Visual c++ 让工作成为奥普拉斯'；s FFT

我想对两个信号做一个简单的卷积。一个是信号（例如音乐），另一个是IR（简单延迟，如本方案：

IR[0] = 1.0
IR[1->511] = 0 
IR[512] = 0.5
IR[513->1023] = 0;

所以它应该会产生一个小的回声

我知道时域中的卷积是频域中的乘法

所以我的想法是对两个信号（音乐和红外）进行FFT，然后将得到的偶数re&im（来自re+im*i）相乘，然后进行iFFT并欣赏结果

fft(fftMusic);
fft(fftIR);
for (int i = 0; i < n; i++)
    fftMusic[i] = fftMusic[i] * fftIR[i];
ifft(fftusic);
for (int i = 0; i < n; i++)
        fftMusic[i] = fftMusic[i] * 2/double(n);

fft（fftMusic）；
fft（fftIR）；
对于（int i=0；i

唯一的问题是它不起作用

我试过RFDT和CFDT，结果很奇怪：我的信号延迟了，但是相反。这是FFT吗

首先，对于RDFT（实际DFT:re-in，re&im-out），我在末尾添加了+n/2个零采样，或者同时添加了music和IR，用于卷积，然后使用4个重叠缓冲区（这是所需的数字），并在时间正确时计算两者的FFT，然后进行乘法，然后进行iFFT等

第二，对于CDFT（复数DFT:re&im in&out），我每两个样本放一个音乐样本（虚数部分为零），然后进行CDFT，乘法，等等

但是这两种方法都不起作用，并且产生了相同的结果：一种奇怪的反向和延迟声音的混合

请帮忙

• 列表项

---

首先，使用矢量化代码而不是

for (int i = 0; i < n; i++)
    fftMusic[i] = fftMusic[i] * fftIR[i];

---

现在，对于您的问题，您是否尝试了简单的卷积？如果是，结果是什么？

您需要了解我已经使用了重叠添加方法，我不知道为什么ovelapp save会有所改进（可能性能有点提高）结果。但无论如何还是要感谢。好的-你可以使用重叠加法或重叠保存，这样你就不会得到循环卷积-从你的问题中不清楚你是否已经在使用重叠加法。显然问题出在别处。频域中的卷积是乘法，对吗？但它是一个复杂的乘法因此，如果我们有bufferInput=（Re_-Input+Im_-Input*i）和IR=（Re_-IR+Im_-IR*i），我们必须将两者相乘为：result=（Re_-Input+Im_-Input*i）*（Re_-IR+Im i）result=（Re_-Input*Re_-IR-Im u-IR）+i*（Re_-Input*Im u-IR+Im Input*Re_-IR）我想这就是复共轭。它终于起作用了……我没有尝试简单的普通卷积，我知道它会起作用，但它需要大量的CPU，所以我放弃了它。

fftMusic = fftMusic .* fftIR;