快速傅利叶变换(FFT)演示文件修改版.pptVIP

第四章 快速傅利叶变换（FFT） Fast Fourier Transform （1）比较DFT与IDFT之间的运算量 （2）以DFT为例，计算DFT复数运算量 计算一个X(k)（一个频率成份）值运算量为例，k=1则： 要进行N次复数乘法+(N-1)次复数加法 所以，要完成整个DFT运算，其计算量为： N*N次复数相乘+N*(N-1)次复数加法 乘法和加法运算次数均与N2成正比。 （3）一次复数乘法换算成实数运算量 一次复数乘法包括4个实数乘法、和2个实数加法； 一次复数加法则需2次实数加法。 （4）计算DFT需要的实数运算量 每运算一个X(k)的值，需要进行4N次实数相乘和2N+2(N-1)=2(2N-1)次实数相加。 整个DFT运算量为： 4N2次实数相乘和2N(2N-1)次实数相加 由此看出：直接计算DFT时，乘法次数与加法次数都是和N2成比例的。当N很大时，所需工作量非常可观。 2. 改善DFT运算效率的基本途径 利用DFT运算的系数 的固有对称性和周期性，可减少DFT的运算量。 结论 FFT算法就是不断的把长序列DFT分解为几个短序列DFT，并利用 对称性和周期性来减少DFT的运算量。 快速付里叶变换（FFT）就是在此特性基础上发展起来的，并产生了多种FFT算法，其基本上可分为两大类： （1）按抽取方法分为：时域抽取法(DIT)；频域抽取法(DIF) （2）按“基数”分为：基-2FFT算法；基-4FFT算法；混合基FFT算法；分裂基FFT算法 4.2.2 基2按时间抽取的FFT算法  Decimation-in-Time (DIT-FFT) （2）代入DFT中 （3）求出子序列的DFT 3. 蝶形运算 例子：求 N=23=8点FFT变换 用同样的方法可计算出 4.2.3 按时间抽取的FFT算法与直接计算DFT运算量比较 4.2.4 DIT-FFT算法的特点及编程思想 1. 原位计算（同址运算） 由图4.2.4可以看出，DIT―FFT的运算过程很有规律。N=2M点的FFT共进行M级运算，每级由N/2个蝶形运算组成。 3. 倒位序规律及实现 我们从输入序列的序号及整序规律得到码位倒读规则。由N=8蝶形图看出：原位计算时，FFT输出的X(k)的次序正好是顺序排列的，即X(0)…X(7),但输入x(n)都不能按自然顺序存入到存储单元中，而是按x(0),x(4),x(2),x(6)….的顺序存入存储单元，即为乱序输入、顺序输出。 这种顺序看起来相当杂乱，然而它是有规律的。即码位倒读规则——倒位序。 倒位序的实现 4. 蝶形运算两节点间的“距离” 由图4.2.4（上图）可知，输入是倒位序，输出是自然顺序；其第一级每个蝶形运算的两节点“距离”为1，第二级每个蝶形运算两节点的“距离”为2，第三级每个蝶形运算两节点的“距离”为4； 由此类推，对N=2M点FFT，当输入是倒位序，输出是自然顺序时，其第L级的蝶形运算两节点的“距离”为2L-1。 DIT―FFT小结： 基本原理 与DFT运算量比较 运算规律 原位计算 旋转因子变化规律 倒序规律及实现 蝶形运算两点间的距离 4.3.1 算法步骤 注意： 实际中，有时为防止运算过程发生溢出现象，常常把1/N分解为(1/2)M，则在M级运算中每一级运算都分别乘以1/2因子，就可以得到IFFT的两种基本蝶形运算结构。 IFFT的基本蝶形运算 4.4.2 直接调用FFT子程序的方法 前面的IFFT算法，虽然编程很方便，但仍要改变FFT的程序和参数才能实现； 现介绍第二种IFFT算法，则可以完全不必改动FFT程序。 图4.2.5 FFT与直接计算DFT所需乘法次数的比较曲线 例如，N=210=1024时 蝶形的两个输出值仍放回蝶形的两个输入所在的存储器中。每列的N/2个蝶形运算全部完成后，再开始下一列的蝶形运算。这样存储数据只需N个存储单元。下一级的运算仍采用这种原位方式，只不过进入蝶形结的组合关系有所不同。这种原位结构可以节省存储单元，降低设备成本。 2. 旋转因子的变化规律 (4.2.12) 如上所述，N点DIT―FFT运算流图中，每级都有N/2个蝶形。每个蝶形都要乘以因子WN p，称其为旋转因子，p称为旋转因子的指数。 应找到旋转因子与运算级数的关系 观察图4.2.4不难发现，第L级共有2L-1个不同的旋转因子。N=23=8时的各级旋转因子表示如下： L为从左到右的运算级数（L=1,2,…,M） 对N=2M的一般情况，第L级的旋转因子为： (4.2.13) 造成倒位序的原因是输入x(n)按标号n的偶奇的不断分组造成的。n用二进制数表示(n2n1n0)2 第一次分组，n0=0的为