数字信号处理实验报告6_离散傅里叶变换其快速算法.docVIP

实验六 离散傅立叶变换及其快速算法 实验目的： 掌握快速傅立叶变换的应用方法；掌握离散余弦变换的应用方法；掌握Z变换的应用方法；了解Chip z变换的基本概念；掌握Hilbeit变换的初步应用；了解倒谱变换的基本概念。 二、实验仪器： 电脑一台，MATLAB6.5或更高级版本软件一套。 三、实验内容： 3.1快速傅立叶变换（FFT） DFT是信号分析与处理中的一种重要变换。但是直接计算DFT的运算量与变换的长度N的平方成正比，当N较大时，计算量太大。在快速傅里叶变换（简称FFT）出现之前，直接用DFT算法进行谱分析和信号的实时处理是不实际的。FFT使得DFT的运算效率大大提高，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，推动了数字信号处理技术的发展。 FFT算法的MATLAB实现 MATLAB提供fft函数来计算x(n)的DFT,fft函数是有机器语言，而不是以MATLAB指令格式写成的，因此它的执行速度很快。 格式：y=fft(x)，计算信号x的快速傅里叶变换y。当y为矩阵（多通道信号）时，计算x中每一列信号的离散傅里叶变换。当x的长度为2的幂时，有基2算法，否则采用较慢的分裂基算法。 Y=fft(x,n)，计算n点FFT，当x的长度大于n时，截断x否则补零。 Y=fft(x,n),计算n点FFT，当x的长度大于n时，截断x，否则补零。IFFT可由ifft函数来计算。 在信号处理中，DFT的计算具有举足轻重的地位，，信号的相关、滤波、谱估计等都要通过DFT来实现。然而，当很大的时候，求一个点的DFT要完成次复数乘法和次复数加法，其计算量相当大。1965年J.W.Cooley和J.W.Tukey巧妙地利用因子的周期性和对称性，构造了一个DFT快速算法，即快速傅立叶变换(FFT)。概念 通过前面的知识，已经知道有限列长为的序列的变换为 其逆变换为 由于MATLAB软件本身的特点，序列或向量元素下标从1开始记录，而不是从0开始。因此，上述两式在MATLAB中相应的表达式为 而下面所讨论使用的快速傅立叶变换并不是与不同的另外一种变换，而是为减少计算次数的一种快速有效的算法。这种快速算法，主要是利用了下面两个特性使长序列的分解为更小点数的所实现的。 利用的对称性使运算中有些项合并 利用的周期性和对称性使长序列的分解为更小点数的 快速傅立叶变换算法正是基于这一基本思想而发展起来的。快速傅立叶变换算法形式很多，但是基本上可以分为两大类，即按时间抽取（Decimation－In－Time，简称）法和按频率抽取（Decimation－In－Frequency）法。在这里，以时间抽取的算法（库利－图算法）为例，简单说明一下算法的算法原理。 为了讨论方便，设，其中为整数。如果不满足这个条件，可以认为得加上若干零点来达到。由的定义知 其中是列长为的输入序列，把它按的奇偶分成两个序列 又由于， 则 上式表明了一个N点的DFT可以被分解为两个N/2点的DFT。同时，这两个N/2点的DFT按照上式又可以合成为一个N点的DFT。 为了要用点数为N/2点的X(k)、X(k)来表达N点的X(k)值还必须要用W系数的周期性，即 这样可得 即 X（ 同理可得 X（ 另外再加上W的对称性 就可以将X(k)的表达式分为前后两个部分： 前半部分 后半部分 由以上分析可见，只要求出区间内各个整数k值所对应的X(k)、X(k)的值，即可求出区间内的全部X（k）值，这一点恰恰是FFT能大量节省计算的关键所在。【实例-1】一被噪声污染的信号，很难看出它所包含的频率分量，如一个由50Hz和120Hz正弦信号构成的信号，受到均值随机噪声的干扰，数据采样率为1000Hz，通过FFT来分析其信号频率成分，用MATLAB实现如下： t=0:0.001:0.6; x=sin(2*pi*50*t)+sin(2*pi*120*t); y=x+randn(1,length(t)); Y=fft(y,512); subplot(211); plot(x); title(受噪声污染的信号); n=0:511; f=1000*n/512; subplot(212); plot(f