第二章 离散傅里叶变换与其快速算法(下).ppt

第二章 离散傅里叶变换及其快速算法 §2.3 快速傅里叶变换 （FFT） 1、DFT运算的特点： FFT算法的基本思想： 2、按时间抽取的FFT（N点DFT运算的分解） 将DFT运算也相应分为两组： 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2.7(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。 时间抽取法FFT的运算特点： 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 3、按频率抽取的FFT（按输出X（k）在频域的顺序上属于偶数还是奇数分解为两组） 以N=8的频率抽取为例 4. N为组合数的FFT（任意基数的FFT算法） 以P=3，Q=4, N=12为例 (1) 先将 x(n)通过 x(n1Q+n0)改写成 x(n1,n0)。因为 Q=4, n1=0,1,2, n0=0,1,2,3,故输入是按自然顺序的，即 x(0,0)=x(0) x(0,1)=x(1) x(0,2)=x(2) x(0,3)=x(3) x(1,0)=x(4) x(1,1)=x(5) x(1,2)=x(6) x(1,3)=x(7) x(2,0)=x(8) x(2,1)=x(9) x(2,2)=x(10) x(2,3)=x(11) (2) 求Ｑ个Ｐ点的DFT （３）X1(k0,n0)乘以得到X1′(k0,n0)。 （４）求P个Ｑ点的DFT，参变量是k0 （１）求Ｑ个P点DFT需要ＱP2次复数乘法和Ｑ·P·(P-1)次复数加法； （２）乘Ｎ个W因子需要Ｎ次复数乘法； （３）求P个Ｑ点DFT需要PQ2 次复数乘法和P·Ｑ（Ｑ-1)次复数加法。 总的复数乘法量: QP2+N+PQ2=N(P+Q+1)； 总的复数加法量: Q·P(P-1)+P·Q·(Q-1)=N(P+Q-2) 当组合数 N=P1P2P3…Pm中所有的Pi均为4时，就是基四FFT算法 以N=43为例,第一级运算的一般形式为： 5、Chirp-z变换 算法原理： Chirp-z变换的计算步骤： Chirp-z变换的特点： 2.4 FFT应用中的几个问题 IDFT与DFT的差别： 1）把DFT中的每一个系数 改为 ， 2）再乘以常数 1/N ， 则以上所讨论的时间抽取或频率抽取的FFT运算均可直接用于IDFT运算，当然，蝶形中的系数 应改为 。 通过g(n)的FFT运算结果G(k),由上式也可得到Y(k) 的值。 通过N点FFT运算可得到： Y(k)=X1(k)+jX2(k) ，N点 根据前面的讨论，得到 a.计算X(k)=FFT[x(n)] b. 求H(k)=FFT[h(n)] c. 求Y(k)=H(k)X(k) k=0～L-1 d. 求y(n)=IFFT[Y(k)] n=0～L-1 可见，只要进行二次FFT,一次IFFT就可完成线性卷积计算。 计算表明,L32时,上述计算线性卷积的方法比直接计算线卷积有明显的优越性,因此,也称上述循环卷积方法为快速卷积法。 (1)??? 重叠相加法——由分段卷积的各段相加构成总的卷积输出 计算步骤： a.? 事先准备好滤波器参数 H（k）=DFT[h(n)]，N点 b.? 用N点FFT计算Xi（k）=DFT[xi(n)] c.? Yi(k)=Xi(k)H(k) d.? 用N点IFFT求 yi（n）=IDFT[Yi(k)] e.? 将重叠部分相加 (2)重叠保留 则可以证明，rxy(τ)的离散傅里叶变换为 Rx