الحساب المباشر للـ DFT بيكبر بمعدّل N² عملية — وده بيخلّي الـ spectral analysis في الـ real time مستحيل للـ signals الكبيرة من غير خوارزمية أسرع من الأساس.
كل قيمة خرج X[k] هي مجموع N حاصل ضرب مركّب. ومع N bin، التكلفة الكلية هي N × N = N² عملية ضرب مركّب — مهما كانت قوة الـ hardware.
عند N = 8,192 وميزانية real time قدرها 85 ms، الـ DFT المباشر بياخد 400 ms لكل window — أبطأ بأكتر من 4 مرات.
الـ DFT هو ضرب matrix N×N في vector: X = W·x. matrix كثيفة × vector = N² عملية multiply-accumulate. مفيش اختصارات — إلا لو استغلّينا البنية الخاصة بتاعة W.
مضاعفة N بتضرب في 4 تكلفة الـ DFT. signal أطول 10 مرات بتكلّف 100 مرة أكتر. وتحسين الـ hardware بيضاعف السرعة كل ~18 شهر — بس نمو الـ O(N²) بيعدّي أي معامل تسريع ثابت.
الـ twiddle factor W_N^{kn} عنده بس N قيمة فريدة — بس الـ DFT المباشر بيحسب N² حاصل ضرب متوزن بـ twiddle factor. ونسبة التكرار هي N.
- OFDM (4G/5G): N = 2,048–4,096 تحويلات في كل ملّي ثانية
- spectrum analyzer للصوت: N = 8,192 عند 48 كيلوهرتز → ميزانية 85 ms
- إعادة بناء صور الرنين: DFT ثنائي الأبعاد على شبكة 256×256 لكل شريحة
- معالجة نبضات الرادار: deadlines بالميكروثانية، وملايين الـ samples
- التحليل الزلزالي: تسجيلات طويلة بـ sampling rates عالية
- كلهم كانوا محبوسين ورا حيطة الـ O(N²) — لحد سنة 1965
- الـ DFT المباشر: O(N²) — N bin، كل واحد محتاج N حاصل ضرب
- N = 2²⁰: ~6.6 تريليون عملية — الـ real time مستحيل
- مضاعفة N بتضرب التكلفة في 4 — الـ hardware مش قادر يلحق
- الـ DFT matrix ليها بنية: N قيمة twiddle فريدة بس، مش N²
- التناظر (W^{k+N/2} = −W^k) والـ periodicity بيسمحوا بإعادة الاستخدام
- استغلال البنية دي → O(N log N) → الـ Fast Fourier Transform