Эффективность FFT в C и C++: Преимущества библиотеки FFTW

В мире цифровой обработки сигналов важным инструментом является быстрое преобразование Фурье (FFT). Сравнение реализации FFT на разных языках программирования, таких как Python и C/C++, показывает явное преимущество последнего. Наиболее мощной библиотекой для работы с FFT в C является FFTW.

Сравнение производительности показывает, что программы, написанные на C, значительно эффективнее, как по загрузке процессора, так и по использованию оперативной памяти. Это особенно актуально для устройств с ограниченными ресурсами, таких как Raspberry Pi, где использование Python может привести к переполнению памяти.

Для реализации FFT с использованием библиотеки FFTW в C, необходимо выполнить несколько шагов. Первым делом, необходимо подключить библиотеку:

#include <fftw3.h>

Далее, определяем размер FFT:

#define CAPTURE 1000 // размер FFT

Затем создаем массивы для входных и выходных данных, а также план для выполнения преобразования:

fftw_complex *in;
fftw_complex *out;
fftw_plan p;

Функция для инициализации FFT выглядит следующим образом:

void setFFT() {
    in = (fftw_complex *) fftw_malloc(sizeof(fftw_complex) * CAPTURE + 1);
    out = (fftw_complex *) fftw_malloc(sizeof(fftw_complex) * CAPTURE + 1);
    p = fftw_plan_dft_1d(CAPTURE, in, out, FFTW_FORWARD, FFTW_ESTIMATE);
}

Основная функция FFT, которая принимает данные и возвращает спектр мощности, выглядит следующим образом:

double *fft(uint8_t *data, int *count, double *power_spectrum) {
    double *power_spectrum_tmp = (double *) malloc(sizeof(double) * CAPTURE + 1);
    fftw_complex *cx_power_spectrum = (fftw_complex *) malloc(sizeof(fftw_complex) * CAPTURE + 1);
    int w = 0;
    int x = 0;

    // Преобразование в комплексные данные
    for (int i = 0; i < CAPTURE * 2; i += 2) {
        in[x][0] = (data[i] / (255.0 / 2.0)) - 1.0;
        in[x][1] = (data[i + 1] / (255.0 / 2.0)) - 1.0;
        x++;
    }

    fftw_execute(p);

    // Вычисление спектра мощности
    for (int i = 0; i < CAPTURE; i++) {
        double complex complex_tmp = out[i][0] + out[i][1] * I;
        complex_tmp = conj(complex_tmp) * complex_tmp;
        cx_power_spectrum[w][0] = creal(complex_tmp);
        cx_power_spectrum[w][1] = cimag(complex_tmp);
        w++;
    }

    // Преобразование комплексных данных в двойные
    for (int i = 0; i < CAPTURE; i++)
        power_spectrum_tmp[i] = cx_power_spectrum[i][0];

    // Реорганизация данных
    for (int i = 0; i < CAPTURE / 2; i++)
        power_spectrum[i] = power_spectrum_tmp[i + (CAPTURE / 2)];
    for (int i = 0; i < CAPTURE / 2; i++)
        power_spectrum[i + (CAPTURE / 2)] = power_spectrum_tmp[i];

    free(power_spectrum_tmp);
    free(cx_power_spectrum);

    return power_spectrum;
}

Эта реализация позволяет эффективно обрабатывать данные и получать спектр мощности, что является важным аспектом в области обработки сигналов.