来自当知百科
跳转到: 导航搜索

目录

FinalFantasyTactics(FFT)

PS版本

  
PS版本

中文名称:

  最终幻想战略版(简称:FFT)

游戏原名:

  ファイナルファンタジータクティクス

  Final Fantasy Tactics

游戏平台

  :PS

制作厂商:

  Square Enix

游戏类型:

  策略角色扮演类(S●RPG)

汉化小组:

  天幻汉化组

汉化程度:

  完整汉化版

发布日期:

  1997/6/20(PS日版)1998/1/29(PS美版)

游戏人数:

  1

游戏简介:

  尘封的历史被打开,历史学家带你走进伊法利斯大陆的过去。

  在战乱纷争的年代,有两个少年改变了历史。一个是智慧过人的迪利塔,一个是伸张正义的拉姆萨。他们在贵族挑起的不义之战中寻求真理,却发现曾经信任的长者,手中却握着名曰圣石的宝物,一个个变成了面目狰狞的野兽,也许这就是他们高贵权杖和华丽长袍下的本质。你不能要求一个少年在这样的环境下一尘不染,迪利塔的善良在吉克丹城砦被炸得灰飞烟灭,平民出身的孩子发誓要改写历史,要用尽他的智慧去践踏他所厌恶的贵族。而拉姆萨虽然经历一系列惨烈之事,却依然坚守信仰,为自己的亲人战斗到最后。

  这就是命运,当坐在草地上吹着树叶的两个少年,最终走上了完全不同的人生道路,你会发现竟似曾相识。这是游戏也好,这是历史也好,这就是最终幻想战略版:FinalFantasy Tactics。

  PSP版本

  
PSP版本

中文名称:

最终幻想战略版:

  狮子战争(简称:FFT)

游戏原名:

  ファイナルファンタジータクティクス 狮子戦

  Final Fantasy Tactics: Shishi Sensou

游戏平台:

  PSP

游戏类型:

  策略角色扮演类(S●RPG)

开发厂商:

  Square Enix

发售厂商:

  Square Enix

发售日期:

  2007-05-10

游戏人数:

  1-2

适应人群:

  12岁以上

汉化小组:

  天幻汉化组

游戏简介:

  两个年轻的英雄... 

  埋葬在历史的影子中的“真实”...

  诉说伊瓦利斯世界的原点的故事...

  传说,正在苏醒……

  很久以前,大国伊瓦利斯在一场战乱之后一分为二。而这次分裂国家的混乱,被历史称为“狮子战争”。

  在纷飞的硝烟中,出现了两个年轻人的身影。一个是结束了狮子战争的英雄王迪瑞达,而另一个,便是故事的主人公——在历史的波涛中寂寂无名拉姆扎。二人的存在,使埋葬在历史的影子中的“真实”日渐明朗,最终壮大成为一部华美的史诗……

  狮子战争厚重的幕帘依然静默。潮湿的街道,暗淡的神像,祈祷的少女,阴霾的天空,伊利瓦斯的故事将在5月10日拉开序幕,灾难、战争、硝烟、杀戮,一切等待着你来结束!

FFT

  FFT,即为快速傅氏变换,是离散傅氏变换的快速算法,它是根据离散傅氏变换的奇、偶、虚、实等特性,对离散傅立叶变换的算法进行改进获得的。它对傅氏变换的理论并没有新的发现,但是对于在计算机系统或者说数字系统中应用离散傅立叶变换,可以说是进了一大步。

  设x(n)为N项的复数序列,由DFT变换,任一X(m)的计算都需要N次复数乘法和N-1次复数加法,而一次复数乘法等于四次实数乘法和两次实数加法,一次复数加法等于两次实数加法,即使把一次复数乘法和一次复数加法定义成一次“运算”(四次实数乘法和四次实数加法),那么求出N项复数序列的X(m),即N点DFT变换大约就需要N2次运算。当N=1024点甚至更多的时候,需要N2=1048576次运算,在FFT中,利用WN的周期性和对称性,把一个N项序列(设N=2k,k为正整数),分为两个N/2项的子序列,每个N/2点DFT变换需要(N/2)2次运算,再用N次运算把两个N/2点的DFT变换组合成一个N点的DFT变换。这样变换以后,总的运算次数就变成N2(N/2)2=NN2/2。继续上面的例子,N=1024时,总的运算次数就变成了525312次,节省了大约50%的运算量。而如果我们将这种“一分为二”的思想不断进行下去,直到分成两两一组的DFT运算单元,那么N点的DFT变换就只需要Nlog2N次的运算,N在1024点时,运算量仅有10240次,是先前的直接算法的1%,点数越多,运算量的节约就越大,这就是FFT的优越性。

