写在前面
如果(arctan)的计算成为了瓶颈，那么是时候对其进行优化了。
(arctan)的近似计算本质上是在所需精度范围内对(arctan)曲线进行拟合，比较直接的想法是泰勒展开，
[arctan (x)=x-frac{x^{3}}{3}+frac{x^{5}}{5}-frac{x^{7}}{7}+ldots
]
根据需要的精度，确定展开多少项，但(arctan)的泰勒展开在(x)接近1时，收敛较慢，并不高效。
另一个直接的想法是查表，根据所需精度，正切值定点化后，将其对应的角度保存成表，计算时，根据最近的正切值查表，一般需要较大的内存空间。
需要注意的是，(arctan(x))返回的是((-pi/2, pi/2))， (arctan2(y, x))返回的范围是((-pi, pi ])，因为后者可以根据(x)和(y)的正负确定位于哪个象限。实际上，只需近似或存储([0, pi/4])即可（即八象限中的第一象限），若输入向量((x, y))，根据(x)和(y)的正负和大小关系，可以折算到所有的八个象限。
此外，CORDIC（COordinate Rotation DIgital Computer）算法也是个选择，仅涉及移位和加法操作，但仍需要迭代。
Arctan快速近似计算
这里，罗列paper 《Efficient Approximations for the Arctangent Function 》中的7种近似算法，这些近似算法通过Lagrange interpolation和minimax optimization techniques得到，最大近似误差和所需计算如下所示，
从上到下依次为，
- 线性近似，最大近似误差 (0.07 rad = 4^{circ})，
[arctan (x) approx frac{pi}{4} x, quad-1 leq x leq 1
]
- 二阶近似，最大近似误差 (0.0053 rad = 0.3^{circ})，
[arctan (x) approx frac{pi}{4} x+0.285 x(1-|x|), quad-1 leq x leq 1
]
- 搜索更佳的系数，最大近似误差 (0.0038 rad = 0.22^{circ})，
[arctan (x) approx frac{pi}{4} x+0.273 x(1-|x|), quad-1 leq x leq 1
]
- (alpha x^{3}+eta x)形式的三阶近似，最大近似误差 (0.005 rad = 0.29^{circ})，
[arctan (x) approx frac{pi}{4} x+xleft(0.186982-0.191942 x^{2}
ight), quad-1 leq x leq 1
]
- (x(x-1)(alpha x-eta))形式的三阶近似，最大近似误差 (0.0015 rad = 0.086^{circ})，
[arctan (x) approx frac{pi}{4} x-x(|x|-1)(0.2447+0.0663|x|), quad-1 leq x leq 1
]
- (x /left(1+eta x^{2} ight))形式的近似，最大近似误差 (0.0047 rad = 0.27^{circ})，
[arctan (x) approx frac{x}{1+0.28086 x^{2}}, quad-1 leq x leq 1
]
- 另一个近似，最大近似误差 (0.0049 rad = 0.28^{circ})，
[arctan (x) approx frac{x}{1+0.28125 x^{2}}, quad-1 leq x leq 1
]
实际使用时，可先定点化，按需选取。
以上。