11第十一讲_快速傅里叶变换.ppt

第3章 快速傅里叶变换 第十一讲 快速傅里叶变换 3.1 引言 3.2 直接计算DFT的问题及改进的途径 3.3 按时间抽取（DIT）的基2-FFT算法 3.4 按频率抽取（DIF）的基2-FFT算法 3.1 引 言 快速傅里叶变换（FFT）并不是一种新的变换， 而是离散傅里叶变换（DFT）的一种快速算法。  由于有限长序列在其频域也可离散化为有限长序列（DFT），因此离散傅里叶变换（DFT）在数字信号处理中是非常有用的。例如，在信号的频谱分析、 系统的分析、 设计和实现中都会用到DFT的计算。 但是，在相当长的时间里， 由于DFT的计算量太大，即使采用计算机也很难对问题进行实时处理，所以并没有得到真正的运用。 直到1965年首次发现了DFT运算的一种快速算法以后，情况才发生了根本的变化。人们开始认识到DFT运算的一些内在规律，从而很快地发展和完善了一套高速有效的运算方法， 这就是现在人们普遍称之为快速傅里叶变换（FFT）的算法。 FFT出现后使DFT的运算大大简化，运算时间一般可缩短一二个数量级之多，从而使DFT的运算在实际中真正得到了广泛的应用。 3.2 直接计算DFT的问题及改进的途径 3.2.1 直接计算DFT的运算量问题 设x(n)为N点有限长序列，其DFT为 k=0, 1, …, N-1 反变换（IDFT）为 n=0, 1, …, N-1 共需要4N2次实数乘法和2N(2N-1)次实数加法。 直接计算DFT，乘法次数和加法次数都是和N2成正比的，当N很大时，运算量是很可观的，有时是无法忍受的。 3.2.2 改善途径 利用系数WＮnk的以下固有特性，就可减少运算量：  （1） WNnk的对称性 （2） WNnk的周期性 （3） WNnk的可约性 另外 利用这些特性，使DFT运算中有些项可以合并，并能使DFT分解为更少点数的DFT运算。DFT的运算量是与N2成正比的，因而小点数序列的DFT比大点数序列的DFT的运算量要小。  快速傅里叶变换算法正是基于这样的基本思想而发展起来的。 它的算法形式有很多种，但基本上可以分成两大类，即按时间抽取(ＤecimationinTime，缩写为DIT）法和按频率抽取（DecimationinＦrequency， 缩写为DIF）法。 3.3 按时间抽取（DIT）的基 -2 FFT算法 3.3.1 算法原理 设序列x(n)长度为N，且满足N=2M，M为正整数。按n的奇偶把x(n)分解为两个N/2点的子序列： 式中，X1(k)与X2(k)分别是x1(r)及x2(r)的N/2点DFT： （3-6） （3-7） 一个N点DFT可分解成两个N/2点DFT的组合成,但X1(k)，X2(k)只有N/2个点，即k=0, 1, …, N/2-1。而X(k)却有N个点，即k=0, 1, …, N-1， 故计算得到的只是X(k)的前一半的结果。 可得到X1(k)的后半部分： 同理可得X2(k)的后半部分： 后半部分k值（N/2≤k≤N-1）所对应的X1(k)，Ｘ2(k)分别等于前半部分k值（0≤k≤N/2-1）所对应的X1(k)，X2(k)。 要用X1(k)，X2(k)来表达全部的X(k)值，还必须应用系数的周期性， 即 考虑到WkN 的性质: X(k)可表达为前后两部分： 前半部分 后半部分 图 3-1 时间抽取法蝶形运算流图符号 图 3-2 按时间抽取将一个N点DFT分解 为两个N/2点DFT（N=8） 一个N点DFT分解为两个N/2点DFT，每一个N/2点DFT只需(N/2)2=N2/4次复数乘法，N/2(N/2-1)次复数加法。两个N/2点DFT共需2×(N/2)2=N2/2次复数乘法和N(N/2-1)次复数加法。此外，把两个N/2点DFT合成为N点DFT时，有N/2个蝶形运算，还需要N/2次复数乘法及2×N/2=N次复数加法。因而通过第一步分解后，总共需要(N2/2)+(N/2)=N(N+1)/2≈N2/2次复数乘法和N(N/2-1)+N=N2/2次复数加法。由此可见，通过这样分解后运算工作量差不多节省了一半。  既然这样分解是有效的，由于N=2M，因而N/2仍是偶数，可以进一步把每个N/2点子序列再按其奇偶部分分解为两个N/4点的子序列。 进一步把每个N/2点子序列再按其奇偶部分分解为两个N/4点的子序列。 且 式中： 图3-3给出N=8时，将一个N/2点DFT分解成两个N/4点DFT， 由这两个N/4点DFT组合成一个N/2