我有一个尺寸为Nx * Ny * Nz的真实3D数组,并希望对每个z值using FFTW进行二维傅立叶变换。这里的z索引是内存中变化最快的。目前,以下代码按预期工作:
int Nx = 16; int Ny = 8; int Nz = 3;
// allocate memory
const int dims = Nx * Ny * Nz;
// input data (pre Fourier transform)
double *input = fftw_alloc_real(dims);
// why is this the required output size?
const int outdims = Nx * (Ny/2 + 1) * Nz;
// we want to perform the transform out of place
// (so seperate array for output)
fftw_complex *output = fftw_alloc_complex(outdims);
// setup "plans" for forward and backward transforms
const int rank = 2; const int howmany = Nz;
const int istride = Nz; const int ostride = Nz;
const int idist = 1; const int odist = 1;
int n[] = {Nx, Ny};
int *inembed = NULL, *onembed = NULL;
fftw_plan fp = fftw_plan_many_dft_r2c(rank, n, howmany,
input, inembed, istride, idist,
output, onembed, ostride, odist,
FFTW_PATIENT);
fftw_plan bp = fftw_plan_many_dft_c2r(rank, n, howmany,
output, onembed, ostride, odist,
input, inembed, istride, idist,
FFTW_PATIENT);
根据我的理解,转换长度为N的1D序列需要(N / 2 + 1)个复数值,那么为什么上面的代码会崩溃,而我设置outdims = (Nx/2 + 1)*(Ny/2 + 1)*Nz
就像人们对2D变换所期望的那样?
其次我认为我可以使用以下内容从qx = 0 to Nx/2
(包括)访问模式的实部和虚部:
#define outputRe(qx,qy,d) ( output[(d) + Nz * ((qy) + (Ny/2 + 1) * (qx))][0] )
#define outputIm(qx,qy,d) ( output[(d) + Nz * ((qy) + (Ny/2 + 1) * (qx))][1] )
编辑:Full code和Makefile适合那些想要玩游戏的人。假设安装了fftw和gsl。
EDIT2:如果我理解正确,索引(允许正负频率)应该是(对于宏来说可能太乱了!):
#define outputRe(qx,qy,d) ( output[(d) + Nz * ((qy) + (Ny/2 + 1) * ( ((qx) >= 0) ? (qx) : (Nx + (qx)) ) ) ][0] )
#define outputIm(qx,qy,d) ( output[(d) + Nz * ((qy) + (Ny/2 + 1) * ( ((qx) >= 0) ? (qx) : (Nx + (qx)) ) ) ][1] )
for (int qx = -Nx/2; qx < Nx/2; ++qx)
for (int qy = 0; qy <= Ny/2; ++qy)
outputRe(qx, qy, d) = ...
其中outputRe(-Nx/2, qy, d)
指向与outputRe(Nx/2, qy, d)
相同的数据。在实践中,我可能只是循环第一个索引并转换为频率,而不是反过来!
答案 0 :(得分:5)
为了帮助澄清(专注于2D,因为它很容易扩展到3D数据的2D变换):
傅立叶变换后,Nx * Ny
数组需要Nx * (Ny / 2 + 1)
个复数元素。
首先,在y方向上,可以从复共轭对称性(来自转换实序列)来重构负频率。然后y模式ky
从0 to Ny/2
开始运行。 因此,我们需要Ny/2 + 1
复杂值。
接下来,我们在x方向上进行变换,在这里我们不能使用相同的对称假设,因为我们正在对复值y值进行处理。因此,我们必须包含正负频率,因此x模式kx
从-Nx/2 to Nx/2
开始。但是,kx = -Nx/2
和kx = Nx/2
是等效的,因此只存储一个(请参阅here)。 因此,对于x,我们需要Nx
复数值。
由于tir38指出x变换后的索引从0运行到Nx-1,但这并不意味着模式kx
从0运行到Nx-1。 FFTW在阵列的前半部分包含正频率,然后在后半部分以相反的顺序包含负频率,如:
kx = 0, 1, 2, ..., Nx/2, -Nx/2 + 1, ..., -2, -1
我们可以通过两种方式考虑访问这些元素。首先,因为tir38建议我们可以按顺序循环并从索引中计算出kx
模式:
for (int i = 0; i < Nx; i++)
{
// produces the list of kxs above
int kx = (i <= Nx/2) ? i : i - Nx;
// here we index with i, but with the knowledge that the mode is kx
outputRe(i, ...) = some function of kx
}
或者我们可以遍历模式kx
并转换为索引:
for (int kx = -Nx/2; kx < Nx/2; kx++)
{
// work out index from mode kx
int i = (kx >= 0) ? i : Nx + i;
// here we index with i, but with the knowledge that the mode is kx
outputRe(i, ...) = some function of kx
}
两种类型的索引以及代码的其余部分can found here。
答案 1 :(得分:1)
通过对每个z值进行2D FFT,您基本上可以进行Nz数2D FFT。对称性仅在一个维度上。因此,对于单个[Nx x Ny] 2D FFT,您将获得Nx *(Ny / 2 +1)的输出。因此,由于您正在进行这些FFT的Nz,因此您将具有[Nx x(Ny / 2 +1 +)x Nz] 3D输出。
是的应该是如何存储输出的。我知道不是每个人都可以访问Matlab,但是当我开始使用FFTW时,我总是将小矩阵与C ++(或者你的C中的C)和Matlab进行比较
它们仍然从零索引,所以:
for (int qx = -Nx/2; qx < Nx/2; ++qx) => for (int gx = 0; gx < Nx; gx++)
对称性在y轴上,因此x数据不是多余的:
output(0, a, b) != output(Nx-1, a ,b)
其中a,b是y和z的某些值;