第2章 离散傅里叶变换和其快速算法3.ppt

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 二、按时间抽取的基2FFT算法 三、按频率抽取的基2FFT算法 四、离散傅立叶反变换的快速算法 五、N为组合数的FFT算法 六、Chirp——z变换 一、直接计算DFT的问题及改进的途径 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 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 用同样的方法可计算出 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 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。 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 ? 011 111 同理，再根据n2的０、１状态来分偶、奇序列，直到不能再分偶、奇时为止。对于N=8, n2已是最高位，最后一次分得结果为 000 ? 100 ? 010 ? 110 ? 001 ? 101 ? 011 ? 111 ( 5) 编程思想及程序框图 三、频域抽取法FFT(DIF―FFT) 在基2快速算法中，频域抽取法FFT也是一种常用的快速算法，简称DIF―FFT。 设序列x(n)长度为N=2M，首先将x(n)前后对半分开，得到两个子序列，其DFT可表示为如下形式： 以N=8的频率抽取为例 （4）蝶形类型随迭代次数成倍增加 观察8点FFT的三次迭代运算: 第一级迭代，有一种类型的蝶形运算系数W08，两个数据点间隔为1 第二级迭代，有二种类型的蝶形运算系数W08、W28，参加运算的两个数据点间隔为2。 第三级迭代，有四类蝶形运算系数W08、W18、W28、W38，参加运算的两个数据点间隔为4。 结论：每迭代一次，蝶形类型增加一倍，数据点间隔也增大一倍。 每一级的取数间隔和蝶形类型种类均为2i-1，i=1,2,…M。 图 DIT―FFT运算和程序框图 偶数 奇数 将X(k)分解成偶数组与奇数组，当k取偶数 (k=2r,r=0,1,…,N/2-1)时 当k取奇数(k=2r+1,r=0,1,…,N/2-1)时 将x1(n)和x2(n)分别代入上两式，可得 图 DIF―FFT蝶形运算流图符号 x(0) x(1) x(2) x(3) x(4) x(5) x(6) x(7) -1 -1 -1 -1 N/2点 DFT a(0) a(1) a(2) a(3) N/2点 DFT b(0) b(1) b(2)