傅里叶变换经典ppt.ppt

第4章 快速傅里叶变换(FFT) 本章主要内容 引言 基2FFT算法 进一步减少运算量的措施 4.1 引言 DFT是信号分析与处理中的一种重要变换。但直接计算DFT的计算量与变换区间长度N的平方成正比，当N较大时，计算量太大，直接用DFT算法进行谱分析和信号的实时处理是不切实际的。 1965年发现了DFT的一种快速算法，使DFT的运算效率提高1－2个数量级，为数字信号处理技术应用于各种信号的实时处理创造了条件，推动了数字处理技术的发展。 1984年，提出了分裂基快速算法，使运算效率进一步提高； 4.2 基2FFT算法 4.2.1 直接计算DFT的特点及减少运算量的基本途径 直接计算DFT 长度为N的有限长序列x(n)的DFT为： 2、减少运算量的思路和方法 思路：N点DFT的复乘次数等于N2。把N点DFT分解为几个较短的DFT，可使乘法次数大大减少。另外，旋转因子WmN具有周期性和对称性。 4.2 基2FFT算法 方法： 分解N为较小值：把序列分解为几个较短的序列，分别计算其DFT值，可使乘法次数大大减少； 利用旋转因子WNk的周期性、对称性进行合并、归类处理，以减少DFT的运算次数。 周期性： 对称性： 3、FFT算法思想 不断地把长序列的DFT分解成几个短序列的DFT，并利用旋转因子的周期性和对称性来减少DFT的运算次数。 4.2 基2FFT算法 4.2.2 时域抽取法基2FFT基本原理 FFT算法基本上分为两大类：时域抽取法FFT(简称DIT-FFT)和 频域抽取法FFT(简称DIF―FFT)。 1、时域抽取法FFT的算法思想： 将序列x(n)按n为奇、偶数分为x1(n)、x2(n)两组序列；用2个N/2点DFT来完成一个N点DFT的计算。 设序列x(n)的长度为N，且满足： (1) 按n的奇偶把x(n)分解为两个N/2点的子序列 4.2 基2FFT算法 (2)用N/2点X1(k)和X2(k)表示序列x(n)的N点DFT X(k) 4.2 基2FFT算法 由于X1(k)和X2(k)均以N/2为周期，且 , X(k)又可表示为: 对上式的运算用下图所示的流图符号来表示 4.2 基2FFT算法 4.2 基2FFT算法 (3)第二次分解： 将x1(r)按r取奇、偶可分解成2个长度为N/4的子序列 x3(l)= x1(2l)、 x4(l) = x1(2l+1)， 根据上面推导可得：X1 (k)= X3(k)+ WN/2k?X4(k)， k=0,1,…,N/2-1 将x2(r)按r取奇、偶可分解成2个长N/4的子序列 x5(l)= x2(2l) ， l=0,1,…，N/4 x6(l) = x2(2l+1) ； 同理得 4.2 基2FFT算法 4.2 基2FFT算法 再次分解，对N=8点，可分解三次。 4.2 基2FFT算法 4.2 基2FFT算法 4.2.3 DIT―FFT算法与直接计算DFT运算量的比较 1、直接DFT运算N点运算： 复数乘次数：N×N 复数加次数：N×(N-1) 2、 用DIT-FFT作N点运算： 复数乘次数：M×N/2=N/2×log2N； 复加次数： 2 ×N/2×M= N×log2N。 可见FFT大大减少了运算次数，提高了运算速度。 4.2 基2FFT算法 4.2.4 DIT―FFT的运算规律及编程思想 1.原位计算 序列长为N=2M点的FFT，有M级蝶形，每级有N/2个蝶形运算。 同一级中，每个蝶形的两个输入数据只对本蝶形有用，每个蝶形的输入、输出数据节点在用一条水平线上。这样，当计算完一个蝶形后，所得的输出数据可立即存入原输入数据所占用的存储单元。经过M级运算后，原来存放输入序列数据的N个存储单元中可依次存放X(k)的N个值。 原位计算：利用同一存储单元存储蝶形计算输入、输出数据的方法。 优点：节约存储空间、降低设备成本。 4.2 基2FFT算法 2.旋转因子的变化规律 N点DIT―FFT运算流图中，每个蝶形都要乘以旋转因子WpN，p称为旋转因子的指数。N＝8 ＝23 时各级的旋转因子 第一级：L=1， 有1个旋转因子：WNp =WN/4J =W2LJ J=0 第二级：L=2，有2个旋转因子：WNp =WN/2J =W2LJ J=0,1 第三级：L=3，有4个旋转因子：WNp =WNJ =W2LJ J=0,1,2,3 对于N＝2M 的