基于DSP的C程实验报告------快速傅立叶变换(FFT)算法.docVIP

C程序实验报告 快速傅立叶变换(FFT)算法 一．实验原理 1．FFT 的原理和参数生成公式： FFT 并不是一种新的变换，它是离散傅立叶变换（DFT）的一种快速算法。由于我们在计算DFT 时一次复数乘法需用四次实数乘法和二次实数加法；一次复数加法则需二次实数加法。每运算一个X（k）需要4N 次复数乘法及2N+2（N-1）=2（2N-1）次实数加法。所以整个DFT运算总共需要4N^2 次实数乘法和N*2(2N-1)=2N(2N-1)次实数加法。如此一来，计算时乘法次数和加法次数都是和N^2 成正比的，当N 很大时，运算量是可观的，因而需要改进对DFT 的算法减少运算速度。 根据傅立叶变换的对称性和周期性，我们可以将DFT 运算中有些项合并。 我们先设序列长度为N=2^L，L 为整数。将N=2^L 的序列x(n)(n=0,1,……，N-1)，按N 的奇偶分成两组，也就是说我们将一个N 点的DFT 分解成两个N/2 点的DFT，他们又重新组合成一个如下式所表达的N 点DFT： 一般来说，输入被假定为连续的。当输入为纯粹的实数的时候，我们就可以利用左右对称的特性更好的计算DFT。 我们称这样的RFFT 优化算法是包装算法：首先2N 点实数的连续输入称为“进包”。其次N 点的FFT 被连续运行。最后作为结果产生的N 点的合成输出是“打开”成为最初的与DFT 相符合的2N 点输入。 使用这一思想，我们可以划分FFT 的大小，它有一半花费在包装输入O（N）的操作和打开输出上。这样的RFFT 算法和一般的FFT 算法同样迅速，计算速度几乎都达到了两次DFT的连续输入。下列一部分将描述更多的在TMS320C55x 上算法和运行的细节。 二．FFT 的基本结构： FFT信号流图如下： 整个过程共有log2N次，每次分组间隔为2^（L-1）----------------1=L=log2N （1）如上图第一次蝶形运算间隔为一，如第一个和第二个，第三个和第四个，以此类推； 第二次间隔为二，如第一个和第三个，第二个和第四个等 （2）基本运算单元以下面的蝶形运算为主： 计算公式如下： （3）在FFT运算中，旋转因子WmN=cos(2πm/N)-jsin(2πm/N)，求正弦和余弦函数值的计算量是很大的。 （4）本程序采用的输入信号为：1024*sin(2*pi*3*t)，采样频率为1024 三．程序流程图： 四．编程实现 int INPUT[SAMPLENUMBER],DATA[SAMPLENUMBER]; float fWaveR[SAMPLENUMBER],fWaveI[SAMPLENUMBER],w[SAMPLENUMBER]; float sin_tab[SAMPLENUMBER],cos_tab[SAMPLENUMBER]; /*说明： 分开计算cos(2*pi/N)及sin(2*pi/N)，合成蝶形运算的系数 */ void InitForFFT() { int i; for ( i=0;iSAMPLENUMBER;i++ ) { sin_tab[i]=sin(PI*2*i/SAMPLENUMBER); cos_tab[i]=cos(PI*2*i/SAMPLENUMBER); } } /*说明： 输入信号，正弦函数，对1024*sin(2*pi*3*t的采样 */ void MakeWave() { int i; for ( i=0;iSAMPLENUMBER;i++ ) { INPUT[i]=sin(PI*2*i/SAMPLENUMBER*3)*1024; } } main() { int i; InitForFFT(); MakeWave(); for ( i=0;iSAMPLENUMBER;i++ ) { fWaveR[i]=INPUT[i]; fWaveI[i]=0.0f; w[i]=0.0f; } FFT(fWaveR,fWaveI); for ( i=0;iSAMPLENUMBER;i++ ) { DATA[i]=w[i]; } while ( 1 ); // break point } void FFT(float dataR[SAMPLENUMBER],float dataI[SAMPLENUMBER]) { int x0,x1,x2,x3,x4,x5,x6,xx; int i,j,k,b,p,L; float TR,TI,temp; /********** following code invert sequence ************/ /*