第四章快速傅里叶变换-数字信号处理.DOCVIP

第四章 快速傅里叶变换 4.3 进一步减少运算量的措施 4.3.1 多类碟形单元运算 1、无关紧要的旋转因子 当L=1时，只有一个旋转因子； L=2时，有两个旋转因子和； 对于这两种情况，在DFT中称值为和的旋转因子为无关紧要的旋转因子，蝶形运算可以不进行乘法运算。这样复数乘法运算次数由MN/2可以减少为 进一步，从L=3至L=M级蝶形运算中因为无关紧要的旋转因子存在，如：，等，还可减少复数乘法次数为 因此，DIT-FFT的复数乘法次数可以减少为 2、蝶形运算中的特殊复数乘法 一般实现一次复数乘法运算需要四次实数乘，两次实数加，但对某些特殊复数，乘法运算的运算量可以降低。如对，与任一复数相乘时， 只需要两次复数加和两次复数乘即可。所以从实数运算考虑，计算点DIT-FFT所需实数乘法次数为 3、基2FFT算法的分类 在基2FFT程序中，若包含了所有旋转因子，则称该算法为一类蝶形单元运算；若去掉的旋转因子，则称之为二类蝶形单元运算；若再去掉的旋转因子，则称为三类蝶形单元运算；若再处理，则称之为四类蝶形运算。我们将后三种运算称为多类蝶形单元运算。 显然，蝶形单元类型越多，编程就越复杂，但当N较大时，乘法运算的减少量就越可观。 4.3.2 旋转因子的生成 在FFT运算中，旋转因子，求正弦和余弦函数值的计算量是很大的。所以编成时，产生旋转因子的方法直接影响运算速度。一种方法是在每级运算中直接产生；另一种方法是在FFT程序开始前预先计算出，存放在数组中，作为旋转因子表，在程序执行过程中直接查表得到所需旋转因子值，不再计算。这样使运算速度大大提高，其不足之处是占用内存较多。 4.3.3 实序列的FFT算法 在实际工作中，数据一般都是序列。若直接按FFT运算流图计算，就是把看成一个虚部为零的复序列进行计算。这就增加了存储量和运算时间。处理该问题有三种方法： 1、用一个N点FFT计算两个N点实序列的FFT，一个实序列作为的实部，另一个作为虚部，计算完FFT后，根据DFT的共轭对称性，由输出分别得到两个实序列的N点DFT。 2、用点FFT计算一个N点实序列的DFT。 设为N点实序列，取的偶数点和奇数点分别作为新构造的序列的实部和虚部，即 对进行点FFT，输出，则 根据DIT-FFT的思想可得 由于为实序列，所以具有共轭对称性，的另外点的值为 相对一般的FFT算法，上述算法的运算效率，当时，，运算速度提高近一倍。 4.4 分裂基FFT算法 自从基2快速算法出现以来，人们仍不断寻求更快的算法。从理论上讲，用较大的基数可以进一步减少运算次数，但同时会使计算程序变得更为复杂。所以取大于8的基数没有多大的实际意义。1984年，法国的杜梅尔和霍尔曼将基2分解和基4分解糅合在一起，提出了分裂基FFT算法。其运算量比前述几种算法都有所减少，运算流程却与基2FFT很接近，运算程序也很短。所以说分裂基FFT算法是一种适用的高效新算法。 4.4.1 分裂基FFT算法原理 4.4.2 分裂基FFT算法的运算量 4.5 离散哈特莱变换（DHT） 一个实序列的N点DFT完全可以由N个实数数据确定。下面就介绍一种直接对实序列进行实数域变换的离散哈特莱变换，记为DHT。 4.5.1 离散哈特莱变换的定义 设，为一实序列，其DHT定义为 式中，。 其逆变换为 证明：[略] 4.5.2 DHT与DFT之间的关系 将分解为奇对称分量与偶对称分量之和 其中 由DHT定义有 所以，已知的DFT， 同理，的DHT可表示为 因此，已知的DHT，则DFT可用表示为 如果不考虑因子1/2，只要增加2N次实数加法运算就能由的DHT谱求出的DFT谱。 4.5.3 DHT的主要优点 1、DHT是实值变换，在对实信号或数据进行谱分析避免了复数运算，从而提高了运算效率，相应的硬件也更简单、更经济； 2、DHT的正、反变换具有相同的形式（除因子1/N外），因而，实现DHT的硬件或软件既能进行DHT，也能进行IDHT； 3、DHT与DFT间的关系简单，容易实现两种谱之间的相互转换。 4.5.4 DHT的性质 为了叙述方便，用符号表示。 1、线性性质 若，，则 2、的DHT 若，则，且 其中，当k=0时，。 3、循环移位性质 若，则 4、奇偶性 奇对称序列和偶对称序列的DHT仍然是奇对称序列或偶对称序列，即DHT不改变序列的奇偶性。 5、循环卷积定理 若，，则 或 其中，和分别是的偶对称分量和奇对称分量。 4.5.5 DHT的快速算法（FHT） 1、基2DIT-FHT算法及运算流程图 设有点时域序列，则 对进行抽取 有 2、基2DIT-FHT的运算量 总的乘法