第4章快速傅里叶变换(FFT)讲解.ppt

图4.2.13 DIF―FFT运算流图(N=8) 图4.2.14 DIT―FFT的一种变形运算流图 图4.2.15 DIT―FFT的一种变形运算流图 4.4 分裂基FFT算法 4.4.1 分裂基FFT算法原理 当n=pq，且p=N/4，q=4时，n可表示为 并有 再将上式中的k表示为 可得 对k0=0，1,2,3,并用k表示k1，用n表示n0，可以 写出 (4.4.1) (4.4.2) (4.4.3) 令 则(4.4.2)式可写成如下更简明的形式： (4.4.4) 图4.4.1 分裂基第一次分解L形流图 例如，N=16，第一次抽选分解时，由式(4.4.3)得 ?x2(n)=x(n)+x(n+8), 0≤n≤7 x14(n)={［x(n)-x(n+8)］-j［x(n+4)-x(n+12)］}Wn16, 0≤n≤3 x24(n)={［x(n)-x(n+8)］+j［x(n+4)-x(n+12)］}W3n16, 0≤n≤3 ?把上式代入式(4.4.4)，可得 X(2k)=DFT［x2(n)］, 0≤k≤7 X(4k+1)=DFT［x14(n)］, 0≤k≤3 X(4k+3)=DFT［x24(n)］, 0≤k≤3 图4.4.2 分裂基FFT算法L形排列示意图与结构示意图 (a)分裂基FFT算法L形排列示意图； (b)分裂基FFT算法运算流图结构示意图 图4.4.3 16点分裂基第一次分解L形流图(图中省去箭头) 第二次分解： 先对图4.4.3中N/2点DFT进行分解。 令X1(l)=X(2l)，则有 X1(2l)=DFT［y2(n)］, 0≤l≤3 X1(4l+1)=DFT［y14(n)］, 0≤l≤1 X1(4l+3)=DFT［y24(n)］, 0≤l≤1 其中 y2(n)=x2(n)+x2(n+4), 0≤n≤3 y14(n)={［x2(n)-x2(n+4)］-［x2(n+2)x(n+6)］}Wn8,n=0,1 y24(n)={［x2(n)-x2(n+4)］+j［x2(n+2)x2(n+6)］}W3n8,n=0,1 图4.4.4 图4.4.4中N/2点DFT的分解L形流图 图4.4.5 4点分裂基L形运算流图 图4.4.6 16点分裂基FFT运算流图 4.4.2 分裂基FFT算法的运算量 设第j级有lj个L形，j=1,2,…,M-1,M=log2N，则有l1=N/4。由图4.4.2(b)可见，第j-1列中的L形包含了第j列中的一部分结点的计算，即空白部分，所占结点数刚好等于第j-1列中所有L形对应结点的一半，所以第j列L形个数就减少l j-1/2个，即 由于每个L形有两次复(数)乘运算，所以全部复 乘次数为 (4.4.5) 作 业 课后习题： 1、2 第4章 快速傅里叶变换(FFT) 第4章 快速傅里叶变换(FFT) 4.1 引言 4.2 基2FFT算法 4.4 分裂基FFT算法 4.1 引言 DFT是信号分析与处理中的一种重要变换。因直接计算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，所以在快速傅里叶变换(简称FFT)出现以前，直接用DFT算法进行谱分析和信号的实时处理是不切实际的。直到1965年发现了DFT的一种快速算法以后，情况才发生了根本的变化。 4.2 基2FFT算法 4.2.1 直接计算DFT的特点及减少运算量的基本途径 长度为N的有限长序