  DFT算法

  For length N input vector x, the DFT is a length N vector X,

  with elements

  N

  X(k) = sum x(n)*exp(-j*2*pi*(k-1)*(n-1)/N), 1 <= k <= N.

  n=1

  The inverse DFT (computed by IFFT) is given by

  N

  x(n) = (1/N) sum X(k)*exp( j*2*pi*(k-1)*(n-1)/N), 1 <= n <=N.

  k=1

  ---在C环境下的源码

  // 快速傅立叶变换

  // 入数口参:

  // l: l=0, 傅立叶变换;l=1, 逆傅立叶变换

  // il: il=0,不计算傅立叶变换或逆变换模和幅角;il=1,计算模和幅角

  // n: 输入的点数,为偶数,一般为32,64,128,...,1024等

  // k: 满足n=2^k(k>0),实质上k是n个采样数据可以分解为偶次幂和奇次幂的次数

  // pr[]: l=0时,存放N点采样数据的实部

  // l=1时, 存放傅立叶变换的N个实部

  // pi[]: l=0时,存放N点采样数据的虚部

  // l=1时, 存放傅立叶变换的N个虚部

  //

  // 出口参数:

  // fr[]: l=0, 返回傅立叶变换的实部

  // l=1, 返回逆傅立叶变换的实部

  // fi[]: l=0, 返回傅立叶变换的虚部

  // l=1, 返回逆傅立叶变换的虚部

  // pr[]: il=1,i=0 时,返回傅立叶变换的模

  // il=1,i=1 时,返回逆傅立叶变换的模

  // pi[]: il=1,i=0 时,返回傅立叶变换的辐角

  // il=1,i=1 时,返回逆傅立叶变换的辐角

  void fft(double pr[], double pi[], int n, int k, double fr[],double fi[], int l, int il){

  int it,m,is,i,j,nv,l0;

  double p,q,s,vr,vi,poddr,poddi;

  for(it=0;it<=n-1;m=it ){

  is=0;

  for(i=0;i<=k-1;i ){

  j=m/2;

  is=2*is (m-2*j);

  m=j;

  }

  fr[it]=pr[is];

  fi[it]=pi[is];

  }

  //----------------------------

  pr[0]=1.0;

  pi[0]=0.0;

  p=6.283185306/n;

  pr[1]=cos(p);

  pi[1]=-sin(p);

  if (l)

  pi[1]=-pi[1];

  for(i=2;i<=n-1;i ){

  p=pr[i-1]*pr[1];

  q=pi[i-1]*pi[1];

  s=(pr[i-1] pi[i-1])*(pr[1] pi[1]);

  pr=p-q;

  pi=s-p-q;

  }

  for(it=0;it<=n-2;it =2){

  vr=fr[it];

  vi=fi[it];

  fr[it]=vr fr[it 1];

  fi[it]=vi fi[it 1];

  fr[it 1]=vr-fr[it 1];

  fi[it 1]=vi-fi[it 1];

  }

  m=n/2;

  nv=2;

  for(l0=k-2;l0>=0;l0--){

  m/=2;

  nv<<=1;

  for(it=0;it<=(m-1)*nv;it =nv)

  for(j=0;j<=(nv/2)-1;j ){

  p=pr[m*j]*fr[it j nv/2];

  q=pi[m*j]*fi[it j nv/2];

  s=pr[m*j] pi[m*j];

  s*=(fr[it j nv/2] fi[it j nv/2]);

  poddr=p-q;

  poddi=s-p-q;

  fr[it j nv/2]=fr[it j]-poddr;

  fi[it j nv/2]=fi[it j]-poddi;

  fr[it j] =poddr;

  fi[it j] =poddi;

  }

  }

  if(l)

  for(i=0;i<=n-1;fr/=n,fi[i ]/=n);

  if(il)

  for(i=0;i<=n-1;i ){

  pr=sqrt(fr*fr fi*fi);

  if(fabs(fr)<0.000001*fabs(fi))

  pi=fi*fr>0?90.0-90.0;

  else

  pi=atan(fi/fr)*360.0/6.283185306;

  }

  return;

  }

  ---在C 环境下的源码

  bool FFT(complex * TD, complex * FD, int r)

  {

  //一维快速Fourier变换。

  //complex * TD ——指向时域数组的指针; complex * FD ——指向频域数组的指针; r——2的幂数,即迭代次数

  LONG count; // Fourier变换点数

  int i,j,k; // 循环变量

  int bfsize,p; // 中间变量

  double angle; // 角度

  complex *W,*X1,*X2,*X;

  count = 1 << r; // 计算Fourier变换点数为r左移一位

  W = new complex[count / 2];

  X1 = new complex[count];

