利用FFT成功实现拓扑识别（八）--对FFT算法的理解1

FFT算法的理解

FFT算法 在理论、工程中具有非常广泛的应用。在实际应用中，工程师并不需要我完全理解，就可以利用其实现结果的输出，但是在某些特殊、高级的应用场合，需要对fft的结果进行进一步分析是，往往会同时还需要注意到它在频谱分析中可能带来的频率混叠、频率泄露，甚至算法优化等等问题。工程师们就需要首先理解现有算法的原理、流程，并以此为基础比较不同fft的实现方式下的优缺点，从而选择最适合自己工程应用的算法。后面结合本人实践中的应用，对c程序实现的fft算法进行剖析和比较。

前置知识

要完全理解FFT，我们就需要从DFT说起，在DFT和FFT算法中，无法避开的数学基础知识就是欧拉方程：
简化的欧拉恒等式(Euler’s identity)是如下表示：

其更通用的表达式：

其中：
e是自然对数的底，
i是虚数单位。
它将指数函数的定义域扩大到复数，建立了三角函数和指数函数的关系，网上关于其原理文章汗牛充栋，但大多晦涩难懂，对应应用的工程师而言，完全是一头雾水，此处从应用角度出发，结合代码的实现，通俗易懂地做个阐述，力求满足大多数工科类工程师的理解需要。但必要的前置知识还是要有的。

自然数e的理解

在教科书上，e的定义为：

借助编程工具，我们可以如下验证：

最终，就和大名鼎鼎的π一样，它是一个无理数。e在科学技术中用得非常多，一般不使用以10为底数的对数。以e为底数，许多式子都能得到简化，用它是最“自然”的，所以叫“自然对数”，看看下面这张图，是不是有异曲同工之妙：

指数函数扩展到复平面

现在我们知道了e，可是：
又是什么玩意？

我们先从实数域谈起，有过初中知识的都知道，在实数域：

当指数n>0，且n为整数时

特殊情况下：
当指数n=0时，

但是在复变指数函数中，还是这样的情况吗？我们下期讲