FFT原理及实现.docVIP

哈!经过连续几个晚上的奋战,终于弄懂了FFT推导过程及实现! Happy? 基2 FFT总的思想是将输入信号对半分割,再对半分割,再再对半分割(以下省略10000个再再...?)直至分割到2点. 两点DFT简化 假设输入为x[0],x[1];输出为X[0],X[1]. 伪代码如下 : 周期离散信号是由无穷多相同的周期序列在时间轴上组成的，假设周期为N，即每个周期序列都有N个元素，而这样的周期序列有无穷多个，由于无穷多个 周期序列都相同，所以可以只取其中一个周期就足以表示整个序列了，这个被抽出来表示整个序列特性的周期称为主值周期，这个序列称为主值序列。然后以N对应 的频率作为基频构成傅立叶级数展开所需要的复指数序列ek(n)=exp(j*2pi*k*n/N),用主值序列与复指数序列取相关（乘加运算），得出每 个主值在各频率上的频谱分量，这样就表示出了周期序列的频谱特性 // ------------------------------------------------------------------ #define N 2 #define PI 3.1415926 // ------------------------------------------------------------------ int i, j for(i=0, X[i]=0.0; iN; i++) for(j=0; jN; j++) X[i] += x[j] * ( cos(2*PI*i*j/N) - sin(2*PI*i*j/N) ); 注意到(我想Audio编解码很多时候都是对cos,sin进行优化!) j=0 j=1 i=0 cos 1 sin 0 tw 1 cos 1 sin 0 tw 1 i=1 cos 1 Sin 0 tw 1 cos -1 sin 0 tw -1 X[0] = x[0]*(1-0) + x[1]*(1-0) = x[0] + 1*x[1]; X[1] = x[0]*(1-0) + x[1]*(-1-0) = x[0] - 1*x[1]; 这就是单个2点蝶形算法. FFT实现流程图分析(N=8,以8点信号为例) FFT implementation of an 8-point DFT as two 4-point DFTs and four 2-point DFTs  8点(Layer表示层, gr表示当前层的颗粒) 下面以LayerI为例. LayerI部分,具有4个颗粒,每个颗粒2个输入 (注意2个输入的来源,由时域信号友情提供,感谢感谢?) 我们将输入x[k]分为两部分x_r[k], x_i[k].具有实部和虚部,时域信号本没有虚部的,因此可以让x_i[k]为0.那么为什么还要画蛇添足分为实部和虚部呢?这是因为LayerII, LayerIII的输入是复数,为了编码统一而强行分的.当然你编码时可以判断当前层是否为1来决定是否分.但是我想每个人最后都会倾向分的. 旋转因子 tw = cos(2*PI*k/N)-j*sin(2*PI*k/N);也可以分为实部和虚部,令其为tw_r, tw_i; 则tw = tw_r - j*tw_i; X[k] = (x_r[k] + j*x_i[k]) + (tw_r–j*tw_i) * (x_r[k+N/2]+j*x_i[k+N/2]) 则 X_R[k] = x_r[k] + tw_r*x_r[k+N/2] + tw_i*x_i[k+N/2]; X_I[k] = x_i[k] - tw_i*x_r[k+N/2] + tw_r*x_i[k+N/2]; LayerII部分,具有2个颗粒,每个颗粒4个输入 (注意4个输入的来源,由LayerI友情提供,感谢感谢?) LayerIII部分,具有1个颗粒,每个颗粒8个输入 (注意8个输入的来源,由LayerII友情提供,感谢感谢?) LayerI, LayerII, LayerIII从左往右,蝶形信号运算流非常明显! 假令输入为x[k], x[k+N/2],输出为X[k], X[k+N/2]. x[k]分解为x_r[k], x_i[k]部分 则该蝶形运算为 X[k] = (x_r[k]-j*x_i[k]) + (x_r[k+N/2]-j*x_i[k+N/2])*(cos(2*PI*k/N)-j*sin(2*PI*k/N)); 再令cos(2*PI*k/N)为tw1, sin(2*PI*k/N)为tw2则 X[k] =