  X2 = new complex[count]; // 分配运算所需存储器

  // 计算加权系数(旋转因子w的i次幂表)

  for(i = 0; i < count / 2; i )

  {

  angle = -i * PI * 2 / count;

  W[ i ] = complex (cos(angle), sin(angle));

  }

  // 将时域点写入X1

  memcpy(X1, TD, sizeof(complex) * count);

  // 采用蝶形算法进行快速Fourier变换

  for(k = 0; k < r; k )

  {

  for(j = 0; j < 1 << k; j )

  {

  bfsize = 1 << (r-k);

  for(i = 0; i < bfsize / 2; i )

  {

  p = j * bfsize;

  X2[i p] = X1[i p] X1[i p bfsize / 2] * W[i * (1<

  X2[i p bfsize / 2] = X1[i p] - X1[i p bfsize / 2] * W[i * (1<

  }

  }q

  X = X1;

  X1 = X2;

  X2 = X;

  }

  // 重新排序

  for(j = 0; j < count; j )

  {

  p = 0;

  for(i = 0; i < r; i )

  {

  if (j&(1<

  {

  p =1<<(r-i-1);

  }

  }

  FD[j]=X1[p];

  }

  // 释放内存

  delete W;

  delete X1;

  delete X2;

  return true;

  }

  ---在Matlab环境下的源码

  function X=myfft(x)

  %myfft函数 用递归实现

  N=length(x);

  t=log2(N);

  t1=floor(t);

  t2=ceil(t);

  if t1~=t2; %若x的长度N不为2的整数次幂,则补0至最接近的2的整数次幂

  x=[x zeros(1,2^t2-N)];

  N=2^t2;

  end

  w0=exp(-j*2*pi/N);

  X=zeros(1,N);

  if N==2

  X(1)=x(1) x(2);

  X(2)=x(1)-x(2);

  else

  n=1:N/2;

  xe(n)=x(2*n-1);

  xo(n)=x(2*n);

  XE=myfft(xe); %递归调用

  XO=myfft(xo);

  for n=1:N/2

  X(n)=XE(n) XO(n)*(w0^(n-1));

  X(n N/2)=XE(n)-XO(n)*(w0^(n-1));

  end

  end

DFT算法

  For length N input vector x, the DFT is a length N vector X,

  with elements

  N

  X(k) = sum x(n)*exp(-j*2*pi*(k-1)*(n-1)/N), 1 <= k <= N.

  n=1

  The inverse DFT (computed by IFFT) is given by

  N

  x(n) = (1/N) sum X(k)*exp( j*2*pi*(k-1)*(n-1)/N), 1 <= n <=N.

  k=1

---在C环境下的源码

  // 快速傅立叶变换

  // 入口参数:

  // l: l=0, 傅立叶变换;l=1, 逆傅立叶变换

  // il: il=0,不计算傅立叶变换或逆变换模和幅角;il=1,计算模和幅角

  // n: 输入的点数,为偶数,一般为32,64,128,...,1024等

  // k: 满足n=2^k(k>0),实质上k是n个采样数据可以分解为偶次幂和奇次幂的次数

  // pr[]: l=0时,存放N点采样数据的实部

  // l=1时, 存放傅立叶变换的N个实部

  // pi[]: l=0时,存放N点采样数据的虚部

  // l=1时, 存放傅立叶变换的N个虚部

  //

  // 出口参数:

  // fr[]: l=0, 返回傅立叶变换的实部

  // l=1, 返回逆傅立叶变换的实部

  // fi[]: l=0, 返回傅立叶变换的虚部

  // l=1, 返回逆傅立叶变换的虚部

  // pr[]: il=1,i=0 时,返回傅立叶变换的模

  // il=1,i=1 时,返回逆傅立叶变换的模

  // pi[]: il=1,i=0 时,返回傅立叶变换的辐角

  // il=1,i=1 时,返回逆傅立叶变换的辐角

  void fft(double pr[], double pi[], int n, int k, double fr[],double fi[], int l, int il){

  int it,m,is,i,j,nv,l0;

  double p,q,s,vr,vi,poddr,poddi;

  for(it=0;it<=n-1;m=it++){

  is=0;

  for(i=0;i<=k-1;i++){

  j=m/2;

  is=2*is+(m-2*j);

  m=j;

  }

  fr[it]=pr[is];

  fi[it]=pi[is];

  }

  //----------------------------

  pr[0]=1.0;

  pi[0]=0.0;

  p=6.283185306/n;

  pr[1]=cos(p);

  pi[1]=-sin(p);

  if (l)

  pi[1]=-pi[1];

  for(i=2;i<=n-1;i++){

  p=pr[i-1]*pr[1];

  q=pi[i-1]*pi[1];

  s=(pr[i-1]+pi[i-1])*(pr[1]+pi[1]);

  pr=p-q;

  pi=s-p-q;

