音频开发中应优先使用FFTW等成熟库（如fftw_plan_dft_1d），而非手写FFT；对非2的幂帧长需零填充至最近2的幂（如1017→1024），避免过度填充导致旁瓣展宽，并注意内存对齐与旋转因子预计算以提升实时性能。
别手写完整 FFT，音频开发里直接用 fftw_plan_dft_1d 或 std::valarray<:complex>></:complex> 配合现成 plan 更稳；自己实现只在嵌入式无浮点协处理器、或教学调试时才值得投入。
音频帧长度不是 2 的幂怎么办
真实音频帧（比如 1024、2048）常是 2 的幂，但采集或分帧后可能不是：例如 44.1kHz 下取 23ms 帧 ≈ 1017 点。此时不能硬截断或丢弃。
- 补零（zero-padding）到最近的 2 的幂（如 1024），这是最常用做法；它不改变频谱形状，只提高频率分辨率的“视觉密度”，便于后续插值或峰值检测
- 避免补太多：补到 2048 对 1017 点会引入明显旁瓣展宽，尤其影响低频 bin 定位；一般不超过 2× 原长
- 若需严格保持能量守恒（如做 MFCC），补零后要对输出频谱幅度除以
sqrt(N_original)归一化，而不是sqrt(N_padded)
为什么 std::polar(1.0, theta) 在实时音频中要慎用
std::polar 每次调用都触发 cos/sin 浮点运算，在 48kHz 实时流中每秒可能调用数万次，成为热点。实测在 ARM Cortex-A7 上比查表慢 3–5 倍。
- 预计算旋转因子数组：
std::vector<:complex>> w(N/2)</:complex>，用cos(theta)和sin(theta)分开算，避免虚部构造开销 - 对固定帧长（如始终 1024 点），把
w做成静态局部变量，只初始化一次 - 若用 FFTW，它内部已高度优化旋转因子生成逻辑，无需你操心；直接传原始数据指针更安全
fft() 输出后怎么拿到可用的幅度谱
FFT 输出是复数数组，但音频可视化或特征提取只需要幅度（或功率）；且实信号输入时，结果共轭对称，一半冗余。
立即学习“C++免费学习笔记（深入）”；
- 取前
N/2 + 1个点即可（索引 0 到N/2），对应 0 Hz 到fs/2（奈奎斯特频率） - 幅度用
std::abs(x[k])，功率用std::norm(x[k])（即模的平方，省去开方） - 注意 DC 分量（
k=0）和 Nyquist 分量（k=N/2，仅当 N 为偶数时存在）是实数，可单独处理避免数值误差 - 若做频谱图（spectrogram），别忘了加窗（如 Hann 窗）再 FFT，否则帧边界突变会引发严重频谱泄漏
真正容易被忽略的是内存对齐和缓存局部性：未对齐的 std::complex<double></double> 数组会让 SSE/AVX 向量化失效，而音频处理中连续 FFT 调用的 cache miss 成本远高于算法本身。用 aligned_alloc 或 FFTW 的 fftw_malloc 分配输入缓冲区，比调优蝶形逻辑实际得多。
