与 FFT 的卷积，这是如何工作的？答案

【问题标题】：Convolution with FFT, how does this work?与 FFT 的卷积，这是如何工作的？
【发布时间】：2011-04-20 08:43:35
【问题描述】：

我知道在时域中，卷积是两个矩阵之间相当昂贵的运算，您可以通过在复平面中变换它们并使用乘法（然后返回时域）在频域中执行它

反正我不明白这是如何在CUDA SDK中执行的调用首先将内核（为什么是 C2C？复杂到复杂，为什么不是真实到复杂？）转换为复平面，然后将整个数据转换为同一平面

定义的内核 spProcess2D_kernel 然后启动，看起来像规范化并在频域中执行数据和内核之间的乘法（如何进行两个函数的乘法？我认为它们的意思是组合两个函数）并返回到 C2C转型（仍然想知道为什么是 C2C 而不是 C2R）

【问题讨论】：

【解决方案1】：

至于为什么可以使用 FFT 完成此操作，您需要阅读有关 convolution theorem 的信息。

一般来说，您的输入数据可能很复杂。这就是使用 C2C 的原因。

【讨论】：