FFT算法实战：用Python手写递归与迭代实现（附完整代码对比）

FFT算法实战：用Python手写递归与迭代实现（附完整代码对比）

快速傅里叶变换（FFT）是数字信号处理领域的基石算法，它能将多项式乘法的时间复杂度从O(n²)降到O(n log n)。本文将带你深入理解FFT的核心思想，并用Python同时实现递归和迭代两种版本，最后通过Numpy验证算法正确性。

1. 理解FFT的数学本质

FFT本质上是离散傅里叶变换（DFT）的优化算法。给定n个复数点组成的序列{x₀, x₁,...,xₙ₋₁}，其DFT定义为：

X_k = \sum_{m=0}^{n-1} x_m e^{-i2πkm/n} \quad (k=0,...,n-1)

关键突破点在于单位根的性质。令ωₙ = e^(-2πi/n)，我们发现：

• 周期性：ωₙ^(k+n) = ωₙ^k
• 对称性：ωₙ^(k+n/2) = -ωₙ^k
• 可分性：ωₙ² = ω_{n/2}

这些性质使得我们可以采用分治策略：

FFT算法核心步骤：
1. 将多项式按奇偶项分为两部分
2. 递归计算两个子问题的FFT
3. 合并结果：X_k = E_k + ωₙ^k O_k
4. 利用对称性：X_{k+n/2} = E_k - ωₙ^k O_k

2. 递归实现FFT

递归实现最直观体现分治思想。我们先处理基案例（n=1），然后不断将问题分解：

import numpy as np
import matplotlib.pyplot as plt

def recursive_fft(x):
    n = len(x)
    if n == 1:
        return x
    
    # 计算旋转因子
    om