新数字信号处理 第2版 教学课件 张小虹 4数字信号处理1.pptVIP

例 N=210=1024 例 N=211=2048 ， Nlog2N N2 M N = 10 1024 = =102.4 N2 =4,194,304 Nlog2N=22,528 Nlog2N N2 M N = 11 2049 = =186.2 完成了。FFT算法的重大突破意义十分明显。 若直接计算要180分钟，则利用FFT只用不到一分钟就 4.2.2、基2时选 FFT运算规律 1、同址计算（原位） 可见N 越大，效率越高。 在整个计算中共有M级，每级有N/2 个蝶形 ，第L级 时选蝶形 L?1级 XL-1(p) XL-1(q) L级 XL(p) XL(q) 基本运算蝶形如图4.2-7所示。 WN p L级基本蝶形的运算关系为 从图4.2-7可见，为了计算第L列的p,q位置上的复数 节点值，只需要L -1列的p,q位置上的复数节点值。 如果计算得到的XL(p)、XL(q )又分别存在原来XL-1(p) XL-1(q )同一存储器内，则为完成整个计算实际只需要 一列(N个)复数存储单元。 XL (q) =XL?1 (p)? WN XL?1(q) p XL (q) =XL?1 (p)+ WN XL?1(q) p (4.2-17) 每个蝶形计算的输入、输出节点水平相邻时，该流 图对应的是同址计算。否则就需要两列复数存储器。 因为只要一组(N个)复数存储器，因此可以减少内 存，降低成本。从蝶形图看，只有当节点排列成使 * 在线教务辅导网： 教材其余课件及动画素材请查阅在线教务辅导网 QQ:349134187 或者直接输入下面地址： 第4章 离散傅里叶变换的计算——FFT 先介绍DFT的运算特点，再具体讨论一种高效算法。 有高效算法。 FIR DF的实现、线性卷积等。一个重要的原因是DFT DFT在数字信号处理中有很重要的作用，如频谱分析、 为了了解高效算法的重要以及实现高效算法的思路， 所以有N 2次复乘，有N(N?1)次复加。若N1 ， 有限长序列x(n)的DFT为 要N次复数乘法，N?1次加法。总共有N个X(k)值， 4.1 DFT运算特点 X(k)= kn n=0 ? N?1 x(n)WN k=0,1,2,???, N?1 则也近似为N 2 。 一般x(n) 、 WN 均为复数，对每计算一个X(k)值需 kn 例： N=4，用矩阵表示 显然，对每一个X(k)有N=4次复乘，有N?1=3次复加。 复加。 所以， N=4时，共有N 2=16次复乘，有N(N?1)=12次 x(0) x(1) x(2) x(3) X(0) X(1) X(2) X(3) WN 0 WN 0 WN 0 WN 0 WN 0 WN 0 WN 0 WN 1 WN 2 WN 3 WN 3 WN 9 WN 6 WN 2 WN 6 WN 4 = X(3)= 3n n=0 ? 3 x(n)WN =x(0)WN +x(1)WN +x(2)WN +x(3)WN 0 3 6 9 所以，每一次复乘实际是作了四次实乘，两次实加。 实数加法 总的：N个X(k)值的计算量： 实数乘法： 4N 2次； N[2(N?1)+2N] =N(4N?2) 若N1 = 4N 2 ?2 N kn x(n)WN ={Re[x(n)]+jIm[x(n)]}{Re[WN ]+jIm[WN ]} kn kn =Re[x(n)] Re[WN ] ? Im[x(n)]Im[WN ] kn kn kn +j{Re[x(n)] Im[WN ] + Im[x(n)]Re[WN ]} kn ? 4N2次； 与正变换具有相同的结构，只多乘常数1/N ，所以与 DFT有相同的运算量。 时，所需的运算量是很大的。如果要求实时处理， 对运算速度的要求将是十分苛刻的。 反变换IDFT的计算量： n=0,1,2,???, N?1 N 1 k=0 ? N?1 ?kn X(k)WN x(n)= 总之，不论复乘还是复加都与N 2成正比。当N较大 这么大量的复乘对运算时间的要求就很高。所以改进 运算方法，减少运算量，提高运算效率，就是非常重 要的。 当然这种计算方法比实际的运算量要大，因为系数 部分系数的影响不大。 各类算法，仍然认为是复数运算。当N很大时，这 0 WN =1 、WN =?1是不需乘法运算的，但是为了比较 N/2 例如，当N=1024，则N 2 =1,048576 要改进运算方法，减少运算量，只能应用DFT自身的 特性。在定义X(k)时我们强调其隐含周期性，实质 是系数WN 具有周期性，即满足 kn WN = WN kn ((kn))N WN = WN n(N?k) ?nk WN