第四章快速傅里叶变换(FFT)_肖太龙讲述.pptx

第四章 快速傅里叶变换（FFT） 通信1402班 肖太龙 Contents 从DFT到FFT FFT的基本概念 FFT算法的实现原理 FFT的物理意义 DFT与FFT时间复杂度比较 从DFT到FFT的缘由 依次类推，N/2个点的时间复杂度为多少呢？N/4呢？ 从哪个方面减少运算量呢？ 周期性表现为： 对称性表现为： 1965年库利和图基提出一种DFT的快速算法，以此来解决DFT变换的效率问题。 算法的提出的初衷主要是为了减少乘法次数，又因为旋转因子的对称性和周期性能达到这一目标，因此在理论上是可以实现的。 FFT算法就是不断地把长序列的DFT分解为短序列的DFT的算法。最常用的是基2FFT算法。 浅谈FFT实现原理 FT算法基本上分为两大类： 时域抽取法FFT(Decimation In Time FFT,简称DIT-FFT)。 频域抽取法FFT(Decimation In Frequency FFT,简称DIF―FFT)。 我们主要来分析DIF-FFT算法。 DIF-FFT与DIT-FFT算法有什么异同？ 算法理论推导： 设序列 的长度为N，且满足N=2M ，M为自然数。 按n奇偶把 分解为两个N/2点的子序列 则x(n)的DFT为 因为 所以 其中X1(k)和X2(k)分别为x1(r)和x2(r)的N/2点DFT，即 由于X1(k)和X2(k)均以N/2为周期，且 所以X(k)又可表示为 至此，一次时域抽取法的理论推导就完成了。从上面的两个式子中，我们定义一种新的运算符——蝶形运算符。 8点DFT一次时域抽取分解运算流图 完成一次蝶形运算需要一次复数乘法和两次复数加法运算。因此在8点DFT一次时域抽取分解中，共需要计算两个N/2点DFT运算和N/2个蝶形运算。 所以按照上图的计算DFT时，总的复数乘法次数为 复数加法次数为 类似地，我们将 按奇偶分解成两个N/4点子序列 ，其表达式分别如下： 那么， 又可表示为 式中 同理，由 的周期性和 的对称性 最后得到： 用同样的方法可以计算出 其中 8点DFT二次时域抽取分解运算 8点DIT-FFT运算流图 从上面的蝶形算法，当 时，其运算应该有M级蝶形，每一级都由N/2个蝶形运算构成。因此每一级运算都需要N/2次复数乘法和N次复数加法，所以M级蝶形运算的乘法次数为： 加法次数： 一个简单的算例 计算序列 的8点DFT。分别用基本的DFT算法和FFT算法实现，体会计算过程中的时间复杂度。 当然针对计算机来说，计算乘法所需要的时间远大于加法。一般的计算机，差不多相差十倍左右。 用计算机产生随机的1024个点构成序列，然后取N=1024.此时计算时间差距就会加大。N=2048时，时间差距会更大。 为了更进一步的体会FFT的物理意义，引入一个算例： 假设对某信号经过ADC之后，得到一个序列 ，此时我们不知道其具体的函数表达式。但是我们可以对其做FFT运算。现在我们做一个验证： 假设我们有一个信号，它含有2V的直流分量，频率为50Hz、相位为-30度、幅度为3V的交流信号，以及一个频率为75Hz、相位为90度、幅度为1.5V的交流信号。用数学表达式就是如下： S=2+3*cos(2*pi*50*t-pi*30/180)+1.5*cos(2*pi*75*t+pi*90/180) 现在对其进行变换，取样点为1024，采样频率为1024Hz 注意这里的取样频率只要满足原始频率的2倍即可，且取样点和取样频率根据频率分辨率来选取。 从图中的结果可以得出，当频率为0、50、75时，对应的幅度值依次为2、3、1.5，相位依次为0、90、-30。当然，这看上去几乎是没有误差的，因为我们取样频率和所取点数比较大，当N=Fs=256时，会存在误差，但是这个误差完全不影响我们对信号函数的分析与判断。从而进一步的验证了DFT与FFT算法的正确性。 上图是从模拟信号到频域离散信号的完整的过程。这其中对应有几个概念容易混淆。因此对此做出区分： 数字频率、模拟频率与采样频率：模拟频率通常用 表示，数字频率用 表示。此时的数字频率主要是针对序列而言，因此没有采样频率 就不会有数字频率的概念，所以数字频率与采样频率和模拟频率一定满足