第3章.离散傅里叶变换及其快速算法与应用.ppt

离散傅里叶变换（DFT)的定义 DFT与DTFT和Z变换的关系 DFT的数字计算 DFT的性质 DFT 的快速算法—FFT DFT(FFT)的应用 3.1.1 离散傅里叶变换的定义 3.2 DFT的性质 1）隐含的周期性 2）循环移位性质 3.2 DFT的性质 2）循环移位性质 时域循环移位定理 频率循环移位定理 3.2 DFT的性质 3）循环卷积定理 1.两个有限长序列的循环卷积 循环卷积的计算： 3.2 DFT的性质 时域循环卷积定理 频域循环卷积定理 循环卷积定理验证 DFT的对称性 3.3 频率域采样 4.DFT 的快速算法—FFT 3.4 DFT 的应用举例 第3章 复习 8点DFT二次时域抽取分解运算流图 N=8 点DIT-FFT运算流图 例：计算x(n)=[0,1,2,3,4,5,6,7]的DFT值X(k) 基2DIT-FFT算法的运算规律 蝶形运算：蝶形运算是分级进行的；每级的蝶形运算可以按旋转因子的指数大小排序进行；如果指数大小一样则可从上往下依次蝶算。蝶形运算的规律是编程的基础 。 原位计算：当数据输入到存储器以后，每一级运算的结果仍可储存在同一组存储器中，直到最后输出，中间无需其它存储器，这叫原位计算。 序列倒序 ：运算前要先对输入的序列进行位序颠倒 。 0 4 2 6 1 5 3 7 000 100 010 110 001 101 011 111 000 001 010 011 100 101 110 111 0 1 2 3 4 5 6 7 倒序数 （J） 倒序二进制（JB） 顺序二进制（IB） 顺序数（I） 规律：倒序二进制数是顺序二进制数的倒置。 基2DIT-FFT算法的程序框图 基2DIT-FFT算法的实现程序 clc;close all;clear;format compact; %倒序 xn=[0,1,2,3,4,5,6,7];%可取任意序列 M=nextpow2(length(xn)), N=2^M, %将数据输入到存储地址 A=[xn,zeros(1,N-length(xn))]; disp(输入到各存储单元的数据:),disp(A); %数据倒序操作 J=0;%给倒序数赋初值 for I=0:N-1;%按顺序交换数据和算倒序数 if IJ;%条件判断及数据交换 T=A(I+1);A(I+1)=A(J+1);A(J+1)=T; end K=N/2;%算下一个倒序数 while J=K; J=J-K;K=K/2; end J=J+K; end disp(倒序后各存储单元的数据:),disp(A); %分级按序依次进行蝶形运算 WN=exp(-j*2*pi/N);%计算常量 for L=1:M;%分级计算 disp(运算级次:),disp(L); B=2^(L-1); for R=0:B-1;%各级按序计算 P=2^(M-L)*R; for K=R:2^L:N-2;%每序依次计算 T=A(K+1)+A(K+B+1)*WN^P; A(K+B+1)=A(K+1)-A(K+B+1)*WN^P; A(K+1)=T; end end disp(本级运算后各存储单元的数据:),disp(A); end disp(输出各存储单元的数据:),Xk=A, disp(调用fft函数运算的结果:),fftxn=fft(xn,N), 基2DIT-FFT算法的运算量分析 对于任何一个2的整数次幂 N=2M 点的DFT运算，总可以通过M 次分解，直到DFT 就是其本身的1点序列。这样的M次分解，构成从x(n)到X(k)的M 级运算。从流程图可看到，每级运算都由N/2个蝶形运算构成。因此每级运算都需要 (N/2) 次复乘和N次复加(每个结作加、减各一次)。故总共需要的运算： 复乘 (N/2)·M=(N/2)log2N 复加 N·M=N log2N 实际运算量与这个数字稍有出入，但按时间抽取法所需的计算量，大概与N log2N 成正比，而直接运算的运算量与N2成正比，当N较大时，FFT算法优势明显。 IDFT的快速算法 方法1：只要把DFT运算中的蝶形系数W nkN 改为W -nkN 。结果再除N，则FFT运算程序可直接进行IDFT运算。 FFT算法可用于IDFT运算，简称为IFFT。 方法2：不改FFT程序，直接用