假设一个正确的实现，并丢弃你通过执行不同的操作序列得到的小的舍入差异，不，如果你稍微将你的 DFT 长度填充到 2 的下一个幂，那么准确性并没有实质性下降。它是否结束然而，实际上是否更快取决于您的实施。这是为什么？

一个非常常见的误解是，只有一个快速傅里叶变换算法，并且您必须使用 2 的幂才能获得最佳性能。如果您查找 FFT 算法的描述，您会经常看到对 radix-2 时间抽取或频率抽取技术的解释，可能是因为它们最容易说明。然而，即使是开创性的 FFT 技术，Cooley-Tukey 算法，通常也将 FFT 大小分解为更小的数字，而不仅仅是 2 的幂。

使用良好的 FFT 库，如果您的 FFT 大小可以分解为许多小的素因子，您将获得最佳性能。然后，FFT 库将为这些素数中的每一个优化 DFT 内核的实现，然后可以适当地重新组合以产生完整的 DFT 输出集。正如我在对另一个问题的评论中提到的那样，现代图书馆通常会为所有约 13 及以下的主要因素提供良好的性能。

话虽如此，您可能会发现通过填充到 2 的下一个幂，您的变换可能会变慢。如果您已经在使用您的库实现非常适合的 FFT 大小，那么您只是通过填充大小来为自己添加额外的工作。判断这一点的最佳方法是对一些候选尺寸进行基准测试，看看哪个在您的平台上表现最好。如果您必须自动选择一个好的 FFT 大小，那么根据您的库支持的基数的特征，您可以选择具有适当质因数集的下一个大小。

好吧，我想我可以为这个问题给出一个合适的答案，因为我正在处理 LTE 3ggp 中的一项任务，其中我必须计算 1536 的 FFT，这不是 2 的幂。如果您的输入长度是 2 的幂意味着您可以轻松地使用 radix2 fft 算法来计算 dft。但是，如果您的长度不是任何数字的倍数，例如在我的情况下是 1536，则您不能使用一种算法，您必须将其拆分并使用多种算法，是的，它可能会增加计算成本。你必须仔细寻找它。如果你真的感兴趣，我建议你去看看这个文档，因为它理解起来非常耗时，而且用 C 编程更麻烦。 http://www.freescale.com/files/dsp/doc/app_note/ AN3680.pdf