第四章 快速傅里叶变换n.ppt

第四章 快速傅里叶变换 本章目录 直接计算DFT的问题及改进的途径 4.1 引言 DFT在实际应用中很重要: 可以计算信号的频谱、功率谱和线性卷积等。 直接按DFT变换进行计算，当序列长度N很大时，计算量非常大，所需时间会很长。 FFT并不是一种与DFT不同的变换，而是DFT的一种快速计算的算法。 4.2 直接计算DFT的问题及改进的途径 DFT的运算量 4.2.1 DFT的运算量 DFT运算量的结论 4.2.2 减少运算工作量的途径 4.3 按时间抽取的基2-FFT算法 算法原理 按时间抽取基-2FFT算法与直接计算DFT运算量的比较 按时间抽取的FFT算法的特点 按时间抽取FFT算法的其它形式流程图 4.3.1 算法原理 蝶形运算 以8点为例第一次按奇偶分解 蝶形运算量比较 进一步按奇偶分解 以8点为例第二次按奇偶分解 算法原理 以8点为例第三次按奇偶分解 4.3.2 按时间抽取基2-FFT算法与直接计算DFT运算量的比较 FFT算法与直接DFT算法运算量的比较 4.3.3 按时间抽取的FFT算法的特点 观察序列的逆序排列 序列的逆序排列 倒位序的树状图（N=8） 码位的倒位序(N=8) 倒位序的变址处理（N=8） 观察原位运算规律 同址运算（原位运算） 观察蝶形运算两节点间的距离规律 蝶形运算两节点间的距离 观察 规律 的确定 4.4 按频率抽取的基2-FFT算法 算法原理 4.4.1 算法原理 蝶形运算 例 按频率抽取(N=8) 频率抽取法输入是自然顺序，输出是倒位序的；时间抽取法正好相反。 频率抽取法的基本蝶形与时间抽取法的基本蝶形有所不同。 频率抽取法运算量与时间抽取法相同。 频率抽取法与时间抽取法的基本蝶形是互为转置的。 4.6 快速傅里叶逆变换(IFFT)算法 例 频率抽取IFFT流图(N=8) 快速傅里叶逆变换另一种算法 4.8 Matlab实现 用FFT进行谱分析的Matlab实现 用CZT进行谱分析的Matlab实现 4.8.1 用FFT进行谱分析的Matlab实现 例4.6程序清单 例4.6程序运行结果 例4.6程序运行结果分析 例4.6修改程序运行结果 离散哈特莱变换(DHT) 离散哈特莱变换定义 设x(n),n=0,1,…,N-1，为一实序列，其DHT定义为 已知x(n)的DHT，则DFT可用下式求得： 通过g(n)的FFT运算结果G(k),由上式也可得到X (k) 的值。 通过N点FFT运算可得到： Y(k)=X1(k)+jX2(k) ，N点 根据前面的讨论，得到 a.计算X(k)=FFT[x(n)] b. 求H(k)=FFT[h(n)] c. 求Y(k)=H(k)X(k) k=0～L-1 d. 求y(n)=IFFT[Y(k)] n=0～L-1 可见，只要进行二次FFT,一次IFFT就可完成线性卷积计算。 计算表明,L32时,上述计算线性卷积的方法比直接计算线卷积有明显的优越性,因此,也称上述循环卷积方法为快速卷积法。 (1)??? 重叠相加法——由分段卷积的各段相加构成总的卷积输出 计算步骤： a.? 事先准备好滤波器参数 H（k）=DFT[h(n)]，N点 b.? 用N点FFT计算Xi（k）=DFT[xi(n)] c.? Yi(k)=Xi(k)H(k) d.? 用N点IFFT求 yi（n）=IDFT[Yi(k)] e.? 将重叠部分相加 (2)重叠保留 则可以证明，rxy(τ)的离散傅里叶变换为 Rxy（k）=X*(k)Y(k) 其中 X(k)=DFT[x(n)], Y(k)=DFT[y(n)], Rxy(k)=DFT[rxy(τ)] ， 0≤k≤N-1 利用FFT求两个有限长序列的线性相关： x=[1 3 -1 1 2 3 3 1]; y=[2 1 -1 1 2 0 -1 3]; k=length(x); xk=fft(x,2*k); yk=fft(y,2*k); rm=real(ifft(conj(xk).*yk)); rm=[rm(k+2:2*k) rm(1:k)]; m=(-k+1):(k-1); stem(m,rm) xlabel(m); ylabel(幅度); 例9 当x（n）=y（n）时，得到x（n）的自相关函数为： 维纳——辛钦定理： 自相关函数与信号功率谱互为傅立叶变换对。