目前我正在尝试在ATI GPU设备上实施时频分析。基本上，我需要的是在通过初始数组移动的小（256-ish）窗口内运行FFT，并将每个计算的结果存储在矩阵[window_size，analysis_size]中。
我正在使用clFFT库，具有以下缓冲结构：
data_buffer ~ complex<float>[analysis_size]
out_buffer ~ complex<float>[window_size * (analysis_size-window_size)]
in_buffers ~ overlapped window_size subbuffers within data_buffer, for each calculation
out_buffers ~ window_size subbuffers within out_buffer, for each calculation. No overlapping.
在向in_buffer写入数据（clEnqueueWriteBuffer）之后（当所有in_buffers都应该被填充时）我只需用in_buffers [i]，out_buffers [i]作为参数在循环中运行所需数量的clfftEnqueueTransforms。之后，我使用单个clEnqueueReadBuffer读取out_buffer中的所有内容。
所有困扰子缓冲区的都应该减少数据传输开销，但仍然......
IPP的FFT实现使同样的事情快两倍，这有点令人困惑。我究竟做错了什么？有没有可能的优化，或者可能是根本性的错误？谢谢你的帮助。
我的代码可通过that链接获取。