6.3频谱分析.docVIP

6.3 频谱分析 6.3.1 FFT算法 傅立叶变换是实现信号从时域变换到频域的工具，其定义为： (6.3.1) 其实质是把信号分解为一系列的正弦或余弦。根据这一思想，傅立叶逆变换也成立，频域信号也可通过逆傅立叶变换回到时域形式： (6.3.2) 对于采样信号，采用离散傅立叶变换(DFT)，将其变换到频域。 (6.3.3) 式中，。根据式(6.3.3)，要完成一次DFT，需要进行N2次复数乘法和N(N-1)次复数加法。如果采样点数N较大的话，DFT的计算量相当大。为此，J.W.Cooley和T.W.Tukey于1965年提出实现DFT的快速算法，即FFT。其实质是将信号序列分级分组，通过短序列的DFT，实现整个序列的DFT，这样可将DFT的计算量减小至一到二个数量级。 式(6.3.3)中的具有对称性和周期性，如式(6.3.4)和式(6.3.5)所示： (6.3.4) (6.3.5) 快速傅立叶变换FFT正是运用的对称和周期性，将长序列变短，推导如下： 设采样信号序列，，采样点为N，假设，M为正整数，因此可将信号序列按奇偶分成两组，令偶数组，及奇数组，，式(6.3.3)可变换为： (6.3.6) 令, 即、分别是偶数组、奇数组的傅立叶变换，结合式(6.3.4)和式(6.3.5)，式(6.3.6)变成： (6.3.7) (6.3.8) 这就是FFT的核心公司。以为例，这个过程如图6.3.1所示。 图6.3.1 FFT算法分组实现原理图 依此类推，分组后得到奇数组和偶数组，可继续按其位置序号进行类似的分组，直到得到最简单的蝶形单元，每组只有两个元素，即不能再分组，仍以为例，实现过程如图6.3.2所示。 图6.3.2 8点FFT算法实现原理图 FFT的具体步骤为： 首先,按照“码位倒置”的规律对信号进行重新排序。因为FFT算法需要对信号序列不断进行奇偶分组，信号重排正好符合“码位倒置”的规律。如N＝8，序号用二进制数可用表示，第一次分组时，为偶数组，为奇数组；第二次分组则按划分，同样第三次分组则按划分。N＝8时只需要三次分组，最终的排列顺序正好为原来码位的倒置形式即，整个信号序列重排的过程如图6.3.3所示。图中，I代表顺码，J代表倒码，如果I=J，则不需调换；如果I不等于J，则需要调换；若I小于J时进行调换，而I大于J时已经完成调换，不需再调换了。 图6.3.3 序列重排流程图 信号序列经过序列重排之后，通过“分级”和“分组”，蝶形运算，完成FFT。按照FFT的实现原理，整个运算分成M级()，每级里分成组，代表级数，每组组成一个蝶形单元，根据式(6.3.7)和(6.3.8)完成蝶形运算。如图6.3.2，图中N=8，分成3级，第一级中分成4组，每组组成最简单的蝶形运算单元；在第二级中，有2组；第三级则为1组。“级”和“组”组成快速算法中的两个循环，FFT算法实现流程图如图6.3.4所示。图中，{A(I)}为采样数组重排之后的序列，M为FFT算法要求进行的级数，LE为每组的长度。 图6.3.4 FFT算法实现流程图 6.3.2 功率谱计算 在时域内，对于任意实信号，其平均功率为： (6.3.9) 式中，为信号的瞬时功率，在T有限情况下，式(6.3.9)的极限存在，其对应的谱为功率谱。若收敛的话，则代表信号的总能量。由巴什瓦定理，信号的功率和频谱之间为： (6.3.10) 式中，为信号幅值谱的平方，通常称为功率谱或能量谱，对于具有连续频谱的信号来说，称为功率谱密度（能量谱密度），表示频率尺度上单位间隔的功率（能量）。式(6.3.10)表明信号的功率（能量）可通过其功率谱密度在频率轴上的积分求得。对于离散信号序列来说，功率谱的经典估计方法主要有两种：相关估计法和周期图谱法。在和完善FFT算法之前，相关估计法应用较多。但在此之后，因为FFT快速算法大大减少傅立叶变换所需的计算量，采用FFT的周