DSP-5-2014(新).pptxVIP

中国民航大学 航空自动化学院数字信号处理 Digital Signal Processing第五章 快速傅里叶变换(FFT)FFT：引言本章主要内容直接计算DFT的问题及改进的途径按时间抽取的基2-FFT算法 (掌握)按频率抽取的基2-FFT算法 (掌握)进一步减少运算量的措施(理解)FFT：直接计算 DFT 的运算量分析FFT: Fast Fourier Transform1965 年，James W. Cooley 和 John W. Tukey 在《计算数学》（《Mathematics of Computation》）上发表了“ 一种用机器计算复序列傅立叶级数的算法（An algorithm for the machine calculation of complex Fourier series）” 论文。自此之后，新的算法不断涌现。一种是对N等于 2 的整数次幂的算法，如基 2 算法，基 4 算法。另一种是N不等于 2 的整数次幂的算法，例如 Winagrad 算法，素因子算法。Dr. James W. CooleyWorked at IBM Watson Research Center in Yorktown Heights, N.Y..After his retirement from IBM in 1991, he joined the Electrical Engineering Department at the University of Rhode Island. FFT：直接计算 DFT 的运算量分析N 点有限长序列 x(n) 的 DFT 变换对的定义为： 其中假设 x(n) 是复序列， 同时 X(k) 一般也是复数。FFT：直接计算 DFT 的运算量分析FFT：直接计算 DFT 的运算量分析计算量分析N2次复数相乘N（N-1）次复数相加N次复数相乘N-1次复数相加FFT：直接计算 DFT 的运算量分析N2次复数相乘N（N-1）次复数相加一次复数乘法需四次实数乘法和二次实数加法一次复数加法需两次实数加法 如 N=512、1024 和 8192 时，DFT 的乘法运算 N2 = 5122 = 218 = 262144（26万次） N2 = 10242 = 220 = 1048576（105万次） N2 = 81922 = 226 =6千7百万次）采用通用计算机，速度为平均每次复乘为5μs，每次复加为1 μs，所用时间:T=5*10-6 *10242+ 10-6 *1024*1023=6.290s1.如果一台通用计算机的速度为平均每次复乘 ，每次复加 ，用它来计算512点的 ，问直接计算需要多少时间，用 运算需要多少时间。 复乘所需时间 (1)直接利用 计算： 复乘次数为 ，复加次数为 。 解：复加所需时间 所以直接利用DFT 计算所需时间： FFT：直接计算 DFT 的运算量分析FFT：直接计算 DFT 的运算量分析对于大 N，在实际中是不能接受的，无法“实时”应用 DFT。一般地，在计算机中，一次加法比一次乘法所需时间要短;在DSP中，由于乘法用特殊的硬件电路专门完成，因此乘法和加法所需机器周期相同。Cooley 与 Turkey 提出的 FFT 算法，大大减少了计算次数。如 N =512 时，FFT 的乘法次数约为 2000 次，提高了约 128 倍，而且简化随 N 的增加而巨增，因而，用数值方法计算频谱得到实际应用。FFT：旋转因子的特点把长序列分解成短序列计算，然后再组合出结果。主要原理是利用系数 的以下特性对DFT进行分解： （1）对称性 （2）周期性 （3）可约性 另外，FFT：旋转因子的特点DFT高效运算的可能性分析：假定x(n)为4点长的信号，对其做4点DFT：计算量？利用旋转因子的4个特点：计算量？显然N值越小越有利！FFT：基本思想基本思路：虽然存在不同的 FFT 方法，但其核心思想大致相同，即通过迭代，反复利用低点数的 DFT 完成高点数的 DFT 计算，以此达到降低运算量的目的。迭代：利用 WNkn 的周期性、特殊点和对称性，合并 DFT 计算中很多重复的计算，达到降低运算量的目的。低点数：将傅氏变换 DFT 分解成相继小的DFT计算，即 N 变小，而计算量与 N2 成正比。FFT 算法分类:时间抽选法 DIT: Decimation-In-Time频率抽选法 DIF: Decimation-In-FrequencyFFT：基2时间抽选法-算法原理算法原理 设序列点数 N = 2M，M 为整数。若