C# 标准库不提供 FFT，推荐使用 MathNet.Numerics（稳定、易用、支持复数FFT）或 Accord.NET（实信号优化但需注意许可证）；手写 Cooley-Tukey 仅适用于学习或特殊场景。
FFT 在 C# 中没有内置实现，得靠第三方库或手写
C# 标准库（.NET Framework / .NET Core / .NET 5+）不提供
复制 FFT
方法。你不会在
复制 System.Numerics
或
复制 System.Linq
里找到
复制 Fourier.Transform()
这种东西。硬要自己实现 Cooley-Tukey 算法虽然可行，但容易出错、难调试、性能也不一定好——尤其对复数索引、位逆序重排、蝶形运算顺序这些细节不熟时，
复制 FFT
输出结果常出现相位翻转、幅值缩放错误或全零。
推荐用 MathNet.Numerics：稳定、文档清、NuGet 一键安装
复制 MathNet.Numerics
是目前 C# 生态中最常用且维护活跃的科学计算库，其
复制 Fourier.Forward()
和
复制 Fourier.Inverse()
已封装好复数 FFT，支持就地（in-place）和拷贝两种模式，自动处理归一化、长度补零、非 2 的幂次输入（会自动补长到最近 2 的幂，或用 Bluestein 算法）。
安装命令：
复制 dotnet add package MathNet.Numerics
基础用法示例：
复制 using MathNet.Numerics.IntegralTransforms;
using System.Numerics;
var data = new Complex[] {
new Complex(1, 0), new Complex(2, 0), new Complex(3, 0), new Complex(4, 0)
};
Fourier.Forward(data, FourierOptions.Default); // 原地变换，data 被覆盖为频域结果
复制 FourierOptions.Default
表示不归一化（即正向变换无缩放，逆变换需手动除以
复制 N
）；若要用单位能量归一化，改用
复制 FourierOptions.Asymmetric
输入长度必须是 2 的幂才走快速路径；否则触发混合基算法，速度略降但结果正确
输入数组必须是
复制 Complex[]
，不能传
复制 double[]
—— 即使你只做实信号 FFT，也得先转成实部填充、虚部为 0 的复数数组
用 Accord.NET 做实信号 FFT 更省事（但注意许可证）
如果你只处理实数序列（比如音频采样、传感器时间序列），
复制 Accord.Statistics.Models.Regression.Linear.FourierTransform
提供了
复制 RealForward()
，直接接受
复制 double[]
并返回
复制 Complex[]
，内部自动做实数优化（如利用共轭对称性，输出长度约
复制 N/2 + 1
），比全复数 FFT 省一半内存和计算量。
但要注意：
复制 Accord.NET
主仓库已归档，新版
复制 Accord
（v3.8+）采用 LGPL-3.0 许可，商用前需确认合规性；而旧版（v3.3）是 GPL，限制更强。
C知道
CSDN推出的一款AI技术问答工具
下载
常见误操作：
传入未补零的非 2 的幂长度实数组，
复制 RealForward()
可能静默截断或抛
复制 ArgumentException
，建议提前用
复制 Vector.PadWithZeros(data, NextPowerOfTwo(data.Length))
忽略输出的“半谱”结构：索引 0 是 DC 分量，索引 1 到
复制 N/2
是正频率，最高频对应
复制 N/2
（不是
复制 N/2 - 1
），没有负频率部分
手写 FFT 仅适合学习或极端受限环境
真要自己写，别从头推导蝶形公式。直接按 Cooley-Tukey 递归分治逻辑写，重点盯死三处：
位逆序排列：用
复制 int ReverseBits(int x, int bits)
预处理索引，别在每层循环里实时算
旋转因子
复制 W_N^k = exp(-2πi k / N)
必须用
复制 Complex.Exp()
算，别手写
复制 cos() + i * sin()
——浮点误差会随
复制 N
增大明显累积
蝶形运算中，临时变量顺序不能错：先算
复制 temp = W * data[j + m]
，再更新
复制 data[j + m]
和
复制 data[j]
，否则覆写导致错误
哪怕只跑通
复制 N = 8
的手动验证，也要拿已知信号（如单频余弦）和
复制 MathNet
结果比对实部/虚部每个值 —— 差一个
复制 1e-15
都可能是符号或归一化漏掉。
实际项目里，手写 FFT 的维护成本远高于引入一个 NuGet 包。真正卡住你的从来不是算法原理，而是边界条件、内存布局、线程安全和跨平台复数精度差异。
