第九章 离散傅立叶变换的计算.ppt

（3）系数 的确定 如何确定r ：（根据 m, p） p ---- 蝶形两节点的第一节点标号值（从0开始） p ? ν 位二进制数 ? 左移ν – m 位 （右边补0）? r 值 如 N = 8, ν = 3 m = 2, p = 1, ν – m = 1, p = 0 0 1 ? 010 ? r = 2 ? 的产生： 建立系数表；用正、余弦函数；利用递推 如： （4）离散傅立叶反变换（IDFT）的快速算法 两种方法： 第一种： ? 进行FFT，输出乘以1/N ? x[n] 第二种： （5）一般N值的FFT算法 N为复合数：N = RQ 混合基算法 R 个Q点DFT的和，或Q 个R点DFT的和 算法以牺牲速度为代价 （6）基4-FFT算法 速度较基2-FFT算法要快，但程序的复杂程度要高 （7）线性调频变换算法（Chirp Transform Algorithm） 只需要某个频率或某个频段的X[k]值 非单位圆上的抽样值 X[zk], zk = Ae-jk2π/M N是大素数，不能加以分解 第九章习题 9.1，9.2，9.4，9.6，9.7，9.9，9.11，9.13 第九章 离散傅立叶变换的计算 Computation of the Discrete Fourier Transform 9.0 引言 DFT算法速度 ----- 算法有效性的最重要性能指标 （功耗、资源） DFT的有效算法：快速傅立叶变换（Fast Fourier Transform, FFT） 算法速度 ------ 乘法和加法的次数 FFT的意义： 使DFT理论在实际中得到应用 也是信号处理技术得以普及的重要因素之一 9.1 离散傅立叶变换的高效计算 一个N点序列的DFT为： 其反变换为： 式中 正、反变换的计算基本相同（仅符号和系数），算法可直接使用 直接计算的计算量： x[n]通用性考虑 ---- 复数 每计算一个X[k]值需要：N次复数乘法和N-1次复数加法 全部X[k]值需要： N2次复数乘法和N(N-1)次复数加法 考虑到每次复数乘法需：4次实数乘法和2次实数加法 每次复数加法需：2次实数加法 直接计算量： 4N2次实数乘法和N(4N-2)次实数加法 计算量与N2成正比，当N很大时，计算次数巨大，计算时间非常长 例：当N =1024，需四百多万次实数乘法，实时性要求难以满足 改善DFT计算效率的一些方法：主要利用 的对称性和周期性 （1） 复共轭对称性 （2） 对n和k的周期性 （3） 的有些值为0或1 将某些计算项合并或无需乘法和加法运算 但计算量减少非常有限，不能满足实际的要求 Cooley和Tukey于1965年发表了一个快速的算法，由Cooley提出 思想，Tukey完成实际的算法（程序） ------ 在信号处理应用领域具有划时代的意义 9.3 按时间抽取的FFT算法 FFT算法的基本思想： 计算量与N2成正比 将计算逐次分解成较短序列的DFT计算 ? 组合 ? 最终结果 同时利用 的周期性和对称性 假设序列点数 ，ν为整数，也称基-2FFT算法 由N为偶整数，将序列分解为奇数点和偶数点两组序列 DFT可以表示为： 作变量代换，n=2r （偶数）； n=2r+1 （奇数） 因为， 上式可写为： 式中：G[k] ------ 原序列偶数点的N/2点DFT（周期为N/2 ） H[k] ------原序列奇数点的N/2点DFT （周期为N/2 ） 例N=8时，上述的计算过程如图： 计算量： 两次N/2点DFT + 组合运算 复数乘法：2×(N/2)2 + N = N2/2 +N 复数加法： 2×(N/2)(N/2-1) + N = N2/2 与直接计算相比，当N较大时，运算量减少接近一半 可以进一步作上述的分解，即 每一个N/2点DFT 可以分解为两个（按奇、偶）N/4点DFT 并 进行组合。------- 得到N/2点DFT 即可表示为： N2 N(N-1) 以及： g[2l]和g[2l+1]的N/4点DFT + 组合运算 = N/2点DFT ----- G[k] h[2l]和h[2l+1]的N