第三章离散傅里叶变换及其快速计算方法.pptVIP

* FFT 算法 上面讨论的 FFT 算法假定 N 为 2 的整数次幂，即 N = 2M，是基2 FFT 算法。 当 N=Rv 时，这样的算法叫做基R FFT算法，而当 N=R1v1R2v2R3v3时，叫做混合基算法。 当 N 是一个高度合数时，可得到最有效的算法。最受欢迎也最易编程的算法是基2 FFT 算法。 对于不能分解的质数，或者当 N 不是 2 的整数次幂时，可以在信号的末尾补0，使其成为高度合数或 2 的整数次幂。 3.4.1 FFT：基2时间抽选法-Matlab 实现 * Matlab FFT 实现 Matlab 提供了内建的 X = fft(x, N) 函数来计算矢量 x 的 DFT。 fft 函数是机器码写成的，而不是以 Matlab 指令写成的，即不存在 .m 文件。因此，它的执行速度很快。 采用混合算法。 若 N 为 2 的幂，则得到高速的基 2 FFT 算法； 若 N 不是 2 的幂，则将 N分解成质数，得到较慢的混合基 FFT； 若 N 为质数，则 fft 函数采用原始 DFT 算法。 3.4.1 FFT：基2时间抽选法-Matlab 实现 * DFT 定义表示为矩阵形式为： 3.4.2 FFT：基2时间抽选法-矩阵表示 * 令： 矩阵 WN 为： DFT 矩阵简单地表示为： 特性 3.4.2 FFT：基2时间抽选法-矩阵表示 * FFT 基 2 时间抽选法信号流图（N=8） -1 W82 1×8点 2×4点 4×2点 x(0) x(1) x(2) x(3) x(4) x(5) x(6) x(7) x(0) x(4) x(2) x(6) x(1) x(5) x(3) x(7) X(0) X(1) X(2) X(3) X(4) X(5) X(6) X(7) -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 W80 W80 W82 W80 W81 W82 W83 C(0) C(1) D(0) D(1) E(0) E(1) F(0) F(1) A(0) A(1) A(2) A(3) B(0) B(1) B(2) B(3) m = 0 级 m = 1级 m = 2 级 位序重排 3.4.2 FFT：基2时间抽选法-矩阵表示 * FFT 矩阵形式表示为： 1) 输入矢量 x 与 P8 相乘，则只是输入的位序重排，没有乘法操作。 3.4.2 FFT：基2时间抽选法-矩阵表示 * 2) 第 0 级运算：2 点 DFT 3.4.2 FFT：基2时间抽选法-矩阵表示 * 3) 第 1 级运算：4 点 DFT 3.4.2 FFT：基2时间抽选法-矩阵表示 * 4) 第 2 级运算：8 点 DFT 3.4.2 FFT：基2时间抽选法-矩阵表示 * FFT算法看成是 DFT 矩阵W8 的分解： 这个因式分解对应于快速算法，因为矩阵F8(8)， F8(4) ， F8(2) 和 P8 的大部分元素为 0，是稀疏矩阵。因此上述每个矩阵的乘法运算最多只需要 8 次复乘运算，而 P8 只是置换操作，没有乘法操作。 不同的 FFT 算法对应于将 DFT 矩阵 WN 分解成不同的稀疏矩阵。 3.4.2 FFT：基2时间抽选法-矩阵表示 * 算法原理：根据时间-频率的对偶性 时间抽选法：是把输入 x(n) 按奇偶分解成两个子序列，即 N 点x(n) 序列→ N/2 点子序列，而输出 X(k) 是按自然顺序排列的。 频率抽选法：是把输入 x(n) 按照前后对半分开，而不是奇偶数分开，而输出 X(k) 逐项分解成偶数点子序列和奇数点子序列。 DFT 变换表达式为： 3.4.3 FFT：基2频率抽选法 (DIF-FFT) 如果将输入 x(n) 按前后等分，即将求和分成两部分，范围分别为： * 3.4.3 FFT：基2频率抽选法 –算法原理 * 按 k 的奇偶将X(k)分成两部分： 3.4.3 FFT：基2频率抽选法 –算法原理 * 令: 则 X(2r) 和 X(2r+1) 分别是 x1(n) 和 x2(n) 的 N/2 点 DFT，记为 X1(k) 和 X2(k)。 3.4.3 FFT：基2频率抽选法 –算法原理 * x1(0) x1(1) -1 x1(2) x1(3) -1 x2(0) x2(1) -1 x2(2) x2(3) -1 N/2点 DFT N/2点 DFT x(0) x(7) x(1) x(2) x(3) x(4) x(5) x(6) X1(0)=X(0) X2(0)=X(1) X1(1)=X(2) X1(2)=X(4) X1(3)=X(6) X2(1)=X(3) X2(2)=X(5) X2(3)=X(7) 3.4.3 FFT：基2频率抽选法 –算法原理 * FFT 基 2 频率抽选法信号流图（N=8） 逐级分