第二章离散傅里叶变换及其快速算法3.pptVIP

2.3 快速傅里叶变换(FFT) ;一、直接计算DFT的问题及改进的途径; X（k）一共有N个点，故完成全部DFT运算，需要N2次复数相乘和N（N-1）次复数相加，在这些运算中，乘法比加法复杂，需要的运算时间多，尤其是复数相乘，每个复数相乘包括4个实数相乘和2个实数相加，例 又每个复数相加包括2个实数相加，所以，每计算一个 X（k）要进行4N次实数相乘和2N+2（N-1）=2（2N-1）次实数相加，因此，整个DFT运算需要4N2实数相乘和2N（2N-1）次实数相加。 ;从上面的分析看到，在DFT计算中，不论是乘法和加法，运算量均与N2成正比。因此，N较大时，运算量十分可观。例，计算N=10点的DFT，需要100次复数相乘，而N=1024点时，需要1048576（一百多万）次复数乘法，如果要求实时处理，则要求有很高的计算速度才能完成上述计算量。 反变换IDFT与DFT的运算结构相同，只是多乘一个常数1/N，所以二者的计算量相同。;DFT是信号分析与处理中的一种重要变换。因直接计算DFT的计算量与变换区间长度N的平方成正比，当N较大时，计算量太大，所以在快速傅里叶变换(简称FFT)出现以前，直接用DFT算法进行谱分析和信号的实时处理是不切实际的。直到1965年发现了DFT的一种快速算法以后，情况才发生了根本的变化。 ;2. 减少运算量的基本途径 显然，把N点DFT分解为几个较短的DFT，可使乘法次数大大减少。 另外，旋转因子 具有明显的周期性和对称性。 其周期性表现为 ;二、 按时间抽取的基2FFT算法 ; 则x(n)的DFT为 ; , 只有N/2个点，而 却有N个点，要用 , 表达全部 值，还必须利用 系数的周期特性。 ;将上述三个式子代入式(1),就可将 表达为前后两部分： ; 式（2）、（3）可以用上图的 “蝶形结”来表示。 通过上述分解后，每个N/2点DFT只需要(N/2)2=N2/4次复数相乘。 依此类推，X1(k)和X2(k)可以继续分下去，这种按时间抽取算法是在输入序列分成越来越小的子序列上执行DFT运算，最后再合成为Ｎ点的DFT。 ;蝶形信号流图; 图 (a)为实现这一运算的一般方法，它需要两次乘法、两次加减法。考虑到-bW和bW两个乘法仅相差一负号，可将图 (a)简化成图 (b)，此时仅需一次乘法、两次加减法。图 (b)的运算结构像一蝴蝶通常称作蝶形运算结构简称蝶形结，采用这种表示法，就可以将以上所讨论的分解过程用流图表示。 ; 两个N/2点的DFT需要2(N/2)2=N2/2次复乘，再加上将两个N/2点的DFT合成为N点DFT时蝶形结前的N/2次复乘，一共需要 次复乘。可见，分解后运算量大约节省了一倍。 既然这样的分解是有效的，由于N/2仍然是偶数，因此可以对两个N/2点的DFT再分别作进一步分解。如右图所示： ;; 与第一次分解相同，将x1(r)按奇偶分解成两个N/4长的子序列x3(l)和x4(l)，即 ;式中 ; 用同样的方法可计算出 ;N/4点;最后剩下的是2点DFT，它可以用一个蝶形结表示： 这样，一个8点的完整的按时间抽取运算的流图 由于这种方法每一步分解都是按输入时间序列是属于偶数还是奇数来抽取的，所以称为“按时间抽取法”或“时间抽取法”。 ;;2. DIT―FFT算法与直接计算DFT运算量的比较 每一级运算都需要N/2次复数乘和N次复数加(每个蝶形需要两次复数加法)。所以，M级运算总共需要的复数乘次数为 ;图 FFT算法与直接计算DFT所需乘法次数的比较曲线 ;时间抽取法FFT的运算特点：;;;(3)序列的倒序 DIT―FFT算法的输入序列的排序看起来似乎很乱，但仔细分析就会发现这种倒序是很有规律的。由于N=2M，所以顺序数可用M位二进制数(nM-1nM-2…n1n0)表示。 ;表 顺序和倒序二进制数对照表 ; 图 倒序的变址处理; 图 倒序程序框图 ;第一次分偶、奇，根据最低位n0的0、1状态来分，若n0=0，则为偶序列；n0=1则为奇序列，得到两组序列： 000 010 100 110 ? 001 011 101 111 第二次对这两个偶、奇序列再分一次偶、奇序列，这就要根据n1的０、１状态。若n1=0，则为偶序列；n1=1则为奇序列，得到四组序列： 000 100 ? 010 110 ? 001 101 ? 011