【】快速傅里叶变换(FFT).要点.pptVIP

结论： 3、蝶形运算符号 求N=23=8点FFT. ⑴先将N=8的DIF分解成2个4点DIF 时域上：x(0)，x(1)，x(2)，x(3)为偶子序列； x(4)，x(5)，x(6)，x(7)为奇子序列。 频域上：X(0)，X(2)，X(4)，X(6)由x1(n)给出. X(1)，X(3)，X(5)，X(7)由x2(n)给出. 【例题】 其中: DIF-FFT一次分解运算流图(N=8) ⑵再将N=4的DIF分解成2个2点DIF DIF-FFT二次分解运算流图(N=8) ⑶再将N=2的DIF分解成2个1点DIF 最后剩下两点DFT，它可分解成两个1点DFT，但1点DFT就等于输入信号本身，所以两点DFT可用一个蝶形结表示. DIF-FFT运算流图(N=8) 4.5 IDFT的高效算法 比较DFT和IDFT的运算公式： 将DFT中的系数 改为 ，最后乘以1/N，就是IDFT. DIT-IFFT运算流图 如果希望直接调用FFT子程序计算IFFT，则可用下面的方法： 先对X(k)取共轭，然后调用FFT子程序，最后取共轭并乘以1/N得到x(n). 贵州大学计算机科学与信息学院 《 数 字 信 号 处 理 》 贵州大学计算机科学与信息学院 《 数 字 信 号 处 理 》 第四章快速傅里叶变换(FFT) 主要内容 引言 直接计算DFT的特点 时间抽取基2FFT算法 频率抽取基2FFT算法 4.1 引言 DFT是信号分析与处理中的一种重要变换. 直接计算DFT的计算量与变换区间长度N2成正比，当N较大时，计算量太大. 在快速傅里叶变换(FFT)出现以前，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的一种快速算法以后，情况发生了根本的变化. 4.2 直接计算DFT的特点 长度为N的有限长序列x(n)的DFT为： 其周期性表现为： 其对称性表现为： N点DFT的复乘次数等于N2. 显然，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 具有明显的周期性和对称性. FFT算法就是不断把长序列的DFT分解成几个短序列的DFT，利用上述周期性和对称性来减少DFT的运算次数. FFT算法基本上分为两大类： (1)时域抽取法FFT(Decimation In Time FFT,简称DIT—FFT). (2)频域抽取法FFT(Decimation In Frequency FFT,简称DIF—FFT). 1、算法原理 设输入序列长为N=2M(M为正整数)，将该序列按时间顺序的奇偶分解为越来越短的子序列，称为基2按时间抽取的FFT算法. 若序列长度不满足条件N=2M，可以加零补长使其达到 N=2M . 4.3 时域抽取基2FFT算法 要点： 2、算法步骤 要点： 结论： 只要求出(0~N/2-1)区间内的各个整数k值所对应的X1(k)和X2(k)值，即可求出(0~N-1)整个区间内全部X(k)值，这就是FFT节省计算量的关键. N=2M→N/2仍为偶数→可以进一步把每个N/2点子序列再按输入n的奇偶分解为两个N/4点的子序列→ 按这种方法不断划分，直到最后剩下2点DFT，两点DFT实际上只是加减运算. 3、蝶形运算符号 求N=23=8点FFT. (1)将N=8的DFT分解成2个4点DFT 【例题】 N点DFT的一次时域抽取分解图(N=8) ⑵将4点DFT分解成2点的DFT 将N/2(4点)子序列按奇/偶分解成两个N/4点(2点)子序列。即将x1(r)和x2(r)分解成奇/偶两个N/4点(2点) 点的子序列。 N点DFT的第二次时域抽取分解图(N=8) ⑶将2点DFT分解成2个1点DFT 两点DFT可分解成两个1点DFT，而1点DFT就等于输入信号本身，所以两点DFT可用一个蝶形结表示. N点DIT-FFT运算流图(N=8) 每一级运算都需要N/2次复数乘和N次复数加(每个蝶形需要两次复数加法). M级运算总共需要的复数乘次数为： 4、DIT―FFT与直接DFT运算量的比较 M级运算总共需要的复数加次数为： 直接计算DFT的复数乘为N2次，复数加为N(N-1)次数。当N1时， N2(N/2)log2N。所以DIT-FFT算法比直接计算DFT的运算次数大大减少。 例如：N=210=1024时： FFT算法与直接计算DFT所需乘法次数的比较曲线 1、算法原理 设输入序列长度为N=2M(M为正整数)，将该序列的频域输出序列X(k)按其频域顺序的奇偶分解为越来越短的子序列，称基2按频率抽取FFT算法. 若序列长度不满足条件N=2M，可以加零补长使其达到 N=2M . 4.4