数字信号课件第3章.pptxVIP

数字信号处理及DSP技术(Digital Signal Processing and DSP Technology) 数字信号处理课程组 电子与信息工程学院第3章 快速傅里叶变换 3.1 引言 3.2 直接计算DFT的问题及改进的途径 3.3 按时间抽取（DIT）的基2-FFT算法 3.4 按频率抽取（DIF）的基2-FFT算法 3.5 N为复合数的FFT算法 3.6 线性调频Z变换（Chirp-Z变换）算法 3.7 利用FFT分析时域连续信号频谱 3.8 FFT的其他应用 3.1 引 言 快速傅里叶变换（FFT）并不是一种新的变换，而是DFT的一种快速算法。离散傅里叶变换（DFT）在数字信号处理中是非常有用的。例如，在信号的频谱分析、 系统的分析、 设计和实现中都会用到DFT的计算。 但计算量太大，很难对问题进行实时处理，所以并没有得到真正的运用。直到1965年首次发现了快速傅里叶变换（FFT）的算法。使DFT的运算大大简化，运算时间一般可缩短一二个数量级之多，从而使DFT的运算在实际中真正得到了广泛的应用。 3.2 直接计算DFT的问题及改进的途径 3.2.1 直接计算DFT的运算量问题k=0, 1, …, N-1 （3-1） n=0, 1, …, N-1 （3-2） 二者只是WN的指数符号不同，以及差一个因子1/N，所以IDFT与DFT具有相同的运算工作量。 一般来说，x(n)和WNnk都是复数，X(k)也是复数，因此每计算一个X(k)值，需要N次复数乘法和N-1次复数加法。 X(k)一共有N个点（k从0取到N-1），所以完成整个DFT运算总共需要N2次复数乘法及N(N-1)次复数加法。直接计算DFT的运算量问题完整DFT共需4N2实数乘法+2N2实数加法+2N(N-1)次实数加法一次复数乘法需用四次实数乘法和二次实数加法；一次复数加法需二次实数加法。因而每运算一个X(k)需4N次实数乘法和2N+2(N-1)=2(2N-1)次实数加法。所以，整个DFT运算总共需要4N2次实数乘法和2N(2N-1)次实数加法。 直接计算DFT的运算量问题 上述统计与实际运算次数稍有出入，因为某些WNnk可能是1或j，就不必相乘了，例如WN0=1，WNＮ/２=-1， WNN/4=-j等就不需乘法。为和其他运算方法作比较，一般都不考虑这些特殊情况，而是把WNnk都看成复数，当N很大时，这种特例的影响很小。 从上面的统计可以看到，直接计算DFT，乘法次数和加法次数都是和N2成正比的，当N很大时，运算量是很可观的，有时是无法忍受的。 例3-1 根据式（3-1），对一幅N×N点的二维图像进行DFT变换，如用每秒可做10万次复数乘法的计算机，当N=1024时，问需要多少时间（不考虑加法运算时间）？解 直接计算DFT所需复乘次数为（N2)2≈1012次，因此用每秒可做10万次复数乘法的计算机，则需要近3000小时。 这对实时性很强的信号处理来说，要么提高计算速度，而这样，对计算速度的要求太高了。另外，只能通过改进对DFT的计算方法，以大大减少运算次数。 --改善途径WＮnk的以下固有特性，就可减少运算量： （1） WNnk的对称性 （2） WNnk的周期性 （3） WNnk的可约性 另外 3.3 按时间抽取（DIT）的基 -2 FFT算法 3.3.1 算法原理 设序列x(n)长度为N，且满足N=2M，M为正整数。按n的奇偶把x(n)分解为两个N/2点的子序列： 则可将DFT化为 DIT的基 -2 FFT算法原理 由于 ， 故上式可表示成 （3-5） 式中，X1(k)与X2(k)分别是x1(r)及x2(r)的N/2点DFT： （3-6） （3-7） --DIT的基 -2 FFT算法原理 由此，一个N点DFT已分解成两个N/2点的DFT。 X1(k)，X2(k)只有N/2个点，即k=0, 1, …, N/2-1。故用式（3-5）计算得到的只是X(k)的前一半的结果。同理--DIT的基 -2 FFT算法原理 这样，就可将X(k)表达为前后两部分： （3-11） （3-12） --图 3-1 时间抽取法蝶形运算流图符号 DIT的基 -2 FFT算法原理 图 3-2 N点DFT分解为两个N/2点DFT（N=8） --DIT的基 -2 FFT算法原理 第一次分解后的运算量：复数乘法复数加法一个N / 2点DFT(N / 2)2N / 2 (N / 2 –1)两个N / 2点DFTN 2 / 2N (N / 2 –1)一个蝶形12N / 2个蝶形N / 2N总计运算量减少了近一半将长序列DFT分解为短序列DFT把N点数据分成二半：其运算量为：+=再分二半：++=+这样一直分下去，剩下两点的变换。DIT的基