快速傅里叶变换FFT的C语言实现及应用(3)

c->real=a.real*b.real - a.img*b.img; c->img=a.real*b.img + a.img*b.real; }

void sub(complex a,complex b,complex *c) {

c->real=a.real-b.real; c->img=a.img-b.img; }

void divi(complex a,complex b,complex *c) {

c->real=( a.real*b.real+a.img*b.img )/( b.real*b.real+b.img*b.img);

c->img=( a.img*b.real-a.real*b.img)/(b.real*b.real+b.img*b.img); }

快速傅立叶变换的发展前景

快速傅立叶变换作为一种数学方法，已经广泛地应用在几乎所有领域的频谱分析中，而且经久不衰，因为信号处理方法没有先进和落后之分，只有经典和现代之别，在实际系统中用得最好的方法就是管用的方法。换句话说，信号处理方法与应用背景和目的的贴近程度是衡量信号处理方法优劣的唯一标准。FFT是快速傅利叶变换(Fast Fourier Transform简称FFT)的英文缩写,它在当今科技世界中的应用姻当活跃,无论是在时间序列分析领域中,还是在我国刚刚兴起的生物频谱治疗的研究与应用中,都有着重要的作用。同时,它又是软件实现数字滤波器的必备组成部分之一。

快速傅立叶变换的应用领域

信号分析，包括滤波、数据压缩、电力系统的监控等；

研究偏微分方程，比如求解热力学方程的解时，把f(t)展开为三角级数最为关键 概率与统计，量子力学等学科。

我们以快速傅里叶变换在信号分析某一方面为例稍微说明一下应用过程。利用快速傅里叶变换FFT将图像信号从空间转换到频域进行分析，是快速卷积，目标识别等许多算法易于实现，然后根据图像信号的灰度结构特征和频谱分布，用Butterworth带通滤波器和二维维纳滤波器进行滤波处理，去除图像信号中的低频感染和噪声信号，再利用傅里叶反变换将信号还原。结果显示，处理后的模拟远程高空卫星照片轮廓清晰可见，对下一步利用光学系统装置采集的远程目标的进一步识别提供了有力的条件。利用离散傅里叶变换在实现是存在快速算法，即快速傅里叶变换（FFT）和有效的滤波处理，对模拟远程高空卫星照片进行了较为有效的处理。我对快速傅里叶变换和信号这门课的看法和认识