan方法和快速傅里叶变换来计算期权价格

对于初学者学习FFT变换在Quartus中调用ip core的使用，是很基础的，尤其是做信息处理的朋友

FFT是DFT的高效算法，能够将时域信号转化到频域上，下面记录下一段用python实现的FFT代码。 # encoding=utf-8 import numpy as np import pylab as pl # 导入和matplotlib同时安装的作图库pylab sampling_rate = 8000 # 采样频率8000Hz fft_size = 512 # 采样点512，就是说以8000Hz的速度采512个点，我们获得的数据只有这512个点的对应时刻和此时的信号值。 t = np.linspace(0, 1, sampling_rate) # 截取一段时间，截取是任意的，这里

W = FADDEEVA(Z) 是 Faddeeva 函数，也就是等离子体色散函数，对于 Z 的每个元素。 Faddeeva 函数定义为： w(z) = exp(-z^2) erfc(-jz) 其中 erfc(x) 是复数互补误差函数。 此代码是列出的代码的修改版本： JAC Weideman，“复杂误差函数的计算”，SIAM J. 数值分析，第 1497-1518 页，第 5 期，卷。 1994 年 10 月 31 日可在线获取： http : //www.jstor.org/stable/2158232

用C++实现的任意精度的傅里叶变换，通过先行后列可以处理二维fft

包含了一份心电图源数据和脑电图源数据，自编的fft函数，以及完整的滤波器设计代码，自己添加噪声并滤除，以及对心电图脑电图的分析，使用的是MATLAB