在构建查找表和进行FFT计算时，要确保数据的格式和类型保持一致。例如，如果查找表中的值是浮点数，那么在进行蝶形运算时，相关的计算也应该使用浮点数运算，以避免数据类型转换带来的精度损失。
列表在一定的复杂程度上可以省钱，
当将查找表中的值存储为离散的数值时，会引入量化误差。这种误差可能会随着计算的传播而积累，影响最终的结果。因此，需要在构建查找表时选择合适的量化精度，并在计算过程中采取适当的措施来控制误差的传播。
查表法实现FFT通过预先计算并存储常见的复数乘积结果，在运算时直接查表获取，从而提高运算速度。具体实现包括构建蝶形运算的预先计算表，并在运算时根据输入信号的下标查找对应结果。
查表法的精度如何呢？能满足要求吗？
硬件资源够的话，查表法也是一个不错的选择。
查表法虽然应用广泛，但其有效性依赖于特定场景和需求，在某些场景下效果较好，但并非所有情况都适用。
FFT算法基于分治思想，将大问题分解为小问题。
这是fft滤波么
查表法适用于特定点数的FFT计算。
好像查表法确实比较方便，就是占用了一些存储空间
可以通过计算标准FFT算法的结果与查表法实现的FFT结果进行对比，以验证查表法实现的FFT的正确性。
检查表不仅提升效率，更能在复杂项目中节约成本
查表法能减少计算复杂度，从而节省计算资源，提高效率
如果使用查表法计算，会影响运算速度吧。
查表法计算精度和效率会受影响吗
优化代码，减少循环次数和复杂度，使用更高效算法，提高计算速度
本帖最后由 andy520520 于 2025-3-9 18:09 编辑
zhuotuzi 发表于 2025-1-24 17:58
这个FFT计算完全是错误的，不知道是哪里搞的
计算N点的FFT，分为log2(N) 层，旋转因子的表格大小为twiddle_factors_table
本帖最后由 andy520520 于 2025-3-15 17:45 编辑
zhuotuzi 发表于 2025-1-24 17:58
上面的FFT计算完全是错误的，不知道是哪里搞的
计算N点的FFT，分为log2(N) 层，每层N/2个蝶形，每个蝶形有一个复数乘法，旋转因子的表格 twiddle_factors_table旋转因子表格大小是N/2
stage =0 , 1 , 2 , ... ,log2(N)- 1
在第0层， W_N^0 = 1
在第一层，W_N^0 = 1, W_N^(N/2^(stage +1)))
在第二层，W_N^0 = 1, W_N^(N/2^(stage + 1)), W_N^(2 *N/2^(stage + 1)),W_N^(3 * N/ 2^(stage + 1))
下面给出旋转因子表格
#define SCALE_FACTOR (1 << 14) // 在乘法的时候再缩回
// 定义复数结构体，元素类型改为
typedef struct
{ long int real;
long int imag;
} complex_int;
// 获取旋转因子表
void get_twiddle_factors(int n, complex_int *twiddle_factors)
{
for (int k = 0; k < n / 2; k++)
{
double angle = -2 * M_PI * k / n;
double real_part = cos(angle);
double imag_part = sin(angle);
// 将实部和虚部乘以放大因子并取整
twiddle_factors.real = (long int)(real_part * SCALE_FACTOR);
twiddle_factors.imag= (long int)(imag_part * SCALE_FACTOR);
}
}
FFT的精髓在下面的公式 ,合并了复数乘法，减少了乘法的次数，基2时间抽取法的FFT，乘法次数是 N/2 * log2(N)
t = W_N^k * odd
X =oven+ t
X =even- t
查表法确实有其局限性，并非万能，只适用于特定场景，需要结合具体情况灵活使用。