FFT算法介绍.ppt [修复的].pptx

快速傅里叶变换（FFT）介绍傅里叶变换的一些快速算法快速算法的思想 根据原是变换定义的运算规律，及其中某些算子的特殊性，找出减少乘法和加法运算次数的有效途径，实现原始变换的各种高效算法。本讲学习目标了解直接计算N点DFT的运算量了解减少运算量的基本途径理解按时间抽取的基-2FFT算法的算法原理、运算流图、所需计算量和算法特点了解按时间抽取的基-2FFT算法的编程思想快速傅里叶变换FFT: Fast Fourier Transform1965年，Cooley, Tukey《机器计算傅里叶级数的一种算法》4.2.1直接计算DFT的特点及减少运算量的基本途径1. DFT的运算量及特点运算量复数乘法复数加法一个X(k)NN – 1N个X(k)(N点DFT)N 2N (N – 1)实数乘法实数加法一次复乘42一次复加2一个X (k)4N2N+2 (N – 1)=2 (2N – 1)N个X (k)(N点DFT)4N 22N (2N – 1)例子例1:当N=1024点时，直接计算DFT需要：N2=220=1048576次，即一百多万次的复乘运算这对实时性很强的信号处理(如雷达信号处理)来讲，它对计算速度有十分苛刻的要求-->迫切需要改进DFT的计算方法，以减少总的运算次数。例2：石油勘探，24道记录，每道波形记录长度5秒，若每秒抽样500点/秒，每道总抽样点数=500*5=2500点24道总抽样点数=24*2500=6万点DFT运算时间=N2=(60000)2=36*108次FFT算法分类:时间抽选法 DIT: Decimation-In-Time频率抽选法 DIF: Decimation-In-Frequency 时间抽取法基-2FFT算法基本思想 （基-2 Decimation-In-Time FFT）1、算法原理设序列点数 N = 2M，M 为整数。 若不满足，则补零N为2的整数幂的FFT算法称基-2FFT算法。将序列x(n)按n的奇偶分成两组：n为偶数时: n为奇数时:则x(n)的DFT: 其中,2.两点结论: (1) X (k),X (k)均为N/2点的DFT。 (2) X(k)=X (k)+W X (k)只能确定出 X(k)的k=个；即前一半的结果。1 2k1 2N3.X(k)的后一半的确定由于 （周期性）,所以: 同理, 这就是说,X1(k),X2(k)的后一半,分别 等于其前一半的值。又由于 ,所以 可见,X(k)的后一半，也完全由X1(k), X2 (k)的前一半所确定。 * N点的DFT可由两个N/2点的DFT来计算。4.蝶形运算由X1(k)、X 2(k)表示X(k)的运算是一种特殊的运算-碟形运算 前一半 后一半实现上式运算的流图称作蝶形运算（N/2个蝶形)1 1(前一半)11-1(后一半)图4.2.1 蝶形运算符号 5.对X1 (k)和X2 (k)进行蝶形运算,前半部为 X(0)-- X(3),后半部分为X(4)-- X(7) 整个过程如下图所示:~~X1(0)X(0) x1(0)=x(0) x1(1)=x(2) N/2点 x1(2)=x(4) DFT x1(3)=x(6) x2(0)=x(1) x2(1)=x(3) N/2点 x2(2)=x(5) DFT x2(3)=x(7) X1(1)X(1)X1(2)X(2)X1(3)X(3)X2(0)X(4)0-1WX2(1)NX(5)1-1WX2(2)NX(6)2W-1NX2(3)X(7)-13WN6. N/2分解后的运算量：复数乘法复数加法一个N / 2点DFT(N / 2)2N / 2 (N / 2 –1)两个N / 2点DFTN 2 / 2N (N / 2 –1)一个蝶形12N / 2个蝶形N / 2N总计运算量减少了近一半(二) N/4点DFT 由于N=2 M ,所以 N/2仍为偶数,可以进 一步把每个N/2点的序列再按其奇偶部分 分解为两个N/4的子序列。例如，n为偶数时的 N/2点分解为:进行N/4点的DFT,得到(偶中偶)(偶中奇)同理可将奇数序号组成的N/2点序列进行分解得：其中：X (0)X (0)13X (1)X (1)310X (2)X (0)W14N2X (3)X (1)W14NWX (0)X (0)25WX (1)X (1)250X (2)WX (0)W26N2WX (1)WX (3)26N因此,8点DFT的FFT的运算流图如下X(0) (0) (4) (2) (6) (1) (5) (3) (7)0WX(1)N-1X(2)-10WX(3)N0-1-