复习综述幻灯片.pptVIP

复习综述 2011.6. “数字信号处理”是现代信息和通信工程学科的理论和技术基础。 “数字信号处理”是理论和实际紧密结合、内容丰富、发展迅速、应用广泛的一门学科。 学习过程中应着重掌握基本理论、基本概念和基本方法。 3.3 利用循环卷积计算线性卷积 　　在许多实际问题中常需要计算线性卷积。 　　如：一个FIR数字滤波器的输出等于输入与滤波器的单位取样响应的线性卷积。 　　如果将线性卷积转化成循环卷积，那么根据DFT的循环卷积性质，就能够用循环卷积来计算线性卷积，而循环卷积可以用FFT进行快速计算。 两个长度为N的序列的线性卷积可用长度为L的循环卷积来代替，但L必须满足条件　 这时N到L之间的值用零填充。 L 　 对于长度为N的有限长序列，对Z变换取样及频谱取样不失真的条件，是取样点数M应大于或等于原序列的长度，即 频率取样是指对序列的傅里叶变换或系统的频率特性进行取样。 　　　 3.5 快速傅里叶变换（FFT） 　　我们知道，DFT在数字信号处理领域中占有极为重要的地位，它是对离散信号进行谱分析的有力工具。 　　但是，由于当N很大时， DFT计算量非常大，计算繁琐，它在相当长时间里没有得到真正的应用。 　　FFT的出现使DFT的计算量减少了两个数量级，提高了DFT的计算速度。 　　 　　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。 　　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。　 3.5.1 DFT的计算量 　　计算一个　　需要N次复乘法和（N-1)次复数加法，所以计算N个　　值，共需要　 次复乘法和N（N-1)次复加法。　　　 即需要：　次实数乘法和　　　　　　　 次实数加法 　当N很大时，这是一个非常大的计算量！！! FFT算法有许多种，本书主要介绍 时间抽选（Decimation-in-Time）基２FFT算法 频率抽选（ Decimation-in-Frequency）基２FFT算法 3.5.2　时间抽选基２FFT算法（库里－图基算法） 　　这种算法简称为时间抽选FFT算法，其基本出发点是，利用旋转因子　　的对称性和周期性，将一个大的DFT分解成一些逐次变小的DFT来计算。 　完成N点的时间抽选FFT计算的总运算量为 　　　复数乘法次数： 复数加法次数： 分解过程遵循两条规则： 　对时间进行偶奇分解 　对频率进行前后分解 图3.19　时间抽选的FFT流程图（N=8) 3.5.４ 频率抽选基２FFT算法 推导过程遵循两条规则： 　对时间进行前后分解 　对频率进行偶奇分解 图3.27　频率抽选的FFT（N=8) 时间抽选的蝶形计算单元 频率抽选的蝶形计算单元 FFT具有M级、N/2个碟形运算、Nlog2N计算复杂度 　　FFT算法同样可以用于IDFT的计算，成为快速傅里叶反变换IFFT。 3.5.5 IFFT的计算方法 IDFT DFT 就可以用FFT计算IDFT，即IFFT。 比较可见，只要将 应用时间抽选FFT算法计算IFFT时， 　原来输入的时间序列　　现在变为频率序列　　，　　原来是将　　偶奇分离，现在变成对　　偶奇分离， 　因此这种算法改称为频率抽选IFFT算法。 类似地，应用频率抽选FFT算法计算IFFT时， 　改称为时间抽选IFFT算法。 3. 6 N为合数的FFT的算法 　　　对于以２为基的时间抽选和频率抽选FFT算法，由于具有程序简单，计算效率高、对存储量要求不很高等优点，因而在实际中得到了最广泛的应用。 　　　如果N不等于２的幂，通常有两种处理方法： 　用补零的方法将　　延长为　　。 　例如　　　，可在序列　　的末尾添补４个0，即令　　　　　　　　　　　　　　，使N达到　 　　　有限长序列补零以后，只是频谱的取样点有所增加而不会影响它的频谱的形状。 　采用以任意数为基数的FFT算法。 　　这种算法举例说明如下：设N等于两个整数　和　的乘积，即　　　 　则可讲N点DFT分解为　个　点DFT 　　　　　　　　　　或　个　点DFT来计算。 3.7　快速傅里叶变换的应用 　　所谓谱分析就是计算信号的频谱，包括振幅谱、相位谱和功率谱。 利用FFT对信号进行谱分析 １、谱分析中的参数的选择 　　　假设所处理的离散时间信号　　是从连续时间信号　　中取样得到的。 　　　—采样周期，单位为s 　　　—取样频率，单位为Hz， 　　　 —连续时间信号　　的最高频率 　　　—　　频率分辨率，单位为Hz 　　　　是指频域取样中两相邻点间的频率间隔。 　　　—信号