第三章_FFT_2014S.ppt

* Matlab 的实现 Matlab 提供了内建的 X = fft(x, N) 函数来计算矢量 x 的 DFT * 算法原理： 时间抽选法：是把输入 x(n) 按奇偶分解成两个子序列，而对应的输出是按自然顺序排列的X(k)的前、后两半 频率抽选法：是把输入 x(n) 按照自然顺序前后对半分开，而输出 X(k) 逐项分解成偶数点子序列和奇数点子序列 3.4.3 基2频率抽选法 (DIF-FFT) * 基2频率抽选法FFT——DIF DFT： 如果将求和分成两部分，一部分是 ，另一部分是 ，则可得： * 基2频率抽选法 因为 按k的奇偶性将 分解为偶数组和奇数组： 所以： * 基2频率抽选法 若令 则下式表示两个N/2点DFT运算： -1 * N/2 -1 -1 求N/2点DFT * 基2频率抽选法 将N点DFT分解为两个N/2点DFT（N＝8） 4点 DFT 4点 DFT －1 －1 －1 －1 * 继续分解 * m=0 m=1 m=2 ) 0 ( x ) 1 ( x ) 2 ( x ) 3 ( x ) 4 ( x ) 5 ( x ) 6 ( x ) 7 ( x ) 7 ( X ) 6 ( X ) 5 ( X ) 4 ( X ) 3 ( X ) 2 ( X ) 1 ( X ) 0 ( X ) 0 ( X ) 4 ( X ) 2 ( X ) 6 ( X ) 1 ( X ) 5 ( X ) 3 ( X ) 7 ( X 1 - 1 - 1 - 1 - 1 - 1 - 1 - 1 - 1 - 1 - 1 - 1 - 0 8 W 3 8 W 2 8 W 1 8 W 0 8 W 2 8 W 2 8 W 0 8 W N=8时，基2频率抽选法的整个信号流图如下： 直到分解为2点DFT为止 重 排 序 * 时间抽选法和频率抽选法的异同 蝶形计算 时间抽选法、频率抽选法都是把一个N（ ）点DFT先分解成两个N/2（ ）点DFT，再分解成四个N/4点DFT，直到最后分解为N/2个2点DFT 最基本的运算是蝶形运算。时间抽选法和频率抽选法的蝶形运算不同： * DIT: 先复乘后加减，W 因子在上下节点都有体现 DIF: 先减后复乘，W因子仅体现在下节点 DIT-FFT和DIF-FFT区别 * 运算量相同 时间抽选法和频率抽选法的异同 DIT 输入重排，DIF 输出重排，即 * 时间抽选法和频率抽选法的异同 频率抽选法实现的另一方法 信号流图转置定理：若流图全部支路方向反向，支 路增益不变，输入输出变量交 换位置，则传输函数保持不变 * * 常系数线性差分方程 * 第三章 离散傅里叶变换DFT及快速算法 FFT 基2时域抽取的FFT算法 基2频域抽取的FFT算法 IFFT 基2时域抽取的IFFT算法 基2频域抽取的IFFT算法 * 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 复数乘法 复数加法 每一个X(k) N N – 1 N 个X(k) (N 点 DFT) N 2 N (N – 1) * 如 N=512、1024 和 8192 时，DFT 的乘法运算 5122 = 218 = 262144（26万次） 10242 = 220 = 1048576（105万次） 81922 = 226 =6千7百万次） 对于大 N，在实际中是不能接受的，无法“实时”应用 DFT 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 直接计算DFT的运算量分析 * WNkn的性质 * 以四点DFT为例： 直接计算需要：42 = 16 次复数乘 只需要 1 次复数乘 * 基本思路：通过迭代运算，利用 的周期性和对称性，用低点数的DFT完成高点数的DFT计算 DFT的改进途径 1. 时间抽取（Decimation-in-Time） FFT算法 将序列x(n) 逐次分解为较短的子序列进行DFT计算 2. 频率抽取（Decimation-in-Frequency）F