中北大学数字信号处理原理及应用快速傅里叶变换.ppt

第4章 快速傅里叶变换; 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N的平方成正比，计算量太大，所以在快速傅里叶变换(简称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。直到1965年发现了DFT的一种快速算法以后，情况才发生了根本的变化。 ;4.1 DFT的运算量分析; 复数乘法：; 从上面的分析看到，在DFT计算中，不论是乘法和加法，运算量均与N2成正比。因此，N较大时，运算量十分可观。例，计算N=10点的DFT，需要100次复数相乘，而N=1024点时，需要1048576（一百多万）次复数乘法，如果要求实时处理，则要求有很高的计算速度才能完成上述计算量。 反变换IDFT与DFT的运算结构相同，只是多乘一个常数1/N，所以二者的计算量相同。;4.1.2 改善DFT运算效率的基本途径; 例如，对4点DFT，直接计算需要42=16次复数乘法。根据上述 的性质，可写成如下的矩阵形式 ;;;将该矩阵的第二列和第三列交换，得到; 快速傅里叶算法的基本思想 （1）利用 的性质减少计算量。 （2）把长序列的DFT分解成短序列的DFT，也可以有效的减少DFT运算中复数乘法和复数加法的次数。 如果信号长度为 N，它可表示成： 当 时，上式可写成 ，因子 称为基（radix）。 当FFT算法中进行序列分解时是采用 则称为基-2（radix-2）FFT。 ; N=2M，;;对于 后N/2的DFT ： 由于 （周期性） 因此 ;;; 由于 ,因而N/2仍是偶数,可以进一步把每个N/2点的序列再按其奇偶部分分解为两个N/4的子序列 从而 可表示为 ;因而有 对 也可进行同样的分解： ;; 如下图所示： 那么依次类推，经过M-1次分解后，将N点DFT分解成N/2个两点DFT;; 例如N=8时，分解为4个两点DFT，其输出分别为 例如： 即 上式中用到了; 下图为N=8时的一个完整基-2DIT-FFT运算流图;对 点序列： ;一次蝶式运算需：1次复数乘法和2次复数加法;;DFT和FFT运算量比较;Matlab程序演示;4.2.3.FFT算法的特点;m表示第m级迭代，i，j表示数据所在的行数 ;2）输入序列的序号及整序规律;输入的混序是通过输入正序序列按码位倒置实现的。;输入数据的变址处理; 3）各类蝶形运算两节点的“距离”及 的变化规律; 蝶形运算两节点的第一个节点为i值，表示成M位二进制数，左移M – m位，把右边空出的位置补零，结果为r的二进制数。;; 4.2.4、DIT算法的其他形式流图; ;4.3.1 算法的基本原理 设序列x(n)长度为N=2M，首先将x(n)前后对半分开，得到两个子序列，其DFT可表示为如下形式：; 由于 N点DFT按k的奇偶分组可分为两个N/2的DFT k取偶数时（k=2r，r=0,1,...,N/2-1） ;设; 将x1(n)和x2(n)分别代入 和 式，可得;DIF-FFT的一次分解运算流图（N=8）：; 由于N/2仍然为2的整数幂，继续将N/2点DFT分成偶数组和奇数组，这样每个N/2点DFT又可分解成两个N/4点DFT，其输入序列分别是按上下对半分图开后通过蝶式运算构成的4个子序列 ,如下图; 按照以上方法继续分解下去，经过M-1次分解，最后分解为N/2个两点DFT，这N/2个2点DFT的输出就是N点DFT的结果X(k) ，如下图; 蝶形运算两节点的第一个节点为值k，表示成M位二进制数，左移m-1位，把右边空出的位置补零，结果为r的二进制数。; 以上所讨论的FFT的运算方法同样可用于IDFT的运算，简称为IFFT。即快速傅里叶反变换。从IDFT的定义出发，可以导出下列二种利用FFT来计算IFFT的方法。;4.1.1.稍微变动FFT程序和参数可实现IFFT;4.4.2不改变FFT的程序直接实现IFFT;4