1、t、e和fh没有事先定义数据类型和大小；
2、w(p)=(p-1)/100是矩阵运算，应用点除，改为w(p)=(p-1)./100
希望对你有帮助。
实现(C描述)#include <stdio.h>
#include <math.h>
#include <stdlib.h>
//#include "complex.h"
// --------------------------------------------------------------------------
#define N 8 //64
#defineM 3 //6 //2^m=N
#definePI3.1415926
// --------------------------------------------------------------------------
float twiddle[N/2] = {1.0, 0.707, 0.0, -0.707}
float x_r[N] = {1, 1, 1, 1, 0, 0, 0, 0}
float x_i[N]//N=8
/*
float twiddle[N/2] = {1, 0.9951, 0.9808, 0.9570, 0.9239, 0.8820, 0.8317, 0.7733,
0.7075, 0.6349, 0.5561,0.4721,0.3835,0.2912,0.1961,0.0991,
0.0000,-0.0991,-0.1961,-0.2912,-0.3835,-0.4721,-0.5561,-0.6349,
-0.7075,-0.7733, 0.8317,-0.8820,-0.9239,-0.9570,-0.9808,-0.9951} //N=64
float x_r[N]={1,1,1,1,1,1,1,1,
1,1,1,1,1,1,1,1,
1,1,1,1,1,1,1,1,
1,1,1,1,1,1,1,1,
0,0,0,0,0,0,0,0,
0,0,0,0,0,0,0,0,
0,0,0,0,0,0,0,0,
0,0,0,0,0,0,0,0,}
float x_i[N]
*/
FILE *fp
// ----------------------------------- func -----------------------------------
/**
* 初始化输出虚部
*/
static void fft_init( void )
{
int i
for(i=0i<Ni++) x_i[i] = 0.0
}
/**
* 反转算法.将时域信号重新排序.
* 这个算法有改进的空间
*/
static void bitrev( void )
{
intp=1, q, i
intbit_rev[ N ]//
float xx_r[ N ] //
bit_rev[ 0 ] = 0
while( p <N )
{
for(q=0q<pq++)
{
bit_rev[ q ] = bit_rev[ q ] * 2
bit_rev[ q + p ] = bit_rev[ q ] + 1
}
p *= 2
}
for(i=0i<Ni++) xx_r[ i ] = x_r[ i ]
for(i=0i<Ni++) x_r[i] = xx_r[ bit_rev[i] ]
}
/* ------------ add by sshc625 ------------ */
static void bitrev2( void )
{
return
}
/* */
void display( void )
{
printf("\n\n")
int i
for(i=0i<Ni++)
printf("%f\t%f\n", x_r[i], x_i[i])
}
/**
*
*/
void fft1( void )
{ fp = fopen("log1.txt", "a+")
int L, i, b, j, p, k, tx1, tx2
float TR, TI, temp// 临时变量
float tw1, tw2
/* 深M. 对层进行循环. L为当前层, 总层数为M. */
for(L=1L<=ML++)
{
fprintf(fp,"----------Layer=%d----------\n", L)
/* b的意义非常重大,b表示当前层的颗粒具有的输入样本点数 */
b = 1
i = L - 1
while(i >0)
{
b *= 2
i--
}
// -------------- 是否外层对颗粒循环, 内层对样本点循环逻辑性更强一些呢! --------------
/*
* outter对参与DFT的样本点进行循环
* L=1, 循环了1次(4个颗粒, 每个颗粒2个样本点)
* L=2, 循环了2次(2个颗粒, 每个颗粒4个样本点)
* L=3, 循环了4次(1个颗粒, 每个颗粒8个样本点)
*/
for(j=0j<bj++)
{
/* 求旋转因子tw1 */
p = 1
i = M - L// M是为总层数, L为当前层.
while(i >0)
{
p = p*2
i--
}
p = p * j
tx1 = p % N
tx2 = tx1 + 3*N/4
tx2 = tx2 % N
// tw1是cos部分, 实部tw2是sin部分, 虚数部分.
tw1 = ( tx1>=N/2)? -twiddle[tx1-N/2] : twiddle[ tx1 ]
tw2 = ( tx2>=N/2)? -twiddle[tx2-(N/2)] : twiddle[tx2]
/*
* inner对颗粒进行循环
* L=1, 循环了4次(4个颗粒, 每个颗粒2个输入)
* L=2, 循环了2次(2个颗粒, 每个颗粒4个输入)
* L=3, 循环了1次(1个颗粒, 每个颗粒8个输入)
*/
for(k=jk<Nk=k+2*b)
{
TR = x_r[k] // TR就是A, x_r[k+b]就是B.
