快速傅里叶变换(FFT)演示文件修改版.pptVIP

DIF-FFT信号流图 DIT-IFFT信号流图 DIT―IFFT运算流图(防止溢出) 直接调用FFT子程序计算IFFT，则可用下面的方法： 对上式两边同时取共轭，得 进一步减少运算量的措施： 多类蝶形单元运算 利用旋转因子的特殊值 旋转因子的生成 预先计算出旋转因子的数值存为表格，程序执行中直接查表得到所需旋转因子 实序列的FFT算法 利用DFT的共轭对称性 设x(n)是2N点实数序列， 试用一次N点DFT来计算x(n)的 2N点DFT：X(k), k=0,1,……2N-1。 例 题 根据DIT―FFT的思想可得到 由于x(n)为实序列，所以X(k)具有共轭对称性，X(k)的另外N点的值为 END！ §4.6 FFT的应用 线性卷积的FFT算法——快速卷积 1. FFT的快速卷积法 有限长单位脉冲响应h(n)与有限长输入信号x(n)的离散线性卷积。 设x(n)为M点，h(n)为N点， 输出为 y(n) =yc(n) =yl (n) L≥M+N-1 讨论：  （1）M ≈ N，则L≈2M-1≈2M，则 M=N 8 16 32 64 128 256 512 1024 2048 4096 Km 0.572 0.941 1.6 2.78 5.92 8.82 16 29.24 53.9 99.9 当M=512 时，运算速度可快16倍； 当M=4096 时， 约快100倍； M越长， 好处越明显。 （2） MN L=M+N-1≈M 短序列补很多零，长序列需全部输入后才能计算 存储容量大 运算时间长，处理延时很大，难于实时处理 怎么解决？——块卷积（重叠相加和重叠保留法） 2．重叠相加法 设h(n)的点数为N，将x(n)分解为很多段，每段为m点，各段互不重叠，m和N的数量级相同，用xi(n)表示x(n)的第i段： im≤n≤(i+1)m-1 其他n i=0, 1, … xi(n)为m点，yi(n)为（m+N-1）点； 相邻两段输出序列必然有（N-1）个点发生重叠，即前一段的后（N-1）个点和后一段的前（N-1）个点相重叠； 将重叠部分相加再和不重叠的部分共同组成输出。 特点： x(n)分段各数据子段互不重叠； h(n)与xi(n)各子段所作为线性卷积得yi(n)； yi(n)数据间有N-1点重叠； 最后的卷积结果y(n)为各子段线性卷积yi(n) 之和。 3． 重叠保留法 将x(n)分段，每段L个点，序列中补零处不补零，而在每一段的前边补上前一段保留下来的（M-1）个输入序列值， 组成N=L+M-1点序列xi(n)； 如果L+M-12m， 则可在每段序列末端补零值点，补到长度为2m； 用DFT实现h(n)和xi(n)的N点圆周卷积，则其每段圆周卷积结果的前（M-1）个点的值不等于线性卷积值，必须舍去。 重叠保留法示意图 重叠保留法示意图 用保留信号代替补零后的局部混叠现象 用保留信号代替补零后的局部混叠现象 为了说明以上说法的正确性，我们来看一看图3-29。任一段xi(n)（为N点）与h(n)（原为M点，补零值后也为N点）的N点圆周卷积 N 由于h(m)为M点，补零后作N点圆周移位时，在n=0,1,…,M-2的每一种情况下，h((n-m))NRN(m)在0≤m≤N-1范围的末端出现非零值， 而此处xi(m)是有数值存在的，图4-27（c），（d）为n=0, n=M-2的情况，所以在 0≤n≤M-2 这一部分的yi(n)值中将混入xi(m)尾部与h((n-m))N·RN(m)尾部的乘积值，从而使这些点的yi(n)不同于线性卷积结果。但是从n=M-1开始到n=N-1，h((n-m))NRN(m)=h(n-m)（如图4-26（e），（f）所示），圆周卷积值完全与线性卷积值一样，yi(n)就是正确的线性卷积值。因而必须把每一段圆周卷积结果的前(M-1)个值去掉， 如图4-26（g）所示。 ? 因此，为了不造成输出信号的遗漏，对输入分段时，就需要使相邻两段有M-1个点重叠（对于第一段，即x0(n)，由于没有前一段保留信号，则需要在序列前填充M-1 个零值点），这样，若原输入序列为x′(n)（n≥0 时有值），则应重新定义输入序列 0≤n≤M-2 M-1≤n 而 0≤n≤N-1 其他n i=0, 1, … 在这一公式中，已经把每一段的时间原点放在该段的起始点，而不是x(n)的原点。这种分段方法示于图4-25中，每段xi(n)和h(n)的圆周卷积结