用NAG函数加速Matlab离散傅立叶变换

我想把一些Matlab的傅立叶变换命令翻译成。DFT是：

• fft（A，n）

• fft（A，n，dim）

• ifft（A，[]，dim）

其中，

A

是一个复数向量。例如

fft（A，n）

是

c06fc（real（A），imag（A），'n'，n）

问题：我很难找到合适的NAG函数，它们与

fft（A，n，dim）

和

ifft（A，[]，dim）

的工作相同

背景：我正在使用Bruno Luong的卷积函数计算具有100万个复杂元素的向量卷积，

convnfft（A，B，'same'）

。Luong的函数使用FFT快速计算卷积，我想通过使用NAG函数进一步加快计算速度。

几句话：

MATLAB用于DFT（参见MATLAB）。
FFTW被认为是最快的FFT库。我真的怀疑NAG的实现是否更快。你不会得到比MATLAB更快的FFT

我看到你在频域中使用乘法，在时域中应用卷积。我只想指出，做这件事并不总是更快。这实际上取决于滤波器的长度与信号的长度。如果过滤器很短，最好在时域中进行

一维卷积的时域复杂度与傅里叶域复杂度 假设滤波器长度为m，信号长度为n（假设n>m）。
然后，渐近地，Tome域卷积的复杂度为O（mn）。
然而，要在傅里叶域中应用卷积，必须使滤波器和信号的长度相同，然后复杂性为O（2nlog（n））。
因此，对于2log（n）>m的情况，最好使用时域卷积

---

由于这是渐近分析，实际上需要2log（n）>>m才能获得时域卷积的实际增益。

你的问题是什么？谢谢@Royi。1.我已经调查了

fftw

，但速度几乎没有改善。2.听起来很有趣。你能提供一些很好的参考资料吗？嗨，你把FFTW和什么做过比较吗？如我上面所写，如果将其与MATLAB进行比较，当您使用

fft

或

ifft

时，您不会看到增益，因为MATLAB使用FFTW。无论如何，您无法获得比MATLAB内部更快的FFT（也许，只是也许，英特尔MKL FFT在某些情况下更好）。