2014-1012第4章 快速傅里叶变换(fft).ppt

学习目标 理解按时间抽取的基-2FFT算法的原理、运算流图、所需计算量和算法特点； 理解按频率抽取的基-2FFT算法的原理、运算流图、所需计算量和算法特点； 理解IFFT算法； 正变换运算量 二、 改进的途径 与两个因素有关 x(n) 长序列 —— 短序列 WNkn 对一个连续时间信号xa(t)采样1秒得到一个4096个采样点的序列，若计算采样信号的4096点DFT。假定仅对200≤ f ≤300Hz频率范围所对应的DFT采样点感兴趣。 （1）若直接用DFT，要计算这些值需要多少次复乘？ MN=101×4096=413696 （2）若用基2的DIT-FFT计算，则需要多少次复乘？ N/2log2N=4096/2 X log24096=24576 (这时得到的是全部点的DFT结果) N点x(n)序列，构造新序列 y(n)=x(n/2),n为偶数时; y(n)=0， n为奇数， n=0,1,2,…,2N-1， 求：Y(k)与X(k)的关系，k=0,1,2,…. ,2N-1 已知x(n)长度为N（N为偶数）。定义两个长度为N/2的序列如下: 其中，G(k)=DFT[g(n)], H(k)=DFT[h(n)],分别为N/2长。 试利用G(k)和H(k)表示出X(k)=DFT[x(n)]，k=0,1,…,N-1。 N点x(n)序列，构造新序列 y(n)=x((n))NR2N(n), 试求：Y(k)与X(k)的关系，k=0,1,2,…. 2N-1 2、蝶形运算 基2的DIF-FFT，输入为自然顺序，输出为位倒序； 两节点“距离”为2M-m=2M/2m=N/2m; 第m级运算： §4. 5 IDFT的高效算法 §4. 5 IDFT的高效算法 2 直接调用FFT子程序计算IFFT，则可用下面的方法： 2 直接调用FFT子程序计算IFFT，则可用下面的方法： 进一步减少运算量的措施： 多类蝶形单元运算 利用旋转因子的特殊值 旋转因子的生成 预先计算出旋转因子的数值存为表格，程序执行中直接查表得到所需旋转因子 实序列的FFT算法 利用DFT的共轭对称性 设x(n)是2N点实数序列， 试用一次N点DFT来计算x(n)的 2N点DFT：X(k), k=0,1,……2N-1。 （2） MN L=M+N-1≈M x1(n)*x2(n) 用DFT计算线性卷积 补N-N1个零 补N-N2个零 N点DFT N点DFT N点IDFT x1(n) x2(n) x1(n) 0,1,2,………,N1-1,………….,N-1 x2(n) 0,1,2,………,N2-1,………….,N-1 N≥N1+N2-1 §4.6 FFT的应用 线性卷积的FFT算法——快速卷积 y(n) =yc(n) =yl (n) L≥M+N-1 讨论： （1）M ≈ N，则L≈2M-1≈2M，则 99.9 53.9 29.24 16 8.82 5.92 2.78 1.6 0.941 0.572 Km 4096 2048 1024 512 256 128 64 32 16 8 M=N 当M=512 时，运算速度可快16倍； 当M=4096 时，约快100倍； M越长，好处越明显。 短序列补很多零，长序列需全部输入后才能计算 存储容量大 运算时间长，处理延时很大，难于实时处理 怎么解决？——块卷积（重叠相加和重叠保留法） 2．重叠相加法 设h(n)的点数为N，将x(n)分解为很多段，每段为m点，各段互不重叠，m和N的数量级相同，用xi(n)表示x(n)的第i段： im≤n≤(i+1)m-1 其他n i=0, 1, … xi(n)为m点，yi(n)为（m+N-1）点； 相邻两段输出序列必然有（N-1）个点发生重叠，即前一段的后（N-1）个点和后一段的前（N-1）个点相重叠； 将重叠部分相加再和不重叠的部分共同组成输出。 特点： x(n)分段各数据子段互不重叠； h(n)与xi(n)各子段所作为线性卷积得yi(n)； yi(n)数据间有N-1点重叠； 最后的卷积结果y(n)为各子段线性卷积yi(n) 之和。 3． 重叠保留法 将x(n)分段，每段L个点，序列中补零处不补零，而在每一段的前边补上前一段保留下来的（M-1）个输入序列值， 组成N=L+M-