TI = x_i[k]
temp = x_r[k+b]
/*
* 如果复习一下 (a+j*b)(c+j*d)两个复数相乘后的实部虚部分别是什么
* 就能理解为什么会如下运算了, 只有在L=1时候输入才是实数, 之后层的
* 输入都是复数, 为了让所有的层的输入都是复数, 我们只好让L=1时候的
* 输入虚部为0
* x_i[k+b]*tw2是两个虚数相乘
*/
fprintf(fp, "tw1=%f, tw2=%f\n", tw1, tw2)
x_r[k] = TR + x_r[k+b]*tw1 + x_i[k+b]*tw2
x_i[k] = TI - x_r[k+b]*tw2 + x_i[k+b]*tw1
x_r[k+b] = TR - x_r[k+b]*tw1 - x_i[k+b]*tw2
x_i[k+b] = TI + temp*tw2 - x_i[k+b]*tw1
fprintf(fp, "k=%d, x_r[k]=%f, x_i[k]=%f\n", k, x_r[k], x_i[k])
fprintf(fp, "k=%d, x_r[k]=%f, x_i[k]=%f\n", k+b, x_r[k+b], x_i[k+b])
} //
} //
} //
}
/**
* ------------ add by sshc625 ------------
* 该实现的流程为
* for( Layer )
* for( Granule )
*for( Sample )
*
*
*
*
*/
void fft2( void )
{ fp = fopen("log2.txt", "a+")
int cur_layer, gr_num, i, k, p
float tmp_real, tmp_imag, temp // 临时变量, 记录实部
float tw1, tw2// 旋转因子,tw1为旋转因子的实部cos部分, tw2为旋转因子的虚部sin部分.
intstep // 步进
intsample_num // 颗粒的样本总数(各层不同, 因为各层颗粒的输入不同)
/* 对层循环 */
for(cur_layer=1cur_layer<=Mcur_layer++)
{
/* 求当前层拥有多少个颗粒(gr_num) */
gr_num = 1
i = M - cur_layer
while(i >0)
{
i--
gr_num *= 2
}
/* 每个颗粒的输入样本数N' */
sample_num= (int)pow(2, cur_layer)
/* 步进. 步进是N'/2 */
step = sample_num/2
/* */
k = 0
/* 对颗粒进行循环 */
for(i=0i<gr_numi++)
{
/*
* 对样本点进行循环, 注意上限和步进
*/
for(p=0p<sample_num/2p++)
{
// 旋转因子, 需要优化...
tw1 = cos(2*PI*p/pow(2, cur_layer))
tw2 = -sin(2*PI*p/pow(2, cur_layer))
tmp_real = x_r[k+p]
tmp_imag = x_i[k+p]
temp = x_r[k+p+step]
/*(tw1+jtw2)(x_r[k]+jx_i[k])
*
* real : tw1*x_r[k] - tw2*x_i[k]
* imag : tw1*x_i[k] + tw2*x_r[k]
* 我想不抽象出一个
* typedef struct {
* double real // 实部
* double imag // 虚部
* } complex以及针对complex的操作
* 来简化复数运算是否是因为效率上的考虑!
*/
/* 蝶形算法 */
x_r[k+p] = tmp_real + ( tw1*x_r[k+p+step] - tw2*x_i[k+p+step] )
x_i[k+p] = tmp_imag + ( tw2*x_r[k+p+step] + tw1*x_i[k+p+step] )
/* X[k] = A(k)+WB(k)
* X[k+N/2] = A(k)-WB(k) 的性质可以优化这里*/
// 旋转因子, 需要优化...
tw1 = cos(2*PI*(p+step)/pow(2, cur_layer))
tw2 = -sin(2*PI*(p+step)/pow(2, cur_layer))
x_r[k+p+step] = tmp_real + ( tw1*temp - tw2*x_i[k+p+step] )
x_i[k+p+step] = tmp_imag + ( tw2*temp + tw1*x_i[k+p+step] )
printf("k=%d, x_r[k]=%f, x_i[k]=%f\n", k+p, x_r[k+p], x_i[k+p])
printf("k=%d, x_r[k]=%f, x_i[k]=%f\n", k+p+step, x_r[k+p+step], x_i[k+p+step])
}
/* 开跳!:) */
k += 2*step
}
}
}
/*
* 后记:
* 究竟是颗粒在外层循环还是样本输入在外层, 好象也差不多, 复杂度完全一样.
* 但以我资质愚钝花费了不少时间才弄明白这数十行代码.
