信号与系统PPT-cp7_QL概要.ppt

7.11 快速傅立叶变换（FFT） 图7.54 第二次分解：将一个点序列DFT分解为4个点序列DFT的流图 7.11 快速傅立叶变换（FFT） 图7.55给出了当 图7.55 基2频域抽选FFT算法的运算流图 基2时域抽选FFT算法的信号流图和基2频域抽选FFT算法的信号流图是互为倒置的,两者的计算过程都是连续迭代，且具有相同的运算量。 7.11 快速傅立叶变换（FFT） 2.算法规律与特点 （1）分解级数、蝶形运算个数与运算量大小 （2）蝶形运算单元中两结点的间距与原位运算 （3）旋转因子 （3）旋转因子 的分布规律 7.12 快速傅立叶反变换 多乘一个系数1/N 指数符号改变 两者具有相同的运算结构 具有相同的特性 IDFT的快速计算方法IFFT 7.12 快速傅立叶反变换 DFT与IDFT运算公式分别为： 就可以用DFT程序计算IDFT 比较： 结果乘以1/N X(k) =DFT [x(n)]= x(n)=IDFT [X(k)]= 时选FFT（n分奇偶） 频选FFT（k分奇偶） 频选FFT（k分奇偶） 时选FFT（n分奇偶） 输入是频域序列X(k) -----------输出为时域序列x(n) 改动过的时选的FFT对应频选的IFFT 改动过的频选的FFT对应时选的IFFT 1、由基2时选FFT算法----直接定义基2频选IFFT算法 7.12 快速傅立叶反变换 改动过的时选的FFT 频选的IFFT 2、基2频选FFT算法----直接定义基2时选IFFT算法 7.12 快速傅立叶反变换 改动过的频选的FFT 时选的IFFT * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 7.11 快速傅立叶变换（FFT） 7.11.2 降低运算量的基本途径： 利用旋转因子 的特性与序列 的分解 1. 旋转因子 的特性 （1）周期性： 对于n或k都具有周期性 （2）对称性： 周期性 4系数 7系数 对称性 2系数 4点的DFT可以用2点DFT实现 在[W]阵中有许多元素相同，[W]与[x(n)]相乘过程中存在许多 的重复计算。减少运算量的就意味着运算速度、效率的提高。 7.11 快速傅立叶变换（FFT） 7.11 快速傅立叶变换（FFT） 例如 （3） 的可压缩性和扩展性（合称为可约性）： 7.11 快速傅立叶变换（FFT） 2.序列 的分解 将长序列分解为短序列的过程称为抽取或分组 （通常按序号的偶、奇数进行抽取或分组）。 时间抽取 FFT算法 频率抽取 FFT算法 FFT的基本思想： 将计算N点序列的逐次DFT分解 利用旋转因子 的周期性与对称性 将DFT运算中的某些项加以合并，达到减少运算量之目的。 7.11 快速傅立叶变换（FFT） 7.11.3 基2时域抽选FFT算法（库利—图基算法） 1.算法原理 (1)第一次分解 序列 按序号n分别取偶数和奇数分解为两个长度均为N/2的子序列： （M为正整数） 7.11 快速傅立叶变换（FFT） 偶序号 构成的N/2点DFT 奇序号构成的N/2点DFT 的周期性、对称性。 时要用到 点的 均只有N/2点 ，要将它们合并为 一个N点的DFT已被分解为两个N/2点的DFT 7.11 快速傅立叶变换（FFT） 周期性 对称性 分为前后两部分： 后N/2点 前N/2点 7.11 快速傅立叶变换（FFT） -1 蝶形流图 由流图可见，每个蝶形有一次复乘，两次复加。 流图规定： 右上=左上+左下 右下=左上-左下 简化蝶形流图 7.11 快速傅立叶变换（FFT） 分解过程以 为例 第一次分解：将一个N点序列DFT分解为 两个N/2点序列DFT的流图 两个4点DFT 共有N/2个碟形 7.11 快速傅立叶变换（FFT） 第一次分解后的运算量评估 经过第一次偶、奇分解后，计算一个N点DFT所需的总运算量为: 复数乘法次数 复数加法次数 仅经过第一次偶奇分解就能够使复数乘法和复数加法的运算次数比直接计算时各减少了近一半。 7.11 快速傅立叶变换（FFT） 进一步分解 、 将 再分解为两个N/4点的DFT运算 7.11 快速傅立叶变换（FFT） 周期性 对称性 周期 对称 N/4点 N/2点 分为前后两部分 前N/4点 后N/4点 7.11 快速傅立叶变换（FFT） 二次分解后: 将一个N点DFT分解为四个N/4点DFT的流图 组成的2点DFT的蝶形如图 这种算法每一步分解都是按输入序列在时序上是偶还是奇数来抽取的，称为时间抽取法 7.11 快速