  }

  for(it=0;it<=n-2;it+=2){

  vr=fr[it];

  vi=fi[it];

  fr[it]=vr+fr[it+1];

  fi[it]=vi+fi[it+1];

  fr[it+1]=vr-fr[it+1];

  fi[it+1]=vi-fi[it+1];

  }

  m=n/2;

  nv=2;

  for(l0=k-2;l0>=0;l0--){

  m/=2;

  nv<<=1;

  for(it=0;it<=(m-1)*nv;it+=nv)

  for(j=0;j<=(nv/2)-1;j++){

  p=pr[m*j]*fr[it+j+nv/2];

  q=pi[m*j]*fi[it+j+nv/2];

  s=pr[m*j]+pi[m*j];

  s*=(fr[it+j+nv/2]+fi[it+j+nv/2]);

  poddr=p-q;

  poddi=s-p-q;

  fr[it+j+nv/2]=fr[it+j]-poddr;

  fi[it+j+nv/2]=fi[it+j]-poddi;

  fr[it+j]+=poddr;

  fi[it+j]+=poddi;

  }

  }

  if(l)

  for(i=0;i<=n-1;fr/=n,fi[i++]/=n);

  if(il)

  for(i=0;i<=n-1;i++){

  pr=sqrt(fr*fr+fi*fi);

  if(fabs(fr)<0.000001*fabs(fi))

  pi=fi*fr>0?90.0-90.0;

  else

  pi=atan(fi/fr)*360.0/6.283185306;

  }

  return;

  }

---在C++环境下的源码

   bool FFT(complex<double> * TD, complex<double> *FD, int r)

  {

  //一维快速Fourier变换。

  //complex<double> * TD ——指向时域数组的指针;complex<double> * FD ——指向频域数组的指针; r ——2的幂数,即迭代次数

  LONG count; // Fourier变换点数

  int i,j,k; // 循环变量

  int bfsize,p; // 中间变量

  double angle; // 角度

  complex<double> *W,*X1,*X2,*X;

  count = 1 << r; // 计算Fourier变换点数为r左移一位

  W = new complex<double>[count / 2];

  X1 = new complex<double>[count];

  X2 = new complex<double>[count]; // 分配运算所需存储器

  // 计算加权系数(旋转因子w的i次幂表)

  for(i = 0; i < count / 2; i++)

  {

  angle = -i * PI * 2 / count;

  W[ i ] = complex<double> (cos(angle), sin(angle));

  }

  // 将时域点写入X1

  memcpy(X1, TD, sizeof(complex<double>) * count);

  // 采用蝶形算法进行快速Fourier变换

  for(k = 0; k < r; k++)

  {

  for(j = 0; j < 1 << k; j++)

  {

  bfsize = 1 << (r-k);

  for(i = 0; i < bfsize / 2; i++)

  {

  p = j * bfsize;

  X2[i + p] = X1[i + p] + X1[i + p + bfsize / 2] * W[i *(1<<k)];

  X2[i + p + bfsize / 2] = X1[i + p] - X1[i + p + bfsize / 2] *W[i * (1<<k)];

  }

  }

  X = X1;

  X1 = X2;

  X2 = X;

  }

  // 重新排序

  for(j = 0; j < count; j++)

  {

  p = 0;

  for(i = 0; i < r; i++)

  {

  if (j&(1<<i))

  {

  p+=1<<(r-i-1);

  }

  }

  FD[j]=X1[p];

  }

  // 释放内存

  delete W;

  delete X1;

  delete X2;

  return true;

  }

---在Matlab环境下的源码

   function X=myfft(x)

  %myfft函数 用递归实现

  N=length(x);

  t=log2(N);

  t1=floor(t);

  t2=ceil(t);

  if t1~=t2; %若x的长度N不为2的整数次幂,则补0至最接近的2的整数次幂

  x=[x zeros(1,2^t2-N)];

  N=2^t2;

  end

  w0=exp(-j*2*pi/N);

  X=zeros(1,N);

  if N==2

  X(1)=x(1)+x(2);

  X(2)=x(1)-x(2);

  else

  n=1:N/2;

  xe(n)=x(2*n-1);

  xo(n)=x(2*n);

  XE=myfft(xe); %递归调用

  XO=myfft(xo);

  for n=1:N/2

  X(n)=XE(n)+XO(n)*(w0^(n-1));

  X(n+N/2)=XE(n)-XO(n)*(w0^(n-1));

  end

  end

  FFT-相关条目

  算法 单机游戏 小游戏 网络游戏 竞技平台 实时通讯软件 IT 电视游戏 游戏开发 软件开发 网络工程

个人工具
名字空间

变换
查看
操作
导航
工具箱