17第十七讲：DFT的运算量及FFT思想.ppt

1.有限长序列通过离散傅里叶变换 (DFT)将其频 域离散化成有限长序列.但其计算量太大(与N的平方成正比）, 很难 实时地处理问题 , 因 此 引 出 了 快 速 傅 里 叶 变 换(FFT) . 2. FFT 并 不 是 一 种 新 的 变 换 形 式 ,它 只 是 DFT 的 一 种 快 速 算 法 . 并 且 根 据 对 序 列 分 解 与 选 取 方 法 的 不 同 而 产 生 了 FFT 的 多 种 算 法 . 3.FFT 在 离 散 傅 里 叶 反 变 换 、 线 性 卷 积 和 线 性 相 关 等 方 面 也 有 重 要 应 用.。 1.直接计算DFT算法存在的问题及改进途径。 2.多种DFT算法(时间抽取算法DIT算法，频率抽取算法DIF算法，线性调频Z变换即CZT法) 3.FFT的应用 问题提出： 设有限长序列x(n),非零值长度为N,计算对x(n)进行一次DFT运算，共需多大的运算工作量? 1.比较DFT与IDFT之间的运算量 2.以DFT为例，计算DFT复数运算量 计算一个X(k)(一个频率成分)值，运算量为 例k=1则 要进行N次复数乘法和(N-1)次复数加法 所以，要完成整个DFT运算，其计算量为： N*N次复数相乘和N*(N-1)次复数加法 3.一次复数乘法换算成实数运算量 （1）.复数运算要比加法运算复杂，需要的运算时间长。 (2).一个复数乘法包括4个实数乘法和2个实数相法。 (a+jb)(c+jd)=(ac-bd)+j(bc+ad) 4.计算DFT需要的实数运算量 (1).每运算一个X(k)的值，需要进行: 4N次实数相乘和 2N+2(N-1)=2(2N-1)次实数相加. (2).整个DFT运算量为:4N2次实数相乘和2N(2N-1)次实数相加. (3).由此看出：直接计算DFT时，乘法次数与加法次数都是和N2成比例的。当N很大时，所需工作量非常可观。 例子 例1:当N=1024点时，直接计算DFT需要： N2=220=1048576次，即一百多万次的复乘运算 这对实时性很强的信号处理(如雷达信号处理)来讲，它对计算速度有十分苛刻的要求--迫切需要改进DFT的计算方法，以减少总的运算次数。 例2：石油勘探，24道记录，每道波形记录长度5秒，若每秒抽样500点/秒， 每道总抽样点数=500*5=2500点 24道总抽样点数=24*2500=6万点 DFT运算时间=N2=(60000)2=36*108次 四、改善DFT运算效率的基本途径 利用DFT运算的系数 的固有对称性和周期性，改善DFT的运算效率。 1.合并法：合并DFT运算中的某些项。 2. 分解法：将长序列DFT利用对称性和周期性，分解为短序列DFT。 例子 例: 合并法：步骤1分解成虚实部 合并DFT运算中的有些项 对虚实部而言 所以带入DFT中： 合并法：步骤2代入DFT中 合并法：步骤3合并有些项 合并法：步骤4结论 因为DFT的运算量与N2成正比的 如果一个大点数N的DFT能分解为若干小点数DFT的组合，则显然可以达到减少运算工作量的效果。 1.快速付里时变换(FFT)就是在此特性基础上发展起来的，并产生了多种FFT算法，其基本上可分成两大类： 2.按抽取方法分： 时间抽取法(DIT);频率抽取法(DIF) 3.按“基数”分：基-2FFT算法；基-4FFT算法；混合基FFT算法；分裂基FFT算法 4.其它方法：线性调频Z变换(CZT法) * 第十七讲 FFT (Fast Fourier Transforming)的引入 4.1 引 言 4.2直接计算DFT的问题及改进途径量 一、快速付里叶变换FFT 二、本章主要内容 三、直接计算DFT计算量 其中x(n)为复数， 也为复数 所以DFT与IDFT二者计算量相同。 4次实数乘法 2次实数加法 的对称性： 的周期性： 利用DFT运算的系数 的固有对称性和周期性，改善DFT的运算效率 （一）、合并法 的可约性： 圆周共轭对称 利用以上特性,得到改进DFT直接算法的方法. 展开： 根据： 有： 由此找出其它各项的类似归并方法：乘法次数可以减少一半。 例： （二）、分解法 1.将长序列DFT利用对称性和周期性分解为 短序列DFT--思路 把N点数据分成二半： 其运算量为： 再分二半： + = + + + = 这样一直分下去，剩下两点的变换。 2.将长序列DFT利用对称性和周期性 分解为短序列DFT--方法 3.将长序列DFT利用对称性和周期性 分解为短序列DFT--结论