* 从中我发现一个于我非常有帮助的教训, 很久以前我写过一部分算法, 其中绝大多数都是递归.
* 将数据量减少, 减少再减少, 用归纳的方式来找出数据量加大代码的规律
* 比如FFT
* 1. 先写死LayerI的代码然后再把LayerI的输出作为LayerII的输入, 又写死代码......
*大约3层就可以统计出规律来. 这和递归也是一样, 先写死一两层, 自然就出来了!
* 2. 有的功能可以写伪代码, 不急于求出结果, 降低复杂性, 把逻辑结果定出来后再添加.
*比如旋转因子就可以写死, 就写1.0. 流程出来后再写旋转因子.
* 寥寥数语, 我可真是流了不少汗! Happy!
*/
void dft( void )
{
inti, n, k, tx1, tx2
float tw1,tw2
float xx_r[N],xx_i[N]
/*
* clear any data in Real and Imaginary result arrays prior to DFT
*/
for(k=0k<=N-1k++)
xx_r[k] = xx_i[k] = x_i[k] = 0.0
// caculate the DFT
for(k=0k<=(N-1)k++)
{
for(n=0n<=(N-1)n++)
{
tx1 = (n*k)
tx2 = tx1+(3*N)/4
tx1 = tx1%(N)
tx2 = tx2%(N)
if(tx1 >= (N/2))
tw1 = -twiddle[tx1-(N/2)]
else
tw1 = twiddle[tx1]
if(tx2 >= (N/2))
tw2 = -twiddle[tx2-(N/2)]
else
tw2 = twiddle[tx2]
xx_r[k] = xx_r[k]+x_r[n]*tw1
xx_i[k] = xx_i[k]+x_r[n]*tw2
}
xx_i[k] = -xx_i[k]
}
// display
for(i=0i<Ni++)
printf("%f\t%f\n", xx_r[i], xx_i[i])
}
// ---------------------------------------------------------------------------
int main( void )
{
fft_init( )
bitrev( )
// bitrev2( )
//fft1( )
fft2( )
display( )
system( "pause" )
// dft()
return 1
}
本文来自CSDN博客，转载请标明出处：http://blog.csdn.net/sshcx/archive/2007/06/14/1651616.aspx
一、IBM公司：DFT（Drive Fitness Test，驱动健康检测）此软件是IBM公司面向IBM硬盘而推出的硬盘检测软件，它是基于DFT微代码来判断硬盘的错误所在，这些微代码会自动地记录重要的硬盘错误事件，这些错误事件如硬盘错误、所有重新分配过的扇区历史记录等等。DTF软件可以以“快速检测”、“表面完全扫描”来检测硬盘的错误历史、检验执行检验功能、读取及分析硬盘的错误历史、检验S.M.A.R.T功能及基于PES对硬盘的机械性能进行分析。快速检测是用每一个磁头进行读/写检测和扫描前500K的扇区（引导程序保存在此部份扇区），完成一次快速检测所需要的时间不超过2分钟，它可以检查出90％的错误。硬盘的表面完全扫描针对硬盘介质表面每个扇区的数据完整性进行检测，完成一次扫描需要15~20分钟（不同的容量硬盘完成诊断时间不同）。当你怀疑自己的硬盘表面的故障时，可以用这种方法对其进行扫描。表面扫描模式将扫描硬盘的所有扇区。DFT程序只能在DOS模式下运行，DFT程序诊断完成后对应以下四种结果：
1、硬盘有坏扇区
2、硬盘已经由于震动而损坏
3、硬盘将要衰减
4、硬盘可以正常使用，不需要进行返修或者换盘
软件使用方法：
此安装程序（dft32-v200.exe）包含IBM DOS2000 及 Drive Fitness Test，运行此程序，系统将自动在一张软盘上建立 IBM DOS2000 启动盘，此启动盘中包含有 DFT（磁盘健康检测）。DFT是用来检测IBM IDE及SCSI硬盘的错误，它不会覆盖用户数据。
软件使用注意：
$#@60$#@62目前DFT软件不适用于IBM微型硬盘
$#@60$#@62目前DFT软件不适用于Travelstar E 系列硬盘
$#@60$#@62目前DFT软件不适用于1995年11月份以前出产s的IBM硬盘
软件下载地址：
国内下载：YESKY驱动世界
$#@62$#@62DFT工具最新2.00版（for Win系统）：
$#@62$#@62DFT工具最新2.00版（for Linux系统）：
更多IBM硬盘工具http://drivers.yesky.com/servlet/driver.yeskydown?tag=1&sortid=72342367549521920
