如何使用特征FFT与矩阵

How to use Eigen FFT with MatrixXf?

本文关键字：FFT 何使用 特征      更新时间：2023-10-16

我是Eigen库的新手。我想计算特征矩阵的FFT。然而，我的尝试表明，不支持的特征FFT模块不能与MatrixXf一起使用。我想做这样的事情:

#include <eigen3/unsupported/Eigen/FFT>
#include<Eigen/Dense>
#include<iostream>
using namespace std;
using namespace Eigen;
int main(){
    MatrixXf A = MatrixXf::Random(3,10);
    FFT<float> fft;
    MatrixXf B;
    fft.fwd(B,A);
}

这是可行的吗?欢迎提出任何其他建议。我花了很多时间说服自己从matlab迁移到Eigen，除非不可避免，否则我宁愿不使用不同的库。谢谢。

不幸的是，这是不正确的;

1)你必须迭代输入矩阵的行(实)

2)然后遍历输出矩阵(复数)

的列
FFT<float> fft;
Eigen::Matrix<float, dim_x, dim_y> in = setMatrix();
Eigen::Matrix<complex<float>, dim_x, dim_y> out;
for (int k = 0; k < in.rows(); k++) {
    Eigen::Matrix<complex<float>, dim_x, 1> tmpOut;
    fft.fwd(tmpOut, in.row(k));
    out.row(k) = tmpOut;
}
for (int k = 0; k < in.cols(); k++) {
    Eigen::Matrix<complex<float>, 1, dim_y> tmpOut;
    fft.fwd(tmpOut, out.col(k));
    out.col(k) = tmpOut;
}

我的答案是基于Saba的。

std::shared_ptr< Eigen::MatrixXcf > Util::fft2(std::shared_ptr< Eigen::MatrixXf > matIn)
{
    const int nRows = matIn->rows();
    const int nCols = matIn->cols();
    Eigen::FFT< float > fft;
    std::shared_ptr< Eigen::MatrixXcf > matOut = std::make_shared< Eigen::MatrixXcf > (nRows, nCols);
    for (int k = 0; k < nRows; ++k) {
        Eigen::VectorXcf tmpOut(nCols);
        fft.fwd(tmpOut, matIn->row(k));
        matOut->row(k) = tmpOut;
    }
    for (int k = 0; k < matOut->cols(); ++k) {
        Eigen::VectorXcf tmpOut(nRows);
        fft.fwd(tmpOut, matOut->col(k));
        matOut->col(k) = tmpOut;
    }
    return matOut;
}

这是一个合理的期望。不幸的是，在目前的形式下，FFT并不完全支持这一点。

MatrixXcf B(3,10);  // note the change from real to complex
//fft.fwd(B,A); // It is natural to want to do this, unfortunately it is not yet supported
// it works to iterate over the columns
for (int k=0;k<A.cols();++k)
    B.col(k) = fft.fwd( A.col(k) );
相关文章：