ddd快速傅立叶变换FFT.ppt

第五章快速傅里叶变换（FFT） 典型应用：信号频谱计算、系统分析等 直接计算DFT的问题及改进途径 1、算法原理 设序列点数 N = 2M，M 为整数。 若不满足，则补零 将N点DFT定义式分解为两个长度为N/2的DFT FFT运算量与运算特点 1． N=2M时，共有M=log2N级运算；每一级有N/2个蝶形结。 2．每一级有N个数据中间数据），且每级只用到本级的转入中间数据，适合于迭代运算。 3．计算量： 每级N/2次复乘法，N次复加, 共有M*N/2=N/2log2N 次复乘法； 复加法M*N=Nlog2N 次。 例 计算 ， 。计算 点FFT。用时间抽取输入倒序算法，问倒序前寄存器的数 和倒序后 的数据值？ DIT算法的其他形式流图 输入倒位序输出自然序 输入自然序输出倒位序 输入输出均自然序 相同几何形状 输入倒位序输出自然序 输入自然序输出倒位序 DIT算法的其他形式流图 5.4 按频率抽取（DIF）的FFT算法 与DIT-FFT算法类似分解，但是抽取的是X(k)。即分解X(k)成奇数与偶数序号的两个序列。 设： N = 2L，L 为整数。将X(k)按k的奇偶分组前，先将输入x(n)按n的顺序分成前后两半： §5.5 IDFT的FFT算法（FFT应用一） 一、从定义比较分析 全部结点 时间抽取、 输入顺序、 输出倒位序的FFT流图 例 用FFT算法处理一幅N×N点的二维图像，如用每秒可做10万次复数乘法的计算机，当N=1024时，问需要多少时间（不考虑加法运算时间）？ 解 当N=1024点时，FFT算法处理一幅二维图像所需复数乘法约为 次，仅为直接计算DFT所需时间的10万分之一。 即原需要3000小时，现在只需要2 分钟。 （Decimation In Frequency) 一、算法原理 基本蝶形运算 x1(0) x1(1) -1 x1(2) x1(3) -1 x2(0) x2(1) -1 x2(2) x2(3) -1 N/2点 DFT N/2点 DFT x(0) x(7) x(1) x(2) x(3) x(4) x(5) x(6) X1(0)=X(0) X2(0)=X(1) X1(1)=X(2) X1(2)=X(4) X1(3)=X(6) X2(1)=X(3) X2(2)=X(5) X2(3)=X(7) N/2仍为偶数，进一步分解：N/2 → N/4 x3(0) x3(1) -1 -1 x4(0) x4(1) N/4点 DFT N/4点 DFT x1(0) x1(1) x1(2) x1(3) X(0) X(2) X(4) X(6) 2点DFT运算 按照以上思路继续分解，即一个N/2的DFT分解成两个N/4点DFT，直到只计算2点的DFT，这就是DIF-FFT算法。 X[0] X[6] X[4] X[2] X[1] X[5] X[3] X[7] 0 N W 1 N W 2 N W 3 N W -1 -1 -1 -1 x[0] x[3] x[1] x[2] x[4] x[5] x[6] x[7] 0 N W 2 N W 2点 DFT -1 -1 2 N W 0 N W -1 -1 2点 DFT 2点 DFT 2点 DFT x1(0) x1(1) x1(2) x1(3) x2(0) x2(1) x2(2) x2(3) x3(0) x3(1) x4(0) x4(1) x5(0) x5(1) x6(0) x6(1) * FFT: Fast Fourier Transform 1965年，Cooley-Turky 发表文章《机器计算傅里叶级数的一种算法》，提出FFT算法，解决DFT运算量太大，在实际使用中受限制的问题。 FFT的应用。频谱分析、滤波器实现、实时信号处理等。 系统分析 频谱分析与功率谱计算 1、 DFT与IDFT N=4 2、DFT与IDFT运算特点 N (N – 1) N 2 N个X(k) (N点DFT) N – 1 N 一个X(k) 复数加法 复数乘法 同理：IDFT运算量与DFT相同。 2N+2 (N – 1)=2 (2N – 1) 4N 一个X (k) 2N (2N – 1) 4N 2 N个X (k) (N点DFT) 2 一次复加 2 4 一次复乘 实数加法 实数乘法 对称性 周期性 类似 周期性 ，现在有 4个系数 原有 7个系数 对称性 现在只有两个系数 相乘过程中存在许多不必要的重复计算 FFT算法分类: