我在Matlab中找到了一些代码：其中y是512×443二维阵列，并且nfft =512。我认为快速傅立叶变换是针对一维数组的，对于二维数组应该有fft2，但是快速傅立叶变换是有效的。这怎么可能，有人能给我解释一下吗？
浏览 4提问于2011-12-08得票数 2
回答已采纳
2回答
我正在尝试实现FFT，我对代码等也没什么意见，但是事情的一般顺序让我很困惑。我得到的结果接近我的输入频率，但它们始终被一些我无法计算的因素所抵消，即440 my总是407 my，430 my总是420 my。让我困惑的主要部分是最初的重叠，因为我一直在看一些开源<e
浏览 4提问于2014-04-29得票数 3
1回答
所以我有一个矩阵M=(50,50, 250 )，我想要得到切片的FFT2，S=(50,50)沿着第3维=250。假设我知道
这是在按我的意愿计算英国“金融时报”吗？因为在函数描述中，函数对X的每个高维切片返回二维DFT，例如，如果size(X) = 100 3，则fft2计算X(:，:,1)，X(:，:,2)和X(:，:,3)的DFT。所以，我
浏览 0提问于2016-07-19得票数 0
回答已采纳
我使用iOS加速框架来寻找二维阵列的快速傅立叶变换。下面的代码正确地工作仅的功率2图像。我们必须垫输入阵列与zeros的非功率2图像。但我不能正确地做填充物。0,0,0,0,0,0对于4*4数组，我正确地将输出作为值为16 (0,0)的8加速FFT编码。 * 2D fft sample working only for power of 2 images.}
浏览 4提问于2015-04-02得票数 1
回答已采纳
我正在计算一个方程A*x=B，其中A是一个矩阵，B是一个向量，x是答案(未知)向量。它在FFT、INV、LU计算中也较慢，这应该与矩阵除法有关。seconds.Elapsed time is *0.229773* seconds.大胆的时代是稳定的时代。那么，为什么GPU在矩阵除法、fft和类
浏览 2提问于2013-02-16得票数 6
我正在将一个C++程序移植到CUDA，所有的计算都是关于矩阵/向量的。第一个移植函数是矩阵的FFT。在将矩阵的FFT移植到CUDA后，发现CPU和GPU之间的数据传输几乎一直在进行。8192x8192时的测量结果：这意味着
浏览 0提问于2021-02-08得票数 0
我需要计算一个cx_mat的一维fft在它的第二维。所以假设我有这个矩阵：MATLAB版本如下所示：在Armadillo我该怎么做？我试图尽可能快地保持这一点，所以我认为在列中运行for循环并不是最好的选择。然后我看到了.each_col属性并尝试
cx_mat A_fft=A.each_col([](ve
浏览 0提问于2019-08-12得票数 0
回答已采纳
1回答
输入： hermitian矩阵\rho_{i,j}和i,j=0,1,..d-1问题： 1)对于大型d (d>5 000)，直接方法(参见代码片段1)相当慢。2)使用'np.fft.fft()‘要快得多，但在定义中使用的指数是2，而不是4
是否有可能
浏览 4提问于2020-02-25得票数 0
2回答
但我相信在这个社区里，这是众所周知的，也是众所周知的。
我有一个图像，x，和一个小得多的图像，y，我需要通过将它们的FFT相乘来将两者转换。但是由于它们的大小不一样，我不知道如何进行频域乘法。我取x的(二维) FFT (它是维数4096 x 4096的整数矩阵)，它给出了频域表示，X(它是一个复数矩阵，我认为它的维数是2048x2048)。类似地，我取y的
浏览 4提问于2009-09-03得票数 9
1回答
特征FFT库
、、、
我试图使用使用FFTW后端的特征不支持的FFT库。具体来说，我想做一个2D FFT。这是我的密码：{特征：：MatrixXcf matFFT(mat.rows()，mat.c
浏览 2提问于2018-04-05得票数 0
回答已采纳
1回答
我目前正在使用opencl为实际输入数据实现二维FFT (更具体地说，是使用FFT的快速2D卷积，所以我只需要一些足以应用卷积的功能)。二维FFT在行上使用一维FFT来实现，然后在cols上使用一维FFT来实现。
为了提高效率，我尝试使用FFT的对称性和实际输入，以便能够计算较小的FFT。我发现，我可以将两行组合成一列，第一行作为实分量，第二行作
浏览 15提问于2010-10-18得票数 6
回答已采纳
1回答
我试着在Julia上做一些压缩感知的练习，但是我意识到，一个恒等矩阵的离散余弦变换(使用FFTW.jl)并不是其他编程语言(又名)的结果。数学和Matlab)。例如“朱莉娅”n = 100heatmap(Psi)imagesc(dct(eye(100,100),'
浏览 6提问于2022-04-22得票数 1
回答已采纳
3回答
我正在试着理解一些关于神经网络的事情。首先，环顾网络，似乎没有办法通过神经网络计算(离散)傅立叶变换。你可以通过硬编码把傅立叶常数包含在变换中，然后得到一个不错的结果。
浏览 4提问于2012-04-26得票数 16
我使用tf.signal.fft2d (在numpy：np.fft.fft2中)将2D (空间)图像转换为频域图像，并注意到开始和结束的形状是相同的，尽管我不知道为什么它们必须是。例如：spectral = np.fft.fft2(test_img)
假设图像现在处于光谱基础上--如何在N
浏览 23提问于2022-08-26得票数 0
回答已采纳
我首先可以得到给定大小的DFT矩阵，比如nn = 64当然，快速傅立叶变换只是将D应用于向量的一个快速算法：x = np.random.randn(n)print( np.abs(ft1 - fft.fft(x)).max() )通过将D应用于矩阵</e
浏览 2提问于2018-01-16得票数 2
回答已采纳
1回答
我刚刚开始学习一些cuda编程，我感兴趣的是如何处理超过块/线程大小的大型矩阵的计算。
例如，我有一个，它展示了如何执行平铺矩阵乘法，但是由于块大小和网格大小太小，它失败了。在上述代码中，如果块大小和网格大小分别设置为1，则只计算最终矩阵的第一个元素。答案很简单:用更大的块和网格大小调用内核，但是当我想要执行一个包含800万行和600万列的矩阵<
浏览 2提问于2015-02-11得票数 0
2回答
我需要用小的矩阵和内核来实现多个卷积，我希望利用GPU的多个处理器能够让我尽可能快地完成它。问题如下:我有许多矩阵(~1,000到~10,000)或相对较小的大小(~15x15到1x1 -如标量)，以及一定数量的卷积掩码(~20到1)。B(1)); %res(j) is the result of convolving all 5,000目标是尽可能快地计算，re
浏览 0提问于2013-07-31得票数 1
快速傅立叶变换(fft；)将'a‘转换为它的傅立叶，频谱等效：据我所知，参数n表示输出中有多少个样本，如果n小于a中的样本数，则会裁剪输出；如果n较大，则用零填充输出。axis是做什么的？这到底是什么意思？我还没有找到任何明确的例子来说明它的用法。
浏览 0提问于2020-05-14得票数 0
1回答
我试图编写一些代码来预测在给定的n维数组上执行离散傅里叶变换所需的时间，但我很难理解n维FFT的计算复杂性。据我所知：
N*(k*M*log(M)) + M*(k*N*log(N)) = k*M*N*(log(M)+log(N))
因为它需要在每一行和每列中获取一维FFT。
浏览 4提问于2012-09-03得票数 20
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
