C++ 如果我填充数据，CUDA CUFT/IFFT会产生不同的结果？

我有一个信号，我正在对它进行FFT，对它本身进行卷积，然后再进行IFFT回到时域。信号是8192长。如果我将信号填充到16384（N*2）并执行这些操作，我将获得正确的输出。然而，这是否必要？但当我尝试使用C2C FFT变换并坚持使用8192时，在IFFT之前，我始终有类似的数据。（使用8192时，它仅具有16384数据中的每2个点）

我通过matlab运行了这个程序，得到了相同的结果，因此我怀疑它更多地与数学有关，而不是与实现有关，但当我在cuda中执行此操作时，欢迎提供任何建议，如果必要，我不介意将数据填充成某种形状，但数据在我执行IFFT之前是良好的

注意：我知道我并不是在GPU上做所有的计算，这只是为了消除错误，让我看看代码在做什么

链接到代码：

这是我应该得到的

这就是我不做pad的结果。

我有一个信号，我正在对它进行FFT，对它本身进行卷积，然后再进行IFFT回到时域

看看你的代码，你不是在频域中做一个“自身卷积”，而是一个自身的乘法

整个操作序列（FFT、乘法、IFFT）将对应于在时域中计算信号自身的循环卷积。如果首先将信号填充到至少

2*N-1

（这恰好是存储IFFT后所有线性卷积系数所需的最小大小）的长度，则循环卷积将仅等效于线性卷积

您可以使用较小的FFT大小（即小于

2*N-1

，但至少小于

N

）来计算线性卷积

我有一个信号，我正在对它进行FFT，对它本身进行卷积，然后再进行IFFT回到时域

看看你的代码，你不是在频域中做一个“自身卷积”，而是一个自身的乘法

整个操作序列（FFT、乘法、IFFT）将对应于在时域中计算信号自身的循环卷积。如果首先将信号填充到至少

2*N-1

（这恰好是存储IFFT后所有线性卷积系数所需的最小大小）的长度，则循环卷积将仅等效于线性卷积

---

您可以使用较小的FFT大小（即小于

2*N-1

，但至少小于

N

）通过使用来计算线性卷积。

在解析FFT调用的输出时，您似乎没有使用Nyquist限制在解析FFT调用的输出时，您似乎没有使用Nyquist限制