快速计算离散傅里叶变换.pptVIP

第4章 快速计算离散傅里叶变换 4.1 引言 4.2 基2FFT算法 4.3 进一步减少运算量的措施 4.4 分裂基FFT算法 4.5 离散哈特莱变换(DHT) 4.1 引言 与序列的傅里叶变换相比，离散傅里叶变换有实用价值。但是按定义直接计算DFT有实用价值吗？只有一些。因为这种算法的计算数度太慢了。特别是与后人发明的算法相比，它的慢更显突出。 1965年，J. W. Cooley 和 J. W. Tukey在Mathematics of Computation上发表了An algorithm for the machine calculation of complex Fourier series。它极大的提高了计算离散傅里叶变换的速度。 从定义来看N点长的DFT的运算量。 1 直接计算DFT需：复乘N2次，复加(N-1)N次。因为 1个k需复乘N次，复加(N-1)次。 对于复乘1次需50μs，复加1次需10μs的计算机，用直接法做N=1024点长的DFT共需多少时间？ 10242×50 ×10-6 ＋1023×1024×10×10-6=63(s) 2 Cooley和Tukey发明的方法计算DFT需：复乘(N/2)log2N次，复加Nlog2N次。用来计算上面的DFT共需多少时间？ 512×10× 50 ×10-6 ＋1024×10×10×10-6=0.36(s) 4.2 基2(radix2)FFT算法 4.2.1 直接计算DFT的特点及减少运算量的方法 直接计算N个采样值的DFT 需要有N2次复数乘法和N(N-1)次复数加法。 如果把N分成几小段，降低DFT的规模，是不是可以大幅度地减少乘法和加法的运算次数？ 还有，WNkn具有对称性和周期性，是不是可以巧妙地利用？ 例如，当N=8时，从形式上看，W8kn共有64个值。但从图来看， Wkn实际上只有W0~W7这8个值是独立的；而且，其中有一半是对称的。 科学家Cooley和Tukey正是巧妙地利用这些特性加快了DFT的运算速度。 周期性： 对称性： 4.2.2 时域抽取法基2FFT基本原理 设序列x(n)的长度N=2M，M为自然数。 (1) 缩短DFT，把x(n)按n的奇偶顺序分成两半。 则x(n)的DFT为 (2) 重组DFT，按DFT的定义重新组合变短的DFT。∵变短后的DFT中X1(k)和X2(k)分别为x1(r)和x2(r)的N/2点DFT，周期为N/2；∵对称性WNk+N/2 = －WNk。∴X(k)又可表示为 经过这两步骤处理后，1个N点的DFT就变成了2个N/2点的DFT。运算量变成： 复乘(N/2)2×2+(N/2)≈N2/2次， 复加(N/2) ×(N/2-1) ×2 +(N/2) × 2=N2/2次。 比原来多了还是少了？ 2次分解x(n)的DFT: (1) 缩短x1(r)和x2(r)的DFT，与第一次分解相同，将x1(r)按奇偶分解成两个N/22长的子序列x3(l)和x4(l)，即 则x1(r)的DFT为 3次分解DFT，… ，长度为N/23，… 8点DIT―FFT运算流图 需要几次分解DFT，才会使DFT变为1点的DFT？ 4.2.3 时域抽取法快速傅里叶变换的运算量 从分解的级来看—— ①每级需复乘N/2次，？复加N次；？ ②M=log2N级需复乘N/2×M次，？复加N×M次。？ 对于复乘1次需50μs，复加1次需10μs的计算机，现在做N=1024点的DFT运算。 按定义直接运算需要 10242×50 ×10-6 ＋1023×1024×10×10-6=63(s) 按DIT-FFT运算需要 512×10× 50 ×10-6 ＋1024×10×10×10-6=0.36(s) 它们的速度相差63÷0.36=175 （倍）！ 例如：分析序列x(n)=sin(1.8n)+cos(1.8n)的频谱。 clear,close all %用两种方法计算DFT n=0:1023;w=1.8; x=sin(w*n)+cos(w*n); subplot(2,1,1),stem(n,x,.); %axis([250,350,-1.5,1.5]) w=linspace(0,2*pi,1024); tic;X1=x*exp(-j*n*w);toc;%时间约1.36秒，复加0.2微秒 tic;X2=fft(x);toc;%时间约0秒