串行FFT递归算法蝶式递归计算原理求傅里叶变换.doc

串行FFT递归算法（蝶式递归计算原理）求傅里叶变换 摘要 ?FFT，即为快速傅氏变换，是离散傅氏变换的快速算法，它是根据离散傅氏变换的奇、偶、虚、实等特性，对离散傅立叶变换的算法进行改进获得的。它对傅氏变换的理论并没有新的发现，但是对于在计算机系统或者说数字系统中应用离散傅立叶变换，可以说是进了一大步。??? 设x(n)为N项的复数序列，由DFT变换，任一X（m）的计算都需要N次复数乘法和N-1次复数加法，而一次复数乘法等于四次实数乘法和两次实数加法，一次复数加法等于两次实数加法，即使把一次复数乘法和一次复数加法定义成一次“运算”（四次实数乘法和四次实数加法），那么求出N项复数序列的X（m）,即N点DFT变换大约就需要N^2次运算。当N=1024点甚至更多的时候，需要N2=1048576次运算，在FFT中，利用WN的周期性和对称性，把一个N项序列（设N=2k,k为正整数），分为两个N/2项的子序列，每个N/2点DFT变换需要（N/2）^2次运算，再用N次运算把两个N/2点的DFT变换组合成一个N点的DFT变换。这样变换以后，总的运算次数就变成N+2（N/2）^2=N+N^2/2。继续上面的例子，N=1024时，总的运算次数就变成了525312次，节省了大约50%的运算量。而如果我们将这种“一分为二”的思想不断进行下去，直到分成两两一组的DFT运算单元，那么N点的DFT变换就只需要Nlog(2)(N)次的运算，N在1024点时，运算量仅有10240次，是先前的直接算法的1%，点数越多，运算量的节约就越大，这就是FFT的优越性。 关键字：FFT 蝶式计算 傅里叶变换 目录 一．题目及要求 1 1.1题目 1 二．设计算法、算法原理 1 2.1算法原理与设计 1 2.2设计步骤 2 三．算法描述、设计流程 4 3.1算法描述 4 3.2流程图 5 四． 源程序代码及运行结果 7 4.1源程序代码 7 4.2运行结果 12 五． 算法分析、优缺点 13 5.1算法分析 13 5.2优缺点 14 六． 总结 15 七． 参考文献 16 一．题目及要求 1.1题目 对给定的，利用串行FFT递归算法（蝶式递归计算原理）计算其傅里叶变换的结果。 1.2要求 利用串行递归与蝶式递归原理，对给定的向量求解傅里叶变换的结果。 二．设计算法、算法原理 2.1算法原理与设计 蝶式递归计算原理：令 为n/2次单位元根，则有 ， 将b向量的偶数项 和奇数项 分别记 为 和 。 注意推导中反复使用： 。 图2.1 公式图形 2.2设计步骤 对于以上的分析可画出如图 2.2所示的离散傅里叶变换递归计算流图。图2.3就是一个按此递归方法计算的n=8的FFT蝶式计算图。 FFT的蝶式递归计算图（有计算原理推出）： 图2.2 递归计算流图 特别的，ｎ＝８的FFT蝶式计算图（展开的）： 图2.3 蝶式计算图 按输入元素展开，前面将输出序列之元素 按其偶下标（）和（）展开，导出 和递归计算式，按此构造出了如图1所示的FFT递归计算流程图。事实上，我们也可以将输入序列之元素按其偶下标（） 和几下标（）展开，则导出另一种形式的FFT递归计算式 。 三．算法描述、设计流程 3.1算法描述 SISD上的FFT分治递归算法： 输入: a=(a0,a1,…,an-1); 输出: B=(b0,b1,…,bn-1) Procedure RFFT(a,b) begin if n=1 then b0=a0 else (1)RFFT(a0,a2,…,an-2, u0,u1,…,un/2-1) (2)RFFT(a1,a3,…,an-1, v0,v1,…,vn/2-1) (3)z=1 (4)for j=0 to n-1 do (4.1)bj=uj mod n/2+zvj mod n/2 (4.2)z=zω endfor endif end 注: (1)算法时间复杂度t(n)=2t(n/2)+O(n) t(n)=O(nlogn) n=8的FFT蝶式计算图: 图3