Java 理解FFT输出
我目前正忙于实习，老板希望我在周末之前准备好一个用java编程的FFT 现在我已经从普林斯顿大学得到了FFT的代码： 我在我的项目中实现并扩展了这段代码，现在我能够首先读取信号的二进制输入，然后对这个样本值进行FFT处理，然后提供幅值 现在我来谈谈我的问题。 我输入了我用Java 理解FFT输出,java,fft,Java,Fft,我目前正忙于实习，老板希望我在周末之前准备好一个用java编程的FFT 现在我已经从普林斯顿大学得到了FFT的代码： 我在我的项目中实现并扩展了这段代码，现在我能够首先读取信号的二进制输入，然后对这个样本值进行FFT处理，然后提供幅值 现在我来谈谈我的问题。 我输入了我用final double d=Math.sin（I）生成的以下值并循环8次（这只是为了测试，下周我将不得不输入实际值） 因此，这些值来自纯正弦（我不知道正确的英语单词，但对于纯正弦，我指的是只有一个频率的正弦，例如50Hz） 现
final double d=Math.sin（I）生成的以下值并循环8次（这只是为了测试，下周我将不得不输入实际值）
因此，这些值来自纯正弦（我不知道正确的英语单词，但对于纯正弦，我指的是只有一个频率的正弦，例如50Hz）
现在输出为
0.553732750242242
2.3946469565385193 - 2.0970118573701813i
-1.386684423934684 + 0.9155598966338983i
-0.8810419659226628 + 0.28041399267903344i
-0.8075738836045867
-0.8810419659226628 - 0.28041399267903366i
-1.386684423934684 - 0.9155598966338983i
2.394646956538519 + 2.0970118573701817i
以及输出的大小
0.553732750242242
3.183047718211326
1.6616689248786416
0.9245901540720989
0.8075738836045867
0.924590154072099
1.6616689248786416
3.183047718211326
现在，我实际上期望在每个频率采样点的输出值为0，直到我达到纯正弦占主导地位的频率，其中输出值应大于0（例如，在50 Hz时）。至少这是我老板给我这个任务时所期望的
总结：
这就是我正在努力解决的问题。我读过另一篇关于类似问题的帖子，但仍然有一些问题没有回答。我应该如何处理给定的输出数据？如何找到最频繁发生的频率
我真的需要一些帮助或解释我的想法哪里是错的
感谢收听…在应用简单窗口函数后计算512点傅里叶变换：
w(i)= ((float)i-(float)(n-1f)/2f)
它在i=25时给出峰值（结果数组上的最大幅值）
输入中还添加了更多信息，如正弦波发生器的频率（50 Hz）和采样率（1kHz或每个样本0.001秒），并添加了2PI常数：
初始化现在看起来像这样（作为sin（2xPIxFxi）表示法）：
现在这些步骤在频率空间中，输入频率为1kHz，因此您可以感知最大500 Hz的谐波信号（采样率的一半）
另外，结果范围为0到N/2，另一半为镜像，将可感知频率范围（500）除以结果范围（256表示N=512）得到
误差的很大一部分必须是在开始时使用的窗口函数，但v2[26]的值高于v2[24]，因此实际拾取值更接近v2[26]，这些点的平滑图形应显示50 Hz
忽略结果数组的第一个元素，因为它是关于恒定信号电平、无限波长或零频率的
以下是dft计算代码，以确保fft是否返回正确的结果：
//a---->b Fourier Transformation brute-force
__kernel void dft(__global float *aRe,
__global float *aIm,
__global float *bRe,
__global float *bIm)
{
int id=get_global_id(0); // thread id
int s=get_global_size(0); // total threads = 512
double cRe=0.0f;
double cIm=0.0f;
double fid=(double)id;
double fmpi2n=(-2.0*M_PI)*fid/(double)s;
for(int i=0;i<s;i++)
{
double fi=(float)i;
double re=cos(fmpi2n*fi);
double im=sin(fmpi2n*fi);
cRe+=aRe[i]*re-aIm[i]*im;
cIm+=aRe[i]*im+aIm[i]*re;
}
bRe[id]=cRe;
bIm[id]=cIm;
}
//a--->b傅里叶变换蛮力
__内核无效dft（uu全局浮点*为，
__全球浮动*目标，
__全球浮动*bRe，
__全局浮点*bIm）
{
int id=get_global_id（0）；//线程id
int s=get_global_size（0）；//线程总数=512
双cRe=0.0f；
双cIm=0.0f；
双fid=（双）id；
双fmpi2n=（-2.0*M_-PI）*fid/（双）s；
对于（int i=0；ib逆傅里叶变换蛮力
__内核无效idft（_全局浮点*为，
__全球浮动*目标，
__全球浮动*bRe，
__全局浮点*bIm）
{
int id=get_global_id（0）；//线程id
int s=get_global_size（0）；//线程总数=512
双cRe=0.0f；
双cIm=0.0f；
对于（int i=0；i@Winterwurst此外，若峰值不是您所预见的位置，您可以尝试在板内微调两个整数之间的峰值位。
for (int i = 0; i < n; i++)
{
v1[i] = ((float)i-(float)(n-1f)/2f)*
(float)Math.Sin(0.001f* 50f*2f*Math.PI*(float)i);
^ ^ ^ ^
| | | |
| F | |
sampling 2xPi constant sample bin
rate(simulation)
}
v2[22] 2145,21852033773
v2[23] 3283,36245333956
v2[24] 6368,06249969329
v2[25] 28160,6579468591 <-- peak
v2[26] 23231,0481898687
v2[27] 1503,8455705291
v2[28] 1708,68502071037
25
25*500 = 12500
48.83 Hz
//a---->b Fourier Transformation brute-force
__kernel void dft(__global float *aRe,
__global float *aIm,
__global float *bRe,
__global float *bIm)
{
int id=get_global_id(0); // thread id
int s=get_global_size(0); // total threads = 512
double cRe=0.0f;
double cIm=0.0f;
double fid=(double)id;
double fmpi2n=(-2.0*M_PI)*fid/(double)s;
for(int i=0;i<s;i++)
{
double fi=(float)i;
double re=cos(fmpi2n*fi);
double im=sin(fmpi2n*fi);
cRe+=aRe[i]*re-aIm[i]*im;
cIm+=aRe[i]*im+aIm[i]*re;
}
bRe[id]=cRe;
bIm[id]=cIm;
}
// a--->b inverse Fourier Transformation brute force
__kernel void idft(__global float *aRe,
__global float *aIm,
__global float *bRe,
__global float *bIm)
{
int id=get_global_id(0); // thread id
int s=get_global_size(0); // total threads = 512
double cRe=0.0f;
double cIm=0.0f;
for(int i=0;i<s;i++)
{
double re=cos(2.0*M_PI*((double)id)*((double)i)/(double)s);
double im=sin(2.0*M_PI*((double)id)*((double)i)/(double)s);
cRe+=aRe[i]*re-aIm[i]*im;
cIm+=aRe[i]*im+aIm[i]*re;
}
cRe/=(double)s;
cIm/=(double)s;
bRe[id]=cRe;
bIm[id]=cIm;
}