《第四章快速傅里叶变换(FFT)》辩析.pptVIP

第4章 快速傅里叶变换 FFT 本章主要内容 引言 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。但直接计算DFT的计算量与变换区间长度N的平方成正比，当N较大时，计算量太大，不适合直接用DFT算法进行谱分析和信号的实时处理。 1965年发现了DFT的快速算法，使DFT的运算效率提高1～2个数量级，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，推动了数字处理技术的发展。 1984年，提出了分裂基快速算法，使运算效率进一步提高； 4.2 基2FFT算法 4.2.1 直接计算DFT的特点及减少运算量的途径 直接计算DFT 长度为N的有限长序列x n 的DFT为： 2、减少运算量的思路 N点DFT的复乘次数等于N2。把N点DFT分解为几个较短的DFT，可使乘法次数减少。 3、减少运算量的方法 分解N为较小值，把序列分解为几个较短的序列，分别计算其DFT值； 利用旋转因子WNk的周期性、对称性进行合并、归类处理，以减少DFT的运算次数。 周期性： 对称性： 4、FFT算法思想 不断地把长序列的DFT分解成几个短序列的DFT，并利用旋转因子的周期性和对称性来减少DFT的运算次数。 4.2.2 时域抽取法基2FFT基本原理 FFT算法分为两大类：时域抽取法FFT 简称DIT-FFT 频域抽取法FFT 简称DIF―FFT 。 1、时域抽取法FFT的算法思想 将序列x n 按n为奇、偶数分为x1 n 、x2 n 两组序列；用2个N/2点DFT来完成一个N点DFT的计算。 设序列x n 的长度为N，且满足： 1 按n的奇偶把x n 分解为两个N/2点的子序列 2 用N/2点X1 k 和X2 k 表示序列x n 的N点DFT X k 由于X1 k 和X2 k 均以N/2为周期，且 , X k 可表示为: 对上式的运算用下图所示的流图符号来表示 11 将x1 r 按r取奇、偶可分解成2个长度为N/4的子序列 根据上面推导可得： 将x2 r 按r取奇、偶可分解成2个长N/4的子序列 再次分解，对N 8点，可分解三次。 1、直接DFT运算N点运算 复数乘次数：N×N 复数加次数：N× N-1 2、 用DIT-FFT作N点运算 复数乘次数：M×N/2 N/2×log2N 复加次数： 2×N/2×M N×log2N 可见FFT大大减少了运算次数，提高了运算速度。 1.原位计算 序列长为N 2M点的FFT，有M级蝶形，每级有N/2个蝶形运算。 同一级中，每个蝶形的两个输入数据只对本蝶形有用，每个蝶形的输入、输出数据节点在用一条水平线上。这样，当计算完一个蝶形后，所得的输出数据可立即存入原输入数据所占用的存储单元。经过M级运算后，原来存放输入序列数据的N个存储单元中可依次存放X k 的N个值。 原位计算：利用同一存储单元存储蝶形输入、输出数据的方法。 优点：节约存储空间、降低设备成本。 每蝶形都要乘以旋转因子 ，p称为旋转因子的指数。N＝8＝23时各级的旋转因子 第一级:L 1,有1个旋转因子： 第二级:L 2,有2个旋转因子： 第三级:L 3,有4个旋转因子： 对于N＝2M 的一般情况，第L级共有2L-1个不同的旋转因子： 3、同一级中，同一旋转因子对应蝶形数目 第L级FFT运算中，同一旋转因子用在2M-L个蝶形中； 4、同一级中，使用相同旋转因子的蝶形之间相隔的“距离” 第L级中，蝶距：D 2L。 5、同一蝶形运算两输入数据的距离 在输入倒序，输出原序的FFT变换中，第L级的每个蝶形的两个输入数据相距：B 2L-1。 6、码位颠倒 输入序列x n 经过M级时域奇、偶抽选后，输出序列X k 的顺序和输入序列的顺序关系为倒位关系。 7、蝶形运算的规律 序列经过时域抽选后，存入数组中，如果蝶形运算的两个输入数据相距B个点，应用原位计算，蝶形运算可表示成如下形式： 1 倒序:根据倒序规律，对输入自然顺序序列x n 进行倒序处理； 2 循环层1:确定运算的级数，L 1?M N 2M ；确定一蝶形两输入数据距离B 2L-1 3 循环层2:确定L级的 B 2L-1个旋转因子；旋转因子指数p 2M-LJ，J 0?B-1； 4 循环层3:对于同一旋转因子，用于同一级2M-L个蝶形运算中：k的取值从J到N-1，步长为2L 使用同一旋转因子的蝶形相距的距离 5 完成一个蝶形运算 N 2M，用M位二进制数 nM-1nM-2…n1n0 2表示序列的序号n. M次偶奇时域抽选过程为：对最低位按0、1分为偶、奇两组，次低位也按0、1分组，依此类推，M次分解后形成倒序图为： 思考题：已知N